Optimización de recursos para la rentabilidad: ¿es necesaria la tecnología de gemelos digitales?
El valor de cualquier tecnología radica en última instancia en la capacidad de optimizar costos y recursos. Tener la capacidad de adelantarse a los resultados brinda a los productores de alimentos el beneficio de la previsión que luego se puede aplicar en la vida real. Un ejemplo de aplicación y comercialización de la tecnología Digital Twin en la vida real es el mecanicista modelo que fue desarrollado por Tom De Swaef en la Universidad de Gantt. La empresa belga 2Grow aprovecha este modelo para medir las variaciones en el flujo de agua y el grosor del tallo en las plantas de tomate. El objetivos de la empresa reducir el 20% de la superficie dedicada a la producción vegetal.
It aún no está claro si la comunidad está haciendo un esfuerzo para adoptar gemelos digitales en sus operaciones. Además, se puede argumentar que, en la mayoría de los casos, la tecnología de gemelos digitales no es realmente necesaria. Los avances en el aprendizaje automático han hecho posible predecir eventos clave sin construir un modelo completo que requeriría grandes cantidades de datos de alta calidad que también son costosos de obtener. Como productor de alimentos que desea predecir ciertas propiedades, centrarse en medir y monitorear los cambios clave podría ser todo lo que necesita para construir un modelo predictivo exitoso. Además, esto es mucho más asequible, lo que lo hace asequible para los productores de alimentos que necesitan ver un ROI inmediato en la implementación de modelos predictivos.
Por ejemplo, si cultiva papas, es importante tener indicadores de plagas como la enfermedad del tizón tardío, causada por un organismo similar a un hongo que puede provocar pérdidas de cosecha en un período corto si no se adoptan las medidas de control adecuadas. Para este tipo de cultivo en hileras en grandes acres de campo abierto, tener cámaras montadas en sistemas de riego de pivote puede identificar enfermedades o problemas de manera eficiente y efectiva. Los datos necesarios para crear un gemelo digital para un campo abierto de papas costarían una fortuna, y crear un modelo completo a tal escala para obtener información que se puede obtener con una tecnología más simple y asequible simplemente no tiene sentido.
- El videojuego SimCity se abrió camino en los años 90 cuando los jugadores se convirtieron en héroes de su propia ciudad mientras diseñaban y creaban digitalmente una hermosa y bulliciosa metrópolis. Avance rápido 30 años y tenemos la tecnología para crear representaciones digitales increíblemente precisas de árboles, granjas o huertos del mundo real. Al igual que en SimCity, podemos simular cómo evolucionaría una metrópolis en función de lo que "invirtamos" dentro del juego, ahora podemos crear simulaciones de cómo crecerá una planta en diferentes escenarios, lo que nos ayudará a afinar los esfuerzos agrícolas con una previsión sin precedentes.
- Un gemelo digital es una representación digital de algo del mundo real. Se puede usar para monitorear la 'cosa' real de forma remota. Con el fin de proporcionar un sustituto preciso y realista para el gemelo del mundo real, el gemelo digital debe tener datos informados a través de la medición digital de la entidad real. En la agricultura, estos podrían ser datos que provienen de herramientas como sensores de suelo, imágenes de plantas, datos meteorológicos, etc.
- La nueva representación digital, o gemelo digital, debe reflejar todo el esfuerzo agrícola: activos físicos, procesos, sistemas, recursos, todo. A cambio, esto nos permite simular, planificar, analizar y mejorar los procesos agrícolas a una escala nunca antes imaginada. Sin embargo, ¿es realmente necesario que los productores de alimentos implementen esta tecnología sofisticada y costosa, o pueden obtener los conocimientos que necesitan de sensores más accesibles y asequibles que los ayudarán a monitorear y predecir resultados clave?
Crecimiento y adopción de gemelos digitales y su potencial en la agricultura
Gartner predice que para 2021, la mitad de las grandes empresas industriales utilizarán gemelos digitales, lo que se traducirá en una mejora del 10% en la eficacia de dichas organizaciones. Sin embargo, el concepto de gemelos digitales existe desde hace décadas. Durante más de 30 años, los equipos de ingeniería de productos y procesos han utilizado representaciones 3D de diseño asistido por ordenador (CAD), modelos de activos y simulaciones de procesos para garantizar y validar la capacidad de fabricación. Por ejemplo, la NASA ha realizado simulaciones complejas de naves espaciales durante décadas. Sin embargo, las innovaciones en el aprendizaje automático y la IA están poniendo en primer plano el concepto del gemelo digital, creando mucha expectación como una tendencia disruptiva con un impacto más amplio en el futuro cercano.
Cuando se trata de procesos agrícolas, usar Gemelos Digitales como un medio central para la gestión de la granja puede permitir el desacoplamiento de los flujos físicos de su planificación y control. Como resultado, los agricultores pueden gestionar las operaciones de forma remota basándose en información digital (casi) en tiempo real en lugar de tener que depender de la observación directa y las tareas manuales in situ. Esto les permite actuar inmediatamente en caso de desviaciones (esperadas) y simular efectos de intervenciones basadas en datos de la vida real. Por ejemplo, un gemelo digital de un huerto podría alertar al huerto de riego excesivo sin que el agricultor tenga que examinar el huerto.
La idea de un huerta digital es extremadamente atractivo para los agricultores que entienden la naturaleza laboriosa de monitorear, predecir y controlar la salud de los árboles frutales y la calidad de su cosecha. Científicos de la Universidad de Queensland desarrollaron un modelo para un huerto con cultivos de crecimiento lento como el mango y la macadamia. Esto puede permitir a los usuarios probar rápidamente nuevas ideas y obtener información sobre cómo optimizar mejor los sistemas de producción. Los investigadores del proyecto destacaron cómo estas simulaciones instantáneas podrían beneficiar especialmente a los cultivos de crecimiento lento, como los árboles frutales.
Hay casos de uso específicos en los que tiene sentido financiero construir un gemelo digital, como para el mejoramiento de plantas, donde un modelo podría permitirle predecir con anticipación si una variedad específica no es comercialmente viable. Pero en muchos casos, no hay necesidad de romper una nuez con un mazo.
- Raviv Itzhaky es cofundador y director de tecnología de Tecnologías Prospera, liderando la visión técnica de la empresa de transformar la forma en que se cultivan los alimentos mediante la ciencia de datos y la IA. Utiliza su experiencia en desarrollo de algoritmos, matemáticas y aprendizaje automático para resolver problemas del mundo real. Antes de Prospera, Raviv desarrolló algoritmos en la empresa de ciberseguridad BioCatch y se desempeñó como ingeniero de procesamiento de señales en las FDI. Tiene una licenciatura en Física y una maestría en Física Aplicada de la Universidad Hebrea.