Che cosa si frappone all’evoluzione e all’adozione dei gemelli digitali?

Il potenziale enorme della tecnologia dei gemelli digitali – con la sua capacità di creare repliche digitali di oggetti, processi e ambienti fisici – ha applicazioni che si estendono attraverso vari settori, dalla replicazione di ambienti pericolosi alla visualizzazione di veicoli spaziali per scopi di formazione remota. Un’analisi recente di McKinsey suggerisce che l’interesse è così profondo che il mercato globale dei gemelli digitali crescerà di circa il 60% all’anno nei prossimi cinque anni e raggiungerà i 73,5 miliardi di dollari entro il 2027. L’interesse è chiaramente presente, ma l’adozione ha realmente seguito?

La risposta – è complicato. La tecnologia dei gemelli digitali e i suoi casi d’uso sono evoluti enormemente, ma le sfide devono essere affrontate affinché i gemelli digitali possano essere adottati su larga scala.

L’evoluzione dei gemelli digitali

L’adozione vera e propria della tecnologia dei gemelli digitali è stata lenta perché, fino a poco tempo fa, mancava dell’intelligenza per andare oltre la semplice rappresentazione di un asset. Molto più preziosa sarebbe stata la capacità di simulare, prevedere e controllare con precisione il suo comportamento. I gemelli digitali erano anche personalizzati e mancavano della capacità di apprendere a livello globale dal comportamento di asset simili. Le loro informazioni erano isolate e non sempre applicabili alle esigenze organizzative più ampie, rendendoli un investimento costoso con ritorni limitati.

Tuttavia, alcuni primi adottanti dei gemelli digitali includono i settori manifatturiero, retail, sanitario e automobilistico, che sono stati in grado di testare nuove strutture, configurazioni e processi in un ambiente controllato.

Con nuovi approcci guidati dall’intelligenza artificiale, vedremo un rapido passaggio da “gemelli digitali” a “simulazione” e “agenzia” potenziata dall’AI, che allargherà notevolmente i casi d’uso e guiderà un’adozione su larga scala. Analizziamo queste categorie di utilizzo:

• Rappresentazione – Le prime iterazioni dei gemelli digitali erano semplici rappresentazioni digitali di asset, che non erano particolarmente utili al di là di nicchie di uso specifiche per migliorare la progettazione e l’esecuzione di determinati compiti. In sostanza, questo è lo stato “replica” della tecnologia dei gemelli digitali.
• Simulazione – Oggi, i gemelli digitali stanno evolvendo dalla rappresentazione alla simulazione, che beneficia un insieme più ampio di casi d’uso. La simulazione significa che i gemelli digitali non stanno solo riflettendo l’asset o l’ambiente, ma stanno anche simulando con precisione scenari futuri. In questo stadio, sono in grado di apprendere dai dati di altri processi simili per ottenere informazioni significative. I gemelli della simulazione utilizzano algoritmi di intelligenza artificiale per simulare i risultati della produzione, raccomandare impostazioni ottimali per le macchine e guidare i team di produzione verso obiettivi aziendali migliorati in un ambiente manifatturiero.
• Agenzia – L’evoluzione successiva dopo la simulazione sarà l’agenzia, che consentirà agli asset, ai processi e a intere parti della produzione di pianificare e agire in modo autonomo. In questo stadio, prenderanno anche decisioni complesse e lavoreranno in partnership con le persone per guidare una produzione più sostenibile. Questo è lo stadio dell’agente del gemello digitale.

Passare tra gli stadi richiede livelli diversi di tecnologia di supporto, ed è fondamentale che le organizzazioni abbiano la giusta pila tecnologica per ottenere l’impatto massimo e il ROI dei gemelli digitali.

Tecnologia fondamentale per i gemelli digitali

La tecnologia fondamentale giusta deve essere in posto prima di passare dalla rappresentazione alla simulazione e, infine, all’agenzia.

Utilizzando la manifattura come esempio ancora una volta, le organizzazioni che desiderano creare una simulazione digitale di un determinato processo o ambiente di fabbrica devono avere capacità di rilevamento online affidabili. Questi sensori alimentano i dati dall’input e dall’output in vari stadi critici del percorso per fornire informazioni robuste per informare una simulazione. Molti di questi dati sono già disponibili, e abbiamo visto i produttori di processi con misurazioni online di qualità sui prodotti (ad esempio, carta), ma c’è generalmente una lacuna nelle misurazioni di rilevamento per gli input (ad esempio, fibre di legno che vanno nella produzione della polpa di carta).

Per superare questo, i team di manifattura devono definire chiaramente la simulazione che stanno cercando di raggiungere e i vari input, macchine e sistemi coinvolti, insieme ai diversi parametri di ogni fase nel processo. Ciò richiede probabilmente l’impiego di esperti in più funzioni per assicurarsi che tutti gli aspetti del modello siano presi in considerazione, il che aiuterà a garantire che i dati siano abbastanza robusti per alimentare una simulazione.

Connettività e confronto

I gemelli digitali che sono completamente isolati perdono le informazioni derivanti da altri modelli in scenari simili. I modelli che contribuiscono ai gemelli digitali stessi devono essere alimentati con dati da altri modelli e gemelli digitali simili per dimostrare cosa significhi “ottimale” a livello globale, non solo all’interno del processo locale che viene esaminato.

Di conseguenza, i gemelli digitali richiedono un grande componente cloud, altrimenti le organizzazioni rischiano di perdere ogni promessa di questa tecnologia.

Dall’altra parte, i gemelli digitali non devono affidarsi esclusivamente alla tecnologia cloud perché la latenza del cloud può creare ostacoli per fattori come la raccolta di dati in tempo reale e le istruzioni in tempo reale. Considerate quanto sarebbe inutile avere una simulazione destinata a prevenire guasti di macchine solo per scoprire che la simulazione rileva una cintura rotta ben dopo che il pezzo ha smesso di funzionare correttamente e l’intera macchina è ferma.

Per superare queste sfide, potrebbe essere saggio aggiungere un componente abilitato all’edge-AI. Ciò garantisce che i dati possano essere catturati il più vicino possibile al processo simulato.

Punti dolenti possibili con la distribuzione e la gestione

Oltre ad avere la giusta pila tecnologica e l’infrastruttura per catturare i dati necessari per i gemelli della simulazione potenziati dall’AI, la fiducia rimane un ostacolo significativo alla distribuzione. I tassisti a Londra possono conoscere la mappa della città e tutti i suoi percorsi, ma il GPS di solito fornisce ai conducenti percorsi più precisi tenendo conto dei dati del traffico. Allo stesso modo, gli ingegneri e i professionisti della manifattura devono sperimentare simulazioni accurate e sicure per guadagnare piena fiducia nelle loro capacità.

Guadagnare fiducia richiede tempo, ma la trasparenza con i modelli e con i dati che alimentano i gemelli digitali può accelerare questo processo. Le organizzazioni dovrebbero pensare strategicamente al cambiamento di mentalità necessario per far sì che i team si fidino delle informazioni derivanti da questa potente tecnologia – o rischiano di perdere il ROI.

La strada per l’agenzia

Nonostante la promessa dei gemelli digitali, l’adozione è stata relativamente lenta – fino a poco tempo fa. L’introduzione di modelli potenziati dall’AI può portare i gemelli digitali dalla rappresentazione alla simulazione connettendo le informazioni da altri modelli per costruire apprendimenti unici.

Man mano che l’investimento e la fiducia aumentano, i gemelli digitali raggiungeranno infine lo stato di agenzia e saranno in grado di prendere decisioni complesse in modo autonomo. Il vero valore deve ancora essere sbloccato, ma i gemelli digitali hanno il potenziale per trasformare settori dalla manifattura alla sanità al retail.