Los avances en la infraestructura de la nube, la informática de punta, el Internet de las cosas (IoT), las plataformas de gestión de datos distribuidos y las tecnologías de aprendizaje automático han llevado a los gemelos digitales de la ciencia ficción a una tecnología más común y accesible para las empresas. Para llevar los gemelos digitales a los negocios, los expertos en tecnología deben comprender mejor las operaciones y las tecnologías operativas (OT) de su empresa. “Los CIO y los líderes de TI deben comprender que la tecnología operativa es un mundo diferente de la tecnología de la información y que un gemelo digital perfecto es la fusión de ambas”, resume Jens Beck, socio de Syntax, responsable de la gestión de datos e innovación.

Durante mucho tiempo, las empresas pudieron mantener OT y TI completamente separadas, pero este ya no es el caso de los fabricantes, la construcción, el comercio minorista y otros sectores que necesitan conectar los mundos físico y digital. . El gemelo digital es una forma de permitir esta conexión, que tiene beneficios operativos para optimizar la producción y mejorar la calidad. Más importante aún, a veces puede proporcionar beneficios estratégicos cuando se utiliza el aprendizaje automático sobre datos del mundo real para mejorar productos, servicios y procesos comerciales. Pero para desarrollar un gemelo digital, se necesitan pasos preliminares. Expertos de diversos campos comparten siete consejos para las empresas que estén considerando este tipo de iniciativas.

1. Estudiar implementaciones exitosas

Antes de plantearse oportunidades y lanzarse a un nuevo campo tecnológico, cualquier profesional debería estudiar el feedback de los primeros usuarios, los casos de uso y las ventajas obtenidas. En el caso de los gemelos digitales, hay muchos ejemplos en la fabricación, la construcción, la atención sanitaria y otros campos, incluido el estudio del propio cerebro humano.

En todas las áreas tecnológicas emergentes, los líderes buscan experiencias que puedan impulsar la adopción. Algunos deberían ser inspiradores e ilustrar el arte de lo posible, mientras que otros deberían ser más pragmáticos y demostrar resultados comerciales objetivos. Si sus competidores directos han implementado con éxito gemelos digitales, destacar sus usos a menudo crea una sensación de urgencia.

2. Identificar oportunidades innovadoras

Crear un gemelo digital es costoso; por ejemplo, un grupo inmobiliario estima que el costo de crear un gemelo digital para un edificio de oficinas comerciales oscila entre 1,2 y 1,7 millones de dólares. Por lo tanto, antes de desarrollar un gemelo digital, el equipo debe documentar la visión del producto, considerar la lógica empresarial y estimar los beneficios financieros.

A veces, la inversión está impulsada por un objetivo revolucionario. Abhijit Mazumder, CIO de TCS, da un ejemplo. “En 2020, TCS colaboró ​​con una organización no gubernamental local para abordar la cuestión de los conglomerados emergentes de Covid-19”, explica. “Un gemelo digital empresarial simuló procesos y situaciones para modelar los factores (características del virus, heterogeneidad demográfica y patrones de movilidad) que influyeron en la propagación. El gemelo digital de la ciudad sirvió como un experimento "in-silico" para explorar intervenciones efectivas sin comprometer la salud y la seguridad públicas. »

3. Piense en la gestión del ciclo de vida

Desarrollar un gemelo digital requiere tiempo y dinero, pero también existen costos de soporte continuos para garantizar que los modelos brinden resultados relevantes. David Talby, CTO de John Snow Labs, comparte tres principios a seguir antes de experimentar con gemelos digitales:
- Tenga un caso de uso claro: no experimente con la tecnología sólo por usarla.
- Asegúrese de que la población de gemelos digitales que utilice para crear su modelo, servicio o simulación sea representativa de las personas del mundo real.
- Disponer de un conjunto de herramientas MLOps para pasar de forma rápida y fiable del desarrollo al despliegue de un gemelo digital.

La recomendación clave de David Talby es considerar desde el principio los elementos del ciclo de vida completo, en particular las características para respaldar los modelos de aprendizaje automático y las implementaciones automatizadas de instrumentos.

4. Aprovechar las herramientas de diseño de sistemas

Una vez diseñados el caso de negocio y el ciclo de vida, ¿qué herramientas deberían considerar los equipos para comenzar su planificación y experimentos? Arjun Chandar, director ejecutivo de IndustrialML, sugiere utilizar software CAD o herramientas de simulación como una "forma de experimentar con gemelos digitales desde el punto de vista de la ingeniería de diseño". [et] estimar los efectos de los entornos físicos en productos de nuevo diseño. »

Ejemplos de herramientas de diseño de sistemas utilizadas en áreas especializadas incluyen:
- Gemelos digitales de Autodesk, utilizados en construcción, ingeniería y arquitectura.
- Los gemelos digitales de Bentley Infrastructure, utilizados en áreas como infraestructura de telefonía móvil y sistemas de gestión del agua.
- Los gemelos digitales de General Electric, utilizados para equipos, redes y procesos de fabricación.
- Gemelos digitales de Siemens, utilizados para el diseño, desarrollo y fabricación de bienes de consumo.
- Gemelos digitales de Bosch, utilizados para edificios inteligentes, incluida la gestión del espacio y el mantenimiento predictivo.

Estos son sólo algunos ejemplos, pero la principal lección para los expertos en tecnología que trabajan en gemelos digitales es familiarizarse con las plataformas industriales utilizadas por los equipos de operaciones.

5. Definir perfiles de uso y oportunidades.

Cuando los profesionales de TI se embarcan en un programa tecnológico, es esencial identificar a los usuarios finales y los perfiles de uso de la plataforma resultantes. Los líderes de TI deben definir quién se beneficia más del gemelo digital. Muy a menudo, los primeros beneficiarios son las personas que trabajan en las operaciones. "La principal capacidad del gemelo digital es fusionar datos OT/IT y poner estos conjuntos de datos en contexto, mediante análisis de datos o AI/ML si es necesario", enfatiza Jens Beck. “Pero su verdadero poder es que permite a los operadores, como ingenieros, técnicos de mantenimiento y otros, extraer puntos de datos, ya que los comprenden completamente. »

Comprender las personas de los usuarios es un primer paso. El siguiente paso es identificar qué partes de sus flujos de trabajo y operaciones podrían beneficiarse de los datos de gemelos digitales, las predicciones de aprendizaje automático y las capacidades de planificación de escenarios. "Cuando se trata de fabricación y operaciones, los gerentes de TI pueden optar por modelar un área de producción física para simular el flujo de productos, o pueden modelar los pasos de ensamblaje o logística para ensamblar un nuevo producto", explica Arjun Chandar. “Todos estos casos de uso se pueden escalar y la IA generativa puede complementar el análisis tradicional basado en elementos finitos para probar virtualmente nuevos productos. Las instalaciones de producción se pueden digitalizar y simular para cualquier producto nuevo antes de que se establezcan físicamente las líneas de fábrica, y se pueden desarrollar representaciones digitales de los procesos de trabajo para todos los productos en una fábrica. »

6. Cree una plataforma de datos escalable

Los gemelos digitales generan petabytes de datos o más, y esos datos deben protegerse, analizarse y utilizarse para mantener los modelos de aprendizaje automático. Uno de los aspectos críticos es el diseño del modelo y flujos de datos para recolectar datos de IoT en tiempo real, así como el diseño de la arquitectura de gestión de datos para el gemelo digital. Harry Powell, jefe de soluciones industriales de TigerGraph, explica: “Cuando creas el gemelo digital de una organización mediana, necesitarás millones de puntos de datos y relaciones. Para consultar estos datos, tendrás que navegar u omitir docenas de enlaces para comprender las relaciones entre miles de objetos”.

Muchas plataformas de gestión de datos admiten análisis en tiempo real y modelos de aprendizaje automático a gran escala. Pero los gemelos digitales utilizados para simular el comportamiento de miles o más entidades, como componentes industriales o edificios inteligentes, necesitarán un modelo de datos que permita consultar las entidades y sus relaciones. Harry Powell continúa: “Hoy en día, las empresas están creando gemelos digitales utilizando bases de datos gráficas para respaldar diversos análisis operativos y obtener información empresarial procesable y oportuna. La construcción de un modelo digital detallado puede ser de alto nivel y contener solo los componentes más grandes del negocio, como fábricas enteras, almacenes y líneas de suministro, o puede ser más granular, modelando máquinas en la fábrica, estantes de almacén y camiones de reparto. »

7. Establecer habilidades en la nube y tecnologías emergentes

La instalación de plataformas de gemelos digitales, la integración de datos de miles de sensores de IoT y el establecimiento de plataformas de datos escalables requieren que el equipo de TI tenga una competencia central en la implementación de una infraestructura tecnológica a escala. A medida que los equipos de TI estudian casos de uso y experimentan con las capacidades de las plataformas de gemelos digitales, los gerentes de TI deben considerar la nube, la infraestructura, la integración y los dispositivos necesarios para admitir un gemelo digital listo para entrar en producción. Jens Beck hace esta recomendación de infraestructura: “Para escalar los gemelos digitales, los líderes de TI mirarán hacia la nube y al mismo tiempo mantendrán algunas tecnologías en el borde, como la gestión de dispositivos IoT y la ciencia de datos. »

Más allá de la infraestructura, Mazumder recomienda desarrollar habilidades para respaldar los dispositivos emergentes y aprovechar la analítica. "El éxito del gemelo digital comienza con un núcleo digital sólido, habilitado por aplicaciones nativas de la nube, como AI/ML, realidad aumentada o virtual, que ayuda a las organizaciones a procesar datos y aplicaciones independientemente de la infraestructura", dijo.