O que está impedindo a evolução e a adoção do gêmeo digital?

O tremendo potencial da tecnologia de gêmeos digitais – com sua capacidade de criar réplicas digitais de objetos físicos, processos e ambientes – tem aplicações que abrangem todos os setores, desde a replicação de ambientes perigosos até a exibição de naves espaciais para fins de treinamento remoto. Análises recentes de McKinsey sugere que o interesse é tão profundo que o mercado global de gêmeos digitais crescerá cerca de 60% ao ano nos próximos cinco anos e atingirá US$ 73.5 bilhões até 2027. O interesse está claramente lá, mas a adoção realmente ocorreu?

A resposta – é complicado. A tecnologia de gêmeos digitais e seus casos de uso evoluíram imensamente, mas os desafios devem ser enfrentados para que os gêmeos digitais sejam adotados em escala.

A evolução dos gêmeos digitais

Adoção verdadeira de gêmeo digital a tecnologia tem sido lenta porque, até recentemente, não tinha inteligência para ir além de simplesmente representar um ativo. Mais valiosa seria a capacidade de simular, prever e controlar com precisão seu comportamento. Os gêmeos digitais também eram personalizados e não tinham a capacidade de aprender globalmente com o comportamento de ativos semelhantes. Seus insights eram isolados e nem sempre aplicáveis ​​a necessidades organizacionais mais amplas, tornando-os um investimento pesado com retornos estreitos.

Mesmo assim, alguns primeiros a adotar gêmeos digitais incluem os setores de manufatura, varejo, saúde e automotivo, que conseguiram testar novas instalações, configurações e processos em um ambiente controlado.

Com novas abordagens orientadas por IA, veremos uma rápida mudança de “gêmeos digitais” para “simulação” e “agência” movidas por IA, o que ampliará drasticamente os casos de uso e impulsionará a adoção generalizada. Vamos dar uma olhada nessas categorias de uso:

• Representação – As primeiras iterações de gêmeos digitais eram simples representações digitais de ativos, que não eram particularmente úteis além de casos de uso de nicho selecionados para melhorar o design e a execução de certas tarefas. Em essência, esse é o estado de “réplica” da tecnologia de gêmeos digitais.
• Simulação – Hoje, os gêmeos digitais estão evoluindo da representação para a simulação, o que beneficia um conjunto mais amplo de casos de uso. Simulação significa que os gêmeos digitais não estão apenas espelhando o ativo ou ambiente, mas também simulando com precisão cenários futuros. Nesse estágio, eles são capazes de aprender com dados de outros processos semelhantes para obter insights significativos. Os gêmeos de simulação usam algoritmos de IA para simular resultados de produção, recomendar configurações ideais de máquina e orientar equipes de produção em direção a objetivos de negócios aprimorados em um ambiente de manufatura.
• Agência – A próxima evolução após a simulação será a agência, que permitirá que ativos, processos e partes inteiras da produção planejem e atuem de forma autônoma. Nesta fase, eles também tomarão decisões complexas e trabalharão em parceria com pessoas para impulsionar uma produção mais sustentável. Este é o estágio do agente gêmeo digital.

A mudança entre os estágios exige diferentes níveis de tecnologia de suporte, e é fundamental que as organizações tenham o conjunto de tecnologias certo para atingir o máximo impacto e ROI dos gêmeos digitais.

Tecnologia fundamental para gêmeos digitais

A tecnologia fundamental correta deve estar em vigor antes de passar da representação para a simulação e, finalmente, para a agência.

Usando a manufatura como exemplo novamente, organizações que querem criar uma simulação digital de um dado processo ou ambiente de fábrica devem ter capacidades de detecção on-line confiáveis. Esses sensores alimentam dados da entrada e saída em vários estágios críticos da jornada para fornecer insights robustos para informar uma simulação. Muitos desses dados estão prontamente disponíveis, e temos visto fabricantes de processos com medições on-line de qualidade nas saídas (por exemplo, papel), mas geralmente há uma lacuna nas medições de detecção para as entradas (por exemplo, fibras de madeira que vão para a produção de polpa de papel).

Para contornar isso, as equipes de fabricação devem definir claramente a simulação que estão tentando alcançar e as várias entradas, máquinas e sistemas envolvidos, juntamente com os diferentes parâmetros de cada estágio ao longo do processo. Isso provavelmente requer a contratação de especialistas em várias funções para garantir que todos os aspectos do modelo sejam contabilizados, o que ajudará a garantir que os dados sejam robustos o suficiente para alimentar uma simulação.

Conectividade e Comparação

Gêmeos digitais que são completamente isolados estão perdendo aprendizados de outros modelos em cenários semelhantes. Os modelos que contribuem para o próprio gêmeo digital precisam ser alimentados com dados de outros modelos semelhantes e gêmeos digitais para demonstrar o que “ótimo” ou ótimo parece globalmente, não apenas dentro do processo local que está sendo examinado.

Como resultado, os gêmeos digitais exigem um grande componente de nuvem, ou então as organizações correm o risco de perder qualquer vestígio da promessa completa que essa tecnologia oferece.

O outro lado da moeda é que os gêmeos digitais não devem depender somente da tecnologia de nuvem porque a latência da nuvem pode criar obstáculos para fatores como coleta de dados em tempo real e instruções em tempo real. Considere o quão inútil seria ter uma simulação destinada a evitar falhas de máquina apenas para a simulação detectar uma correia quebrada bem depois que a peça parou de funcionar corretamente e a máquina inteira está parada.

Para superar esses desafios, pode ser sensato adicionar um componente que seja habilitado para edge-AI. Isso garante que os dados possam ser capturados o mais próximo possível do processo que está sendo simulado.

Possíveis pontos problemáticos com implantação e gerenciamento

Além de ter a pilha de tecnologia e a infraestrutura certas para capturar os dados necessários para gêmeos de simulação alimentados por IA, a confiança continua sendo um obstáculo significativo para a implantação. Os motoristas de táxi em Londres podem conhecer o mapa da cidade e todos os seus atalhos, mas o GPS normalmente equipa os motoristas com rotas mais precisas ao fatorar os dados de tráfego. Da mesma forma, engenheiros e profissionais de fabricação precisam experimentar simulações precisas e seguras para ganhar total confiança em suas capacidades.

Ganhar confiança leva tempo, mas a transparência com os modelos e com os dados que alimentam os gêmeos digitais pode acelerar esse processo. As organizações devem pensar estrategicamente sobre a mudança de mentalidade necessária para fazer com que as equipes confiem nos insights dessa tecnologia poderosa – ou correm o risco de perder o ROI.

O Caminho para a Agência

Apesar da promessa dos gêmeos digitais, a adoção tem sido relativamente lenta – até recentemente. A introdução de modelos alimentados por IA pode levar os gêmeos digitais da representação à simulação conectando insights de outros modelos para construir aprendizados únicos.

À medida que o investimento e a confiança aumentam, os gêmeos digitais eventualmente atingirão o status de agência e serão capazes de tomar decisões complexas por conta própria. O verdadeiro valor ainda não foi desbloqueado, mas os gêmeos digitais têm o potencial de transformar indústrias, desde manufatura até saúde e varejo.