Digital Twin: l’età della maturità si avvicina

 Digital Twin: l’età della maturità si avvicina
Efficientamento produttivo, abbattimento dei costi, manutenzione predittiva e rivoluzione dei processi di product design: sono questi i primi vantaggi che vengono alla mente quando si parla di digital twin o gemello digitale, definito da Gartner come “la rappresentazione digitale di un’entità o di un sistema del mondo reale”.
Meno chiacchierata dell’IA, ma egualmente di tendenza, questa tecnologia sta conoscendo un ampio tasso di adozione grazie alle sue enormi potenzialità in molteplici ambiti applicativi, tanto che, secondo Mckinsey, quasi il 75% delle aziende più avanzate ha già adottato tecnologie digital twin che hanno raggiunto almeno livelli medi di complessità. Si prevede, inoltre, che il mercato globale delle tecnologie digital twin crescerà con un tasso di circa il 60% all’anno, raggiungendo il valore di 73,5 miliardi di dollari entro il 2027.
Tra i settori più propensi a implementare questo tipo di soluzione rientrano l’automotive e il settore aerospaziale, quello dei trasporti, sanitario e dell’agricoltura, ma anche il manufacturing e il settore energetico e delle infrastrutture.
Eppure, i digital twin sono ancora nel bel mezzo del loro percorso evolutivo, risultando una tecnologia tutt’altro che scontata che si sta preparando a raggiungere una nuova maturità. Vediamo perché in 5 considerazioni.

#1 La Data Quality è ancora un fattore critico

Un gemello digitale è una replica virtuale del comportamento di un sistema nel suo ambiente operativo e, per esistere, non può fondarsi che su una serie di dati. I componenti critici di un gemello digitale, spesso trascurati, riguardano pertanto la gestione completa dei dati in tre aree: ingestione, storage e analytics.
Durante la progettazione dell’asset fisco il gemello digitale prende forma e si consolida attraverso processi ingegneristici dove il dato che lo descrive viene affinato.
Essere sicuri che il proprio asset sia descritto da dati affidabili è pertanto sempre più una necessità, complicata dal fatto che i dati stessi di un digital twin tipicamente provengono da più fonti.
La qualità, l’adeguatezza e l’affidabilità dei dati sono quindi elementi fondamentali per determinare il successo o meno di un progetto digital twin.

#2 Lo scope: dai sistemi ai processi

I gemelli digitali possono operare a livelli crescenti di inclusione, portata e sofisticazione della value-chain.
La soluzione più tradizionale è quella di fornire repliche digitali di impianti produttivi navigabili attraverso un modello 3D; per raggiungere una raffigurazione digitale completa il modello dovrà evolvere includendo anche aspetti quali la simulazione, il funzionamento e la manutenzione. Lo step successivo sarà andare oltre, per descrivere sempre di più il comportamento degli asset rappresentati, fino a coprire l’intera catena del valore.
Ma oggi si parla anche di gemelli digitali di processo, che possono simulare il funzionamento effettivo di processi interni alle aziende come l’impatto di una migrazione IT.
Tutto ciò però non può prescindere da un requisito a monte: la completa digitalizzazione degli aspetti che si dovranno tracciare.

#3 Evadere dai silos

La tecnologia digital thread può aiutare a ottimizzare le operazioni e ad alimentare i miglioramenti nella progettazione dei prodotti e nei processi produttivi, ma solo se le aziende evitano nuovi silos di dati e scelgono l’interoperabilità.
Durante la pianificazione e l’implementazione, molte aziende si trovano ad affrontare una nuova sfida digitale: sincronizzare sistemi, tecnologie e archivi di dati che spesso sono disparati, isolati e distribuiti all’interno dell’organizzazione.
Solo così si potrà acquisire una maggiore integrazione e cogliere il pieno valore del digital twin, sull’intera value-chain.

#4 L’evoluzione costante: un vantaggio problematico

Un gemello digitale può operare e modificarsi in tempo reale, ma se questo è un grande vantaggio, richiede anche che i dati e i modelli esistenti siano aggiornati con lo stato e le modifiche più recenti degli asset raffigurati.
Il digital twin deve aggiornare le sue prestazioni analizzando in tempo reale i dati variabili dell’oggetto fisico, il cui comportamento cambia costantemente nel tempo. Il processo di aggiornamento automatico comporta, quindi, ancora una volta un problema di affidabilità dei dati, ossia garantire che i valori acquisiti non derivino da errori di misura o indotti da fattori esterni.
La parola chiave deve essere dunque allineamento, se non una vera e propria simbiosi.

#5 Verso l’abbattimento delle barriere d’utilizzo

Ad oggi i costi di investimento per realizzare un digital twin sono alti, con ROI visibili sulla lunga distanza. Le aziende devono acquistare hardware e software, assumere personale qualificato e destinare tempo e risorse allo sviluppo e ai test; inoltre, il processo di implementazione può essere lungo e impegnativo ed è necessario assicurarsi di avere le capacità e le risorse per gestirlo efficacemente.
Tuttavia, i gemelli digitali stanno già facendo una differenza significativa per le prestazioni di sviluppo dei prodotti. Per alcuni utenti, hanno ridotto i tempi totali di sviluppo del 20-50%, riducendo i costi. Per altri, hanno ridotto il numero di costosi prototipi di preproduzione da costruire, spesso da due o tre a solo un paio di esemplari. Minori costi, minore tempo di implementazione e maggiore accessibilità faranno parte del loro futuro.
Immagine di rawpixel.com su Freepik

Partecipa alla discussione

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.