I digital twin sono una delle espressioni più affascinanti della trasformazione digitale, in particolare quella che fa riferimento al paradigma del 4.0, sia in ambito industriale che in altre applicazioni civili. Il concetto su cui si basa la tecnologia risalirebbe addirittura agli anni Sessanta, quando un sistema di telemetria sviluppato dalla NASA riuscì a riportare sulla terra l’Apollo 13, rimasto vittima di una pericolosa avaria durante il suo percorso in orbita. 

Immagine promozionale per il whitepaper su Data Driven

La vicenda ha avuto un’enorme enfasi mediatica, appassionando il mondo intero, ed è stata la prima dimostrazione di come una simulazione diagnostica su un modello analogo potesse suggerire le soluzioni ad un problema reale sul modello reale inviato nello spazio. 

Dopo i primi esperimenti, basati su tecnologie molto distanti rispetto a quelle che siamo abituati oggi ad utilizzare, la NASA ha lavorato a lungo in termini di ricerca e sviluppo, fino ad arrivare, nei primi anni duemila, alla definizione moderna di digital twin, grazie alla ricerca diretta dai consulenti Micheal Grieves e John Vickers, due esperti in fatto di PLM (Product Lifecycle Management) e sistemi di manifattura avanzata. 

Dopo le prime applicazioni, svolte nell’ambito del manufacturing, i digital twin hanno progressivamente trovato espansione in altre industrie, integrandosi inoltre nei software CAD più diffusi nell’ambito della progettazione e nelle pipeline di gestione del ciclo di vita del prodotto. Grazie all’evoluzione dei sistemi hardware e software, le tecnologie legate al digital twin si sono progressivamente democratizzate. Ciò che inizialmente era disponibile soltanto per le grandi realtà enterprise è oggi riscontrabile in sistemi di uso corrente nell’ambito delle PMI, e addirittura delle applicazioni consumer, grazie all’esplosione della Internet of Things (IoT) e delle tecnologie 3D utilizzate per creare i mondi virtuali. 

Questo ampio simposio di tecnologie emergenti, a cui si aggiunge l’intelligenza artificiale e l’ambito delle simulazioni fisico-numeriche, sta formando la base su cui costruire applicazioni immersive sempre più avanzate e realistiche. Si tratta di un contesto interattivo in cui il digital twin costituisce uno degli asset di riferimento, per assicurare, tra le altre cose, la corrispondenza tra il mondo reale e i mondi virtuali del metaverso. 

Cos’è un digital twin

Il digital twin, nella sua definizione più ampia, è una rappresentazione digitale di un asset fisico, caratterizzata da più istanze, per simulare una pluralità di varianti attraverso le simulazioni virtuali. Tale concetto si applica oggi all’industria manifatturiera, agli impianti tecnologici, agli edifici e alle infrastrutture. Non esiste un limite nella sua scala applicativa e sono contraddistinti da tre elementi fondamentali: 

  • – La presenza di un’entità fisica nel mondo reale 
  • – Un gemello digitale definito via software 
  • – Un sistema di linking che consente di scambiare dati tra le due entità, rendendole interattive 

Per tali ragioni, il digital twin assume una natura univoca tra l’asset fisico e quello digitale, che agisce in qualità di proxy. Non bisogna infatti confondere il gemello digitale con il modello 3D di un determinato oggetto, che equivale soltanto ad uno dei componenti coinvolti. Il dato CAD, se privo dei dati che consentono di relazione le due entità, non riuscirebbe ad andare oltre alla raffigurazione geometrica. 

In altri termini, il digital twin non è una semplice copia digitale del modello reale, ma un sistema di dati che consente di stabilire una relazione tra le due controparti, consentendo ad esempio di simulare digitalmente i possibili effetti di una modifica sull’asset fisico. Un digital twin è ritenuto tale soltanto se c’è una relazione funzionale di dati tra le due parti coinvolte, pur estremamente variabile in fatto di sincronizzazione, frequenza e livello di accuratezza, con modalità di scambio on demand o in tempo reale. 

I digital twin vengono solitamente creati grazie a piattaforme su base CAD in grado di garantire la continuità digitale lungo l’intero ciclo di vita del prodotto (PLM). Tale pipeline consente di avere sotto controllo tutte le fasi, comprese quelle che vanno oltre la progettazione e la produzione. Si pensi agli aspetti legati alla gestione e alla manutenzione di un asset.  

La connettività tra il modello fisico e il gemello virtuale è in genere assicurata da appositi sensori IoT ed è proprio la rapida diffusione di tali sistemi a cui abbiamo assistito negli ultimi anni a consentire la progressiva democratizzazione di una tecnologia che fino a qualche tempo fa era ritenuta estremamente specialistica nell’ambito nel settore manifatturiero. Attraverso i sensori IoT è possibile instaurare uno scambio bidirezionale di dati tra il modello fisico e il gemello virtuale utile per effettuare le analisi e le simulazioni richieste. 

A cosa serve

Il digital twin serve sostanzialmente a creare una connessione tra un’entità reale e una serie potenzialmente infinita di istanze digitali, per conoscere lo stato corrente della parte fisica ed effettuare analisi e simulazioni utili al supporto decisionale. Il digital twin si interfaccia a tutti gli effetti con software di business intelligence e business analytics, oltre a sistemi di simulazione fisico-numerica in grado di produrre previsioni incredibilmente accurate in relazione ad un determinato scenario. 

I digital twin sono pertanto composti da una componente CAD 3D e da un insieme di dati integrati con i vari sistemi aziendali, in particolare ERP (Enterprise Resource Planning) e MRP (Material Requirement Planning), fondamentali per gestire quello che viene definito il BOM (Bill of Materials), ossia la lista dei materiali e dei componenti necessari per la realizzazione di un prodotto. 

Il digital twin può ottimizzare in maniera drastica questo processo di gestione, garantendo una visibilità elevata circa lo stato di tutte le unità coinvolte. Nel contesto manifatturiero, dove sono state realizzate le prime applicazioni, i dati del digital twin vengono utilizzati anche dai MES (Manufacturing Execution System) i sistemi chiamati a gestire e monitorare il vero e proprio processo produttivo sul piano di fabbrica. 

I vantaggi del digital twin

I benefici di un digital twin sono facilmente intuibile per il fatto di poter simulare digitalmente una serie di operazioni che nel contesto tradizionale venivano svolte ad esempio mediante la prototipazione fisica o direttamente sugli asset interessati, con un dispendio di tempi e costi decisamente superiore. 

La simulazione digitale, realistica sia dal punto di vista visivo (fotorealismo 3D) che fisico (simulazione fisico-numerica) consente di valutare nel dettaglio molti aspetti del comportamento di un prodotto in una varietà di scenari che sarebbe altrimenti impossibile prevedere fisicamente. Questo aspetto consente alle aziende di raggiungere dei time to market ridotti e un generale risparmio dei costi legati allo sviluppo. 

Il digital twin, sempre grazie alla simulazione 3D fisicamente realistica, consente di accelerare i processi di ricerca e sviluppo, riducendo sensibilmente la necessità della prototipazione fisica, che viene solitamente limitata soltanto alle fasi avanzate della progettazione. 

Allo stesso modo, la conoscenza dello stato corrente di un asset fisico grazie ai sensori IoT consente al digital twin di effettuare una diagnostica in tempo reale e implementare procedure di manutenzione predittiva, molto più convenienti rispetto alla manutenzione programmata, evitando interventi superflui, senza rischiare guasti e rovinosi downtime di servizio sulle linee di produzione. 

Struttura e modelli

Nel corso degli anni, come abbiamo preannunciato, i digital twin sono passati dal contesto manifatturiero ad una serie di applicazioni in ambiti molto differenti. Ogni differente evoluzione ha dunque comportato l’esigenza di seguire altrettanti strutture e modelli, riconducibili ad una serie di categorie standardizzate: 

  • – Componenti (parti): il livello base del digital twin, costituito dai componenti di base, che vengono successivamente associate funzionalmente 
  • – Asset (prodotti): combinazioni di due o più componenti che danno luogo all’interazione tra l’asset fisico e quello digitale 
  • – Sistemi (unità): insiemi di due o più asset che configurano una vera e propria unità funzionale. 
  • – Processi: due o più sistemi che interagiscono per soddisfare uno o più obiettivi prefissati. 

Se a livello gerarchico la struttura di un digital twin appare molto semplice ed intuitiva, anche per essere ormai implementata su apposite piattaforme software sempre più user friendly, sussistono una serie di evidenti criticità che vanno prevenute e risolte in maniera efficace e consapevole: 

  • – Data management: i digital twin coinvolgono grandi varietà e numeriche di dati, che vanno gestire in maniera agile ed efficiente, per evitare che subentri un caos che renderebbe il modello digitale a tutti gli effetti ingestibile ed incapace di comunicare in maniera proficua con la controparte fisica. 
  • – Sistemi IoT: si tratta di tecnologie per certi versi ancora decisamente complesse da configurare, soprattutto per quanto concerne la connettività delle architetture edge che le infrastrutturano. Nonostante gli evidenti progressi in tal senso, implementare un sistema IoT rimane un’operazione non alla portata di tutti. 
  • – Sicurezza dei dati: il digital twin, come tutti i sistemi informativi, è dotato di una componente critica per quanto concerne gli interessi dei criminali informatici: i dati. Questi possono essere violati soprattutto grazie agli attacchi ransomware, che mirano ad esfiltrare le informazioni più sensibili e a bloccare i sistemi operativi che garantiscono alle aziende di produrre ed erogare i loro servizi. 
  • – Integrazione dei sistemi: il problema si presenta soprattutto da due punti di vista. In primo luogo, la scarsa interoperabilità tra differenti soluzioni CAD e PLM, in quanto ogni produttore tende ad utilizzare i propri standard tecnologici. Ulteriori criticità possono manifestarsi quando il PLM prevede dei sistemi obsoleti anche se perfettamente utili e funzionali al loro scopo. Sostituirli potrebbe rappresentare un dispendio non giustificato, ma integrarli in una pipeline moderna ed efficiente potrebbe risultare molto complesso, oltre a comportare evidenti rischi in termini di sicurezza. Tale aspetto riguarda in particolar modo i sistemi IT/OT. 
  • – Complessità delle supply chain: quando in un PLM intervengono molti stakeholder, relazionarli e farli interagire su un’unica base dati può diventare molto complesso, per via delle differenti soluzioni tecnologiche ed organizzative utilizzate

Alcuni esempi di utilizzo

Il digital twin ha avuto le sue prime applicazioni nelle grandi realtà enterprise e di grandi soggetti pubblici e privati nei seguenti ambiti applicativi: 

  • – Manufacturing 
  • – Utilities 
  • – Energy (Oil and Gas) 
  • – Sanità (Healthcare) 
  • – Smart City 
  • – Grandi infrastrutture civili (ponti, dighe, ecc.) 
  • – Automotive 
  • – Aerospace 
  • – Retail 

La democratizzazione delle tecnologie che abilitano il digital twin ha inoltre consentito di espandere sensibilmente il range delle applicazioni, con le applicazioni smart home, coinvolgendo inoltre anche le PMI e i contesti tipicamente consumer che non dipendono strettamente dalle grandi economie di scala. 

Le possibili evoluzioni future

In primo luogo, gli sviluppatori di tecnologie e sistemi legati al digital twin dovranno produrre risposte concrete nei confronti delle criticità precedentemente citate, in particolar modo per quanto concerne la gestione e la sicurezza dei dati, oltre alla connettività necessaria affinché i loro flussi avvengano in maniera corretta e funzionale. 

È inoltre prevedibile che i digital twin vengano estesi a settori di business sempre più variegati, coinvolgendo sistemi di varia complessità anche grazie alla progressiva diminuzione dei costi legati alle tecnologie abilitanti, in particolar modo per quanto concerne i sistemi IoT. Tale democratizzazione, oltre a rendere sempre più accessibili i digital twin anche alle PMI, consentiranno progressivamente di adottarli in un numero maggiore di processi, senza limitarsi alle cosiddette condizioni mission-critical. 

Nel medio e nel lungo periodo sarà lecito attendersi che il digital twin entri nell’orbita delle applicazioni immersive del metaverso, oltretutto data la loro elevata sintonia di argomenti nel rapporto tra il mondo reale e i mondi virtuali 3D. Affinché ciò avvenga sarà necessario implementare i digital twin di funzioni cognitive sempre più evolute, coinvolgendo tecniche di intelligenza artificiale e di analisi dei dati in tempo reale. 

Il risultato a cui l’attuale ricerca mira consiste nel voler progettare una relazione sempre più dinamica, attiva ed intelligente tra gli asset che compongono il digital twin, per garantire una serie di funzionalità sempre più evolute e performanti, in grado di simulare fenomeni sempre più complessi e rispondenti alla natura del mondo reale. 

Immagine promozionale per il whitepaper su Data Driven
ARGOMENTI CORRELATI
Categoria: ANALYTICS
Due persone si stringono la mano dopo aver concluso un accordo

Protetto: Una partnership di eccellenza: BNova e Zerynth uniscono le forze per rivoluzionare l’analisi dati attraverso l’IoT Industriale

Protetto da Password

Per visualizzare questo articolo protetto, inserisci qui sotto la password :

Leggi tutto

Concept di grafici per Data Viasualization

Data Visualization: cos’è e i migliori tool da utilizzare

Vediamo in cosa consiste la data visualization, in particolare in riferimento alla comunicazione nell’ambito dei Big Data & Analytics Leggi tutto

comunicato stampa collaborazione datasmart

BNova e DataSmart: una nuova collaborazione “made in Italy” per rafforzare l’offerta in ambito analisi dati per il settore produttivo

Apriamo il 2024 felici di annunciare una nuova collaborazione con DataSmart, azienda emiliana produttrice dell’omonima piattaforma di Business Analytics integrata… Leggi tutto