El gemelo digital industrial: ¿física o IA?

Cada vez los vemos más. Los gemelos digitales se han convertido en una de las herramientas más empleadas para operar de forma eficiente y segura. Consiste, en esencia, en una representación virtual (antes solía decir que era una maqueta digital, ¿pero todavía se hacen maquetas?) de un sistema físico: una máquina, una línea de producción o incluso una planta entera. Y se pueden construir de dos maneras: desde la física —a partir de modelos basados en primeros principios— y desde los datos.

  1. Gemelo digital basado en primeros principios: Se basa en ecuaciones físicas conocidas: leyes de la termodinámica, conservación de masa, ecuaciones de fluidos, modelos elásticos... Este tipo de gemelo reproduce el comportamiento del sistema tal como debería ser según su diseño. Por ejemplo, es muy empleado para calcular con muchísima precisión la energía que debería producir un aerogenerador o una planta fotovoltaica. ¿Con qué fin? Detectar desviaciones entre la medición y el cálculo, por una incidencia, por ejemplo, o para pedir explicaciones al operador.

  2. Gemelo digital basado en datos (data-driven): Se entrena a partir de datos reales recogidos del sistema mediante sensores. Usa técnicas de machine learning para identificar patrones y hacer predicciones, incluso sin entender del todo el mecanismo físico.

Ambos tienen ventajas y limitaciones. Los modelos físicos son explicables y extrapolables, pero pueden estar mal calibrados o ser lentos. Los modelos de datos son rápidos y precisos en condiciones conocidas, pero opacos y frágiles ante lo inesperado.

El gemelo digital híbrido

Un gemelo híbrido integra la estructura de un modelo físico con la adaptabilidad de un modelo entrenado con datos reales. Se pueden combinar de varias formas:

  • El modelo de datos corrige desviaciones del modelo físico.

  • El modelo físico genera datos sintéticos veraces para entrenar modelos de ML.

  • Ambos se ejecutan en paralelo y se ponderan según el contexto.

El resultado es un sistema más rápido, preciso y robusto. Pero para que esto funcione, necesitamos una capa fundamental: la monitorización en tiempo real.

Un gemelo digital sin datos actualizados es solo una bonita simulación. Para que esté "vivo" necesita una conexión constante con su sistema físico a través de sensores IoT, redes industriales, edge computing y sistemas SCADA. Esta monitorización en tiempo real permite:

  • Ver el estado actual del sistema.

  • Detectar anomalías o desviaciones.

  • Lanzar análisis “what if” (“qué pasaría si”).

El gemelo se convierte en centro de control inteligente, con capacidad para observar, anticipar y recomendar.

IA Generativa: el copiloto del gemelo

En los últimos meses, la IA generativa ha dado un salto desde los chats a las fábricas. Su aplicación industrial no es crear imágenes o redactar informes, sino generar conocimiento, modelos y escenarios que antes eran lentos o imposibles de construir.

Por ejemplo:

  • Generar modelos de componentes a partir de planos o descripciones.

  • Simular escenarios hipotéticos en lenguaje natural: "¿Qué pasa si aumento el caudal un 15% y baja la temperatura exterior a 5ºC?"

  • Explicar decisiones del sistema en lenguaje humano.

Pero hay un uso especialmente potente y que está ganando tracción: la generación de datos sintéticos para mantenimiento predictivo. Porque uno de los mayores problemas del mantenimiento predictivo es la falta de datos de fallo (piensa en centrales nucleares). Las máquinas están diseñadas para no fallar, y cuando lo hacen, a menudo no se registra todo lo necesario.

En este caso, el gemelo digital basado en física se puede usar para simular miles de escenarios de desgaste, condiciones extremas o errores operativos. Estos datos, una vez generados, sirven para entrenar modelos de detección de anomalías o validar algoritmos sin necesidad de esperar a que algo se rompa.

Puedes ver un ejemplo en esta presentación de Nvidia donde un pequeño robot fue entrenado para interactuar con el mundo real empleando solo datos sintéticos procedentes de un gemelo digital (la plataforma Omniverse). Salta al minuto 1:30:28. 

Anterior
Anterior

Sobre la IA y su impacto en la experiencia de cliente.

Siguiente
Siguiente

Del SEO al GEO: cómo adaptarse al nuevo paradigma generativo