ERNI es una empresa de desarrollo de software especializada en diagnóstico médico, y han estado trabajando en el tema de la implementación de gemelos digitales para predecir cuándo fallará un producto tecnológico.
Hablamos con Didac Lopez, responsable de Calidad de Software de ERNI España, para que nos explique mejor el asunto.
¿Qué diferencia hay entre un gemelo digital y una simulación?
Hay mucho de simulación dentro de un gemelo digital y a veces son conceptos que se confunden.
Hablando de desarrollo software, una simulación reproduce una serie de operaciones, más o menos configurables, contra una interfaz o en respuesta a una acción del sistema en desarrollo. Nos ayuda a desarrollar distintos componentes de forma aislada.
Por otro lado, un gemelo digital es una entidad propia que representa un proceso, sistema u objeto, haciéndolo en tiempo real y con interacción con datos y sistemas físicos externos. Esto quiere decir que el comportamiento de este gemelo digital está modelado con datos del gemelo real o lógica de negocio.
Veámoslo con un ejemplo:
Tenemos un servicio web ya en producción que está ganando popularidad. Queremos conocer cómo se comportará el sistema en un escenario de alta demanda.
Por un lado, podemos simular esta alta demanda mediante pruebas de rendimiento. Se elige la operativa más critica a nivel de negocio y se lanzan miles de peticiones concurrentes. Con esto podemos optimizar esta parte del sistema.
Por otro lado, podemos crear un gemelo digital de la audiencia utilizando los datos que tenemos sobre el comportamiento de los usuarios dentro del servicio. El Gemelo digital será utilizado para recrear este escenario de alta demanda. Ayudándonos a optimizar el sistema en su conjunto basado en la experiencia real hasta el momento.
¿Cómo puede predecir un gemelo digital cuándo fallará un producto tecnológico?
El mantenimiento predictivo nos permite adelantar fallas en un producto mediante el cálculo estadístico. Nos basamos en los datos recogidos durante la vida útil de este producto y otros iguales.
Ésta es una característica propia del “Machine Learning”. Se recogen datos del producto operando en distintos contextos, se genera un modelo matemático que aprende de ellos y este hace predicciones sobre el funcionamiento futuro a partir del funcionamiento presente de un producto especifico.
Entonces ¿Dónde entra el gemelo digital?
Para que un Gemelo digital pueda hacer mantenimiento predictivo y alertar de un probable fallo debe incorporar el modelo matemático y evaluar con los datos actuales que llegan desde su gemelo real.
El gemelo digital también sigue alimentando con estos datos el modelo para que este vaya aprendiendo y adaptándose. Una ventaja de esto es que el gemelo digital al conocer la lógica de negocio puede agregar calidad en los datos utilizados.
¿Con qué porcentaje de fiabilidad se trabaja?
El porcentaje de fiabilidad va a depender directamente de la calidad de los datos que se puedan recoger, la cantidad de datos disponible y el algoritmo escogido para implementar el modelo matemático.
De todos modos, es importante remarcar que no siempre es correcto trabajar con un porcentaje de fiabilidad. Veámoslo con un ejemplo:
- Pongamos que tenemos una impresora que rompe el cabezal 1 vez de cada 100 impresiones.
- Pongamos que nuestro modelo siempre da como resultado de la impresión que el cabezal está en buen estado
- Este modelo trabaja con un 99% de fiabilidad, pero la realidad es que no es útil.
Existen otras métricas que pueden ser más interesantes dependiendo del caso concreto que enfrenta el modelo y de las consecuencias que tiene un falso negativo y/o un falso positivo para el negocio.
¿Qué otros beneficios tienen trabajar con gemelos digitales?
Mas allá del mantenimiento predictivo, nosotros estamos hablando de servicio predictivo. Esto se refiere a que ya no solo buscamos una posible falla del sistema. Sino ayudar a predecir otros aspectos del negocio que también aportan valor. Por ejemplo, predecir cual será el consumo de agua de un determinado plantel habilitando a los responsables de su gestión a tomar decisiones de logística.
Dentro del mundo de desarrollo IoT se requiere acceso al dispositivo físico o “Hardware” que va a ejecutar nuestra aplicación. Este Hardware a su vez suele estar físicamente interconectado con otros componentes (antenas, sensores, giroscopios, …) que a su vez están interactuando con el mundo a su alrededor.
Trabajar directamente con el entorno físico es costoso y simular una operativa especifica es poco flexible. Un gemelo digital del entorno físico nos permite desarrollar en un mundo virtual y ajustar la configuración de componentes de forma ágil. Además, hemos observado que este tipo de estrategia permite escalar rápidamente los equipos de desarrollo y pruebas, especialmente en aquellos escenarios donde el dispositivo utilizado es costoso en tiempo y dinero.
Otro uso de los gemelos digitales es el prototipado. Ayudamos a uno de nuestros clientes con un proyecto de diseño de laboratorios. En este caso había un “digital twin” (gemelo digital) para cada uno de los elementos de laboratorio (maquinas, personal, …), se colocaban por el espacio virtual y se hacían pruebas para valorar la distribución más eficiente antes de trasladar todo el material de laboratorio.
En sistemas complejos en los que hay un componente central encargado de monitorizar, orquestar o gestionar múltiples dispositivos que son heterogéneos y dinámicos. Conseguimos una ventaja importante al tener gemelos digitales de estos para generar escenarios de prueba que de otro modo serían muy difícil de conseguir
En conclusión, Mantenimiento predictivo es uno de los usos para un gemelo digital entre muchos. La inclusión de esta tecnología puede ayudar en el prototipado, desarrollo del producto, desarrollo de productos asociados, control y monitorización a futuro. Aplicando el Gemelo digital en estas fases acortamos el tiempo necesario para poner en mercado y evolucionar una nueva tecnología en un dispositivo físico que todavía no es capaz de producirse en masa o que su coste es muy elevado.
¿Con qué clase de productos se trabaja mediante esta solución?
Cualquier producto es susceptible de beneficiarse de una forma u otra del concepto de “digital twin”. Como hemos visto, desde aplicaciones web hasta desarrollo IoT.
Aunque donde tiene un valor más alto es para aquellos productos que son difíciles de estudiar a lo largo de su vida útil como vehículos, maquinaria industrial, maquinaria médica, etc.
Nosotros tenemos experiencias aplicando gemelos digitales en dispositivos inteligentes para vehículos autónomos, impresoras 3D de última generación, robótica y dispositivos de diagnóstico médico.
¿Cómo se avisa al propietario o empresa fabricante de que un producto está a punto de fallar?
Volviendo al punto del servicio predictivo. A nuestros clientes lo que realmente le aporta valor es que todas estas predicciones e información procedente del “digital twin” este accesible, visible y clara. El objetivo de este servicio es que los datos recogidos habiliten la toma de decisiones de negocio.
Con este tipo de soluciones predictivas se suele acompañar una aplicación capaz de gestionar y configurar estos gemelos digitales, de representar la información y las alertas están perfectamente automatizadas.
¿Se genera menos basura electrónica gracias a los gemelos digitales?
Sin duda, en distintas fases:
En la fase de prototipado Tener una representación digital de tu producto que permita trabajar hasta encontrar el diseño optimo es un ahorro de material electrónico. En el caso de las placas electrónicas que llevan dentro muchos artículos de nuestro día a día, hay una “hornada” mínima que se debe fabricar para que salga rentable el coste de fabricación. Con cada cambio en el diseño toda la “hornada” anterior debe desecharse y no se puede reutilizar para ninguna otra cosa.
En la fase de pruebas. Tener la posibilidad de exponer tu producto a múltiples escenarios de prueba en el mundo virtual genera que no solo la basura electrónica sino otros gastos asociados (como el combustible) queden mitigados. Por ejemplo, algunos componentes de automóvil se prueban instalándolos y poniendo el coche a circular durante miles de kilómetros.
En la fase de monitorización un mejor mantenimiento de los dispositivos alarga la vida de los mismos.
Gracias a ERNI por su tiempo y por compartir su conocimiento.