Digital Twin: la rivoluzione di DNV GL nell’utilizzo dei Big data
In uno scenario di business difficile e complicato come quello attuale, le organizzazioni sono sempre alla ricerca d’innovazioni che possano migliorare l’efficienza e ridurre i costi operativi, ma allo stesso tempo mantenere alti gli standard di sicurezza e gestire efficacemente i rischi.
Un’importante area in focus è l’utilizzo dei Big Data per gestire le informazioni e realizzare delle analisi predittive che possano aiutare le aziende a sfruttare i “dati intelligenti” nelle loro operazioni.
Le operazioni con “dati intelligenti”
Gli approfondimenti ottenuti dall’analisi di grandi quantità di dati avranno un notevole impatto sul modo in cui operiamo per tutti quei settori ad alta complessità nei quali DNV GL è coinvolto, come il trasporto navale, la produzione, trasformazione e distribuzione di energia e la consegna di energia elettrica nelle abitazioni e nelle industrie.
Per molto tempo, purtroppo, gli operatori dei vari asset non hanno fatto,o in molti casi non hanno potuto fare, un utilizzo approfondito e fruttuoso di tutte le informazioni a loro disposizione.
Un singolo downtime non programmato durante un processo operative può costare ad una azienda dai 2 ai 5 milioni di euro al giorno. In media circa il 50% di questi incidenti avviene per varie tipologie di guasti meccanici, per evitare i quali DNV GL offre ai propri clienti dei servizi studiati e sviluppati appositamente. Inoltre una cattiva gestione delle informazioni rappresenta spesso un notevole costo nascosto, che può arrivare a pesare anche fino al 20% del budget operativo. In un momento in cui i margini sono bassi, essere in grado di gestire e ridurre queste perdite può significare rendere un asset vantaggioso o meno.
La gestione delle informazioni lungo l’intero ciclo di vita dell’asset
Un esempio concreto sono i dati non memorizzati, che sono spesso impossibili da rintracciare con conseguente danno economico. A questi si aggiunge il costo per i dati replicati che diventano nel tempo una sorta di realtà parallela usata in molti processi di business, e spesso risultano fuorvianti, riflettendo uno stato non veritiero dell’asset. La gestione delle informazioni è specialmente importante durante i cambiamenti che avvengono nelle principali fasi del ciclo di vita, ad esempio nel passaggio dalla fase di progettazione a quella costruttiva, ed ancora di più nel passaggio alla fase operativa.
Come ciliegina sulla torta troviamo i passaggi di proprietà o le fusioni - trend in crescita-, soprattutto verso la fine della fase di progettazione, quando le informazioni sulla storia dell’asset sono raramente una priorità. Ma è proprio in questa fase che la necessità di informazioni dettagliate raggiunge il culmine al fine di valutare criticamente l’idoneità allo scopo e una possibile continuazione oltre la fase di progettazione.
Con la rapida diffusione di strumenti, sempre più economici ed affidabili, capaci di fornire informazioni in tempo reale o quasi, attraverso sensori e dispositivi compresi nel settore del IoT (Internet of Things), le sfide e le possibilità per utilizzare intelligentemente le informazioni sono in rapido aumento. Riuscire a vincere queste sfide per DNV GL significa fornire incredibili benefici ai propri clienti, che saranno finalmente in grado di: ridurre downtime non programmati, aumentare l’efficienza dei propri asset, minimizzare l’impatto ambientale ed eliminare le non conformità alle normative vigenti, sempre più vincolanti in ogni nazione. Nei soli Stati Uniti le multe per violazioni delle regolamentazioni si aggirano attorno ai 33 milioni di dollari annui, e rappresentano un motivo di preoccupazione sia per l’impatto finanziario sia per la reputazione dell’azienda.
Come sfruttare la tecnologia dei Big Data
Per aiutare i propri clienti ad evitare questi costosi problemi e sfruttare al meglio le opportunità offerte dalle innovazioni tecnologiche, DNV GL sta lavorando per ottimizzare l’uso dei Big Data e delle analisi approfondite in ambiti industriali – in particolare per la gestione dei rischi operativi negli asset. Questo ci permetterà di completare e migliorare ulteriormente i servizi di gestione delle informazioni, già presenti nell’offerta di DNV GL – Software da oltre 4 decadi.
Fondamentale per i servizi di nuova generazione e per sostenere un ecosistema centrato attorno ad applicazioni rivolte agli asset sarà il concetto di “gemello digitale” (o digital twin) fondato sul sistema cloud. Il digital twin è un’immagine virtuale dell’asset, accessibile in ogni momento e per l'intero ciclo di vita: un’unica piattaforma digitale che riunirà tutti gli esperti, dando accesso ad analisi dettagliate, approfondimenti e possibili soluzioni.
Il digital twin affronta l'annoso problema della scarsa gestione delle informazioni e allo stesso tempo fornisce una piattaforma capace di sfruttare al meglio il vertiginoso aumento di dati in tempo reale, che sono ora economicamente e tecnologicamente pronti per essere raccolti. (...). Tramite le tecnologie IoT e lo storico dei dati, fornirà aggiornamenti dinamici sullo stato dei parametri operativi e potrà valorizzare gli investimenti esistenti nella gestione degli asset aziendali e nella progettazione dei software, creando un collegamento diretto e costante con queste informazioni, immettendole nell'ecosistema di applicazioni generato da DNV GL - Software in modo coerente. La configurazione di questo sistema garantirà informazioni più aggiornate e rappresenta una parte fondamentale del servizio.
Con l’utilizzo del digital twin, saremo in grado di implementare una piattaforma continua e sempre attiva, con lo scopo di potenziare la collaborazione tra DNV GL, i suoi clienti e gli stakeholders. Nuovi servizi e i rispettivi risultati verranno distribuiti in forma digitale, accessibili proprio dal digital twin. La piattaforma, in combinazione con strumenti di analisi di apprendimento automatizzati, sarà in grado di cambiare il modo tradizionale con cui verifichiamo le condizioni e le prestazioni dei nostri asset e renderà possibile una nuova generazione di analisi predittive.