¿ Qué son los Gemelos Digitales ?
Las técnicas de los Gemelos Digitales surgen en el contexto de la digitalización y la Industria 4.0, el IoT o Internet de las Cosas, el Big Data, el Machine Learning y la Inteligencia Artificial, que posibilitan esta tecnología.
Un Gemelo Digital es un modelo virtual de una maquina, línea de producción, o fabrica e incluso servicio, capaz de reproducir el estado y comportamiento de dicho producto físico, en tiempo casi real. Toma datos del mundo real sobre un sistema y reproduce predicciones o simulaciones de cómo ese objeto físico se ve afectado por diferentes inputs en el futuro. Los gemelos digitales constituyen un emparejamiento de los mundos virtuales y físicos.
Se pueden clasificar en función del tipo de proceso que se desee digitalizar, como procesos continuos que se realizan mediante ecuaciones diferenciales y algebraicas y procesos discretos que se modelizan mediante dinámica de sistemas.
Expertos en Ciencia de Datos o matemáticas aplicadas estudian el objeto a duplicar en el mundo virtual, con el objeto de desarrollar un modelo que simula el original del mundo real.
El gemelo digital recibe información de sensores que aglutinan datos procedentes del mundo real, lo que permite simular el objeto físico en tiempo real, ofreciendo información sobre el rendimiento y los posibles problemas que se puedan presentar.
Puede diseñarse en base a prototipos físicos, en cuyo caso puede proporcionar retroalimentación a medida que se mejora el producto, o incluso utilizarlo antes de construir una versión física del mismo. La cantidad de datos que se utiliza para construirlo y actualizarlo determinaran la precisión con la que se hace la simulación.
Estas simulaciones, pueden servir para escenarios futuros y se crean con los datos que han alimentado el gemelo físico para ver como desempeñará su función y se adaptará a su entorno, a lo largo de meses o de años. También pueden ser utilizados para escenarios presentes para agregar o eliminar elementos, factores y limitaciones y ver cómo reaccionará el gemelo digital ante los cambios.
Este enfoque permite el intercambio de datos y se puede monitorizar, controlar y automatizar actividades. Estas simulaciones permiten:
- Aumento de la productividad
- Fortalecimiento de la seguridad en el trabajo
- Mejora de la eficiencia de gestión de recursos
- Mejor control y seguimiento de la producción
- Reducción de los costes de fabricación
Los desarrolladores pueden optimizar el gemelo virtual sin tener que intervenir en el proceso una vez que se han recopilado suficientes datos, pues el sistema puede utilizar la información que recibe del gemelo físico para tomar decisiones que lleven a resultados positivos.
Tecnologías Clave de los Gemelos Digitales
Los datos recopilados en tiempo real de los sensores están conectados a un sistema basado en la Nube, Cloud, que los recibe y procesa. Las tecnologías están estrechamente relacionadas en la Industria 4.0 y se basan en tres pilares:
- Sensores instalados en los elementos físicos para recabar información en tiempo real.
- Conexión de los componentes físicos a un sistema en la tecnología Cloud, que recibe procesa y compara la información que llega con otras variables.
- Representación y modelización de los componentes de un elemento físico en un entorno virtual mediante un modelo que simule ese objeto en el mundo digital.
Las tecnologías clave son:
- Simulación digital.
- Internet de las cosas. Conjunto de dispositivos dotados d euno o mas sensores que transmiten información a la nube a través de una red inalámbrica a un sistema, nube, donde se almacenan y procesan dichos datos.
- Analítica de Datos en Inteligencia Artificial, para explotar los datos generados por el modelo.
Principales Aplicaciones
Los Gemelos Digitales intervienen básicamente en los siguientes puntos:
- Optimización de procesos. El gemelo digital permite modificar variables como presión o temperatura de manera rápida y ahorrar tiempos.
- Análisis predictivo. El gemelo digital se configura para un tiempo futuro y anticipar fallos y errores que podría tener la infraestructura.
- Simulación de nuevos escenario, creando varios modelos virtuales sobre el gemelo digital y testeándolos hasta dar con la formula correcta, si alterar o modificar la cadena de producción real.
Hay un enorme valor añadido al realizar escenarios de “qué pasaría si”, y predecir el rendimiento futuro.
El objetivo final del gemelo digital es la conexión en bucle cerrado entre el mundo virtual de desarrollo de productos y la planificación de la producción en el mundo físico del sistema de producción.
Simulación Física de los Gemelos Digitales
La combinación de los modelos de simulación basados en la física, proporcionan mejores predicciones para otros gemelos digitales y pueden abordar cualquier campo que pueda ser simulado o modelado de manera analítica. Incluso pueden integrarse varias de estas simulaciones para desarrollar modelos integrados más completos y en los cuales intervengan diferentes físicas pudiendo ser alguna de estas físicas directamente datos de sensores.
Los modelos analíticos tienen una solución de forma cerrada, es decir la solución de ecuaciones utilizadas para describir los cambios en un sistema se pueden expresar como una función analítica matemática donde las variables solución es función explicita del resto de parámetros.
Pueden ser Modelos Analíticos
Son modelos matemáticos que tienen solución de forma cerrada. La solución de de las ecuaciones utilizadas para describir los cambios en un sistema se expresa como una función analítica, donde la variable solución es función explicita del resto de parámetros.
Los modelos analíticos permiten ver si la influencia de parámetros aumenta o disminuye con el tiempo, si el modelo converge hacia algún estado final cada vez más estable, o si fluctúa mostrando un comportamiento periódico.
Modelos de Simulación
Hay muchas aplicaciones en el mundo real que no pueden resolverse con formulas exactas o analíticas, es común reducir el problema a casos especiales y situaciones simplificadas y estudiarlas en detalle
El objetivo de estos modelos numéricos es descubrir conceptos y propiedades aplicables de modo general, que puedan guiarnos hacia problemas más difíciles
El modelo analítico simplificado del problema se convierte en un modelo numérico que se puede resolver por un conjunto finito de operaciones aritméticas básicas y constituye una aproximación de un modelo analítico, lo que implica un error.
Modelos Reducidos y Machine Learning
Los modelos reducidos representan una estrategia numérica que tiene como objetivo el transformar sistemas complejos y multivariable en una aproximación matemática menos compleja. Incluyen una reducción del alcance de la definición del sistema para aproximar el sistema a través de un modelo matemático que presenta las siguientes ventajas:
- Descripción de un sistema parcial o totalmente desconocido.
- Tiempos de ordenado razonables.
- Puede formar parte de un modelo construido a partir de varios gemelos digitales, donde el sistema real está dividido en bloques más sencillos, cada uno aproximado por un gemelo digital.
Tensor Rank Descomposición ( TRD )
Un sistema complejo se puede describir a través de la interacción de diferentes variables. Si queremos conocer la respuesta del sistema modificado solo una de las variables puede que sea imposible obtener una única fórmula que describa el sistema, ya que las variables pueden verse afectadas también entre sí.
Obtener una relación matemática entre las variables y la respuesta del sistema puede convertirse en una tarea compleja. La posibilidad de describir el sistema a través de funciones independientes, una para cada variable del sistema es la base de la descomposición TRD.
La descomposición TRD es una técnica de descomposición de tensores, de objetos matemáticos que pueden ser vistos como mapas multilineales que contienen información sobre las relaciones paramétricas del sistema. Los tensores multidimensionales tendrán tantas dimensiones como parámetros se hayan incluidos en el sistema
La descomposición TRD es un método numérico para modelos de orden reducido y se basa en asumir que un problema de N variables, puede escribirse como el producto de N funciones dimensionales, una para cada una de las variables del sistema. Permite por tanto descomponer nuestro tensor de N dimensiones en M tensores unidimensionales.
