El proyecto Twin NavAux, centrado en la promoción del uso del gemelo digital en la industria auxiliar naval de Galicia – Norte de Portugal, ha publicado un nuevo “Informe de Arquitectura Estándar para la implementación de un Gemelo Digital de producto”.

Un Gemelo Digital es un modelo virtual que representa el estado exacto de su gemelo físico (real) en cualquier momento y ante cualquier situación a partir del intercambio de datos reales; los datos fluyen del real al virtual y viceversa. Cualquier cambio que se produzca en la parte real o en la virtual debe reflejarse en la otra, de forma que la réplica real-virtual sea exacta.

Y este Gemelo Digital puede utilizarse para la monitorización de un equipo, sistema o proceso, el mantenimiento predictivo de equipos y sistemas o el testeo de prototipos y simulación de escenarios.

Sea cual sea su uso, y aunque varía dependiendo de la funcionalidad o necesidades, un Gemelo Digital cuenta con una arquitectura de la que forman parte los diferentes componentes que integran su despliegue y que son necesarios para un óptimo funcionamiento. Se trata de la sensórica, los entornos de simulación, los entornos de ejecución, el almacenamiento de datos, la analítica (Big data, ML/DL) y la ciberseguridad. Vamos a analizar con detalle cada uno de ellos.

Sensórica – IoT

El primer componente esencial de los Gemelos Digitales son los sensores. Estos dispositivos miden una magnitud física y pueden ser analógicos o digitales. Son los encargados de proporcionar información variada del activo real. Los llamados sensores inteligentes permiten la lectura de la magnitud y también el procesado del dato.

Existen diferentes tecnologías de sensores disponibles para la medición de cada tipo de señal: intensidad, energía eléctrica, flujo, frecuencia, composición de gases, energía mecánica, presión, RPM, temperatura, par, vibración o voltaje.

Si se trabaja con sensores directamente conectados a una red, debemos emplear lo que se conoce como IoTgateways. Son dispositivos que conectan sensores, módulos de IoT y dispositivos inteligentes a la nube y sirven como portal de entrada inalámbrica para dar acceso de internet a diversos dispositivos. Aunque inicialmente eran hardware, ahora ya están disponibles en versión software (plataforma virtual) para alojarlos en la nube o en un servidor local.

Por otro lado, los dispositivos en nivel Edge se encargan de leer los datos de los sensores del PLC y de enviarlos a un Data Lake.

Entornos de Simulación

El núcleo central de un Gemelo Digital son los modelos de simulación que van a replicar el comportamiento del equipo real.

Existen múltiples herramientas para el desarrollo de modelos de simulación, entre las que destacan: SimcenterAmesim, Matlab&Simulink, OpenModelica y Dymola.

SimcenterAmesim es una herramienta que permite modelar y simular sistemas multidominio, como componentes mecánicos, hidráulicos, neumáticos, térmicos y eléctricos. Permite a los usuarios crear y validar modelos a nivel de sistema, analizar el comportamiento y el rendimiento y, además, optimizar el diseño y el funcionamiento. También ofrece varias opciones de visualización de datos para facilitar el análisis y la comprensión de los resultados de la simulación.

Por su parte, Matlab es una plataforma de programación y computación numérica que permite a los usuarios analizar datos, desarrollar algoritmos y crear modelos. Y Simulink es un entorno de diagrama de bloques que permite a los usuarios diseñar sistemas con modelos multidominio, simular antes de pasar al hardware y desplegar sin necesidad de escribir código.

OpenModelica es un lenguaje informático de código abierto adecuado para el modelado multidominio de sistemas grandes, complejos y heterogéneos. Posibilita la inclusión de datos externos mediante la carga de datos en formato de tabla desde un archivo externo.

Dymola es una herramienta de software comercial de modelado y simulación diseñada para modelar sistemas físicos complejos. Permite cargar y utilizar datos de diferentes formatos de archivo, accediendo a servidores de datos y proporciona herramientas y funciones que sirven para visualizar datos de simulaciones. Es compatible con la plataforma de código abierto OpenModelica.

Entornos de ejecución

Otro factor esencial en la arquitectura de un Gemelo Digital son los entornos de ejecución. Y son varias las opciones que existen.

En primer lugar, Python. Se trata de un lenguaje de programación versátil, adaptable y robusto que simplifica la depuración, mejorando así la productividad y la eficiencia. También es de libre acceso, fácil legibilidad y compatibilidad con diferentes sistemas, incluidos Windows, Linux y OSX.

Otra de las opciones es Matlab, que ofrece una interfaz gráfica de usuario (GUI) integrada que simplifica la visualización de datos, el desarrollo de aplicaciones y la exploración interactiva de algoritmos.

Simulink, por su parte, se utiliza principalmente para simulación independiente.

Almacenamiento de datos

El registro de los datos reales adquiridos de los sensores y de los datos de las simulaciones es fundamental, al igual que su almacenamiento en bases de datos accesibles para aplicar

técnicas de analítica. Por ello, es necesario definir qué tipo de almacenamiento es más conveniente dependiendo de los tipos de datos que se van a almacenar.

Data Lake es un repositorio que almacena datos en crudo, sin procesar, de diferentes tipos: estructurados, no estructurados y semi estructurados.

Y los consumidores del Data Lake son las aplicaciones que van a consultar los datos que están almacenados.

Analítica (Big data, ML/DL)

El componente analítico de un Gemelo Digital se basa en tecnologías de Big Data y algoritmos de aprendizaje automático (ML) y aprendizaje profundo (DL) para recopilar, procesar y analizar grandes volúmenes de datos. De esta manera, se transforman los datos en información precisa.

En el contexto del Big Data, las conocidas como «8 V» (es decir, volumen, variedad, velocidad, veracidad, variabilidad, validación, valor y visualización) resumen los desafíos y oportunidades en la gestión de datos. Al integrar ML y DL, los gemelos digitales pueden automatizar tareas y realizar análisis avanzados.

Para abordar los desafíos del Big Data, hay varias herramientas que desempeñan un papel fundamental: Hadoop, para el almacenamiento distribuido y el procesamiento de grandes cantidades de datos; Spark, experta en procesamiento en tiempo real y aprendizaje automático; o Kafka, un sistema de mensajería con arquitectura distribuida que garantiza el balanceo de carga y tolerancia a fallos.

Por otra parte, los modelos de aprendizaje automático o Machine Learning juegan un papel fundamental en el análisis y exploración de Big Data. Diseñados para extraer información, predecir

tendencias y optimizar operaciones en función de patrones previamente identificados, resultan esenciales para simular el comportamiento de los sistemas físicos, predecir fallos y mejorar la eficiencia de los recursos.

En concreto, Deep Learning (DL), subárea del Machine Learning, destaca por el uso de redes neuronales profundas que tienen la capacidad de aprender representaciones complejas de datos de manera jerárquica, lo que les permite abordar problemas como el reconocimiento de imágenes, la traducción automática y la previsión de series de tiempo.

Ciberseguridad

Las aplicaciones del Gemelo Digital introducen retos a nivel de ciberseguridad debido a su dependencia de los dispositivos IoT, el cloudcomputing o la IA. Es por ello que resulta fundamental garantizar la integridad del dato y su autenticidad cuando se trabaja con datos procedentes de sensores en tiempo real.

La gestión de los accesos y los métodos de autenticación son fundamentales para minimizar los ataques, al igual que la encriptación aplicada a la seguridad de los dispositivos IoT.

Aunque los despliegues en la nube son cada vez más seguros, no está de más incrementar los niveles de seguridad aplicando buenas prácticas. Puede ser la comunicación y cifrado seguros mediante cifrado de extremo a extremo, la gestión de identidad y de acceso (IAM), la detección y monitoreo de amenazas implementando sistemas de detección de intrusiones y utilizando herramientas SIEM, las auditorías y reparaciones de vulnerabilidades de software y firmware de forma regular o la introducción de mecanismos de firmas digitales o Blockchain.

Este informe es uno de los trabajos que ha desarrollado el Proyecto Twin NavAux, cofinanciado por la Unión Europea a través del Programa Interreg VI-A España-Portugal POCTEP 2021 – 2027, y que tiene como objetivo establecer la base tecnológica y condiciones de formación del personal necesario para facilitar la implantación masiva de gemelos digitales de producto, tanto en el sector naval como en otros sectores productivos de la Eurorregión.

Más información: www. https://www.cistecnoloxiaedeseno.gal/es/proyecto-twin-navaux/