Gemelo digital en industria: qué es de verdad y cuándo es un gasto prematuro

Un gemelo digital es una réplica de un activo físico (una máquina, una línea, una planta) alimentada con datos reales de ese activo, que sirve para responder preguntas sin tocar el activo. Esa es la definición útil. El resto (la maqueta 3D que gira en una pantalla de la sala de reuniones) es una animación cara. La diferencia entre las dos cosas no está en el software: está en si hay un flujo de datos vivo detrás y en si alguien toma decisiones distintas por lo que ese modelo dice.

Esta guía es para directores de planta, responsables de mantenimiento, ingenierías y fabricantes medianos a los que un proveedor les ha propuesto un gemelo digital. Repasa qué niveles existen, qué datos exige cada uno, cuándo compensa de verdad, cuánto cuesta en orden de magnitud y cómo montar un primer caso en una sola máquina en lugar de empezar por la fábrica entera.

¿Qué es un gemelo digital y qué no lo es?

Tres piezas tienen que estar presentes para llamarlo gemelo digital:

• Un modelo del activo: su geometría, su comportamiento físico, sus reglas de proceso o una combinación. Puede ser un CAD, un modelo de simulación de eventos discretos o un modelo estadístico entrenado con histórico.
• Un flujo de datos desde el activo real: sensores, PLC, SCADA, MES, contadores de producción, partes de mantenimiento. Con frecuencia suficiente para que el modelo no vaya por detrás de la realidad.
• Una pregunta de negocio que el modelo responde: ¿aguanta este rodamiento hasta la parada de agosto?, ¿dónde está el cuello de botella si meto una referencia más?, ¿cuánto pierdo si bajo la velocidad de la línea un 8 %?

Si falta el flujo de datos, es un modelo de simulación, que puede ser muy útil, pero no es un gemelo. Si falta la pregunta, es un proyecto de visualización. Y si falta el modelo, lo que hay es un cuadro de mando con datos de planta, que suele ser el paso previo sensato y mucho más barato: lo tratamos en cuadro de mando integral.

Un gemelo digital no es una pantalla bonita de la fábrica. Es un modelo que se moja: predice algo comprobable y se equivoca de forma medible.

Lo que no hace: no sustituye al jefe de mantenimiento, no ajusta la máquina solo (salvo en implantaciones muy maduras y con lazo cerrado deliberadamente diseñado) y no arregla un proceso que nadie ha estandarizado. Un gemelo de un proceso caótico reproduce el caos con más decimales.

¿Qué niveles de gemelo digital existen?

La palabra se usa para cosas con una diferencia de coste de dos órdenes de magnitud. Conviene pedir al proveedor que diga en qué nivel está su propuesta:

| Nivel | Qué hace | Qué datos exige | Coste relativo | |---|---|---|---| | 1. Réplica descriptiva | Visualiza el activo y su estado actual (paros, velocidad, temperatura) | Señales de PLC/SCADA en tiempo casi real | Bajo | | 2. Modelo conectado | Simula el comportamiento y lo compara con lo real: detecta desviaciones | Lo anterior + modelo del proceso validado | Medio | | 3. Modelo predictivo | Anticipa fallos, calidad o cuello de botella a partir de histórico y física | Lo anterior + 12-24 meses de histórico con etiquetas de fallo | Alto | | 4. Gemelo prescriptivo | Propone (o aplica) un ajuste de consigna y evalúa escenarios | Lo anterior + integración de escritura con el control y gobierno del riesgo | Muy alto |

La mayoría de empresas medianas obtiene casi todo el retorno en los niveles 1 y 2. El 3 compensa cuando el fallo es caro y recurrente. El 4 es minoría y exige una madurez de automatización y seguridad que no se improvisa.

Un error habitual es contratar nivel 4 y quedarse en nivel 1, porque los datos no llegaban con la frecuencia necesaria. Pregunta siempre qué pasa si llegan cada 15 minutos en lugar de cada segundo: si la respuesta es «entonces no funciona», ya sabes dónde está el riesgo.

¿Qué datos y sensores exige de verdad?

Aquí es donde se cae la mitad de los proyectos. El gemelo pide tres cosas que muchas plantas no tienen ordenadas:

• Señal continua del activo. No basta con el contador de piezas. Para un modelo de desgaste hacen falta variables de proceso (vibración, temperatura, consumo, par, presión) con una frecuencia coherente con el fenómeno que se quiere ver. Un rodamiento que se degrada en semanas no necesita muestreo a 10 kHz; un fallo de vibración sí.
• Histórico etiquetado de eventos. Saber cuándo falló, qué se cambió y por qué. Si los partes de mantenimiento son texto libre en un Excel, hay un trabajo previo de normalización que no es opcional. Sin etiquetas no hay modelo predictivo, solo detección de anomalías genérica.
• Maestro de activos coherente. La misma máquina llamada igual en el GMAO, en el MES y en el ERP. Suena trivial y es la causa número uno de que los números no cuadren. Lo vemos en casi cada proyecto: ver calidad de datos.

Añade la infraestructura: red OT separada de la IT, pasarela para sacar datos del PLC sin comprometer el control y almacenamiento con retención suficiente (dos años a alta frecuencia abultan, y eso cuesta cada mes). Esa fontanería es ingeniería de datos pura y suele ser el 50-70 % del esfuerzo real.

Regla práctica: si no puedes exportar hoy, en 48 horas, un CSV con un año de las cinco variables clave de la máquina candidata, aún no estás listo para un gemelo de nivel 3.

¿Cuándo es un gasto prematuro?

Señales claras de que hay que esperar y hacer otra cosa antes:

• No hay histórico de fallos. Si la máquina lleva ocho meses instalada y ha fallado dos veces, no hay nada que aprender. Empieza por instrumentarla bien y recoger datos; el modelo vendrá en un año.
• El proceso cambia cada mes. Si cada pedido reconfigura la línea, el modelo se queda obsoleto antes de validarse. Primero estandariza, luego modela.
• El problema real es organizativo. Si el cuello de botella es que compras no avisa de los retrasos, un gemelo no lo resuelve. Un gemelo de un problema de coordinación es un espejo caro.
• Nadie va a mirar el resultado. Sin un responsable de planta que use la predicción para cambiar el plan de paradas, el proyecto muere a las seis semanas, como cualquier herramienta sin dueño: lo explicamos en gestión del cambio.
• El activo es barato de sustituir. Modelar una bomba de 1.200 € que se cambia en dos horas no compensa, por mucho que sea técnicamente posible.

La alternativa honesta suele ser más humilde y más rentable: sensorizar, montar un cuadro de mando con OEE y paros, limpiar el maestro de activos y volver a hablar en seis meses con datos encima de la mesa.

¿Dónde compensa un gemelo digital en una planta?

Cuatro familias de caso cubren casi todo lo que vemos con sentido económico:

| Caso | Qué resuelve | Dato que exige | Alternativa más barata | |---|---|---|---| | Salud de equipo crítico | Anticipa fallo del activo que para la línea | Vibración/temperatura + histórico de fallos | Rutas de inspección + umbrales simples | | Cuello de botella y capacidad | Simula qué pasa si añades turno, referencia o máquina | Tiempos de ciclo, paros, mix de producto | Hoja de cálculo con teoría de colas | | Calidad y parámetros de proceso | Relaciona consignas con defectos y reduce rechazo | Parámetros por lote + resultado de control de calidad | Análisis estadístico sobre histórico | | Puesta en marcha y cambio de formato | Prueba configuraciones sin parar la línea | Modelo validado de la línea y sus restricciones | Pruebas en parada programada |

El primero es pariente directo del mantenimiento predictivo: un gemelo es la versión con modelo físico de esa misma idea. El segundo es el que más sorprende: una simulación de capacidad bien hecha evita comprar una máquina que no hacía falta.

Elige un activo, el que más te duele, y acota el alcance a una pregunta. «¿Puedo saber con 10 días de antelación que este motor va a fallar?» es un proyecto. «Vamos a hacer el gemelo de la planta» es un presupuesto sin final.

¿Cuánto cuesta y cómo montar el primer piloto?

Sin cifras inventadas de casos ajenos, pero con los componentes que siempre aparecen en un presupuesto:

• Sensorización: desde instalar nada (si el PLC ya mide lo que hace falta) hasta varios miles de euros por activo si hay que añadir acelerómetros, pasarela y cableado.
• Captura e infraestructura: pasarela OT, almacenamiento y retención. Es coste recurrente mensual, no una compra única, y crece con la frecuencia de muestreo.
• Modelo y validación: el trabajo de ingeniería. Depende de si el modelo es estadístico (semanas) o físico detallado (meses).
• Integración y uso: avisos al GMAO, pantalla en planta, formación del equipo de mantenimiento. Siempre se subestima.
• Mantenimiento del modelo: un modelo se degrada cuando cambia el proceso. Presupuesta revisión al menos semestral.

Una secuencia de 90 días que funciona:

1. Semanas 1-2. Elegir activo y pregunta. Definir qué decisión cambiará y cuál es la línea base actual (cuántos fallos, cuánto cuesta cada parada). Sin línea base no hay ROI medible: ver medir el ROI de la IA. 2. Semanas 3-5. Auditoría de datos: qué señales hay, a qué frecuencia, qué histórico de eventos existe y en qué estado. Aquí se decide si el proyecto sigue o se pospone. 3. Semanas 6-9. Modelo mínimo con los datos disponibles. Validación contra eventos pasados que el equipo recuerde. Si no acierta los fallos conocidos, no acertará los futuros. 4. Semanas 10-12. Pilotaje en sombra: el modelo avisa, el equipo registra si tenía razón, nadie cambia aún el plan de mantenimiento. Al final, decisión informada de escalar o parar.

El pilotaje en sombra es lo que más se salta y lo que más confianza genera: un mes de avisos comprobados convence a un jefe de mantenimiento más que cualquier demostración comercial.

Errores que matan un proyecto de gemelo digital

• Empezar por la planta entera. El alcance crece, el tiempo se va en integraciones y a los nueve meses nadie recuerda la pregunta inicial.
• Confundir frecuencia con valor. Capturar todo a máxima frecuencia multiplica el coste de almacenamiento sin mejorar el modelo si el fenómeno es lento.
• No involucrar a producción. El modelo lo usa quien está en planta. Si se diseña solo con el departamento de IT, nace desalineado.
• Aceptar una caja negra. Si el proveedor no explica qué variables pesan en la predicción, el equipo no se fiará del aviso y acabará ignorándolo.
• Olvidar la seguridad OT. Sacar datos del control industrial exige diseño: pasarela unidireccional cuando se pueda, segmentación de red y revisión de quién puede escribir.

Preguntas frecuentes

¿Cuánto histórico necesito para un gemelo digital predictivo?

Como referencia práctica, de 12 a 24 meses que incluyan varios fallos reales del mismo tipo. Lo determinante no es la duración, sino el número de eventos etiquetados: con dos fallos documentados no se entrena nada fiable, aunque tengas tres años de señal.

¿Un gemelo digital sirve en una fábrica con máquinas antiguas?

Sí, pero cambia el punto de partida. En maquinaria sin comunicación hay que añadir sensores externos y una pasarela, lo que añade coste e instalación. La buena noticia es que suelen ser los activos con más paros y, por tanto, donde antes se ve el retorno.

¿Qué diferencia hay entre gemelo digital y mantenimiento predictivo?

El mantenimiento predictivo es un caso de uso; el gemelo digital es una forma de resolverlo con un modelo del activo. Puedes hacer mantenimiento predictivo con un modelo estadístico sin gemelo, y puedes tener un gemelo que no haga predicción de fallos sino simulación de capacidad.

¿Lo compro como producto o lo desarrollo a medida?

Si tu activo es estándar (compresores, bombas, motores eléctricos), hay productos de monitorización que cubren el caso con menos coste y menos riesgo. El desarrollo a medida se justifica cuando el proceso es propio y la ventaja compite en el producto final.

Si estás valorando un gemelo digital y lo que de verdad no sabes es si tus datos llegan para sostenerlo, esa es exactamente la pregunta que resuelve la auditoría: dos semanas mirando qué señales hay, en qué estado están los históricos y qué caso es el primero que compensa. Y si ya tienes claro el activo y la pregunta, hablemos del piloto antes de que el alcance crezca solo.