La maggior parte delle dimostrazioni dei gemelli digitali mostrano un modello 3D che ruota nel browser, con i colori che cambiano man mano che i dati arrivano dai sensori. È visivamente sbalorditivo e funzionalmente irrilevante per quasi tutti i casi di utilizzo industriale. Ciò che rende utile un gemello digitale non è la fedeltà visiva del modello, ma la capacità di riflettere lo stato attuale della risorsa fisica con sufficiente precisione per supportare decisioni che non verrebbero prese senza di esso. Un file CAD collegato a un sensore di temperatura non è un gemello digitale. Un modello che cattura il comportamento dinamico delle apparecchiature nel tempo, che impara dalla storia operativa e che consente di testare ipotesi senza fermare la linea di produzione: questo è tutto. La differenza è importante perché influisce direttamente su dove l’investimento ha senso e dove no.
Cosa definisce un gemello digitale utile
Il gemello digitale parte da un modello – matematico, fisico o ibrido – che rappresenta il comportamento dell’asset. Per una pompa centrifuga, il modello può includere curve di prestazione, correlazioni tra flusso e pressione, limiti di temperatura operativa. Per un motore elettrico, può includere il modello di vibrazione previsto a velocità e carichi diversi. Per una linea di produzione, può includere il tempo di ciclo di ciascuna fase, i buffer intermedi e le dipendenze tra le stazioni.
Ciò che differenzia un modello di gemello digitale è la sincronizzazione con l’asset reale tramite i dati dei sensori. Il modello aggiorna il suo stato interno man mano che riceve dati dall'apparecchiatura, il che gli consente di calcolare non solo lo stato attuale ma anche la deviazione dallo stato previsto. Quando la pompa funziona al 15% al di sotto della curva di prestazione prevista, il gemello rileva la deviazione prima che l'operatore noti qualsiasi sintomo fisico, perché confronta i dati effettivi con il comportamento previsto dal modello, senza aspettare che l'operatore si accorga che qualcosa sembra sbagliato.
La parola che conta di più qui è “imparare”. Un gemello statico, creato a partire dalle specifiche di fabbrica e mai aggiornato, inizia a divergere dall'asset reale fin dal primo giorno di funzionamento perché l'attrezzatura invecchia, le condizioni operative cambiano e le specifiche di fabbrica raramente catturano le sfumature dell'ambiente di installazione specifico. Un gemello che si aggiorna con dati storici e regola i parametri del modello per riflettere il comportamento effettivamente osservato ha un'utilità crescente nel tempo. Questa componente di apprendimento è la più difficile da implementare e quella più spesso trascurata nei primi progetti.
Dove il gemello digitale offre ritorni oggi
La manutenzione predittiva è il caso d’uso più maturo. Un gemello di apparecchiature rotanti – turbina, compressore, pompa – che monitora vibrazioni, temperatura, pressione e corrente elettrica è in grado di rilevare guasti imminenti con settimane di anticipo. La differenza rispetto al semplice monitoraggio della soglia (avvisa quando la vibrazione supera X) è che il gemello rileva un cambiamento nel modello, non solo un superamento della soglia. Un cuscinetto che inizia a mostrare un difetto alla frequenza del difetto della gabbia non supererà la soglia di vibrazione assoluta per settimane, ma il modello spettrale è già rilevabile. Questa finestra anticipata è ciò che consente di pianificare la manutenzione al successivo arresto programmato anziché interrompere la produzione a causa di un guasto catastrofico.
La messa in servizio di nuove apparecchiature è un altro caso con un chiaro ROI. Prima di alimentare nuove apparecchiature, un gemello consente di testare il comportamento previsto in diversi scenari di carico e identificare le impostazioni dei parametri che ottimizzano le prestazioni fin dall'inizio. Negli impianti con apparecchiature di processo complesse, questa fase di simulazione può ridurre i tempi di avvio di settimane.
La formazione degli operatori è un'applicazione sottovalutata. Un processo gemello può essere utilizzato per simulare scenari di guasto, emergenza e condizioni anomale senza mettere a rischio le apparecchiature reali. L'operatore impara a identificare e rispondere alle deviazioni in un ambiente controllato prima di affrontare la situazione reale.
I dati di cui la maggior parte delle aziende non dispone
La limitazione più comune che impedisce l’implementazione del gemello digitale non è la tecnologia, ma i dati. Un'apparecchiatura rotante gemella necessita di una storia di vibrazioni, temperatura e pressione ad alta frequenza. Ma la maggior parte degli impianti industriali raccoglie questi dati a bassa frequenza, una lettura ogni minuto o ora, perché i sistemi di controllo sono progettati per il monitoraggio dei processi, non per l’analisi delle condizioni delle apparecchiature. Per rilevare guasti incipienti alle frequenze caratteristiche di un difetto meccanico, la frequenza di campionamento deve essere almeno dieci volte la frequenza di interesse: per i cuscinetti ciò significa kHz, non Hz.
La decisione di aggiornare la strumentazione esistente per supportare un gemello è spesso il costo di implementazione maggiore, non il software. L'aggiunta di sensori ad alta frequenza alle apparecchiature operative richiede tempi di inattività per l'installazione, che comportano costi di produzione. Alcune applicazioni consentono l'utilizzo di strumentazione non invasiva – accelerometri adesivi, misurazione della corrente elettrica CT – ma altre richiedono l'installazione permanente in punti specifici dell'apparecchiatura.
L'altro dato che spesso manca è la cronologia dei guasti con un contesto sufficiente. Per addestrare un modello di rilevamento delle anomalie, il gemello ha bisogno di esempi di comportamento normale e comportamento anomalo che precedono il fallimento. Se la cronologia della manutenzione è su carta o in campi senza testo in un sistema legacy, senza correlazione con i dati dei sensori, il modello non ha basi per l'apprendimento. Pulire e strutturare questa storia è un lavoro intenso che raramente viene considerato nel budget di un progetto di gemello digitale.
Dove è ancora un progetto costoso senza ROI proporzionale
Il gemello digitale del complesso processo di produzione discreta – catena di montaggio con molteplici varianti di prodotto, dipendenze tra stazioni, operatori umani – è ancora per lo più un progetto di ricerca costoso con un ROI difficile da dimostrare. Il problema è la dimensionalità: il numero di variabili che determinano il comportamento della linea è elevato, molte di esse non sono misurabili dal sensore (come la variazione di abilità tra gli operatori), e il modello non può catturare fedelmente la realtà perché le condizioni al contorno sono molto ricche. Simulazioni di processo di questa natura esistono e hanno valore per la pianificazione, ma l'idea di un gemello che rifletta lo stato in tempo reale di una catena di montaggio complessa con sufficiente precisione per l'ottimizzazione operativa continua è più ambiziosa dell'attuale realtà commerciale.
La creazione di gemelli digitali, ovvero la creazione di modelli di informazione collegati a sensori, è un'altra categoria in cui la promessa spesso supera l'esecuzione. Il caso d'uso più comunemente citato è l'ottimizzazione energetica e la manutenzione degli edifici, ma la strumentazione necessaria affinché il modello rifletta accuratamente lo stato reale dell'edificio è costosa e il ROI energetico raramente giustifica l'investimento senza altri casi d'uso sovrapposti.
Cosa considerare prima di approvare il bilancio
L’esercizio di due diligence prima di approvare un progetto di gemello digitale ha tre domande centrali. La prima: di quali dati ha bisogno il gemello, con quale frequenza e con quale latenza, e questi dati esistono già o necessitano di nuova strumentazione? Il costo della strumentazione è spesso la voce di bilancio più importante e i progetti che lo sottovalutano arrivano a metà dell’implementazione senza dati sufficienti per alimentare il modello.
La seconda: il modello sarà statico o imparerà dal funzionamento? Se la risposta è imparare, chi manterrà e riqualificherà il modello nel tempo? Il gemello digitale non è un'installazione una tantum: è un prodotto software che necessita di manutenzione, aggiornamento dei parametri e riqualificazione periodica quando il comportamento della risorsa cambia a causa della modifica o dell'invecchiamento del processo. Se non esiste un team interno con la capacità di farlo, il modello di coinvolgimento dei fornitori deve coprire questo ciclo di vita.
La terza: qual è la decisione specifica che il gemello migliorerà e qual è il valore di questo miglioramento? Un compressore gemello che prevede un guasto entro due settimane ha un valore calcolabile: il costo medio dei tempi di inattività non pianificati moltiplicato per la frequenza dei guasti evitati. Senza questo numero, è impossibile confrontare l’investimento nel twin con altre alternative per ridurre il rischio di tempi di inattività: più scorte di pezzi di ricambio, piano di manutenzione più conservativo, ridondanza delle apparecchiature.
Leggi anche
- Manutenzione predittiva: dal calendario all'intelligenza che evita i tempi di inattività
- Edge computing: perché l'informatica lascia il cloud e si avvicina ai dati
- Edge computing: perché l'elaborazione distribuita ridefinirà la tua architettura
- RISC-V all'edge e IoT: perché l'architettura aperta è importante
- Autorità attraverso il processo reale: perché mostrare il percorso dimostra più del risultato
- Blockchain oltre le criptovalute: casi d'uso nella catena di fornitura