Por qué la composición es clave para escalar gemelos digitales

¿No pudiste asistir a Transform 2022? ¡Vea todas las sesiones de la cumbre en nuestra biblioteca a pedido ahora! Mira aquí.

Los gemelos digitales permiten a las empresas modelar y simular edificios, productos, líneas de fabricación, instalaciones y procesos. Esto puede mejorar el rendimiento, señalar errores de calidad rápidamente y respaldar una mejor toma de decisiones. Hoy en día, la mayoría de los proyectos de gemelos digitales son esfuerzos de una sola vez. Un equipo puede crear un gemelo digital para una nueva caja de cambios y comenzar de nuevo al modelar una turbina eólica que incluye esa parte o el proceso comercial que repara esa parte.

Idealmente, a los ingenieros les gustaría ensamblar rápidamente gemelos digitales más complejos para representar turbinas, parques eólicos, redes eléctricas y empresas de energía. Esto se complica por los diversos componentes que se incluyen en los gemelos digitales más allá de los modelos físicos, como la gestión de datos, las etiquetas semánticas, la seguridad y la interfaz de usuario (UI). Los nuevos enfoques para componer elementos digitales en ensamblajes y modelos más grandes podrían ayudar a simplificar este proceso.

Gartner ha pronosticado que el mercado de los gemelos digitales cruzará el abismo en 2026 para alcanzar los 183 000 millones de dólares en 2031, y los gemelos digitales compuestos presentarán la mayor oportunidad. Recomienda a los gerentes de productos que creen ecosistemas y bibliotecas de funciones preconstruidas y plantillas de mercado vertical para impulsar la competitividad en el mercado de gemelos digitales. La industria está empezando a darse cuenta.

El Consorcio de Gemelos Digitales lanzó recientemente el marco de la Tabla Periódica de Capacidades (CPT) para ayudar a las organizaciones a desarrollar gemelos digitales componibles. Organiza el panorama tecnológico de soporte para ayudar a los equipos a crear la base para integrar gemelos digitales individuales.

MetaBeat 2022

MetaBeat reunirá a líderes de opinión para asesorar sobre cómo la tecnología del metaverso transformará la forma en que todas las industrias se comunican y hacen negocios el 4 de octubre en San Francisco, CA.

Existen similitudes y diferencias importantes en el modelado utilizado para crear gemelos digitales en comparación con otros modelos de análisis e inteligencia artificial (IA). Todos estos esfuerzos comienzan con datos históricos apropiados y oportunos para informar el diseño del modelo y calibrar el estado actual con los resultados del modelo.

Sin embargo, las simulaciones de gemelos digitales son únicas de los enfoques tradicionales de aprendizaje estadístico en el sentido de que las estructuras del modelo no se aprenden directamente de los datos, dijo Bret Greenstein, socio de datos, análisis e inteligencia artificial en PwC, en VentureBeat. En cambio, los modeladores presentan una estructura de modelo a través de entrevistas, investigaciones y sesiones de diseño con expertos en el dominio para alinearlas con preguntas estratégicas u operativas que se definen de antemano.

Por lo tanto, los expertos en el dominio deben estar involucrados en informar y validar la estructura del modelo. Esta inversión de tiempo puede limitar el alcance de las simulaciones a aplicaciones que requieren un análisis continuo de escenarios. Greenstein también encuentra que desarrollar un modelo de gemelo digital es un ejercicio continuo. La granularidad del modelo y los límites de los sistemas se deben considerar y definir con cuidado para equilibrar la inversión de tiempo y la idoneidad del modelo para las preguntas que pretenden respaldar.

"Si las organizaciones no pueden atraer de manera efectiva...