O que Está Impedindo a Evolução e Adoção de Gêmeos Digitais?

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 várias indústrias, desde replicar ambientes perigosos até exibir espaçonaves para fins de treinamento remoto. Uma análise recente da 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 $73,5 bilhões até 2027. O interesse está claramente lá, mas a adoção realmente seguiu?

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

A Evolução dos Gêmeos Digitais

A adoção real da tecnologia de gêmeos digitais foi lenta porque, até recentemente, faltava inteligência para ir além de simplesmente representar um ativo. Mais valioso seria a capacidade de simular, prever e controlar seu comportamento com precisão. Os gêmeos digitais também eram personalizados e careciam da capacidade de aprender globalmente a partir do comportamento de ativos semelhantes. Seus insights estavam isolados e nem sempre aplicáveis às necessidades organizacionais mais amplas, tornando-os um investimento pesado com retornos estreitos.

Mesmo assim, alguns primeiros adotantes de gêmeos digitais incluem as indústrias de manufatura, varejo, saúde e automotiva, que conseguiram testar novas instalações, configurações e processos em um ambiente controlado.

Com novas abordagens impulsionadas por IA, veremos uma mudança rápida de “gêmeos digitais” para simulação e “agência” impulsionadas por IA, que ampliarão dramaticamente os casos de uso e impulsionarão a adoção generalizada. Vamos olhar para essas categorias de uso:

• Representação – As primeiras iterações dos gêmeos digitais eram simples representações digitais de ativos, que não eram particularmente úteis além de casos de uso específicos para melhorar o design e a execução de certas tarefas. Em essência, esta é a fase “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. A simulação significa que os gêmeos digitais não apenas espelham o ativo ou ambiente, mas também simulam cenários futuros com precisão. Nesta fase, 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 de máquina ótimas e orientar equipes de produção em direção a objetivos comerciais 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 ajam de forma autônoma. Nesta fase, eles também tomarão decisões complexas e trabalharão em parceria com as pessoas para impulsionar uma produção mais sustentável. Esta é a fase do agente de gêmeos digitais.

Mover-se entre as fases requer diferentes níveis de tecnologia de suporte, e é fundamental que as organizações tenham a pilha de tecnologia certa para alcançar o impacto máximo e o ROI dos gêmeos digitais.

Tecnologia Fundacional para Gêmeos Digitais

A tecnologia fundacional certa deve estar no lugar antes de se mover da representação para a simulação e, em última análise, para a agência.

Usando a manufatura como exemplo novamente, as organizações que desejam criar uma simulação digital de um determinado processo ou ambiente de fábrica devem ter capacidades de sensoriamento online confiáveis. Esses sensores alimentam dados da entrada e saída em várias etapas críticas da jornada para fornecer insights robustos para informar uma simulação. Muito desses dados está disponível, e vimos fabricantes de processos com medições de qualidade online nos resultados (por exemplo, papel), mas geralmente há uma lacuna nas medições de sensoriamento para as entradas (por exemplo, fibras de madeira que entram na produção de polpa de papel).

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

Conectividade e Comparação

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

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

O outro lado da moeda é que os gêmeos digitais não devem confiar apenas na tecnologia de nuvem, pois a latência da nuvem pode criar obstáculos para fatores como coletar dados em tempo real e instruções em tempo real. Considere como seria inútil ter uma simulação destinada a prevenir 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 sábio 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.

Pontos de Dor Possíveis com Implantação e Gerenciamento

Além de ter a pilha de tecnologia e infraestrutura certa para capturar os dados necessários para gêmeos de simulação impulsionados por IA, a confiança permanece como um obstáculo significativo para a implantação. Motoristas de táxi em Londres podem conhecer o mapa da cidade e todos os seus atalhos, mas o GPS geralmente equipa os motoristas com rotas mais precisas, considerando os dados de tráfego. Da mesma forma, engenheiros e profissionais de manufatura precisam experimentar simulações precisas e seguras para ganhar confiança total 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 que as equipes confiem nos insights dessa tecnologia poderosa – ou arriscam perder o ROI.

A Estrada para a Agência

Apesar da promessa dos gêmeos digitais, a adoção tem sido relativamente lenta – até recentemente. A introdução de modelos impulsionados por IA pode levar os gêmeos digitais da representação para a 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 valor real ainda está para ser desbloqueado, mas os gêmeos digitais têm o potencial de transformar indústrias, desde manufatura até saúde e varejo.