Por Guilherme Kastner,
Engenheiro de Aplicações na SKA

Para explicar os usos do gêmeo digital, foram coletados dados de diversas fontes, como o site Beyond PLM, um artigo da Forbes e uma entrevista de um especialista em Digital Twin para o blog Machine Design.

Na maior parte do artigo utilizei uma tradução livre destes conteúdos seguido de comentários contextualizados.

Existe um artigo da Forbes apontado pelo Oleg, escrito por Bernard Marr, um visionário de tecnologia, não relacionado a uma empresa de tecnologia em especial, que nos ajuda a categorizar e entender um pouco sobre Digital Twin.

A primeira definição é a mais simples e direta.

O gêmeo digital, do inglês digital twin, é uma ponte entre o mundo real e digital.

Existem alguns comentários de um engenheiro da Nasa, presente no mesmo artigo da Forbes, onde ele menciona a seguinte frase relacionada a Digital Twin.

O estado da arte para Digital Twin é criar, testar e construir nosso equipamento em um ambiente virtual.

A definição continua:

Somente o fabricamos quando ele estiver apto a atender nossos requisitos especificados, assim os construiremos fisicamente.

Segundo o artigo, a tecnologia do Digital Twin auxilia as empresas a melhorar a experiência de consumo e uso através do melhor entendimento das necessidades dos clientes, desenvolvimento de melhorias de produtos, operações, serviços e pode até auxiliar a entregar inovação em um novo negócio.

Em outro artigo, agora do site Machine Design, um líder de arquitetura de soluções da Razorleaf dá a as suas opiniões e expõe conceitos tecnológicos.

O artigo começa mencionando as tecnologias existentes, mencionando que o futuro do projeto assistido por computador em um mundo com internet das coisas é ligado ao Digital Twin. O gêmeo digital atua interligando dados CAD, sistemas de controle de ciclo de vida de produtos e sensores, para criar uma representação virtual dos produtos, nos permitindo prever performance, manutenção e falhas.

Ainda é mencionado que o conceito de Digital Twin é embrionário, na medida que as empresas se adequam a ele conforme necessidades pontuais. Alguns negócios se utilizam dessa tecnologia para controlar itens físicos, portanto o uso funciona para validar o comportamento físico dos componentes integrados a comandos executados por softwares. Outros usam gêmeo digital para realizar previsões mais confiáveis de performance de uso do produto, para assegurar que as especificações de uso sejam mais precisas. Entretanto, a maior parte das organizações ainda está tentando definir o valor desta tecnologia para a construção de um modelo que represente o seu produto no mundo virtual, já que todos estamos a anos de distância de termos uma representação completa de cada instância de um produto.

Agora falando do gerenciamento, as ferramentas de PDM (Product Data Management) através de um sistema completo de PLM (Product Lifecycle Management) se trata de base para um gêmeo digital, agrupado com camadas de soluções IOT (internet of things) e IIOT (industrial Internet of Things). Os serviços de coletas de dados dos sistemas MES são os principais provedores de dados de IOT e IIOT com os dados integrados.

Um exemplo prático de aplicação dos sistemas MES, Manufaturing Execution Systems, são os fabricantes de grandes equipamentos, como aviões. Eles realmente rastreiam todas as peças físicas em produção através da planta fabril. Todos os dados coletados são utilizados para qualidade e SPC (controle estatístico de processos), sendo essa informação extremamente rica para consulta e análise.

Usuários que criam gêmeos digitais de grandes equipamentos estão visualizando o retorno sobre o investimento. Quando visualizado que o item analisado está com parâmetros de vibração e temperatura fora de valores padrões, isso possibilita uma parada preventiva para uma inspeção. Não se trata necessariamente de uma falha, mas quando se sabe que algo anormal está ocorrendo, ele permite a análise virtual do comportamento ocorrido. Esse tipo de aplicação tem sido a mais popular para obtenção de um rápido retorno do investimento para o Digital Twin.

É relativamente complexo gerenciar a integração entre a performance do mundo real (IIoT e IoT) para um produto de ações preventivas sem qualquer modelo de referência para aplicar e consultar dados. Então, sem qualquer modelo virtual relevante de um produto, é extremamente complexo extrair informações relevantes de campo.

Uma vez que um gerenciamento Model Based seria o framework adequado para incorporar os dados de digital twin, os ambientes PLMs seriam a base adequada para este tipo de solução.