Digital twin (‘Gemelo digital’): una buena idea pero todavía lejana
El concepto de gemelo digital suena muy atractivo. Pero es increíblemente complicado y queda como mínimo una década para que sea una realidad en el sector del agua.
El valor de los gemelos digitales es evidente. Aunque se trata de un invento reciente (hace menos de 20 años), han contribuido a mejorar los diseños de las turbinas de generación de energía, los motores a reacción y las locomotoras.
Pero no nos podemos dejar engañar por aquellas soluciones preexistentes que incorporen la etiqueta de «gemelo digital». Para ganarse esta etiqueta, debe haber mucho trabajo detrás.
«Desarrollar con éxito un marco para los gemelos digitales» suena muy prometedor, pero el contenido del artículo no cumple las expectativas del título. Aunque los gemelos digitales no tienen que ser perfectos para ser útiles, veamos cuáles son los componentes necesarios.
- Es necesario incluir en el modelo el mayor número posible de componentes del sistema: la longitud, el material y el diámetro de todos los tubos, todas las bombas, válvulas, conexiones e interconexiones, así como todos los usuarios.
- Es necesario registrar el mayor número posible de acciones que modifican el sistema: cualquier reparación, sustitución y adición, así como cada ajuste de la presión de salida.
- Es necesario que se comunique el estado del mayor número posible de partes del sistema: lecturas de presión, caudal, acústica, temperatura y calidad; fugas, fallas y quejas de los clientes.
- Los gemelos digitales deben poder analizar diferentes situaciones posibles y emitir predicciones sobre el futuro para facilitar las decisiones. Por lo tanto, los gemelos digitales no pueden construirse solo con datos, sino que también deben incluir modelos predictivos.
- Los modelos deben funcionar a cierta velocidad. «Los gemelos digitales actuales son en gran parte el resultado de soluciones técnicas a medida, que son difíciles de escalar», explican en Nature Computational Science los expertos del sector sanitario y aeroespacial del King’s College de Londres, el Alan Turing Institute, la Universidad de Cambridge y el Oden Institute for Computational Engineering and Sciences de la Universidad de Texas en Austin.
- Los modelos deben tener en cuenta la incertidumbre de los datos y de las predicciones.
Y esto entraña una complejidad enorme. Mientras se desarrollan las soluciones, las compañías del agua deben asegurarse de que sus datos SIG sean completos y exactos; dotar la red de equipos y monitorearla, y empezar a crear un historial de modificaciones en la red.