All’interno del paradigma della Decision Intelligence il concetto di Digital Twin ha raggiunto il ruolo di step evolutivo della Simulazione. I gemelli digitali hanno una rilevanza centrale nei processi di business aziendali perché permettono alle organizzazioni, attraverso la combinazione di tecnologie ingegneristiche, informatiche e analitiche, di migliorare le proprie performance controllando la progettazione, i processi produttivi, i tempi di sviluppo e i rischi derivanti da qualsiasi tipo di imprevisto.
L’evoluzione del concetto di Digital Twin
Era il 2002 quando Michael Grieves, durante un corso di Product Lifecycle Management (PLM) presso l’Università del Michigan, utilizzò per la prima volta il termine di gemello digitale per descrivere l’equivalente virtuale e digitale di un prodotto fisico.
Il concetto di Digital Twin è stato poi ripreso nel 2010 in una pubblicazione della NASA con l’accezione di “una simulazione ultra-realistica ad alta scalabilità, che utilizza i migliori modelli fisici disponibili, i dati dei sensori e quelli storici per il mirroring di uno o più sistemi reali” (traduzione nostra).
Per una definizione del concetto di Digital Twin più recente, inserita nella cornice della Decision intelligence e con un’accezione decisamente proiettata su aspetti più tecnologici, possiamo far riferimento al glossario di Gartner, dove per Digital Twin si intende “una rappresentazione digitale di un’entità o di un sistema del mondo reale. L’implementazione di un gemello digitale è un oggetto o modello software incapsulato che rispecchia un oggetto fisico, un processo, un’organizzazione, una persona o un’altra astrazione univoci. I dati di più gemelli digitali possono essere aggregati per una visualizzazione composita di una serie di entità del mondo reale, come una centrale elettrica o una città, e i relativi processi” (traduzione nostra).
In altre parole, i Digital Twin sono copie virtuali di oggetti esistenti nel mondo reale. Si tratta di modelli software utilizzati per simulare processi prima che vengano adottate soluzioni di implementazione che impattano sulla vita reale. La connessione tra la dimensione intangibile del virtuale e la realtà digitalmente riprodotta avviene attraverso la compresenza di diversi elementi:
- sensori, necessari a catturare segnali che comunicano al gemello digitale dati ambientali e operazionali
- attuatori, che operano direttamente sul processo reale con l’obiettivo di ottimizzarlo
- dati, che rappresentano le informazioni aggregate che il gemello digitale riceve dai sensori del mondo fisico o da connessioni a fonti esterne
- tecniche analitiche, finalizzate all’analisi dei dati che, attraverso simulazioni e visualizzazioni di routine giornaliere, producono previsioni atte a migliorare il sistema stesso
Testare in maniera controllata e capire in anticipo come si comporteranno sistemi o prodotti su cui un’azienda intende investire permette di migliorare le decisioni dei manager in termini di efficienza ed efficacia, con risvolti positivi per tutti gli aspetti del business di riferimento.
Creare un Digital Twin infatti permette di rappresentare qualsiasi aspetto dell’oggetto fisico a livello meccanico, geometrico ed elettronico, secondo un approccio che permette di sviluppare attività sperimentali e predittive che consentono, da un lato, di risparmiare sulla creazione di prototipi fisici molto costosi; dall’altro, di prevedere in anticipo comportamenti anomali, rischi ed errori che potrebbero avere un forte impatto su tutti i processi aziendali.
Dal What-if al Now-What: come cambia la simulazione con i digital twin
Attraverso la simulazione tradizionale si testano gli effetti di una scelta di design (tipologia di macchinari, quantità di workstation, numero dipendenti, presenza buffer, ecc.) tramite scenari decisionali di tipo What-If. Per effettuare la simulazione non è necessario il coinvolgimento della linea produttiva reale ma le performance teoriche vengono valutate ancora prima della messa in funzione della linea.
Questo tipo di attività fa parte dei predictive analytics, cioè quelle attività analitiche che determinano previsioni sul futuro, nella maggior parte dei casi a medio e lungo termine, partendo da dati storici o di tendenza. Questo approccio permette di simulare differenti scenari variando alcuni parametri, con l’obiettivo di capire l’impatto che una determinata scelta potrebbe avere su elementi come ad esempio i profitti, i costi, la forza lavoro, ecc. Si tratta dunque di valutare uno o più scenari futuri possibili e alternativi attraverso un modello matematico.
Grazie all’utilizzo dei CPS (Cyber-Physical System) nelle fabbriche, il Digital Twin permettere la raccolta di dati in tempo reale e la valutazione dei risultati ottenuti attraverso la simulazione (in run-time) e l’andamento produttivo reale. Questo cambio di modalità e tempistica nel fornire una valutazione dei risultati ottenuti modifica di netto l’approccio verso lo scenario decisionale che non sarà più di tipo What-If, ma diventa di fatto Now-What in funzione dell’arrivo in tempo reale dei dati. Dunque, l’informazione è disponibile in tempo reale ed è immediatamente fruibile ai Decision Makers, riducendo i tempi della decisione ma mantenendo il livello di affidabilità della simulazione.
Digital Twin e Decision Intelligence: un gemello digitale per l’ottimizzazione dei processi di magazzino
La smaterializzazione della realtà, avvenuta grazie all’accelerazione digitale e al passaggio dalla società dell’atomo alla società del bit, permette di riprodurre rapidamente qualsiasi tipo di impianto o prodotto, rendendo i campi di applicazione dei Digital Twin molteplici.
Spindox, con la soluzione di Warehouse Optimization di Ublique, nell’ambito del progetto Warehouse Control Tower, un sistema di ottimizzazione creato per le esigenze specifiche di uno dei brand italiani più prestigiosi del settore fashion , è riuscita a ottimizzare e a efficientare tre processi altamente impattanti per le operazioni di magazzino: il planning, il real time dispatching e lo scheduling.
Tra i vantaggi ottenuti dall’utilizzo della soluzione si è evidenziato un altissimo livello di dettaglio, raggiunto grazie a un digital twin del magazzino in 3D che ha permesso all’utente di visualizzare i movimenti reali della merce, sia con la modellizzazione semplificata, sia con quella ultradettagliata.
