El concepto digital twins se atribuye a David Gelernter, ingeniero informático y escritor estadounidense, uno de los pioneros de la computación paralela

Los gemelos digitales son considerados una tecnología disruptiva que será vital en el auge y desarrollo de la Cuarta Revolución Industrial. Este concepto va más allá de la fabricación y se ha adentrado en los mundos de la fusión del Internet de las cosas, la inteligencia artificial y el análisis de datos.

El concepto digital twins se atribuye a David Gelernter, ingeniero informático y escritor estadounidense, uno de los pioneros de la computación paralela. Pero fue la NASA quien adoptó por primera vez el concepto de gemelo digital en 2010, para crear simulaciones de sus objetos, naves y cápsulas, y eso le permitió tanto realizar pruebas de estrés y modelos predictivos como mantener y reparar esos elementos a distancia.

En su libro Mirror Worlds, or the Day Software Puts the Universe in a Shoebox (Mundos espejo, o el día en que el software pondrá el Universo en una caja de zapatos), publicado en 1992, Gelernter teorizaba ya, con pleno fundamento, sobre la posibilidad de realizar réplicas computarizadas de cualquier espacio u objeto para interactuar con ellas. Diez años después, Michael Grieves, investigador del Instituto de Tecnología de Florida, fue el primero en encontrarle una aplicación industrial al concepto, desarrolló la base tecnológica de los digital twins, que en esencia consiste en recopilar datos del mundo real para hacer simulaciones que puedan predecir cómo funcionará un proceso o producto.

¿Qué son los digital twins?

Los digital twins son una réplica digital o virtual de un objeto, proceso o servicio físicos, utilizadas para hacer simulaciones, conectando el mundo offline y online, desde un motor a reacción o parques eólicos a edificios o ciudades enteras. Estas réplicas virtuales son utilizadas para hacer simulaciones antes de que se creen e implementen cambios en los objetos reales, con el fin de recopilar datos para predecir cómo funcionarán.

La clave de su éxito actual es el desarrollo del Internet de las Cosas, mediante un programa informático y datos reales, se recrean simulaciones para lograr posibles escenarios y predicciones de un producto o proceso. Con ello, se pueden evitar fallos y realizar análisis. Para esto, el procesamiento de datos, la física y las matemáticas aplicadas son las bases tecnológicas y científicas.

Creación y funcionamiento

Para crear un gemelo digital hay que recopilar muchos datos, tanto del objeto como de lo que está a su alrededor. Con esta información se pueden crear modelos computacionales que representan los comportamientos o estados del objeto físico.

Una vez que se han recopilado todos los datos, se usan para crear modelos analíticos con los que predecir los efectos y comportamientos de ese objeto ante unos posibles cambios.

Estas simulaciones están generadas teniendo en cuenta cuestiones como ingeniería, física, química, estadística, aprendizaje automático, inteligencia artificial, lógica empresarial u objetivos. Estos modelos se pueden mostrar a través de representaciones en 3D y modelado de realidad aumentada para ayudar a la comprensión humana de los hallazgos.

El desarrollo y creación de un gemelo digital se emplea, a grandes rasgos, para tres cuestiones principales:

Prototipo de gemelo digital (DTP): Con anterioridad a la creación de un producto físico se desarrolla uno digital para ver cómo sería y saber cómo se comportaría.

Instancia gemela digital (DTI): Teniendo un producto real, se usa el gemelo digital para hacer pruebas en diferentes escenarios virtuales, réplicas de posibles reales.

Digital Twin Aggregate (DTA): Recopila la información del uso anterior para así determinar capacidades de un producto, obtener pronósticos y probar parámetros operativos.

Los digital twins presentan numerosas ventajas, ya que mejoran el comportamiento de procesos de productos, lo que supone, generalmente, la mejora de la eficiencia de los estos.

Algunas de estas ventajas son:

Permiten anticipar los posibles problemas que puedan surgir en el futuro. Esto reduce los defectos de los productos y acortan el tiempo de fabricación, entre otras cosas.

Mejora y optimización de los procesos productivos a través de información real.

Reducir el tiempo de inactividad no planificado por posibles errores.

Reducen los accidentes, ya que permiten simular todo tipo de situaciones y casuísticas.

Reducción de costes de mantenimiento realizando las tareas de mantenimiento preventivo.

Oportunidades de mejora continua a través de las simulaciones, identificando fallos e ineficiencia.

Dado que puede utilizarse en una amplia gama de sectores, desde la automoción hasta la sanidad y la generación de energía, ya se ha utilizado para resolver un gran número de retos, como por ejemplo, las pruebas de fatiga y resistencia a la corrosión de las turbinas eólicas en alta mar o la mejora de la eficiencia de los coches de carreras.

Usos diferentes sectores

Los gemelos digitales se están utilizando ya en varios sectores, con diferentes aplicaciones y propósitos, por ejemplo:

Fábricas: se usan para que la cadena de producción sea más ágil y reducir posibles errores.

Sector médico: se ha beneficiado en áreas como la donación de órganos, la formación quirúrgica, o modelando el flujo de personas a través de los hospitales y rastrean dónde pueden existir infecciones y quiénes pueden estar en peligro por contacto.

Logística: se usa en una amplia variedad de aplicaciones, como la gestión de flotas de contenedores, la monitorización de envíos o el diseño de grandes sistemas logísticos.

Esta tecnología esta aprendiendo constantemente, gracias al machine learning, nuevas habilidades y capacidades, y queda claro que son clave para el desarrollo a gran escala de la Industria 4.0, ya que permite la automatización, el intercambio de datos y la unión de los procesos de fabricación, además de reducir los riesgos.

En 2020, el mercado de los gemelos digitales estaba valorado en 3.000 millones de euros. Algunos analistas de la industria especulan que podría seguir aumentando considerablemente hasta, al menos, el año 2026, ascendiendo a una cifra estimada de 45.000 millones de euros.

Sin duda, con el avance del aprendizaje automático y factores como el big data, estos modelos virtuales ya se han convertido en un elemento básico de la ingeniería moderna para impulsar la innovación.

Fuente: forbes.com.mx