.svg)
Por qué el modelado de datos decide si un gemelo digital funciona
La mayor parte de la atención sobre los gemelos digitales se va al modelo en sí: la vista 3D, la analítica, el panel. Rara vez es ahí donde fallan. Un gemelo construido sobre un buen software de simulación sigue dando respuestas equivocadas cuando los datos que lo alimentan están incompletos o desactualizados.
Un gemelo bebe de tres tipos de sistema a la vez. Toma los datos de diseño, como las piezas y la lista de materiales, del PLM. Toma los datos de pedidos, costes y stock del ERP. Y toma las lecturas en directo, como temperatura o vibración, de los sensores de las máquinas. Cada uno de esos sistemas se construyó para su propia tarea, con sus propios formatos de datos y su propio ritmo de actualización.
Reunir todo eso en una imagen precisa y actual es la parte difícil, y es un problema de datos antes que un problema de simulación. Cómo se estructuran los datos del gemelo, de dónde vienen y qué tan frescos se mantienen es lo que decide si el modelo coincide con la realidad o se aleja lentamente de ella. Eso empieza con una distinción que suele difuminarse.
¿Cuál es la diferencia entre un gemelo digital y un hilo digital?
El hilo digital, o digital thread, es el registro conectado de los datos de un producto a lo largo de toda su vida, y el gemelo digital es el modelo vivo que se apoya en ese registro y lo usa para simular y predecir. Los dos suelen confundirse, pero hacen trabajos distintos, y la diferencia importa aquí.
Uno alimenta al otro. Un gemelo sin un hilo sólido es un modelo que funciona a base de conjeturas, porque no tiene un historial fiable ni un estado actual con los que trabajar. Por eso, para la mayoría de los fabricantes, el primer trabajo es conectar PLM, ERP y MES para formar ese hilo, y el gemelo es lo que convierte los datos conectados en algo útil. Tratar el gemelo como una pantalla que se atornilla al final, en lugar de como algo que depende de datos bien organizados, es la forma en que costosos proyectos de gemelos acaban modelando lo que no es.
¿Qué significa realmente modelar los datos de un gemelo digital?
Significa acordar una estructura única en la que vierte cada sistema de origen, para que el gemelo lea una sola descripción consistente de un activo en lugar de una docena que no coinciden. La pregunta del formato va antes que la pregunta de la simulación.
Aquí es donde el Asset Administration Shell, o AAS, se ha convertido en la referencia común. AAS es una forma acordada y estándar de describir un activo industrial como gemelo digital. Lo mantiene la Industrial Digital Twin Association y está publicado como estándar internacional, así que no está ligado a ningún proveedor. Un activo se describe mediante submodelos, donde cada submodelo cubre una parte del cuadro: su placa de características, sus documentos, su historial de sensores o su lista de materiales.
Construir un gemelo sobre un estándar como AAS da a todos esos datos un lugar donde aterrizar. Un archivo de diseño del PLM, una orden de trabajo del ERP y una lectura de sensor pueden mapearse cada uno a un submodelo definido con un significado acordado, en lugar de cablearse a mano para cada máquina nueva. Eso es lo que permite a un gemelo crecer más allá de una sola prueba, porque el activo número cien se describe igual que el primero. AAS todavía está madurando, y no todos los activos necesitan un gemelo completo en directo, así que el primer paso sensato es modelar los pocos submodelos que sostienen decisiones reales.
Mantener los datos al día es lo que mantiene preciso al gemelo
Un modelo de datos compartido da al gemelo su estructura. Mantener ese modelo al día es lo que evita que derive. Un gemelo es útil porque muestra el activo tal como es ahora mismo, no como era en la exportación de datos de anoche. En el momento en que sus datos se quedan atrás respecto a la línea real, cada predicción que hace se basa en una versión de la fábrica que ya ha cambiado.
Este es el fallo silencioso detrás de muchos proyectos de gemelos. Un gemelo alimentado por exportaciones nocturnas programadas resulta convincente en una demo y se vuelve menos fiable en el uso diario, porque la brecha entre el modelo y la máquina crece hora a hora. Las actualizaciones por eventos cierran esa brecha, de modo que un cambio en la planta llega al gemelo en segundos o minutos en lugar de al día siguiente. Los datos de simulación en tiempo real son también lo que hace funcionar usos relacionados como el mantenimiento predictivo, porque un modelo que predice el fallo de una pieza solo es tan bueno como la frescura de los datos de sensores que tiene detrás.
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
