Secondo IDC, entro il 2025, l’80% dell’intero ecosistema industriale utilizzerà modelli digitali (digital twins) dei propri prodotti, impianti e processi per condividere dati e informazioni con i partners, clienti e fornitori
A cura di Pier Giuseppe Dal Farra, IoT Industry Business Expert di Orange Business Services
I digital twins sono essenzialmente modelli dinamici e continuamente aggiornati di un oggetto fisico o di un sistema. Come noto, la centralizzazione dei dati in un unico posto contribuisce ad eliminare i silos informativi poiché sia i dati storici che i dati generati in tempo reale risultano accessibili in un unico punto. I digital twins offrono quindi la reale possibilità di implementare un miglioramento continuo dei processi facilitando sia la collaborazione tra gli operatori coinvolti che il processo decisionale informato, riducendo i tempi di sviluppo e accelerando la valutazione del rischio, e in ultimo permettendo le attività di manutenzione predittiva.
I modelli digitali sono alimentati da dati reali acquisiti dai sensori collocati all’interno del processo reale. Questi dati vengono elaborati utilizzando l’intelligenza artificiale (AI). Tramite i digital twins, gli utenti possono simulare comportamenti e prevedere le prestazioni di oggetti e processi.
Le applicazioni per i digital twins vanno dalla previsione delle operazioni e dei processi di produzione alla simulazione dei comportamenti e alla prevenzione dei guasti nella produzione automobilistica fino alla simulazione dei flussi di persone e delle materie prime per migliorare la logistica. Secondo Gartner, i digital twins risultano fondamentali nella diminuzione della complessità negli ecosistemi IoT.
“L’ascesa dei digital twins coincide con l’ascesa dell’IoT. Quando si acquistano macchine e in genere altre risorse industriali, la predisposizione all’implementazione e al futuro sviluppo di digital twins dovrebbero essere un fattore di selezione”, afferma W Roy Schulte, Distinguished Vice President Analyst, Gartner.
Digital twins: una fonte di intelligenza continua
Sebbene i digital twins possano essere utilizzati per varie applicazioni e, a seconda della qualità della modellizzazione degli oggetti reali, utilizzino più o meno dati, seguono tutti lo stesso concetto.
Il digital twin è la replica digitale di un oggetto o processo e, come immagine speculare della sua controparte nel mondo fisico, è unico e continuamente aggiornato. Quando si combinano i dati con analisi prescrittive o algoritmi di ottimizzazione, il gemello digitale può supportare sia il processo decisionale umano che quello automatizzato. Il gemello digitale può, ad esempio, stimare il prossimo programma di manutenzione per una linea di produzione per evitare inutili tempi di fermo. Con un gemello digitale, i tecnici possono monitorare le turbine eoliche, seguire le loro prestazioni in tempo reale e valutare i rischi di guasto utilizzando algoritmi di apprendimento automatico invece di recarsi in loco. Questo è un enorme vantaggio soprattutto nel monitoraggio dei parchi eolici offshore.
Al Mobile World Congress di quest’anno, Orange ha dimostrato come una piattaforma digital twin e un’applicazione IoT possano essere impiegate per aumentare i flussi di produzione. Utilizzando un gemello digitale insieme a un’applicazione di localizzazione mobile intelligente, tutte le parti di una linea di produzione vengono sequenziate in ordine di utilizzo. Eventuali parti mancanti vengono evidenziate e possono essere localizzate rapidamente in tempo reale per aumentare l’affidabilità del processo produttivo riducendo i costi. Inoltre, anche la qualità e la rapidità di consegna dei prodotti risultano essere incrementate.
I digital twins, insieme ad altre tecnologie tra cui l’IoT, la realtà aumentata, i data analytics e il machine learning sono via via adottati in molti settori. In Francia, ad esempio, la società di ingegneria Cervval, France Énergies Marines (l’istituto francese per la transizione energetica dedicato alle energie rinnovabili offshore) e la scuola di ingegneria IMT Atlantique hanno lanciato il progetto SubSEE 4D per migliorare il funzionamento dei parchi eolici utilizzando una soluzione che abbina un gemello digitale con metodi di deep learning.
Nell’area della salute, la Commissione Europea sta finanziando il SimCardioTest, progettato per accelerare l’adozione della simulazione digitale per la progettazione di farmaci e dispositivi per il sistema cardiaco-circolatorio.
Le sfide nell’adozione dei digital twins
La creazione di una piattaforma digital twin end-to-end non è un compito facile. Non si tratta di una singola tecnologia, ma di un insieme di diverse tecnologie quali la computer vision, il data workflow e l’impiego di API per condividere dati provenienti da più origini unitamente a un framework di machine learning per il processo decisionale e l’acquisizione dei dati in tempo reale.
Per ciò che riguarda il cosiddetto “mass market”, ad oggi non sono disponibili soluzioni “off the shelf” di digital twins. Tuttavia, ci sono fornitori che offrono digital twins specifici per alcuni settori, come quello delle costruzioni, unitamente a piattaforme proprietarie.
È inoltre disponibile una piattaforma software di simulazione che permette lo sviluppo di modelli di digital twins.
Stanno emergendo anche soluzioni basate su utilizzi a consumo. Ad esempio, i digital twins messi a disposizione in Microsoft Azure possono essere utilizzati per progettare gemelli digitali di dispositivi IoT all’interno di soluzioni cloud. Anche AWS IoT TwinMaker rappresenta uno strumento semplificato utilizzabile dagli sviluppatori per creare digital twins.
Dal punto di vista dello sviluppo, è spesso consigliabile creare inizialmente un cosiddetto “prodotto minimo vitale (MVP)” di un gemello digitale. Questo aiuta a identificare il miglior approccio nello sviluppo del modello, a contenere gli errori e a indirizzare i passi successivi. Il gemello digitale può quindi essere ampliato da questo.
La qualità dei dati e la sicurezza dovrebbero essere al primo posto
I digital twins utilizzano i dati provenienti da una serie di sensori remoti. Per implementare digital twins efficaci, quindi, sia la qualità che la contestualizzazione dei suddetti dati risultano fondamentali. Ne consegue che è fondamentale filtrare ed eliminare i dati errati al fine di avere modelli affidabili.
Inoltre, come detto, i digital twins dipendono direttamente dai dati generati dai sensori in campo che sono sostanzialmente dispositivi IoT. Ogni endpoint rappresenta quindi una possibile vulnerabilità per la sicurezza.
La violazione della sicurezza di un gemello digitale potrebbe fornire informazioni business-critical, ed è pertanto essenziale che le aziende includano queste considerazioni nella pianificazione e controllo dei digital twin. Ciò include la verifica della crittografia e dei privilegi di accesso unitamente all’esecuzione di controlli di sicurezza specifici.
Considera di lavorare con un partner
I digital twins si stanno rivelando preziosi in tutti i settori. Come accennato in precedenza, la creazione di repliche digitali presenta sfide quando si tratta di problemi come la qualità e la sicurezza dei dati. Molte aziende intravedono applicazioni per i digital twins nei loro processi ma non dispongono di tutte le informazioni per iniziare un progetto.
È in questi casi che un partner come Orange Business Services può aiutare nello sviluppo di digital twins in linea con i requisiti dell’azienda.
L’esperienza di Orange Business Services nei digital twin e nell’IoT include il condition based monitoring di impianti e processi, la manutenzione predittiva, il controllo della qualità e l’ottimizzazione del consumo energetico e di acqua.
Il costo per l’implementazione di tecnologie legate a digital twins è previsto in costante decremento, pertanto è sicuramente un buon momento per iniziare ad applicare le soluzioni disponibili sia ai processi di design che a quelli produttivi.
 dei propri prodotti, impianti e processi per condividere dati e informazioni con i partners, clienti e fornitori){kind=link}