Q Talks Episódio 3 - A Jornada Gêmea Digital

[QTalks Ep.3]
A Jornada Gêmea Digital: Dos Pioneiros à Adoção em Massa

Gêmeos digitais são o assunto da cidade – mas como eles estão evoluindo? Dos primeiros adotantes ao potencial de adoção em massa, como as soluções mais recentes podem ajudar as empresas de água a superar o abismo digital?

Ao oferecer um espelho virtual do mundo físico, os gêmeos digitais estão permitindo que os profissionais da água testem o impacto das mudanças antes de serem feitas.

Junte-se a este último QTalks com o jornalista ambiental Tom Freyberg para ouvir especialistas em gêmeos digitais enquanto eles cortam o hype com exemplos de adoção de gêmeos digitais, lições aprendidas e insights sobre até onde essa aspiração digital pode ser empurrada.

Nosso anfitrião Tom Freyberg foi acompanhado por três líderes de pensamento:

Biju George, vice-presidente executiva de utilidades da Ampcus e ex-COO da DC Water
Pilar Conejos, Especialista em Abastecimento de Água – Digital Twins
Gigi Karmous-Edwards, Co-presidente da SWAN Digital Twin

Os pioneiros históricos dos gêmeos digitais

Tom começou pedindo para Biju refletir sobre como a jornada dos gêmeos digitais começou na DC Water. Biju disse que os verdadeiros pioneiros do gêmeo digital foram aqueles que desenvolveram o modelo físico para os sistemas de distribuição e coleta de água, modelos de inundação e modelos de tratamento, pois isso lhes permitiu planejar e projetar as instalações. O uso desses modelos combinados com dados em tempo real os ajudou a tomar decisões operacionais.

Biju também disse que os gêmeos digitais foram implementados em todo o ciclo de tratamento de água, desde a rede de água potável até as estações de tratamento de esgoto.

Tom então comentou sobre como o gêmeo digital de Valencia é um estudo de caso frequentemente citado da jornada típica do gêmeo digital e pediu a Pilar para recapitular o caminho que eles tomaram. Ela disse que a jornada do gêmeo digital de Valência foi longa e é o resultado do processo de digitalização da empresa que começou há 15 anos, e que eles começaram a jornada tão cedo que tiveram que desenvolver o modelo hidráulico do zero.

Em termos de lições aprendidas, Pilar disse que garantir a qualidade dos dados é crucial para quem espera alcançar a realização de um gêmeo digital confiável.

Redução de custos operacionais com gêmeos digitais

Tom então perguntou a Gigi sobre quem mais ela considera pioneiros dos gêmeos digitais – além da DC Water e do gêmeo digital de Valencia. Gigi disse que a computação em nuvem por si só é um verdadeiro divisor de águas em termos de gêmeos digitais. Ela disse que cada vez mais as concessionárias estão percebendo os benefícios da computação em nuvem em termos de custo-benefício e pagando apenas pelo que usam.

Refletindo sobre por que isso é um divisor de águas, Gigi disse que isso muda os modelos de negócios e permite que os fornecedores não apenas vendam coisas que são pesadas em capital que apenas as grandes concessionárias podem pagar, mas vendam software e dados como um serviço em uma assinatura mensal que é altamente econômica para serviços menores. Isso, disse ela, permite que as concessionárias vejam isso como uma despesa operacional, em vez de um grande custo de capital inicial.

Gigi também comentou sobre como a computação em nuvem permite que as concessionárias expandam o uso de recursos de CPU, o que lhes permite executar simulações mais complexas que envolvem muito mais recursos do que teriam em servidores locais.

Lições aprendidas

Tom continuou perguntando a Biju como a disponibilidade de computação em nuvem e software como serviço teria mudado a maneira como as coisas eram feitas na DC Water.

Biju disse que essa disponibilidade significaria mais e melhores escolhas facilitadas na criação de serviços para as concessionárias. Ele disse, por exemplo, que uma concessionária com uma fonte de água precisa estar atenta a quaisquer poluentes na água e, portanto, um modelo de fluxo vivo que seja acessível a todos que usam a fonte de água teria ajudado a tomar decisões mais rápidas.

Fazendo a mesma pergunta a Pilar, ela disse que a disponibilidade teria encurtado os processos como um todo. Ela também disse que seu gêmeo digital está evoluindo o tempo todo.

O custo dos gêmeos digitais

O painel recebeu uma pergunta sobre o quão caro é para um gêmeo digital atingir a exigência de um modelo calibrado.

Gigi começou fazendo referência a um experimento recente com Lakewood, Califórnia, que teve problemas com a calibração de seu modelo. Ela disse que eles forneceram o modelo EPAnet existente de sua rede e dois meses de dados SCADA para o Qatium, e em poucas semanas eles foram capazes de trazer o modelo na plataforma Qatium. Gigi disse que este é um ótimo exemplo de como você pode calibrar rapidamente um modelo usando ferramentas baratas como o Qatium.

Biju continuou dizendo que o que está fazendo a diferença do ponto de vista de um gêmeo digital são os sensores em tempo real. Ele disse que o nível de precisão que eles fornecem reduz os custos, já que seu modelo se torna um modelo vivo, em oposição àquele algo que só é usado de vez em quando. Portanto, as calibrações em tempo real tornam-se parte das operações diárias.

Ele também disse que não prevê que os custos aumentem, já que os modelos estão se tornando melhores, e os sistemas em tempo real permitem decisões em tempo real e respostas mais rápidas aos problemas.

Como o aprendizado de máquina está mudando a forma como os gêmeos digitais são criados

O painel foi questionado sobre o impacto do aprendizado de máquina na forma como os gêmeos digitais são criados.

Pilar começou dizendo que o aprendizado de máquina é uma parte importante de um gêmeo digital e que temos que aproveitar os algoritmos de aprendizado de máquina. Ela disse que combinar as informações fornecidas pelos algoritmos de IA com o potencial dos modelos hidráulicos permite extrair informações muito mais completas. Ela disse que o aprendizado de máquina permite que eles desenvolvam padrões, operações ideais e limpeza de dados.

Biju disse que o aprendizado de máquina é a ferramenta que está permitindo a necessidade de menos sensores, já que você pode treinar seus sistemas para preencher as lacunas. Ele também disse que o aprendizado de máquina está permitindo a modelagem de situações em que não houve muita intervenção anteriormente.

Finalizando a discussão, Tom perguntou ao painel se o caminho tradicional de alcançar um gêmeo digital precisa ser interrompido. Pilar disse que se há novas maneiras de encurtar o processo, então elas devem ser consideradas, enquanto Gigi levantou o ponto de que já estamos em uma fase de disrupção em termos de IA e computação em nuvem.