Nel manufacturing la tecnologia Digital Twin (replica digitale di sistemi fisici) è integrabile a livello di componenti, sistemi o interi impianti, per aumentare l’efficienza della manutenzione, ottimizzare il funzionamento dei macchinari, migliorare di continuo i prodotti forniti agli utenti finali.
Digital twin, un mercato da oltre 3 miliardi
Nel 2020 il mercato globale digital twin, stando a dati pubblicati dalla società di ricerche e consulenza MarketsandMarkets, è stato valutato circa 3,1 miliardi di dollari, e si prevede raggiungerà i 48,2 miliardi di dollari entro il 2026, crescendo, nel periodo di studio, con un CAGR (tasso di crescita annuale composto) pari al 58%.
Secondo MarketsandMarkets, alla crescente domanda di questa tecnologia in settori come l’assistenza sanitaria e l’industria farmaceutica, che hanno dovuto reagire alla pandemia da COVID-19 monitorando con nuove modalità i pazienti, si aggiungono le opportunità di adozione dei digital twin nel manufacturing guidate da alcuni fattori chiave che ne spingono l’espansione. Dovendo riaprire le proprie attività di business in conformità con le normative imposte dal contesto pandemico, tramite i digital twin le aziende manifatturiere hanno l’opportunità di ottenere visibilità in tempo reale sui propri asset industriali, sulla catena di fornitura (supply chain), sulle variazioni della domanda.
Altre stime, condotte a livello mondiale dalla società di consulenza PwC, evidenziano che, nel settore del manufacturing e nel periodo di studio 2017-2022, le tecnologie di connettività e gli strumenti analitici sono finalizzati innanzitutto all’ottimizzazione delle risorse ‘data-enabled’. Tecnologie di manutenzione predittiva, così come i digital twin sviluppati per singoli prodotti, ambienti di fabbrica e asset di produzione, subiscono una forte e netta crescita nella loro adozione e uso, come illustrato nel grafico.
Fonte: Statista, Adoption of connectivity technologies and analytics in manufacturing 2017-2022
Nel nostro Paese, la tecnologia digital twin risulta ancora poco diffusa: stando a un sondaggio condotto in Italia dalla società di ricerca e consulenza The Innovation Group, sul tema dell’implementazione di iniziative e processi di trasformazione digitale da parte di aziende, alla domanda se stiano realizzando progetti in alcuni dei principali settori d’innovazione digitale, solo il 7% degli interpellati risponde che stanno implementando sistemi basati su digital twin.
Fonte: Statista, Companies implementing digital transformation processes in Italy 2020, by field
Che cosa s’intende con digital twin
Un digital twin si può definire come una rappresentazione virtuale, continuamente aggiornata e sincronizzata in tempo reale tramite i dati di campo, di un oggetto o sistema esistente nel mondo fisico. L’implementazione di un digital twin, per la società di ricerca e consulenza Gartner, è un oggetto o modello software che rispecchia, ad esempio, un oggetto fisico, un processo, un’organizzazione. Restando in costante comunicazione con l’oggetto fisico e acquisendone dati e feedback in tempo reale, il gemello digitale è in grado di mappare lo stato e il funzionamento dell’oggetto nell’ambiente materiale.
Il modello digitale è sviluppato tramite metodologie di simulazione numerica e algoritmi di machine learning (ML) che, elaborando i dati acquisiti, replicano il comportamento del sistema reale e permettono d’individuare o prevedere anomalie di funzionamento e di attuare strategie di correzione e ottimizzazione.
Si possono identificare essenzialmente tre elementi costitutivi di un digital twin nel manufacturing:
- I sensori e dispositivi IIoT (industrial Internet of Things). Connessi alle macchine, alla rete ed eventualmente a risorse cloud, tali sensori consentono l’acquisizione e lo scambio dati in tempo reale.
- L’insieme di modelli matematici richiesti per eseguire la simulazione dell’oggetto fisico nello scenario produttivo reale.
- Gli strumenti analitici, previsionali e di visualizzazione che permettono di elaborare stime e generare scenari ‘what-if’. Tra questi, rientrano anche metodologie di AI (artificial intelligence) come il machine learning.
Digital twin: i benefici di business nel manufacturing
I vantaggi derivanti dall’utilizzo di digital twin nel manufacturing si possono riscontrare a differenti livelli di gestione delle linee di fabbricazione.
- Nei sistemi di manufacturing complessi, con diversi digital twin, l’interazione tra gemelli digitali e l’aggregazione dei dati permettono di ottenere una visione olistica e aggiornata di un processo o del ciclo di vita del prodotto. Questa capacità di operare utilizzando un unico data layer, quindi una singola fonte di verità per i dati (SSOT – single source of truth), può consentire a un’impresa di rafforzare la collaborazione tra vari team e reparti, e di ottimizzare le operation anche all’esterno, migliorando le interazioni con gli altri partner della supply chain.
- I digital twin aiutano a migliorare la pianificazione dei processi di fabbricazione e assemblaggio, e a rendere più flessibile la catena di fornitura. Grazie ai digital twin, è anche possibile ottimizzare la configurazione delle infrastrutture di manufacturing per aumentare l’efficienza della produzione.
- Attraverso l’adozione di strategie di manutenzione predittiva basate su digital twin, le attività di manutenzione di impianti e macchinari possono essere ottimizzate, riducendo tempi di fermo e allungando la vita utile degli stessi, e indirizzate ad anticipare e risolvere proattivamente il verificarsi di malfunzionamenti e avarie.
- Dal punto di vista della ‘user experience’, l’azienda di produzione, applicando il concetto di digital twin a un suo prodotto, come ad esempio una lavatrice, ha l’opportunità di monitorare costantemente come e quando esso venga utilizzato dall’utente finale, ottenendo informazioni preziose per migliorarne la progettazione, la produzione e le funzionalità.
Realizzare un’applicazione digital twin: i passi fondamentali
Come accennato, il paradigma digital twin si fonda su due pilastri chiave: uno è costituito dai dati real-time raccolti dal campo; l’altro è un modello virtuale, che può essere costruito con tecniche differenti (equazioni basate sulla fisica, modelli analitici) e a diversi livelli di dettaglio (modelli ridotti o multiscala ecc.). Il digital twin fonde e armonizza queste due componenti per creare una rappresentazione real-time dell’oggetto fisico.
Il digital twin diventa quindi lo strumento per rispondere a una serie di sfide di business, che vanno, per esempio, dal monitoraggio, all’identificazione di anomalie; dalla manutenzione predittiva, all’ottimizzazione del funzionamento del processo di manufacturing.
Va precisato che, in molti casi, non è necessario ricorrere alla creazione di un digital twin per rispondere a questo tipo di sfide. Ad esempio, è possibile costruire modelli di predictive maintenance puramente basati sui dati raccolti o, in alternativa, tramite un modello matematico di degrado che non richiede l’accesso a dati real-time. Il digital twin è l’esempio principe dell’approccio MathFusion, che porta con sé il vantaggio di riuscire a sfruttare i punti di forza di entrambi i mondi: da un lato i modelli permettono di colmare eventuali lacune informative; dall’altro i dati real time introducono nei modelli l’incertezza e la variabilità che caratterizzano le applicazioni reali, portando così a una rappresentazione virtuale della realtà più solida e fedele.
Per massimizzare il valore di business di una strategia digital twin nel settore manifatturiero, sfruttandone al massimo le potenzialità d’innovazione è consigliabile seguire alcuni principi base:
- Prevedere una fase di assessmentL’azienda utente, assieme ai progettisti dell’applicazione che beneficerà del digital twin, deve eseguire la mappatura dei processi di interesse e dei rispettivi dati disponibili nell’organizzazione. Occorre inoltre valutare quale sia il miglior compromesso tra la capacità descrittiva che avrà il digital twin e la complessità di modelli e dati necessari.
- Definire una data strategy.
Sulla base dell’assement, si definiscono degli obiettivi incrementali di business da raggiungere durante le successive fasi di sviluppo. Gli obiettivi possono riguardare l’ottimizzazione di un processo (manutenzione, produzione) o di un prodotto (affidabilità, riduzione di consumi). - Sviluppare il digital twin
Questa fase riguarda la vera e propria costruzione di uno o più Digital Twin, come precedentemente descritto. - Risposta agli obiettivi di business
Il digital twin è un abilitatore tecnologico, che, da solo, o tramite algoritmi di intelligenza artificiale (AI) e machine learning, aiuta a eseguire simulazioni e ottimizzazioni del processo di produzione, e a fornire insight e raccomandazioni utili a migliorare le prese decisionali.
Le competenze per massimizzare i risultati
Nel settore manufacturing la realizzazione di applicazioni basate sul paradigma digital twin non dipende solo dall’adozione di nuove tecnologie, ma da un processo di trasformazione digitale che richiede specifiche competenze in discipline come la modellistica matematica e la data science, e in cui è consigliabile avvalersi di partner dotati di capacità ed esperienza comprovate. Quando implementato in maniera corretta, il digital twin ha il potenziale di rendere più efficienti i processi di manufacturing, ottimizzare le politiche di manutenzione degli asset industriali, e consentire un costante miglioramento dei prodotti e servizi forniti agli utenti finali.
Contattaci per ricevere ulteriori informazioni
