Crédito: Dominio público de Pixabay/CC0
Imagínese si pudiera mirar hacia el futuro de una máquina (acerque su desgaste, predice cuándo podría fallar y ajustar su rendimiento, todo sin tocarla.
Esa es la promesa del modelado gemelo digital: un modelo virtual que evoluciona y se adapta con su doppelganger del mundo real.
A diferencia de las simulaciones estáticas o los modelos 3D, los gemelos digitales, desarrollados con conocimiento experto, se actualizan constantemente por los datos en vivo recopilados del activo físico que representan, ya sea una turbina eólica, un automóvil o incluso un corazón humano.
Esta retroalimentación en tiempo real permite a los ingenieros rastrear el rendimiento, predecir fallas antes de que ocurran y planificar un mantenimiento a corto y largo plazo con una mejor precisión.
Es reportado que el 29% de las empresas manufactureras globales han implementado plena o parcialmente una estrategia gemela digital.
El profesor asociado Pietro Borghesani, de la Escuela de Mecánica y Manufactura de la UNSW, dice en industrias donde la seguridad, la confiabilidad y la rentabilidad son vitales, el modelado gemelo digital es extremadamente valioso en la gestión de activos.
“Un gemelo digital no solo simula, también vive con la máquina”, dice. “Puede usar el historial digital de su máquina para controlar cómo está evolucionando la degradación de los activos y luego usar ese conocimiento para optimizar sus operaciones.
“En lugar de ser reactivos a lo que le sucede al activo, nos permite planificar, pero con una mejor precisión”.
Desde hojas de turbina eólica hasta latidos del corazón
Los gemelos digitales ya se están utilizando para monitorear sistemas complejos en los sectores de fabricación y energía. Sin embargo, la tecnología no se limita a máquinas físicas grandes.
Las empresas constructoras utilizan ampliamente para diseñar y construir fases de una estructura para descubrir problemas antes de que se desarrollen y se vuelvan costosos.
En la industria médica, los investigadores biomédicos también están experimentando con gemelos digitales de órganos humanos, como el corazón, para comprender mejor la progresión de la enfermedad y personalizar los tratamientos.
“Se aplican los mismos principios: alimentar los datos específicos del paciente, actualizar el modelo continuamente y simular resultados futuros”, dice A/Prof. Borghesani
“Lo único que cambia es la física. Para una máquina, utilizamos la dinámica y el análisis de vibración. Para un corazón humano, se trata de biología y medicina”.
Los datos son el rey, pero la experiencia aún reglas
La columna vertebral de un gemelo digital exitoso son los datos y mucho. Pero incluso con los avances en los sensores y los dispositivos de Internet de las cosas (IoT), recopilar suficientes datos de alta calidad puede ser una barrera.
El profesor Zhongxiao Peng, quien dirige el Grupo de Investigación de Monitoreo de la Tribología y la Máquina en UNSW, dice que para construir un buen gemelo digital, necesita datos y un fuerte conocimiento fundamental de cómo funciona el sistema.
“En muchas aplicaciones críticas, a menudo es difícil recopilar grandes cantidades de datos, especialmente en diferentes condiciones operativas o defectuosas”, dice.
“Por ejemplo, si está utilizando un gemelo digital para predecir fallas en la turbina eólica, no desea muchos datos porque eso significaría que muchas turbinas eólicas han fallado, lo que sé que es un poco contradictorio.
“En estos casos, la experiencia humana interviene para construir los modelos a partir de principios físicos fundamentales. Luego, el gemelo digital puede ajustarse con los datos disponibles”.
Los gemelos digitales no son solo útiles para predecir fallas o reducir el tiempo de inactividad. También sirven como repositorios digitales del conocimiento institucional.
A/profesor. Borghesani dice que una de las mayores ventajas para las empresas es que puede integrar la experiencia de un ingeniero experimentado en el gemelo digital. De esa manera, la experiencia no sale por la puerta cuando salen de la organización.
“Esto es especialmente atractivo para las empresas de tamaño mediano, que a menudo luchan por reclutar o retener personal altamente especializado. Un gemelo digital bien diseñado actúa como un monitor de rendimiento y una herramienta de capacitación para la próxima generación de ingenieros”.
Escala: de máquinas a ciudades
A medida que crece la escala de los activos, también lo hacen los desafíos de implementar gemelos digitales.
Para sistemas a gran escala, como redes de carreteras complejas o infraestructura energética, los sensores tradicionales pueden ser costosos o poco prácticos de instalar en cada punto de datos.
A/profesor. Borghesani dice que los enfoques como la ‘detección de multitudes’ pueden ofrecer una solución a este problema.
“Los investigadores han explorado la idea de usar actividades cotidianas para recopilar datos de rendimiento en vivo”, dice.
“Imagine que podría ayudar a recopilar datos sobre la infraestructura vial simplemente conduciendo su ruta normal al trabajo. Hay estado de estudios Eso ha hecho exactamente eso, con múltiples vehículos recopilando datos para estimar la rugosidad de la carretera “.
A/profesor. Borghesani reconoce que los problemas de privacidad y propiedad de datos han limitado la adopción de esta idea, pero dice que otras fuentes de datos, como las imágenes satelitales disponibles públicamente, también podrían usarse como sensores.
“Los gemelos digitales también se pueden programar para interpolar entre los puntos de datos faltantes, si está limitado en la cantidad de datos que puede recopilar”, agrega.
La tensión ai
Una de las mayores barreras de adopción es la falta de experiencias de personas. Sin embargo, la inteligencia artificial (IA) tiene el potencial de automatizar el proceso intensivo laborista de construir un gemelo aprendiendo directamente de los datos.
“Es ingeniería inversa cómo generalmente construiríamos un gemelo digital estándar”, dice A/Prof. Borghesani.
“Con los modelos tradicionales, comprende la física y el razonamiento porque comienza con la experiencia.
“Con IA, a menudo es una caja negra. No es una experiencia que estés poniendo en el software; son muchos datos históricos. Y el programa recopilará la experiencia de los datos”.
Sin embargo, este modelo plantea problemas sobre la transparencia.
“Su modelo de IA podría decirle que el sistema fallará en tres meses, pero sin ideas sobre por qué el algoritmo llegó a esta conclusión, los ingenieros y operadores a menudo carecerían de la confianza para tomar medidas”, dice A/Prof. Borghesani.
“Estamos explorando enfoques híbridos, donde los modelos basados en la física se combinan con el aprendizaje automático de manera específica.
“Se trata de mejorar, no reemplazar, la experiencia”.
A medida que las nuevas tecnologías llegan al mercado a un ritmo aún más rápido, A/Prof. Borghesani dice que la capacidad del modelado gemelo digital se ha vuelto más importante.
Él dice que la transición a infraestructuras descentralizadas en las industrias como la energía, la logística y el transporte han visto a gemelos digitales convertirse en una función integral de las operaciones.
“En el pasado, es posible que solo haya tenido unas pocas docenas de centrales eléctricas para manejar. Pero ahora tiene miles de turbinas eólicas y millones de paneles solares que se alimentan de la misma red energética”, dice.
“Ya sea que mantenga un parque eólico funcionando sin problemas, o una infraestructura segura y eficiente, los gemelos digitales están emergiendo como una herramienta clave”.
Proporcionado por la Universidad de Nueva Gales del Sur
Cita: reinvención de infraestructura a través del modelado gemelo digital (2025, 6 de agosto) Recuperado el 6 de agosto de 2025 de https://techxplore.com/news/2025-08-reimagining-infraestructura-digital-twin.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
