¿Qué está obstaculizando la evolución y adopción de los gemelos digitales?

El enorme potencial de la tecnología de gemelos digitales, con su capacidad para crear réplicas digitales de objetos, procesos y entornos físicos, tiene aplicaciones que abarcan diversas industrias, desde replicar entornos peligrosos hasta mostrar naves espaciales para fines de capacitación remota. Un análisis reciente de McKinsey sugiere que el interés es tan profundo que el mercado global de gemelos digitales crecerá alrededor del 60% anual durante los próximos cinco años y alcanzará $73.5 mil millones para 2027. El interés está claro, pero ¿se ha seguido realmente la adopción?

La respuesta es complicada. La tecnología de gemelos digitales y sus casos de uso han evolucionado enormemente, pero se deben abordar desafíos para que los gemelos digitales se adopten a gran escala.

La evolución de los gemelos digitales

La adopción real de la tecnología de gemelos digitales ha sido lenta porque, hasta hace poco, carecía de la inteligencia para ir más allá de simplemente representar un activo. Más valioso sería la capacidad de simular, predecir y controlar su comportamiento con precisión. Los gemelos digitales también eran personalizados y carecían de la capacidad de aprender globalmente del comportamiento de activos similares. Sus conocimientos estaban aislados y no siempre eran aplicables a las necesidades organizacionales más amplias, lo que los convertía en una inversión costosa con rendimientos estrechos.

Aun así, algunos adoptantes tempranos de gemelos digitales incluyen las industrias manufacturera, minorista, de atención médica y automotriz, que han podido probar nuevas instalaciones, configuraciones y procesos en un entorno controlado.

Con nuevos enfoques impulsados por IA, veremos un cambio rápido de “gemelos digitales” a “simulación” y “agencia” impulsadas por IA, lo que ampliará dramáticamente los casos de uso y impulsará una adopción generalizada. Veamos estas categorías de uso:

• Representación – Las primeras iteraciones de los gemelos digitales eran simples representaciones digitales de activos, que no eran particularmente útiles más allá de algunos casos de uso nicho para mejorar el diseño y la ejecución de ciertas tareas. En esencia, este es el estado de “réplica” de la tecnología de gemelos digitales.
• Simulación – Hoy en día, los gemelos digitales están evolucionando desde la representación hasta la simulación, lo que beneficia a un conjunto más amplio de casos de uso. La simulación significa que los gemelos digitales no solo reflejan el activo o el entorno, sino que también simulan con precisión escenarios futuros. En esta etapa, pueden aprender de los datos de procesos similares para obtener conocimientos significativos. Los gemelos de simulación utilizan algoritmos de IA para simular resultados de producción, recomendar configuraciones de máquina óptimas y guiar a los equipos de producción hacia objetivos comerciales mejorados en un entorno de fabricación.
• Agencia – La siguiente evolución después de la simulación será la agencia, que permitirá a los activos, procesos y partes enteras de la producción planificar y actuar de manera autónoma. En esta etapa, también tomarán decisiones complejas y trabajarán en asociación con las personas para impulsar una producción más sostenible. Esta es la etapa del agente de gemelo digital.

Moverse entre etapas requiere diferentes niveles de tecnología de soporte, y es fundamental que las organizaciones tengan la pila de tecnología adecuada para lograr el impacto y el ROI máximo de los gemelos digitales.

Tecnología fundamental para gemelos digitales

La tecnología fundamental adecuada debe estar en su lugar antes de pasar de la representación a la simulación y, finalmente, a la agencia.

Usando la fabricación como ejemplo nuevamente, las organizaciones que desean crear una simulación digital de un proceso o entorno de fábrica determinado deben tener capacidades de detección en línea confiables. Estos sensores alimentan datos desde la entrada y la salida en varias etapas críticas del viaje para proporcionar conocimientos sólidos que informen una simulación. Gran parte de estos datos están disponibles, y hemos visto a fabricantes de procesos con mediciones de calidad en línea en las salidas (es decir, papel), pero generalmente hay una brecha en las mediciones de detección para las entradas (es decir, las fibras de madera que se utilizan en la producción de pulpa de papel).

Para sortear esto, los equipos de fabricación deben definir claramente la simulación que están tratando de lograr y las diversas entradas, máquinas y sistemas involucrados, junto con los diferentes parámetros de cada etapa en el proceso. Esto probablemente requiere aprovechar a expertos en varias funciones para garantizar que todos los aspectos del modelo estén contemplados, lo que luego ayudará a garantizar que los datos sean lo suficientemente sólidos como para alimentar una simulación.

Conectividad y comparación

Los gemelos digitales que están completamente aislados pierden los conocimientos de otros modelos en escenarios similares. Los modelos que contribuyen al gemelo digital en sí deben alimentarse con datos de otros modelos y gemelos digitales similares para demostrar qué aspecto tiene lo “óptimo” a nivel global, no solo dentro del proceso local que se examina.

Como resultado, los gemelos digitales requieren un gran componente en la nube, o de lo contrario, las organizaciones arriesgan perder cualquier atisbo de la promesa completa que ofrece esta tecnología.

La otra cara de la moneda es que los gemelos digitales no deben depender únicamente de la tecnología en la nube porque la latencia de la nube puede crear obstáculos para factores como la recopilación de datos en tiempo real y las instrucciones en tiempo real. Considere lo inútil que sería tener una simulación destinada a prevenir fallas de máquinas solo para que la simulación detecte un cinturón roto mucho después de que la pieza haya dejado de funcionar correctamente y toda la máquina esté en punto muerto.

Para superar estos desafíos, puede ser sabio agregar un componente que tenga capacidad de IA de borde. Esto garantiza que los datos se puedan capturar lo más cerca posible del proceso que se simula.

Dificultades potenciales con la implementación y el manejo

Además de tener la pila de tecnología y la infraestructura adecuadas para capturar los datos necesarios para los gemelos de simulación impulsados por IA, la confianza sigue siendo un obstáculo significativo para la implementación. Los taxistas en Londres pueden conocer el mapa de la ciudad y todos sus atajos, pero el GPS generalmente equipa a los conductores con rutas más precisas al tener en cuenta los datos de tráfico. De manera similar, los ingenieros y los profesionales de la fabricación necesitan experimentar simulaciones precisas y seguras para confiar plenamente en sus capacidades.

Ganar confianza lleva tiempo, pero la transparencia con los modelos y con los datos que alimentan a los gemelos digitales puede acelerar este proceso. Las organizaciones deben pensar estratégicamente sobre el cambio de mentalidad necesario para que los equipos confíen en los conocimientos que proporciona esta poderosa tecnología, o arriesgan perderse el ROI.

El camino hacia la agencia

A pesar de la promesa de los gemelos digitales, la adopción ha sido relativamente lenta, hasta hace poco. La introducción de modelos impulsados por IA puede llevar a los gemelos digitales desde la representación hasta la simulación al conectar conocimientos de otros modelos para construir aprendizajes únicos.

A medida que aumentan la inversión y la confianza, los gemelos digitales eventualmente alcanzarán el estatus de agencia y podrán tomar decisiones complejas por sí mismos. El verdadero valor aún no se ha desbloqueado, pero los gemelos digitales tienen el potencial de transformar industrias desde la fabricación hasta la atención médica y el comercio minorista.