Los gemelos digitales y su aplicación en la industria

Por Antonio Manjavacas (egresado ESI-UCLM).

“Los gemelos son muy prácticos. Siempre es bueno tener uno de repuesto ”

— Billie Burke.

Imagina que formas parte del equipo encargado de la seguridad de un reactor nuclear. En tu mano está garantizar que la instalación implementa todas las medidas de seguridad necesarias para evitar accidentes, tanto sobre el entorno, como sobre sus trabajadores. Para poder lograr este objetivo, sería interesante estimar cómo los sistemas de seguridad del reactor reaccionarán ante diferentes situaciones accidentales que no podemos permitirnos replicar de forma real, dada su peligrosidad. Necesitamos una forma de simular virtualmente el comportamiento del sistema ante diferentes escenarios potencialmente peligrosos. Y qué mejor forma de hacerlo que mediante un gemelo digital.

La primera noción de gemelo digital tiene su origen en el año 2003, de la mano de Michael Grieves, investigador de la NASA, que estableció los conceptos clave de este paradigma. No obstante, sería su compañero John Vickers, en el año 2010, quien sugeriría el término digital twin (gemelo digital) para aunar las ideas propuestas por Grieves.

Un gemelo digital es una representación virtual de un sistema físico capaz de simular su comportamiento ante determinadas entradas o estímulos. Se han desarrollado gemelos digitales de edificios, vehículos, robots, ciudades e incluso personas, probándose su utilidad en infinidad de ámbitos y sectores.

No obstante, para que los gemelos digitales sean consistentes con el sistema físico replicado, es necesario que exista una continua retroalimentación en forma de datos entre ambos [1]. Volviendo al ejemplo inicial: si podemos recopilar en tiempo real datos procedentes de todos los sensores del reactor nuclear, seremos capaces de elaborar una suerte de representación virtual del mismo, conocer su situación actual, e incluso estudiar su respuesta ante diferentes situaciones accidentales simuladas.

El flujo de datos entre sistema físico y virtual no tiene por qué ser necesariamente bidireccional: con que el sistema físico aporte la suficiente información podremos elaborar y mantener un gemelo digital del mismo. Sin embargo, es especialmente interesante el flujo de datos desde gemelo digital hacia el sistema físico, permitiéndole mejorar su comportamiento, detectar errores de funcionamiento, o reaccionar con antelación ante diversos escenarios críticos.

Y es que una de las principales aplicaciones de los gemelos digitales es, precisamente, anticipar posibles problemas o situaciones excepcionales que puedan darse en el sistema físico simulado. Por ejemplo, en el sector de la Industria 4.0, los gemelos digitales procesan datos provenientes de dispositivos o sistemas de control para saber si estos están próximos a fallar, permitiendo así establecer diferentes estrategias de mantenimiento predictivo [2].

También encontramos aplicaciones de los gemelos digitales en sectores como automoción [3], construcción [4], industria energética [5], naval [6] o aeroespacial [7]. Como se puede observar, los beneficios de los gemelos digitales en sectores críticos son numerosos, especialmente si contamos con activos de alto valor, cuyo detrimento puede derivar en importantes costes y riesgos para personas y organizaciones.

Los gemelos digitales también destacan por su potencial integración con gran cantidad de tecnologías que constituyen el estado del arte. Aunque es recomendable ser escépticos frente al humo que en los últimos años se nos vende desde diferentes medios y empresas, es cierto que técnicas de inteligencia artificial, big data y computación en la nube correctamente integradas son interesantes en este ámbito y aumentan las posibilidades que los gemelos digitales ofrecen.

Por ejemplo, los algoritmos de aprendizaje automático son excelentes herramientas en labores de predicción de valores, análisis de patrones o detección de anomalías. Así pues, emplearlos junto a los gemelos digitales podría mejorar su capacidad de predicción y respuesta ante todo tipo de escenarios. A su vez, si estos algoritmos son capaces de tomar decisiones empleando inmensos volúmenes de datos procedentes de sistemas físicos, y aprovechamos la escalabilidad que ofrece la computación en la nube para procesar dichos datos, los gemelos digitales abren la puerta a un futuro donde los mundos virtual y físico muy pronto serán indistinguibles.

Bibliografía

[1] Fuller, Aidan, et al. “Digital twin: Enabling technologies, challenges and open research.” IEEE Access 8 (2020): 108952-108971.

[2] Aivaliotis, Panagiotis, Konstantinos Georgoulias, and George Chryssolouris. “The use of Digital Twin for predictive maintenance in manufacturing.” International Journal of Computer Integrated Manufacturing 32.11 (2019): 1067-1080.

[3] Rajesh, P. K., et al. “Digital twin of an automotive brake pad for predictive maintenance.” Procedia Computer Science 165 (2019): 18-24.

[4] Kaewunruen, Sakdirat, and Ningfang Xu. “Digital twin for sustainability evaluation of railway station buildings.” Frontiers in Built Environment 4 (2018): 77.

[5] Botz, M., et al. “Structural health monitoring as a tool for smart maintenance of wind turbines.” Advances in Engineering Materials, Structures and Systems: Innovations, Mechanics and Applications. CRC Press, 2019. 1971-1975.

[6] Fotland, Gaute, Cecilia Haskins, and Terje Rølvåg. “Trade study to select best alternative for cable and pulley simulation for cranes on offshore vessels.” Systems Engineering 23.2 (2020): 177-188.

[7] Liu, Zhifeng, et al. “Data super-network fault prediction model and maintenance strategy for mechanical product based on digital twin.” IEEE Access 7 (2019): 177284-177296.