Che cos'è un gemello digitale?

Un gemello digitale (digital twin) è un modello software di un asset, di un processo o di un sistema fisico, mantenuto sincronizzato con la sua controparte reale tramite dati in tempo reale. In quella frase la parola che conta è “modello”. Un gemello non è solo l’ultima serie di letture dei sensori: è una rappresentazione strutturata di che cos’è l’oggetto, di come si relazionano le sue parti, di come si comporta e in quale stato si trova adesso, aggiornata di continuo dai dati IoT e utilizzabile per domande a cui i dati grezzi, da soli, non possono rispondere.

I fornitori hanno dilatato il termine fino a coprire di tutto, da un rendering 3D a una riga di database, quindi conviene essere precisi. Questa guida definisce cosa contiene un gemello, lo distingue dai concetti più semplici con cui viene spesso confuso, descrive i livelli di capacità che può avere e stabilisce quando l’investimento ripaga e quando basterebbe una dashboard.

Cosa contiene un gemello?

Un gemello utile ha quattro parti.

Un modello strutturale. Di cosa è fatto l’asset e come si collegano le sue parti: una turbina eolica ha una torre, una navicella, un moltiplicatore di giri, un generatore e tre pale; un edificio ha piani, zone, unità di trattamento aria e le condotte che le collegano. Questa gerarchia dà a ogni misura un posto a cui appartenere.

Uno stato. I valori correnti delle proprietà che contano, alimentati dalla telemetria che arriva dalla pipeline di dati: temperature, velocità, posizioni, modalità operativa, allarmi. Questa parte si sovrappone a un device shadow, ma copre un intero asset anziché un singolo dispositivo.

Uno storico. Serie temporali per ogni proprietà, così che il gemello possa mostrare le tendenze e consentire analisi nel tempo.

Un comportamento. Regole o modelli che descrivono come l’asset risponde agli input. Può essere semplice come una tabella degli intervalli operativi attesi o complesso come una simulazione fisica o un modello di machine learning addestrato. Il comportamento è ciò che distingue un gemello da un archivio molto dettagliato.

Cosa non è un gemello digitale?

Una dashboard visualizza dati; non ha alcun modello dell’oggetto. Un device shadow conserva l’ultimo stato noto e lo stato desiderato di un singolo dispositivo, così che applicazioni e firmware possano sincronizzarsi; non sa nulla dell’asset a cui il dispositivo è collegato. Un modello 3D o un file BIM descrive la geometria ma non ha dati in tempo reale. Una schermata SCADA mostra i valori di processo in tempo reale e permette il controllo, ma di norma non ha né uno storico né un modello di comportamento che vada oltre i limiti di allarme.

Un gemello può essere costruito sopra tutti questi elementi: è il livello che li collega attorno a un modello dell’asset.

Quali livelli di capacità può avere un gemello?

I gemelli vengono spesso descritti come una scala, e sapere quale gradino serve evita di costruire più del necessario.

Descrittivo. Il gemello rispecchia lo stato corrente e lo storico dell’asset. Risponde a “cosa sta succedendo” e “cosa è successo”. La maggior parte delle installazioni che si definiscono gemelli è a questo livello, ed è già prezioso: un unico posto in cui il tecnico di manutenzione vede ogni lettura di una macchina nel suo contesto, invece di cercarla in sistemi separati.

Diagnostico. Il gemello mette in relazione le misure tra loro e con il modello strutturale, così da poter spiegare il perché. Un aumento della temperatura del moltiplicatore, insieme a un cambiamento nello spettro delle vibrazioni e a un carico invariato, indica un cuscinetto, non le condizioni ambientali. Di solito richiede regole di dominio o modelli addestrati sopra lo stato.

Predittivo. Il gemello proietta in avanti. Usando lo storico e un modello di comportamento stima la vita utile residua, il tempo al raggiungimento di una soglia o il consumo energetico del giorno successivo. È qui che vive la manutenzione predittiva, e la guida sulla manutenzione predittiva con IoT e AI descrive il lavoro di modellazione necessario.

Prescrittivo e di simulazione. Il gemello può essere eseguito con input ipotetici. Cosa succede alla produzione se la linea va più veloce, al comfort se il setpoint dell’HVAC si abbassa, al degrado delle batterie se la flotta si ricarica di notte. A questo livello il gemello diventa uno strumento di pianificazione e, in alcuni sistemi, le sue raccomandazioni vengono rimandate come comandi all’asset reale.

Ogni livello richiede quelli sottostanti e aggiunge costi; un gemello descrittivo solido con qualche regola diagnostica spesso cattura la maggior parte del valore.

A quali scale esistono i gemelli?

I gemelli esistono a diverse scale, e a ciascuna l’ingegneria cambia.

Un gemello di componente o di asset modella una singola macchina: una pompa, un trasformatore, un motore aeronautico. I volumi di dati sono contenuti e il modello di comportamento può essere dettagliato.

Un gemello di sistema o di processo modella una linea di produzione, una rete idrica o un edificio. Combina molti gemelli di asset e aggiunge le relazioni tra loro, come il flusso da una fase alla successiva. I casi d’uso di smart building e smart factory vivono qui.

Un gemello di flotta o di città aggrega migliaia di sistemi. A questa scala il gemello è soprattutto un modello di dati e un insieme di analisi aggregate; una fisica dettagliata per ogni asset non è praticabile. Le piattaforme per la smart city che modellano traffico, energia e servizi di pubblica utilità di un quartiere sono l’esempio tipico.

Come si costruisce un gemello?

Un progetto di gemello inizia dal modello strutturale, e l’errore più comune è partire invece dai dati. Si definiscono prima la gerarchia degli asset e le proprietà di ciascun elemento, usando un modello informativo standard dove esiste (le companion specification OPC UA per le apparecchiature industriali, le ontologie degli edifici per gli impianti). Poi si mappa ogni sorgente di dati su quel modello: quale sensore, attraverso quale gateway, alimenta quale proprietà.

Il lavoro sulla pipeline è poi quello consueto: acquisizione, validazione, archiviazione in un database di serie temporali e un servizio che materializza lo stato corrente di ogni elemento. I modelli di comportamento si aggiungono in modo incrementale, partendo dalle regole che gli ingegneri applicano già a mano.

Diverse piattaforme IoT offrono servizi di modellazione dei gemelli con un grafo di entità, relazioni e proprietà. Evitano di dover costruire l’archivio del modello, ma legano il modello al fornitore, quindi vale la pena insistere su standard aperti per la definizione del modello.

Identità, accessi e governance contano quanto per qualsiasi altro dato IoT. Un gemello concentra in un unico posto tutto ciò che si sa di un asset, il che è comodo per gli ingegneri e altrettanto comodo per un attaccante.

Quando vale la pena un gemello?

Un gemello ripaga il suo costo quando si verificano tre condizioni. L’asset è abbastanza costoso o critico perché decisioni migliori su di esso abbiano un valore misurabile. Le decisioni dipendono dalla combinazione di più sorgenti di dati che oggi vivono in sistemi separati. E le domande che le persone pongono riguardano relazioni o scenari futuri, non solo valori correnti. Turbine, linee di produzione, flotte di apparecchiature ospedaliere e sistemi energetici di quartiere soddisfano queste condizioni.

Un gemello è eccessivo quando una dashboard e qualche regola di avviso rispondono a ogni domanda che viene posta, quando l’asset è economico e sostituibile, o quando i dati per alimentarlo non esistono ancora. In questi casi il primo passo giusto è installare i sensori e una pipeline semplice, e tornare sul gemello quando ci sono un anno di storico e un arretrato di domande senza risposta.

Per continuare

• La pipeline di dati IoT copre l’infrastruttura che mantiene sincronizzato un gemello.
• Industrial IoT: una guida pratica descrive il contesto di fabbrica in cui i gemelli sono più diffusi.
• Le piattaforme IoT spiegate confronta le piattaforme che offrono la modellazione dei gemelli.
• Manutenzione predittiva con IoT e AI mostra il livello predittivo nella pratica.

Argomenti: gemello digitale, simulazione, architettura, Industrial IoT