È arrivata l’era dei Digital Twin? Il punto di Kirey Group

“I digital twin, o gemelli digitali, sono modelli virtuali che riproducono il comportamento di entità o sistemi reali”. O almeno questa è la definizione che ne da da Gartner. 

Si tratta di una tecnologia che offre numerosi vantaggi, sia in termini di efficienza produttiva che di riduzione dei costi. E non solo: i benefici riguardano anche la manutenzione predittiva e l’innovazione dei processi di progettazione dei prodotti.

Nonostante sia meno nota dell’intelligenza artificiale, i digital twin stanno guadagnando sempre più popolarità in diversi settori applicativi, grazie alle loro enormi potenzialità. Ma siamo pronti all’uso in senso ampio di questa tecnologia?

Claudio Minora e Valerio Mottin di Kirey Group ci spiegano come i gemelli digitali stanno finalmente raggiungendo la maturità.

L’attuale contesto

Secondo Mckinsey, quasi il 75% delle aziende più avanzate ha già implementato tecnologie digital twin di media o alta complessità. Inoltre, si stima che il mercato globale delle tecnologie digital twin crescerà di circa il 60% all’anno, raggiungendo i 73,5 miliardi di dollari entro il 2027. 

I settori che mostrano maggiore interesse per questa soluzione sono l’automotive, l’aerospaziale, i trasporti, la sanità, l’agricoltura, il manufacturing e l’energia. Tuttavia, i digital twin sono ancora in fase di evoluzione, e si stanno preparando a raggiungere una nuova maturità. 

Vediamo quali sono le sfide e le opportunità che li attendono in 5 punti.

1. La qualità dei dati dei Digital Twin è fondamentale

Un gemello digitale si basa su una serie di dati che descrivono il sistema reale che rappresenta. Per questo motivo, la gestione dei dati è un aspetto critico, spesso trascurato, che riguarda tre aree: l’acquisizione, l’archiviazione e l’analisi.

 Durante la progettazione dell’asset fisico, il gemello digitale si forma e si consolida attraverso processi ingegneristici che affinano i dati che lo descrivono. È quindi essenziale che i dati siano affidabili, adeguati e verificabili, soprattutto se provengono da fonti diverse. 

La qualità dei dati è infatti un fattore determinante per il successo o il fallimento di un progetto digital twin.

2. L’ambito: dai sistemi ai processi

I digital twin possono operare a livelli differenti di inclusione, portata e sofisticazione della catena del valore. La soluzione più tradizionale consiste nel fornire modelli digitali di impianti produttivi, navigabili attraverso una rappresentazione 3D. Per ottenere una raffigurazione digitale completa, il modello deve evolvere includendo anche aspetti come la simulazione, il funzionamento e la manutenzione.

Lo step successivo è andare oltre, per descrivere sempre meglio il comportamento degli asset rappresentati, fino a coprire l’intera catena del valore. Ma oggi si parla anche di digital twin di processo, che possono simulare il funzionamento reale di processi interni alle aziende, come l’impatto di una migrazione IT. 

Tutto ciò richiede però un requisito preliminare: la digitalizzazione completa degli aspetti che si vogliono monitorare.

3. L’interoperabilità è la chiave del successo in ottica Digital Twin

La tecnologia digital thread può aiutare a ottimizzare le operazioni e a stimolare i miglioramenti nella progettazione dei prodotti e nei processi produttivi. Tuttavia ciò vale solo per le aziende che evitano la creazione di nuovi silos di dati e scelgono l’interoperabilità.

Durante la pianificazione e l’implementazione, molte aziende si trovano a dover affrontare una nuova sfida digitale: sincronizzare sistemi, tecnologie e archivi di dati che spesso sono eterogenei, isolati e distribuiti all’interno dell’organizzazione.

4. L’aggiornamento costante: una sfida e un’opportunità

Un gemello digitale è in grado di operare e adattarsi in tempo reale, ma questo comporta anche la necessità di aggiornare i dati e i modelli esistenti con le informazioni più recenti sugli asset reali che rappresenta. 

Il digital twin deve infatti adeguare le sue prestazioni analizzando in tempo reale i dati dell’oggetto fisico, che cambia continuamente nel tempo. Il processo di aggiornamento automatico implica, quindi, un problema di affidabilità dei dati. Bisogna quindi assicurarsi che i valori acquisiti non siano falsati da errori di misura o da fattori esterni. E qui si ritorna al punto 1.

La parola chiave deve essere quindi allineamento, se non una vera e propria simbiosi.

5. Verso la riduzione delle barriere d’uso

Attualmente i costi di investimento per realizzare un digital twin sono elevati, con un ritorno sull’investimento (ROI) visibile solo a lungo termine. Le aziende devono infatti acquistare hardware e software, assumere personale qualificato e dedicare tempo e risorse allo sviluppo e ai test. Inoltre, il processo di implementazione può essere complesso e richiedere capacità e risorse ingenti.

Tuttavia, i digital twin stanno già mostrando dei benefici significativi per le prestazioni di sviluppo dei prodotti. Per alcuni utenti, hanno ridotto i tempi totali di sviluppo del 20-50%, abbattendo i costi. Per altri, hanno diminuito il numero di costosi prototipi di preproduzione da realizzare, spesso da due o tre a solo uno o due esemplari. Minori costi, minor tempo di implementazione e maggiore accessibilità saranno le caratteristiche del loro futuro.