Digital Twin, raccomandazioni per l’uso

Nel pubblicare l’articolo “Digital Twin: le repliche virtuali in aiuto al mondo reale”, abbiamo lasciato in sospeso quali fossero le raccomandazioni che, sulla base della nostra esperienza, ritenevamo utile trasmettere a chi approcciasse per la prima volta l’implementazione di un modello digitale.

Come riportato anche nell’articolo appena citato, coerentemente con il trend di crescita tecnologica in corso, anche la business simulation sta dimostrando di essere uno strumento di analisi sempre più diffuso, e la flessibilità che caratterizza tale metodologia concorre a sua volta ad incentivarne l’utilizzo, rendendola applicabile ai campi più disparati.

Che ci si appresti a modellizzare un network distributivo, la movimentazione dei materiali all’interno di un plant produttivo, le politiche di manutenzione di un macchinario, oppure l’afflusso di persone all’interno di un aeroporto, i macro-aspetti sui quali è opportuno soffermarsi prima di procedere con l’implementazione del modello digitale rimangono gli stessi:

1. Costruire il diagramma di flusso dell’intero processo/sistema che si intende rappresentare
2. Stabilire quale sia il focus, l’obiettivo correlato alla realizzazione del modello digitale
3. Determinare quale sia il livello di dettaglio opportuno

Come dettaglieremo maggiormente in seguito, le attività appena citate non risultano unicamente propedeutiche alla modellizzazione, bensì garantiscono l’ulteriore beneficio potenziale di individuare eventuali lacune, imprecisioni o impedimenti all’interno dei flussi logico-fisici dei processi che intendiamo rappresentare.

1. Costruire il diagramma di flusso

Il primo step funzionale all’implementazione di un modello digitale consiste nel mappare i processi e le logiche presenti nel perimetro in ambito di analisi, ad esempio utilizzando la notazione BPMN (Business Process Modeling Notation).

Figura 1 Esempio schematico di un diagramma di flusso secondo la notazione BPMN

La costruzione di un diagramma di flusso consente di individuare relazioni e dipendenze tra i diversi elementi che concorrono alla definizione del sistema in esame. Ciò consiste nell’individuare con esattezza gli aspetti che è necessario rappresentare per garantire aderenza tra il sistema reale e la sua rappresentazione digitale. Come già accennato, data la necessità di comprendere in modo esaustivo quanto osservato, tale procedura consente di individuare eventuali aspetti critici potenzialmente non ancora scovati.

Quanto appena descritto evidenzia dunque come sia possibile ottenere i primi benefici dal processo di modellizzazione, prima ancora di procedere con l’implementazione del modello digitale vero e proprio.

2. Stabilire il focus

Altro aspetto fondamentale per efficientare il processo di modellizzazione è l’individuazione del focus.

Stabilire fin dalle prime fasi di progetto quale sia l’obiettivo ultimo che il modello deve conseguire, concorre a definire quale sia la strada più opportuna da percorrere, tanto per quanto riguarda gli aspetti prettamente relativi alla modellizzazione, quanto per tutto il processo di analisi di cui il modello digitale rappresenta una parte.

La definizione dell’obiettivo da conseguire abilita di fatto l’individuazione dei KPI che è opportuno implementare e monitorare per svolgere un’analisi efficace, nonché l’efficientamento del processo di modellizzazione.

3. Determinare il corretto livello di dettaglio

L’ultimo dei tre step che consigliamo di applicare risulta fortemente collegato con il punto precedente e riguarda la definizione del livello di astrazione da imporre per conseguire il risultato in una forma coerente con le attese.

Ciò consiste di fatto nel trade-off tra il livello di dettaglio delle informazioni che vogliamo ottenere dal modello digitale e quello delle informazioni che intendiamo invece fornire in input allo stesso.

Definire quale sia il livello di dettaglio opportuno permette di efficientare il processo di analisi e modellizzazione, eliminando eventuali inefficienze legate a disallineamenti logici tra i diversi step di progetto.

Implementare un sistema estremamente dettagliato ha il vantaggio di garantire il pieno controllo sui processi rappresentati, escludendo la necessità di effettuare assunzioni o considerazioni esemplificative per le dinamiche coinvolte. D’altro canto, un basso livello di astrazione necessita di una mole di dati ed informazioni in ingresso molto elevata, potenzialmente non necessaria, nonché molto dispendiosa da gestire.

Figura 2 Possibili applicazioni della simulazione, ordinate per livello di astrazione dei modelli corrispondenti

La necessità di far fronte a questo aspetto rappresenta tuttavia un importante elemento di flessibilità che la modellizzazione mette a disposizione. Si ha infatti l’opportunità di partire da una modellizzazione più astratta o generale – ad un primo livello di analisi – per poi affinare o approfondire una parte specifica, che può rivelarsi interessante alla luce della prima analisi o per un successivo fabbisogno.

Supponendo ad esempio di dover condurre uno studio di network design, potremmo decidere di considerare la fabbrica come se fosse una black box, per poi dettagliarne maggiormente le dinamiche riguardanti la logistica outbound qualora decidessimo di svolgere un’analisi mirata all’ottimizzazione delle attività del magazzino prodotti finiti e delle logiche di carico dei mezzi in uscita.

In conclusione, quando si utilizza la simulazione come strumento di analisi, seguire un procedimento mirato e ben strutturato nelle fasi preliminari all’implementazione del modello consente di conseguire efficacemente il risultato desiderato, in modo estremamente più efficiente.