Innovazione e sicurezza: Digital Twin, il modello intelligente definito come "a single point of truth"

Il Digital Twin: a single point of truth

In quest’era digitale, siamo esposti a un volume sbalorditivo di dati generati da più fonti che scorrono in flussi continui.

Raccogliere questi dati, dar loro un senso e prendere decisioni attuabili è una grande sfida. Questa "verità" fornita dal DT diventa un punto di riferimento affidabile per i Professionisti che lavorano nell'ambito di progettazione, manutenzione, monitoraggio e ottimizzazione dell'oggetto fisico corrispondente. Qualsiasi decisione o azione può essere basata sulle informazioni fornite dal DT, che si presume siano rappresentative dello stato reale e aggiornato dell'oggetto fisico. Le informazioni dettagliate e aggiornate sullo stato dell'oggetto fisico aiutano gli Utenti a comprendere le prestazioni, prevedere il comportamento e identificare potenziali problemi o ottimizzazioni.

Un DT crea un'autostrada digitale che unisce tutte le corsie di dati, raccogliendole in un unico punto di verità attraverso una dashboard o un ambiente immersivo che mostra tutto ciò che sta accadendo in un'organizzazione. Agisce come un super integratore, che può ingerire contestualmente flussi di informazioni da ogni oggetto, ogni processo, ogni Utente, collegandoli poi con benchmark prestazionali e scenari di rischio.

Un gemello digitale consente agli Utenti di vedere l'invisibile, eseguire esperimenti per comprendere gli scenari ipotetici, simulare, eseguire e controllare le proprie operazioni. Disponendo di sistemi che aiutano a comprendere modelli o intuizioni derivanti dall'analisi e dalla scienza dei dati si può formulare una strategia basata su di essi per controllare logicamente le proprie operazioni. Questo non può che offrire notevoli punti di vantaggio.

È interessante fare un breve punto della situazione sulle tecnologie che consentono di creare un DT; attraverso questa breve esplorazione diviene più evidente l’insieme dei vantaggi offerti da questa tecnologia. In generale queste piattaforme di simulazione consentono agli Utenti di creare e interagire con ambienti virtuali 3D in tempo reale. L’Utente ha la possibilità di creare e partecipare attivamente a esperienze immersive in ambienti virtuali tridimensionali. Attraverso l'uso di tecnologie come la realtà virtuale (VR) o la realtà aumentata (AR), gli Utenti possono immergersi in ambienti virtuali tridimensionali che replicano fedelmente l'aspetto e il comportamento dell'oggetto fisico.

In Figura 2 è riportato un esempio di un device di realtà mista disponibile sul mercato per il settore delle costruzioni, proposta dalla multinazionale statunitense Trimble Inc. Si tratta di una soluzione “Hololens 2 compatibile” con il classico caschetto da cantiere e certificata per l’uso in ambiente di cantiere controllati. È un visore senza cavi, che monta al proprio interno un sistema operativo. 

Questi ambienti possono essere creati utilizzando modelli 3D (realizzati da piattaforme di modellazione BIM se appartengono al mondo delle costruzioni), texture, animazioni e altre risorse visive per ricreare l'aspetto e la dinamica dell'oggetto reale.

I DT possono anche essere realizzati partendo da semplici fotografie piuttosto che da riprese video della struttura. Questo tipo di approccio è di grande interesse nel settore civile perché non sempre, per un certo asset fisico di cui si vuole creare il gemello virtuale, si può disporre di un input fornito da modelli BIM o anche disegni. Una tecnologia molto performante si basa essenzialmente sulla "fotogrammetria terrestre" per creare modelli accurati e di alta qualità a un costo contenuto. Le fotografie scattate con una fotocamera digitale, in combinazione con una serie di misurazioni di riferimento, sono tutto ciò che viene richiesto per la creazione del DT (Figura 3).

Un altro tipo di tecnologia che consente la creazione di un Digital Twin consiste nel partire dall'elaborazione di un modello di calcolo (modello numerico).

In questo caso si realizza un gemello digitale dove si combina l'esecuzione automatica di analisi (anche non lineari) agli elementi finiti con tecnologie per la calibrazione con la sensoristica mediante analisi inversa. Avendo a disposizione un modello numerico, esso viene calibrato in tempo reale, minimizzando la discrepanza rispetto ai dati misurati. Il DT si aggiorna automaticamente utilizzando i dati misurati dai sensori installati sull'opera (vedi in Figura 4 il caso di un modello numerico applicato ad un’infrastruttura in fase di realizzazione).

Gli Utenti possono quindi interagire con l'ambiente virtuale, esplorando gli oggetti, manipolandoli, visualizzando informazioni aggiuntive, attivando animazioni o simulazioni e sperimentando scenari specifici.

Questa interazione consente di comprendere meglio le caratteristiche dell'oggetto fisico, valutare le prestazioni, effettuare modifiche virtuali e svolgere attività di formazione o simulazione. Gli Utenti possono creare ambienti virtuali dettagliati e realisticamente illuminati. Ciò consente di visualizzare oggetti e scene complesse con elevato livello di dettaglio e interattività.

Altro aspetto interessante è la capacità di simulazione fisica e dinamica. Sempre più performanti motori di simulazione consentono agli oggetti virtuali di interagire tra loro e rispondere alle forze fisiche. Questo facilita la creazione di simulazioni realistiche e interattive tra gli oggetti. Disponendo di motori di rendering avanzati è possibile offrire risultati fotorealistici, illuminazione globale avanzata, riflessioni e ombre realistiche (Figura 5).

Decisiva è poi l‘integrazione di funzionalità di intelligenza artificiale (AI) e machine learning (ML), che permettono l'elaborazione smart dei dati e l'interazione con agenti virtuali. L'intelligenza artificiale comprende un insieme di tecnologie e algoritmi che consentono ai computer di simulare alcune capacità umane, come l'apprendimento, il ragionamento e la comprensione del linguaggio naturale. L'utilizzo delle funzionalità di AI nell'elaborazione dei dati offre numerosi vantaggi. Innanzitutto, diviene possibile l’analisi avanzata dei dati, l’identificazione di pattern, tendenze o correlazioni nascoste nei dati a disposizione, che potrebbero non essere rilevabili con metodi tradizionali, allo scopo di ottenere una comprensione più approfondita dei dati e di trarre conclusioni significative.

SCOPRI DI PIÚ SUL DIGITAL TWIN CON HARPACEAS SRL

Altro aspetto è il riconoscimento di modelli complessi; l'AI, infatti, può riconoscere e interpretare modelli complessi all'interno dei dati, anche quando le relazioni sono non lineari o non evidenti. L'AI può adattarsi e apprendere dai dati in tempo reale, consentendo una personalizzazione delle risposte o delle azioni in base alle preferenze o alle esigenze specifiche degli utenti. Ciò consente di offrire esperienze più personalizzate e mirate. Ad esempio, l'AI potrebbe essere utilizzata per analizzare i dati dei sensori nel DT e rilevare pattern, correlazioni o anomalie che potrebbero indicare un guasto imminente o una deviazione dalle condizioni normali di funzionamento (vedi Figura 6).

L'AI include poi l'apprendimento automatico (machine learning), che consente ai computer di imparare dai dati e migliorare le prestazioni nel tempo. Gli algoritmi di machine learning possono essere addestrati su dati storici per sviluppare modelli predittivi o per prendere decisioni basate sui dati in modo autonomo.

Il machine learning è un ramo dell'intelligenza artificiale che si concentra sull'addestramento di algoritmi per imparare dai dati e migliorare le prestazioni nel tempo; consente di analizzare e interpretare i dati in modo intelligente per ottenere informazioni significative e prendere decisioni basate sui dati. I modelli di machine learning possono essere addestrati per riconoscere pattern o strutture nascoste nei dati. Ciò permette di individuare relazioni, tendenze o anomalie che possono essere difficili da rilevare manualmente o con metodi tradizionali. I modelli di machine learning possono essere utilizzati per classificare o raggruppare i dati in base a determinati criteri o utilizzati per ottimizzare processi o prendere decisioni automatiche.

L'obiettivo principale di questa analisi dei dati è consentire azioni preventive o di manutenzione tempestive per prevenire guasti o ridurre al minimo i tempi di fermo dell'oggetto fisico. Rilevando i pattern di guasti imminenti, è possibile prendere provvedimenti preventivi come la sostituzione di componenti difettosi o la programmazione di interventi di manutenzione correttiva.

L'intelligenza artificiale e il machine learning consentono quindi di ben analizzare e interpretare i dati raccolti dal DT.

Altro tema è l’interazione con agenti virtuali; AI e ML possono essere utilizzati per creare agenti virtuali, come chatbot o assistenti virtuali, che possono interagire con gli Utenti nel contesto del DT. Questi possono rispondere a domande, fornire informazioni, eseguire azioni specifiche e assistere gli Utenti nelle loro attività (vedi Figura 7).

Le piattaforme che abilitano la creazione di un DT funzionano tipicamente in un ambiente cloud-native e distribuito, consentendo agli Utenti di accedere e collaborare su progetti da diverse posizioni geografiche. Questo facilita la condivisione dei progetti e l'accesso ai dati in modo sicuro e scalabile. Le informazioni relative all'oggetto fisico sono raccolte, integrate e conservabili in un unico repository, evitandone la dispersione e la frammentazione in diverse fonti, fornendo un unico punto di accesso per ottenere una visione completa dell'oggetto.

Un altro aspetto è legato alla consistenza dei dati. Poiché il DT viene aggiornato in tempo reale e utilizza dati provenienti da diverse fonti, garantisce la coerenza e l'accuratezza dei dati. Gli Utenti possono fare affidamento sul DT come fonte attendibile di informazioni sull'oggetto, evitando discrepanze o ambiguità. Le informazioni aggiornate e consistenti devono poi essere condivise. Grazie ad un DT è favorita la collaborazione in tempo reale tra gli Utenti sugli stessi progetti. Più persone possono accedere, modificare e visualizzare gli ambienti virtuali contemporaneamente, facilitando la collaborazione e la revisione dei progetti.

Queste tecnologie favoriscono l'interoperabilità tra diversi software e formati di file.
Ciò significa che gli Utenti possono importare e utilizzare dati provenienti da diverse fonti, inclusi software di progettazione, simulazione e rendering, per creare ambienti virtuali complessi e multidisciplinari. Il DT è accessibile alle diverse parti interessate, come operatori, tecnici, progettisti, responsabili delle decisioni e altro ancora. Ciò consente una condivisione efficiente delle informazioni, garantendo che tutte le parti coinvolte abbiano accesso alle stesse informazioni accurate e aggiornate.

Considerando tutte queste caratteristiche, un DT può sicuramente essere definito come un single point of truth. Da quanto descritto è abbastanza evidente come l’insieme dei molteplici aspetti tecnici “abilitanti” un DT non sia semplice da realizzare. Non siamo in presenza di un singolo software, ma di un ecosistema complesso che va costruito tenendo bene in conto l’obiettivo a cui si vuole tendere per il proprio DT.

La sigla SSOT viene spesso confusa con un singolo database o un repository per tutti i dati; in realtà implica un modello intelligente di dati costruito per un'ottimale integrazione e controllo dei dati provenienti da diverse fonti, evitando duplicazioni e ridondanze. Volendo realizzare una piattaforma che sia in grado di realizzare un efficace DT, è essenziale tenere ben presenti gli aspetti che possono impedire a un DT di essere un single point of truth (SSOT) o una fonte affidabile e unificata di informazioni.

Se i dati provenienti da diverse fonti o sistemi non venissero adeguatamente integrati nel DT, potrebbero verificarsi discrepanze o incoerenze nelle informazioni. Questo potrebbe derivare da formati di dati incompatibili, errori di trasmissione o mancanza di standardizzazione dei dati. La mancanza di integrazione dei dati può compromettere la coerenza e l'accuratezza del DT. Se i dati nel DT non vengono aggiornati regolarmente o se alcune informazioni cruciali fossero mancanti, il DT potrebbe non riflettere lo stato attuale dell'oggetto fisico corrispondente. Ciò può portare a decisioni errate o incomplete basate su informazioni obsolete o difettose.

Possono verificarsi errori di misurazione o di acquisizione dei dati che possono influire sulla qualità e sull'accuratezza delle informazioni nel DT. Inoltre, se diverse fonti di dati forniscono informazioni contrastanti o inconsistenti, potrebbe essere difficile determinare quale sia la fonte più affidabile e veritiera. Alcuni aspetti dell'oggetto fisico corrispondente potrebbero essere difficili da monitorare o misurare, causando una mancanza di dati completi nel DT. Questo può limitare la rappresentazione accurata delle caratteristiche e delle prestazioni dell'oggetto fisico.

La protezione dei dati sensibili e la sicurezza delle informazioni nel DT sono cruciali. Se il DT non è adeguatamente protetto da minacce di sicurezza o se le informazioni sensibili venissero compromesse, potrebbe esserci una mancanza di fiducia nel DT come single point of truth.

Un DT richiede un'adeguata manutenzione e gestione per garantire che le informazioni siano corrette, aggiornate e coerenti nel tempo. La mancanza di una gestione appropriata potrebbe portare a un deterioramento della qualità delle informazioni nel DT.