O enorme potencial da tecnologia de gémeos digitais – com a sua capacidade de criar réplicas digitais de objetos, processos e ambientes físicos – tem aplicações que abrangem todos os setores, desde a replicação de ambientes perigosos até à exibição de naves espaciais para fins de formação remota. Uma análise recente da McKinsey sugere que o interesse é tão profundo que o mercado international de gémeos digitais crescerá cerca de 60% ao ano durante os próximos cinco anos e atingirá 73,5 mil milhões de dólares até 2027. O interesse existe claramente, mas será que a adoção realmente se seguiu?
A resposta – é complicado. A tecnologia dos gémeos digitais e os seus casos de utilização evoluíram imensamente, mas os desafios devem ser enfrentados para que os gémeos digitais sejam adotados em grande escala.
A evolução dos gêmeos digitais
A verdadeira adoção da tecnologia digital twin tem sido lenta porque, até recentemente, faltava-lhe a inteligência necessária para ir além da simples representação de um ativo. Mais valiosa seria a capacidade de simular, prever e controlar com precisão seu comportamento. Os gêmeos digitais também eram personalizados e não tinham a capacidade de aprender globalmente com o comportamento de ativos semelhantes. Seus insights eram isolados e nem sempre aplicáveis às necessidades organizacionais mais amplas, o que os tornava um investimento pesado com retornos limitados.
Mesmo assim, alguns dos primeiros a adotar os gémeos digitais incluem os setores da produção, do retalho, da saúde e do automóvel, que conseguiram testar novas instalações, configurações e processos num ambiente controlado.
Com novas abordagens baseadas em IA, veremos uma rápida mudança de “gémeos digitais” para “simulação” e “agência” alimentadas por IA, o que ampliará drasticamente os casos de utilização e impulsionará a adopção generalizada. Vejamos estas categorias de uso:
- Representação – As primeiras iterações de gêmeos digitais eram representações digitais simples de ativos, que não eram particularmente úteis além de casos de uso de nichos selecionados para melhorar o design e a execução de determinadas tarefas. Em essência, este é o estado de “réplica” da tecnologia de gêmeo digital.
- Simulação – Hoje, os gêmeos digitais estão evoluindo da representação para a simulação, o que beneficia um conjunto mais amplo de casos de uso. A simulação significa que os gêmeos digitais não estão apenas espelhando o ativo ou ambiente, mas também simulando com precisão cenários futuros. Nesta fase, eles são capazes de aprender com dados de outros processos semelhantes para obter insights significativos. Os gêmeos de simulação usam algoritmos de IA para simular resultados de produção, recomendar configurações ideais de máquinas e orientar equipes de produção em direção a objetivos de negócios aprimorados em um ambiente de fabricação.
- Agência – A próxima evolução após a simulação será a agência, que permitirá que ativos, processos e partes inteiras da produção planejem e atuem de forma autônoma. Nesta fase, também tomarão decisões complexas e trabalharão em parceria com as pessoas para impulsionar uma produção mais sustentável. Este é o estágio do agente gêmeo digital.
A movimentação entre os estágios requer diferentes níveis de tecnologia de suporte, e é basic que as organizações tenham a pilha de tecnologia certa para alcançar o máximo impacto e ROI dos gêmeos digitais.
Tecnologia basic para gêmeos digitais
A tecnologia basic correta deve estar implementada antes de passar da representação para a simulação e, em última análise, para a agência.
Usando novamente a manufatura como exemplo, as organizações que desejam criar uma simulação digital de um determinado processo ou ambiente de fábrica devem ter recursos confiáveis de detecção on-line. Esses sensores alimentam dados de entrada e saída em vários estágios críticos da jornada, a fim de fornecer insights robustos para informar uma simulação. Muitos desses dados estão prontamente disponíveis, e temos visto fabricantes de processos com medições on-line de qualidade nas saídas (ou seja, papel), mas geralmente há uma lacuna nas medições de detecção para as entradas (ou seja, fibras de madeira que vão para a polpa de papel). produção).
Para contornar isso, as equipes de produção devem definir claramente a simulação que estão tentando realizar e os diversos insumos, máquinas e sistemas envolvidos, juntamente com os diferentes parâmetros de cada etapa do processo. Isto provavelmente exigirá a utilização de especialistas em múltiplas funções para garantir que todos os aspectos do modelo sejam levados em conta, o que ajudará a garantir que os dados sejam robustos o suficiente para alimentar uma simulação.
Conectividade e Comparação
Os gêmeos digitais completamente isolados estão perdendo o aprendizado de outros modelos em cenários semelhantes. Os próprios modelos que contribuem para o gémeo digital precisam de ser alimentados com dados de outros modelos semelhantes e gémeos digitais para demonstrar o que é “excelente” ou preferrred a nível international, e não apenas dentro do processo native que está a ser examinado.
Como resultado, os gêmeos digitais exigem um grande componente de nuvem, caso contrário as organizações correm o risco de perder qualquer aparência de promessa complete que esta tecnologia oferece.
O outro lado da moeda é que os gêmeos digitais não devem depender apenas da tecnologia de nuvem porque a latência da nuvem pode criar obstáculos para fatores como a coleta de dados e instruções em tempo actual. Considere como seria inútil ter uma simulação destinada a evitar falhas na máquina apenas para que a simulação detectasse uma correia quebrada bem depois de a peça ter parado de funcionar corretamente e toda a máquina estar parada.
Para superar esses desafios, pode ser sensato adicionar um componente habilitado para IA de ponta. Isso garante que os dados possam ser capturados o mais próximo possível do processo que está sendo simulado.
Possíveis pontos problemáticos com implantação e gerenciamento
Além de ter a pilha de tecnologia e a infraestrutura certas para capturar os dados necessários para os gêmeos de simulação alimentados por IA, a confiança continua sendo um obstáculo significativo à implantação. Os motoristas de táxi em Londres podem conhecer o mapa da cidade e todos os seus atalhos, mas o GPS normalmente fornece aos motoristas rotas mais precisas, levando em consideração os dados de tráfego. Da mesma forma, engenheiros e profissionais de produção precisam experimentar simulações precisas e seguras para ganharem complete confiança em suas capacidades.
Ganhar confiança leva tempo, mas a transparência com os modelos e com os dados que alimentam os gémeos digitais pode acelerar este processo. As organizações devem pensar estrategicamente sobre a mudança de mentalidade necessária para que as equipes confiem nos insights desta poderosa tecnologia – ou correm o risco de perder o ROI.
O caminho para a agência
Apesar da promessa de gêmeos digitais, a adoção tem sido relativamente lenta – até recentemente. A introdução de modelos alimentados por IA pode levar os gêmeos digitais da representação à simulação, conectando insights de outros modelos para construir aprendizados únicos.
À medida que o investimento e a confiança aumentam, os gémeos digitais acabarão por alcançar o estatuto de agência e serão capazes de tomar decisões complexas por si próprios. O verdadeiro valor ainda não foi desbloqueado, mas os gémeos digitais têm o potencial de transformar indústrias, desde a produção até à saúde e ao retalho.
