CIO Siap untuk Digital Twins, Tapi Implementasinya Bermasalah Ganda
Menyadari janji penuh dari kembar digital mungkin memerlukan pengintegrasian sistem dan data di seluruh ekosistem organisasi.
Bayangkan bisa menyelesaikan masalah produksi dan perubahan alur kerja secara virtual sebelum menerapkan perubahan pada organisasi Anda. Hampir enam dari sepuluh CIO yang menanggapi survei Gartner baru-baru ini memiliki atau sedang mempersiapkan organisasi mereka untuk mendukung kembar digital, yang mereplikasi aset fisik, proses, orang, tempat, sistem, dan perangkat potensial dan aktual. Setidaknya 21% telah menerapkan beberapa bentuk kembar digital, sementara 38% lainnya terlibat dalam tahap perencanaan satu hingga tiga tahun untuk menerapkan kembar digital.
Lihat juga: Pasar Kembar Digital Akan Melihat Pertumbuhan Sepuluh Kali lipat dalam 5 Tahun Kedepan
Namun, mewujudkan janji penuh dari kembar digital mungkin memerlukan pengintegrasian sistem dan data di seluruh ekosistem organisasi. Demikian kesimpulan laporan dari Deloitte. Data yang buruk, tantangan pengukuran, dan bahkan hal-hal yang berlebihan dapat membuat sulit untuk secara akurat mereplikasi aset fisik, penulis laporan tersebut, yang dipimpin oleh Adam Mussomeli dari Deloitte, memperingatkan.
Tim Deloitte mengidentifikasi beberapa cara potensial penerapan kembar digital di seluruh industri:
- Produsen otomotif dan pesawat terbang: “Alat penting untuk mengoptimalkan seluruh rantai nilai manufaktur dan berinovasi produk baru.” Dalam kasus mesin pesawat, mereka mungkin “memiliki ribuan atau puluhan ribu sensor, menghasilkan terabyte data setiap detik. Dikombinasikan dengan kembar digital, pembelajaran mesin, dan model prediktif, produsen memberikan rekomendasi untuk membantu pilot mengoptimalkan konsumsi bahan bakar, membantu perawatan menjadi proaktif, dan membantu armada mengelola biaya.”
- Energi :“Operator layanan lapangan menangkap dan menganalisis sejumlah besar data in-hole yang mereka gunakan untuk membangun model digital yang memandu upaya pengeboran secara real time.”
- Perawatan kesehatan: “Peneliti kardiovaskular menciptakan kembar digital jantung manusia yang sangat akurat untuk diagnosis klinis, pendidikan, dan pelatihan.”
- Kota pintar: “Singapura menggunakan model virtual yang mendetail dalam perencanaan kota, pemeliharaan, dan proyek kesiapan bencana.”
Membangun kembaran digital yang akurat bukanlah proses dalam semalam. Tim Deloitte menunjukkan tiga bidang tantangan untuk menerapkan kembar digital:
- Data buruk: “Algoritma AI dan pembelajaran mesin yang menggerakkan kembar digital membutuhkan volume data yang besar,” Mussomeli dan rekan penulisnya memperingatkan. “Dalam banyak kasus, data dari sensor di lantai produksi mungkin telah rusak, hilang, atau tidak dikumpulkan secara konsisten sejak awal.” Laporan Deloitte menyarankan “mengambil langkah-langkah untuk mengembangkan infrastruktur yang diperlukan dan pendekatan manajemen data sekarang dapat membantu mempersingkat waktu Anda untuk mendapatkan manfaat”.
- Proses pengukuran: “Bahkan dalam kasus di mana simulasi kembar digital sedang dibuat untuk proses, sistem, dan perangkat baru, tidak selalu mungkin untuk melengkapi proses dengan sempurna,” tim Deloitte memperingatkan. “Organisasi perlu melihat ke proxy — misalnya, mengandalkan instrumentasi dan sensor di dalam kendaraan daripada memasang sensor ke ban — atau hal-hal yang mungkin dideteksi.”
- Menentukan keseimbangan sensor yang tepat: “Dengan turunnya biaya sensor, berapa banyak sensor yang cukup?” para peneliti bertanya. “Menyeimbangkan analisis biaya/manfaat sangat penting. Sebagian besar kasus penggunaan hanya memerlukan sejumlah kecil sensor yang ditempatkan secara strategis untuk mendeteksi input, output, dan tahapan utama dalam proses.”
Meskipun ada hambatan, para peneliti Deloitte adalah pendukung potensi manfaat yang belum pernah terjadi sebelumnya yang dibawa oleh kembar digital ke perusahaan. “Salinan digital sempurna dari dunia fisik akan memungkinkan Anda untuk berkolaborasi secara virtual, memasukkan data sensor dan mensimulasikan kondisi dengan cepat, memahami skenario bagaimana-jika dengan jelas, memprediksi hasil dengan lebih akurat, dan mengeluarkan instruksi untuk memanipulasi dunia fisik.” Itu proposisi nilai yang perlu ditelusuri.
