Il concetto di gemello virtuale (o “digital twin” in inglese) è emerso all’inizio degli anni 2000, ma ha guadagnato una diffusione significativa solo negli ultimi dieci anni. Diverse ricerche stimano una crescita media annuale del mercato dei gemelli virtuali dell’ordine del 40%. L’esplosione di popolarità coincide con l’avvento e la diffusione di sensori intelligenti, dell’Internet delle Cose (IoT) e della disponibilità di enormi quantità di dati, che possono essere sfruttati anche in tempo reale, spesso attraverso algoritmi basati sull’intelligenza artificiale.
Utilizzi e categorie di digital twin
Attualmente, il termine digital twin è ampiamente utilizzato in vari settori industriali, come automotive, aerospaziale, energia, industria pesante, industria di processo e costruzioni. È possibile identificare due principali categorie di gemelli virtuali:
Digital Twin per la progettazione
I digital Twin per la progettazione vengono utilizzati per migliorare la progettazione di sistemi e processi. Contribuiscono non solo al miglioramento dei prodotti ma anche a una significativa riduzione del time-to-market, dei costi e dell’energia necessari alla produzione, fino anche all’80%. Si tratta di prototipi virtuali, modelli matematici accurati che riducono quasi completamente la necessità di prototipi fisici, generando così enormi vantaggi.
Digital Twin per la fase operativa
I Digital Twin per la fase operativa processano dati in tempo reale provenienti da sensori installati in prodotti e processi. Sono modelli matematici adottati per il monitoraggio, il controllo e l’ottimizzazione operativa di sistemi già progettati ed operanti. Devono essere non solo accurati ma anche molto efficienti operando in tempo reale, spesso su hardware (edge devices) o piattaforme cloud. I benefici includono una riduzione dei malfunzionamenti e un’ottimizzazione delle prestazioni, con conseguenti risparmi in costi ed energia.
Digital twin e intelligenza artificiale: vantaggi e applicazioni pratiche
Come riportato, il digital twin è essenzialmente un modello matematico. Questo modello può essere realizzato con approcci tradizionali basati su equazioni fisiche o, soprattutto per sistemi complessi e quando si ha bisogno di modelli molto efficienti, basati su algoritmi di intelligenza artificiale (AI). L’AI, infatti, è molto utilizzata per realizzare modelli di ordine ridotto (reduced-order model). Questi modelli hanno il pregio di essere accurati e di richiedere sforzi computazionali molto ridotti.
L’interesse crescente per i gemelli virtuali è naturale, considerando l’aumento della competitività nei mercati, il crescente bisogno di sostenibilità e il ritorno sull’investimento, che spesso è inferiore a un anno grazie agli enormi benefici che offrono.
AI e digital twin per progettare i trattori
Un esempio eclatante è rappresentato dai trattori, che devono essere robusti, durevoli, efficienti e comodi. In passato, questi mezzi venivano sviluppati in garage, testando varie soluzioni su prototipi fisici e sovradimensionando componenti a discapito di peso e consumi. Oggi, i trattori sono oggetto di avanzati studi di ingegneria, come quelli condotti dalle più avanzate aziende del settore.
In questo caso, l’AI si occupa del modello che stima le forze di reazione tra l’aratro ed il terreno in base alle condizioni operative: velocità del mezzo e profondità di aratura. Per lo scopo si realizza un modello ad ordine ridotto partendo dai dati calcolati da un modello altamente dettagliato e preciso ma non in grado di rispettare il vincolo del real-time imposto dal simulatore e quindi non utilizzabile direttamente.
L’AI, invece, permette di creare modelli con accuratezza superiore al 96% e che risultano essere migliaia di volte più veloci rispetto al modello originale dal quale sono derivati abilitando un’applicazione altrimenti impossibile.
Leonardo, CNH e Patrone e Mongiello: tre casi italiani
In questi tre casi, la tecnologia digital twin, supportata da Altair, ha dimostrato di essere un potente strumento per migliorare la progettazione, la produzione e l’ottimizzazione dei prodotti, apportando significativi vantaggi economici e operativi.
CNH Industrial
- CNH Industrial, un gruppo italo-statunitense, utilizza la tecnologia digital twin per progettare e ottimizzare i propri trattori.
- Questa tecnologia permette di simulare in dettaglio il comportamento dei trattori, migliorando il comfort e riducendo le vibrazioni.
- L’intelligenza artificiale viene utilizzata per creare modelli sintetici operativi da quelli ad alta risoluzione, rendendo la simulazione pratica ed efficiente.
Leonardo
- Leonardo, azienda leader nel settore aerospaziale e della difesa, utilizza i gemelli digitali per progettare migliori sistemi di volo.
- Grazie a questa tecnologia, Leonardo ha ridotto del 5% la potenza necessaria per il sistema avionico e aumentato del 500% il tempo medio tra due guasti.
- L’azienda utilizza i gemelli digitali anche per monitorare e ottimizzare i propri prodotti esistenti in tempo reale.
Patrone e Mongiello
- Patrone e Mongiello, azienda produttrice di stampi per lamiere nel settore automotive, impiega gemelli digitali per monitorare la qualità della produzione.
- I sensori installati sui prodotti fisici rilevano anomalie e monitorano l’efficienza operativa in tempo reale.
- La tecnologia consente di identificare le cause delle deviazioni dal processo ottimale, migliorando così le future versioni dei prodotti.
Redazione
Digital twin nel settore aerospaziale
Il gemello virtuale trova applicazione in ogni industria. Ad esempio, un’importante azienda italiana del settore aerospazio e difesa utilizza la tecnologia Altair per il design e l’ottimizzazione di complessi sistemi avionici composti da vari sottosistemi interoperanti, ottenendo una riduzione della potenza necessaria superiore al 5% e un incremento del tempo medio tra due guasti superiore al 500%. Questo tipo di applicazione richiede modelli di ordine ridotto basati su AI per realizzare un digital twin efficiente che permetta analisi di ottimizzazione vincolata e multi-obiettivo altrimenti inattuabile.
Bisogna infatti tener conto che, sebbene la potenza di calcolo sia enormemente aumentata rispetto al passato, è altrettanto vero che i modelli stessi sono diventati più onerosi dal punto di vista computazionale e processi di ottimizzazione, che richiedono l’esecuzione di numerose simulazioni, possono risultare proibitivi anche al giorno d’oggi.
Digital twin nel settore manufacturing
Un altro esempio riguarda un’azienda di manufacturing, Patrone e Mongiello, che produce componentistica per automobili tramite stampaggio su lamiera. Qui, l’obiettivo è utilizzare i dati dei sensori per monitorare la qualità della produzione e capire quando questa diverge dalle condizioni nominali identificandone le cause.
In questa situazione, occorre disporre di modelli operanti in tempo reale, integrati in un’architettura software capace di acquisire, processare e visualizzare dati in modo robusto, efficiente ed efficace.
L’applicazione sviluppata riduce di oltre il 15% degli scarti e permette un design, questa volta di processo, più solido e basato su analisi strutturali avanzate che considerano le proprietà del materiale metallico lavorato ed i fattori operativi quali attrito nello stampo e forze esercitate dal premilamiera.
Sfide e opportunità per le aziende
Sempre più aziende sono convinte dei benefici del digital twin e si dotano di tecnologie digitali per ottenere o mantenere un margine competitivo verso la concorrenza internazionale. Queste tecnologie, supportate da algoritmi di intelligenza artificiale, rendono possibili applicazioni che con approcci tradizionali sarebbero inattuabili.
L’argomento è vasto e richiede molte competenze sia lato simulazione che gestione dati. Sebbene attualmente solo le medie e grandi aziende stiano riuscendo a trarre pieno beneficio da queste tecnologie, la loro crescente accessibilità sta permettendo a un numero sempre maggiore di aziende di adottarle.
