Digital Twins and Their Applications in Modeling Different Levels of Manufacturing Systems: A Review

Resumen Técnico: Gemelos Digitales y sus Aplicaciones en el Modelado de Diferentes Niveles de Sistemas de Manufactura

Planteamiento del Problema
Si bien los Gemelos Digitales (DT, por sus siglas en inglés) han emergido como una tecnología fundamental dentro de la Industria 4.0 para el modelado, la simulación y la optimización avanzada, la literatura carece de una revisión exhaustiva que categorice sistemáticamente los tipos de DT, las tecnologías de modelado y sus aplicaciones específicas a través de diferentes niveles jerárquicos de los sistemas de manufactura (producto/línea de producción, instalación de producción y empresa). Además, existe la necesidad de evaluar críticamente las fortalezas y limitaciones de técnicas de modelado específicas, particularmente la Simulación de Eventos Discretos (DES), e identificar las barreras prácticas que impiden la adopción industrial generalizada, tales como la complejidad de la integración de datos, los riesgos de ciberseguridad y los altos costos de implementación.

Metodología
Este estudio emplea un enfoque de revisión sistemática de la literatura para analizar el estado actual de los Gemelos Digitales.

• Análisis de Definición: Los autores rastrean la evolución del concepto de DT desde su conceptualización temprana (2002–2010) hasta su perspectiva actual, sintetizando definiciones de diversas fuentes (NASA, literatura académica e informes industriales) para proponer una "definición de trabajo" unificada.
• Cribado Sistemático: Para evaluar la contribución de los DT a la Industria 4.0, los autores consultaron bases de datos (Science Direct, Google Scholar, Semantic Scholar) utilizando las palabras clave ["Digital Twin" AND "Industry 4.0"]. A partir de un grupo inicial de 120 artículos, se aplicó un proceso de cribado de múltiples etapas basado en el tipo de publicación, los resultados operativos, la alineación con el marco de la Industria 4.0 y la evidencia de implementación. Esto resultó en una selección refinada de 53 documentos, que fueron filtrados posteriormente según la presencia de componentes tecnológicos, enfoques de implementación (por ejemplo, IoT, IA) y mejoras de rendimiento cuantitativas, lo que condujo a un conjunto final de documentos para un análisis detallado.
• Categorización y Síntesis: La revisión clasifica los DT en cinco tipos generales y mapea las tecnologías de modelado (por ejemplo, FEM, CFD, DES) a niveles de manufactura específicos. También agrega casos de estudio del mundo real de diversas industrias (Aeroespacial, Automotriz, Energía, etc.) para ilustrar aplicaciones prácticas.
• Evaluación Crítica: Se pone un enfoque específico en el análisis de las fortalezas y debilidades de la Simulación de Eventos Discretos (DES) como método de modelado a través de los tres niveles de manufactura.

Contribuciones Clave

1. Definición Unificada: El artículo propone una definición de trabajo robusta de un Gemelo Digital como una "representación virtual dinámica de un producto físico, proceso, sistema o empresa, caracterizada por una conexión de datos bidireccional que permite el intercambio de datos en tiempo real... [la cual] utiliza simulación, modelado y análisis para comprender, monitorear, predecir, optimizar y gestionar el rendimiento y el comportamiento de su contraparte física a lo largo de su ciclo de vida".
2. Marco Jerárquico: El estudio delinea las contribuciones de los DT a través de tres niveles distintos:
   • Nivel de Producto/Servicio: Se enfoca en el prototipado virtual, el control de calidad y la gestión del ciclo de vida.
   • Nivel de Proceso: Aborda la optimización, el monitoreo en tiempo real, la detección de anomalías y el análisis de cuellos de botella.
   • Nivel de Sistema: Comprende la integración, los sistemas autónomos, la toma de decisiones estratégicas y la escalabilidad.
3. Mapeo de Tecnología y Herramientas: Los autores proporcionan una taxonomía detallada de las tecnologías de modelado y las herramientas de software adecuadas para cada nivel. Por ejemplo, recomiendan el Modelado 3D, FEM y DES para el nivel de Producto/Producción; DES, Redes Neuronales y Modelado orientado a objetos para el nivel de Instalación de Producción; y el Modelo Arquitectónico de Referencia I4.0 (RAM I4.0) para el nivel de Empresa. Herramientas específicas como Siemens Tecnomatix, FlexSim, SAP Digital Twin y Oracle IoT se mapean a estos respectivos niveles.
4. Arquitectura Genérica: Se propone una arquitectura de sistema de DT genérica, que describe el flujo desde los datos de los sensores físicos a través de la adquisición, el almacenamiento, el análisis y la visualización, culminando en un módulo de soporte de decisiones que retroalimenta comandos de control al sistema físico, formando un bucle continuo.
5. Análisis de DES: El artículo ofrece una evaluación crítica de la DES, destacando sus fortalezas en la detección de cuellos de botella y la evaluación de escenarios "qué pasaría si" (what-if), mientras señala sus debilidades como la sensibilidad a los datos de entrada, la naturaleza laboriosa del desarrollo de modelos y el hecho de que la simulación por sí sola no constituye la optimización sin el acoplamiento con algoritmos de optimización.

Resultados

• Aplicaciones: La revisión identifica aplicaciones extensas en diversos sectores. En Manufactura, los DT se utilizan para el mantenimiento predictivo, la detección de defectos y la optimización de la cadena de suministro. En Aeroespacial, facilitan la simulación de vuelo y el diagnóstico de daños. En Salud, permiten la medicina personalizada y el modelado de órganos. Otros sectores, incluyendo Energía (optimización de turbinas eólicas), Automotriz (validación de vehículos autónomos) y Ciudades Inteligentes (gestión de tráfico e infraestructura), demuestran mejoras operativas significativas.
• Beneficios: Casos de estudio de empresas como Rolls-Royce, GE, Volkswagen y BMW indican que las implementaciones de DT conducen a una reducción del tiempo de inactividad (por ejemplo, una reducción del 40% en el mantenimiento reactivo para los motores de GE), una mejora de la Efectividad Global del Equipo (OEE) y un control de calidad mejorado.
• Barreras: El estudio identifica varios obstáculos críticos para alcanzar su pleno potencial:
  • Problemas de Datos: Heterogeneidad en los productos de los proveedores, falta de estándares de comunicación y desafíos en la seguridad e integridad de los datos.
  • Factores Económicos: Altos costos de inversión inicial y la dificultad de realizar análisis de costo-beneficio precisos.
  • Estandarización: Falta de marcos de trabajo de toda la industria e interfaces estandarizadas (por ejemplo, ISO 23247 aún está en desarrollo temprano).
  • Desafíos Técnicos: Lograr modelos de alta fidelidad y sincronización en tiempo real para sistemas complejos.
  • Elemento Humano: Los estudios actuales a menudo pasan por alto el "gemelo humano" y la colaboración humano-máquina.

Significancia
El artículo concluye que, si bien los Gemelos Digitales ofrecen capacidades transformadoras para mejorar la eficiencia, la toma de decisiones y la gestión del ciclo de vida en los sectores de servicios y manufactura, su adopción generalizada depende de superar importantes desafíos técnicos y organizativos. El estudio contribuye al cuerpo de conocimiento al proporcionar un marco estructurado para comprender los DT en diferentes niveles de sistema y al identificar de manera realista las oportunidades y barreras que deben abordarse para realizar el pleno impacto de esta tecnología. Los autores enfatizan que alcanzar el potencial de los DT requiere no solo madurez tecnológica, sino también el desarrollo de estándares, estrategias de implementación rentables y un mayor enfoque en la integración de los elementos humanos en el ecosistema digital.