Los gemelos digitales están pasando de ser un experimento industrial a convertirse en una necesidad operativa
Un jefe de producción se da cuenta de que una máquina fundamental está funcionando a una temperatura ligeramente superior a la habitual. No se ha producido ninguna avería, la línea sigue funcionando y, según el programa de mantenimiento convencional, el equipo debería seguir operativo durante otros tres meses. Sin embargo, un modelo virtual de la máquina sugiere que un cojinete se está deteriorando más rápido de lo previsto.
La empresa se encuentra ahora ante una disyuntiva. Puede seguir operando hasta la próxima inspección programada, arriesgándose a sufrir una parada imprevista, o bien intervenir durante un periodo de menor actividad en la producción, antes de que la avería resulte costosa.
Esta es la promesa práctica que se esconde tras los gemelos digitales.
El término se utiliza a menudo de forma imprecisa, a veces para describir poco más que un modelo tridimensional o un panel de control. Un gemelo digital operativo es algo más ambicioso. Se trata de una representación digital de un activo, proceso o sistema físico que se actualiza con datos operativos y se utiliza para comprender cómo se comporta su homólogo en el mundo real. Dependiendo de su nivel de sofisticación, puede supervisar las condiciones actuales, simular cambios, predecir fallos o recomendar un plan de acción.
La tecnología no es nueva, pero su relevancia comercial va en aumento. Los sensores industriales se han generalizado, la capacidad de computación en la nube y en el borde se ha ampliado, y la inteligencia artificial ahora puede analizar muchos más datos operativos que los sistemas de monitorización tradicionales. En conjunto, estos avances permiten crear modelos digitales que van más allá de mostrar lo que ya ha ocurrido.
Pueden ayudar a una empresa a decidir qué pasos dar a continuación.
Más allá de las previsiones que aparecen en los titulares
Las empresas de investigación coinciden en general en que el mercado de los gemelos digitales está creciendo rápidamente, aunque sus estimaciones difieren considerablemente. Esa variación refleja un problema fundamental: no existe una definición única y universalmente aceptada de lo que debería incluirse en dicho mercado.
Algunas previsiones incluyen plataformas de software, herramientas de simulación y servicios de datos. Otras abarcan la consultoría, la integración de sistemas, la infraestructura del Internet de las cosas industrial y las aplicaciones específicas de cada sector. Un gemelo digital de un motor de avión es, además, algo muy distinto a un modelo de toda una fábrica, una red eléctrica o una ciudad.
Por lo tanto, el tamaño exacto del mercado futuro es menos revelador que la orientación de la inversión. Los fabricantes, las empresas energéticas, los operadores de transporte y los propietarios de infraestructuras buscan mejores formas de gestionar activos complejos cuyo fallo puede resultar costoso, perturbador o peligroso.
Para estas organizaciones, un gemelo digital no tiene valor por el mero hecho de crear una réplica virtual impresionante. Su valor radica en que mejora la toma de decisiones: cuándo realizar el mantenimiento de los equipos, cómo rediseñar un proceso, dónde se está desperdiciando capacidad o cómo puede responder un sistema a condiciones cambiantes.
¿Qué convierte a un modelo en un gemelo digital?
Por lo general, una simulación convencional se crea para responder a una pregunta concreta. Los ingenieros pueden utilizarla para probar un producto antes de su fabricación o para comprender cómo se comporta un componente bajo presión. Una vez finalizado el ejercicio, es posible que el modelo ya no sufra modificaciones.
El objetivo de un gemelo digital es mantener una relación con el sistema físico al que representa. Los datos procedentes de sensores, registros de equipos, sistemas de mantenimiento y otras fuentes operativas pueden utilizarse para actualizar el modelo a medida que cambian las condiciones.
El grado de conexión varía. Algunos gemelos reciben actualizaciones periódicas. Otros funcionan casi en tiempo real. Una versión básica puede ofrecer información sobre el estado de un único activo, mientras que un sistema más avanzado puede combinar modelos basados en la física, el aprendizaje automático y datos históricos para predecir el comportamiento futuro.
Esta distinción es importante porque no todos los activos requieren un gemelo lo más elaborado posible. Una empresa puede necesitar un modelo muy detallado de una turbina crucial para la seguridad, pero solo una representación más sencilla de los equipos menos importantes.
El objetivo es lo que debe determinar el nivel de detalle, no el atractivo de la tecnología.
Diseñar antes de construir
Uno de los usos más evidentes de los gemelos digitales tiene lugar antes de que un activo físico entre en funcionamiento.
Los fabricantes pueden utilizar modelos virtuales para probar productos, líneas de producción y configuraciones de maquinaria antes de invertir capital en su construcción. Los ingenieros pueden analizar cómo puede responder un componente al calor, al movimiento, a la presión o al desgaste. Los responsables de la planificación de las fábricas pueden estudiar si una disposición propuesta genera cuellos de botella, problemas de seguridad o flujos de materiales ineficientes.
Esto cambia la dinámica económica de la experimentación. Modificar una línea de producción virtual suele resultar más económico que modificar una que ya está instalada. Un equipo de diseño puede probar varios escenarios sin interrumpir el funcionamiento de una planta ni tener que fabricar repetidamente prototipos físicos.
La puesta en marcha virtual lleva esta idea un paso más allá. El comportamiento de los sistemas de control y de los equipos puede probarse en un entorno digital antes de que la maquinaria se instale por completo en la planta de producción. De este modo, es posible detectar errores de programación y problemas de integración en una fase más temprana, cuando su corrección resulta menos costosa.
El valor no radica simplemente en un desarrollo más rápido del producto. Se trata de la capacidad de cometer errores en un entorno en el que estos aún no paralizan la producción.
Mantenimiento predictivo con un mejor contexto
El mantenimiento predictivo se suele presentar como la aplicación estrella del gemelo digital, y con razón.
El mantenimiento tradicional suele seguir uno de estos dos modelos: o bien se repara el equipo tras una avería, o bien se le realiza un mantenimiento según un calendario fijo. El primer enfoque conlleva el riesgo de sufrir costosos tiempos de inactividad. El segundo puede suponer la sustitución de componentes que aún tienen vida útil o no detectar un problema que se esté gestando entre una inspección y otra.
Un gemelo digital puede combinar los datos de los sensores con información sobre el diseño del activo, sus condiciones de funcionamiento, su historial de mantenimiento y su comportamiento previsto. En lugar de preguntarse si una máquina ha alcanzado una determinada antigüedad, la empresa puede evaluar el rendimiento de esa máquina en concreto.
Una bomba que funcione bajo cargas inusualmente elevadas puede requerir una intervención más temprana que una unidad idéntica en un entorno menos exigente. Una turbina que parezca estar en buen estado según un único parámetro de funcionamiento puede mostrar un patrón preocupante cuando se analizan conjuntamente los datos de vibración, calor y rendimiento.
El sistema gemelo no elimina el criterio técnico. Proporciona a los ingenieros una base más completa sobre la que ejercerlo.
El argumento comercial más sólido se da cuando el tiempo de inactividad resulta costoso, el acceso para el mantenimiento es difícil o los fallos en los equipos tienen consecuencias importantes para la seguridad. En estos contextos, incluso una mejora modesta en la detección de averías o en la planificación del mantenimiento puede justificar la inversión.
Optimización de todo un proceso
Quizá el mayor valor no resida en modelar máquinas individuales, sino en comprender cómo interactúan entre sí.
Una línea de producción puede rendir por debajo de lo esperado incluso cuando todos los equipos parecen funcionar correctamente. Un proceso puede generar atascos, otro puede consumir demasiada energía y un tercero puede producir pequeñas variaciones que den lugar a defectos más adelante en la cadena de producción.
Un gemelo digital a nivel de proceso permite a una empresa analizar el sistema en su conjunto. Los responsables pueden evaluar el efecto probable de modificar las velocidades de producción, cambiar los turnos de trabajo, introducir un nuevo producto o desconectar equipos para su mantenimiento.
Esto resulta especialmente útil en entornos en los que una decisión tiene consecuencias en otros ámbitos. Aumentar la producción de una máquina puede limitarse a trasladar el cuello de botella a la siguiente fase. Reducir el consumo de energía en una parte del proceso puede afectar a la calidad o alargar el tiempo de producción.
Al simular estas compensaciones antes de realizar cambios físicos, las empresas pueden evitar mejorar un indicador a costa del funcionamiento general.
Energía, infraestructuras y entorno construido
Los gemelos digitales también están traspasando los límites de las fábricas.
Las empresas del sector energético pueden utilizarlas para supervisar turbinas, centrales eléctricas y redes. Las empresas de servicios públicos pueden modelar cómo interactúan la demanda de electricidad, la generación de energía renovable y la capacidad de almacenamiento. Los operadores de infraestructuras pueden crear representaciones digitales de puentes, vías férreas, sistemas de abastecimiento de agua y edificios para facilitar el mantenimiento y la planificación a largo plazo.
En el entorno construido, un modelo gemelo puede acompañar a un activo a lo largo de todo su ciclo de vida. El modelo utilizado durante el diseño y la construcción puede incorporar posteriormente información sobre la ocupación, el consumo energético, la temperatura, la ventilación y el rendimiento de los equipos.
El administrador de un edificio podría utilizar esa información para determinar por qué una parte de un inmueble consume más energía de lo previsto o para comprobar cómo los cambios en los ajustes de la calefacción y la refrigeración pueden afectar al confort y al coste.
El mismo principio puede aplicarse a mayor escala a las redes de transporte o a las infraestructuras urbanas. Sin embargo, la complejidad aumenta rápidamente. Un gemelo digital de una ciudad no es simplemente una versión a mayor escala del gemelo digital de una máquina. Debe combinar datos procedentes de diferentes propietarios, sistemas y estándares, al tiempo que tiene en cuenta el comportamiento humano, que es mucho menos predecible que el rendimiento mecánico.
La sostenibilidad requiere algo más que un modelo digital
Los gemelos digitales suelen presentarse como herramientas de sostenibilidad, ya que pueden ayudar a reducir el consumo de energía, el desperdicio de materiales y el mantenimiento innecesario. Ese potencial es real, pero no debe darse por sentado.
Una empresa puede utilizar un «gemelo» para rediseñar un producto utilizando menos materiales, prolongar la vida útil de los equipos o identificar una fase de la producción que consuma mucha energía. Una empresa de construcción podría comparar diferentes opciones de diseño antes de utilizar hormigón y acero. Una empresa de transporte podría optimizar las rutas o la utilización de sus activos.
Estas ventajas dependen de para qué se haya diseñado el sistema. Un gemelo digital creado exclusivamente para maximizar la producción no reducirá automáticamente las emisiones ni el consumo de recursos. Es necesario incorporar indicadores medioambientales al modelo e incluirlos en las decisiones que este respalda.
La tecnología también tiene su propio impacto medioambiental. Los sensores, la conectividad, el almacenamiento de datos y el procesamiento consumen energía y requieren hardware. Por lo tanto, un análisis de sostenibilidad fiable debería comparar los recursos que utiliza el sistema digital con el ahorro o la reducción de residuos que permite.
La IA hace que los gemelos sean más capaces… y más difíciles de controlar
La inteligencia artificial está ampliando las posibilidades de los gemelos digitales. Los modelos de aprendizaje automático pueden detectar patrones en grandes volúmenes de datos de sensores, identificar anomalías y estimar cómo es probable que se comporte un activo en condiciones que no se han dado anteriormente.
La IA generativa también podría facilitar el uso de sistemas complejos. Un ingeniero o un responsable podría plantear preguntas en lenguaje coloquial, en lugar de tener que navegar por una interfaz especializada: ¿Por qué descendió la producción la semana pasada? ¿Qué componente es el que tiene más probabilidades de interrumpir la producción? ¿Qué pasaría si la demanda aumentara un 15 %?
Sin embargo, la IA introduce otro nivel de incertidumbre. Un modelo puede identificar correlaciones que no reflejan las causas físicas de un problema. Puede funcionar bien en condiciones normales, pero dejar de ser fiable cuando cambian los equipos o los entornos operativos.
En el ámbito de la toma de decisiones industriales, no basta con una respuesta que parezca plausible. Las empresas necesitan saber qué datos han servido de base para el resultado, cómo se ha validado el modelo y cuándo es necesaria la aprobación humana.
Cuanta mayor sea la autoridad que se conceda al gemelo, más importantes serán estos controles.
El problema de los datos es lo primero
Muchos proyectos de gemelos digitales se topan con dificultades mucho antes de que se cree el modelo visual o la capa de inteligencia artificial.
Los datos operativos pueden estar incompletos, ser incoherentes o estar almacenados en equipos de distintos fabricantes. Es posible que la maquinaria más antigua carezca de sensores adecuados. Los registros de mantenimiento pueden seguir diferentes convenciones de nomenclatura, mientras que los datos de diseño y los datos operativos en tiempo real pueden encontrarse en sistemas que nunca se diseñaron para comunicarse entre sí.
Un gemelo digital no puede compensar indefinidamente una información deficiente. Si el activo físico se representa de forma inexacta o los datos de los sensores no son fiables, el modelo puede generar una falsa sensación de seguridad en lugar de ayudar a tomar mejores decisiones.
Por eso, los proyectos que tienen éxito suelen partir de un caso de uso concreto y de una evaluación minuciosa de la disponibilidad de los datos. La empresa debe determinar qué variables son relevantes, con qué frecuencia deben actualizarse y qué grado de precisión se requiere.
También debe determinarse quién es el titular de la información. Los gemelos digitales pueden involucrar a fabricantes, proveedores de software, operadores de activos y empresas de mantenimiento. Los contratos deben aclarar quién puede acceder a los datos, cómo se pueden utilizar y qué ocurre cuando finaliza la relación con un proveedor.
La ciberseguridad se convierte en un riesgo físico
Cuanto más estrechamente esté conectado un gemelo digital a la tecnología operativa, más importante será su seguridad.
Una base de datos de marketing vulnerada genera graves problemas. Un sistema industrial vulnerado puede afectar a la maquinaria, a las redes energéticas o a infraestructuras esenciales. Incluso cuando un «gemelo» no controla directamente un activo, los datos manipulados podrían llevar a los operadores a tomar decisiones erróneas en materia de mantenimiento o seguridad.
Por lo tanto, la seguridad debe abarcar más que la plataforma central. Los sensores, las conexiones de red, los servicios en la nube, las interfaces de las aplicaciones y los proveedores externos pueden convertirse en puntos vulnerables.
El acceso debe limitarse en función del rol, debe supervisarse la integridad de los datos y debe investigarse cualquier comportamiento inusual del sistema. Las empresas también deben establecer una distinción clara entre los sistemas que observan, los que recomiendan y los que están autorizados a actuar.
Un gemelo digital no debe convertirse en una vía invisible para eludir los controles de seguridad industrial establecidos.
Empieza por la decisión, no por el gemelo
El error estratégico más habitual es partir de la ambición de “crear un gemelo digital” en lugar de partir de un problema operativo bien definido.
Un proyecto más bien planificado comienza con una pregunta. ¿Puede la empresa reducir el tiempo de inactividad no planificado de un activo crítico? ¿Puede acortar el tiempo de puesta en marcha? ¿Puede comprender por qué varía el consumo energético entre instalaciones aparentemente similares? ¿Puede probar un cambio en la producción sin interrumpir las operaciones?
A continuación, la empresa debería establecer una referencia. Sin conocer el coste actual del tiempo de inactividad, el desperdicio, los defectos o el consumo energético, resultará difícil evaluar si el gemelo digital genera una rentabilidad adecuada.
Un proyecto piloto debe centrarse en un activo o proceso cuyo valor sea cuantificable y para el que se puedan obtener los datos necesarios. Si el modelo demuestra ser fiable, se podrá ampliar posteriormente. Intentar reproducir toda una empresa desde el principio suele dar lugar a un programa tecnológico de gran envergadura con un objetivo comercial poco claro.
Las empresas también deben planificar el mantenimiento del propio modelo digital. Los activos físicos cambian: se sustituyen componentes, se actualiza el software y las condiciones de funcionamiento evolucionan. Un gemelo que no se mantenga al día con la realidad se convierte poco a poco en un modelo histórico, en lugar de una herramienta operativa.
De observar el sistema a poner a prueba el futuro
Es casi seguro que el mercado de los gemelos digitales seguirá creciendo, impulsado por la digitalización industrial, el aumento de los equipos conectados y los avances en simulación e inteligencia artificial. Sin embargo, la importancia a largo plazo de esta tecnología no vendrá determinada por la magnitud de las previsiones de mercado.
Esto se decidirá en las plantas de producción, en las salas de control y a la hora de tomar decisiones sobre inversiones de capital.
Un gemelo digital útil ayuda a una organización a comprender algo que antes no podía ver con claridad. Uno valioso le permite actuar en función de ese conocimiento: prevenir un fallo, reducir el desperdicio, probar un diseño o hacer que un sistema complejo funcione de forma más eficiente.
Ese es el verdadero cambio. Las empresas industriales están pasando de supervisar las operaciones físicas una vez que se producen los hechos a modelar cómo podrían comportarse esas operaciones en el futuro.
La ventaja competitiva no la tendrá la empresa que cuente con la réplica virtual más elaborada. La tendrá aquella que sepa qué decisión del mundo real pretende mejorar dicha réplica.
