L’evoluzione del Digital Twin è stato uno dei temi centrali dell’AVEVA World 2026 di Milano.
L’azienda ha infatti presentato una serie di partnership tecnologiche in diversi ambiti, dal multicloud all’intelligenza artificiale, per rendere sempre più affidabile e real time la raccolta e l’elaborazione di dati relativi a impianti e infrastrutture.
L’obiettivo è ridefinire il Digital Twin industriale, eliminando i silos di dati e abilitando una nuova collaborazione tra ingegneria, operations e IT. Abbiamo approfondito le prospettive del Digital Twin insieme a Luca Branca, Country Director AVEVA Italia.
AG. Il concetto di Digital Twin ha ormai un paio di decenni di vita. Alla luce del boom di intelligenza artificiale, sensoristica ed edge computing, come sta evolvendo il “Digital Twin”?
LB. Si tratta in effetti di un tema sul mercato da diversi anni e che, secondo me, ha sempre avuto diverse accezioni, in base all’expertise, alle competenze e agli ambiti di lavoro.
Fino a qualche anno fa, il Digital Twin è stato visto come una fotografia, un modello 3D o, al massimo, una dashboard avanzata: una replica digitale di un impianto. Oggi è invece un modello “vivo”, collegato all’intera supply chain con cui scambia informazioni e dotato di strumenti che consentono di interpretare questi dati.
L’obiettivo, come è emerso anche all’AVEVA World di Milano, è avere una visione complessiva e aggiornata del business e della supply chain, in un sistema interconnesso in cui l’azienda collabora al meglio con supplier, produttori e distributori.
E questo salto in avanti del Digital Twin è permesso dalle tecnologie abilitanti e differenzianti che hai citato tu. L’intelligenza artificiale, che non crea valore di per sé, ma analizzando applicativi e interdipendenze di business, individuando risultati e raccomandando azioni in tempo reale.
Poi ci sono la sensoristica e l’edge, in cui AVEVA conferma e rafforza il proprio approccio agnostico. Il mercato tecnologico evolve continuamente con nuovi protocolli, sistemi, applicazioni, dashboard e così via. L’agnosticismo verso la data source, combinato con l’apertura alla condivisione dei dati, è essenziale per creare valore.
L’edge deve aiutarci, in futuro, non solo nella collection ma anche nel computing. Cioè nell’analizzare e interpretare i dati, fornendo loro un senso. Il lavoro distribuito è sicuramente più efficiente e in questo ambito stiamo muovendo i primi passi, con alcune analitiche e early notification.
AG. Facciamo qualche esempio di applicazione, e ritorno dell’investimento, nel settore energy “tradizionale”, quindi grandi impianti e reti di distribuzione?
LB. Se parliamo di impianto di generazione fossile, il ritorno dell’investimento è influenzato in primis dalla disponibilità dell’asset. Evitare uno stop non previsto o un degrado della prestazione, ottimizzare l’efficienza, aumentare il throughput.
Abbiamo use case che stimano un risparmio tra il 10% e i 20% di OpEx, grazie alla manutenzione predittiva. Ma anche casi in cui abbiamo raggiunto il -30% sui costi di manutenzione e una riduzione del 40% dei tempi di downtime.
Nel caso delle reti è evidente l’evoluzione da “gemello digitale” di un asset a “gemello digitale” di un asset complesso. Non guardo a una sola macchina critica, ma devo correlare eventi distribuiti in un ambito geografico molto esteso, ma al contempo strettamente interconnessi tra loro.
In questo caso sarà fondamentale l’apporto di intelligenza artificiale ed edge computing, perché potremo distribuire la capacità di elaborare i dati là dove si originano.
AG. E per quanto riguarda, invece, gli asset delle rinnovabili: fotovoltaico, eolico, biometano, storage e così via? Come cambiano le logiche di ROI e che cosa cambia rispetto ai grandi impianti fossili?
LB. Nel caso delle flotte rinnovabili ritroviamo il concetto di asset distribuiti, tipico delle reti. Il Digital Twin in questi casi diventa una sorta di gestione di un portafoglio distribuito: non guardo solo all’efficienza del singolo pannello, ma prioritizzare gli interventi sul sistema e confrontare le performance di ogni elemento.
La complessità è quindi decisamente maggiore. Devo andare ad alimentare il Digital Twin con dati reali e storici dell’impianto: una knowledge base di dati attendibili e di qualità è essenziale. Dovrà andare a gestire più asset e tecnologie, di fornitori diversi.
L’intelligenza artificiale sarà indispensabile in questo, ma il nodo principale è disporre di dati attendibili, per evitare di introdurre e propagare errori nei modelli.
AG. Un report realizzato da IMD e AVEVA ha rilevato che il 74% dei leader considera gli ecosistemi digitali una priorità strategica, ma solo il 27% condivide i dati in modo esteso con i propri partner. Che cosa ostacola questa evoluzione? E quanto pesano i sistemi informativi antiquati e strutturati in silos?
LB. I sistemi informativi dei nostri clienti sono il risultato delle scelte degli ultimi decenni. Datawarehouse, SCADA e così via resteranno con noi ancora per molto tempo.
E ricordiamoci che questa complessità non sparirà in futuro: i sistemi continueranno a evolvere e, forse, tra dieci anni le tecnologie di oggi ci sembreranno altrettanto antiquate.
Per questo serve un approccio aperto e agnostico: bisogna partire dai sistemi esistenti, senza negarli. La filosofia del “start and replace” non funziona, bisogna integrare e ottimizzare i sistemi di cui l’azienda dispone, massimizzando l’investimento fatto nel tempo grazie ad approcci specifici, mirati a migliorare ciò che oggi non funziona o manca.
Oltre alla capacità di integrare, per fare la differenza serve la Governance. Come è emerso chiaramente all’AVEVA World, e ho anticipato un paio di volte nelle risposte precedenti, si parlerà sempre meno di singola azienda e sempre più di realtà interconnesse.
L’obiettivo è anticipare i tempi: segnalare che qualcosa sta andando male in tempo utile per intervenire. Tutte queste tecnologie ci devono aiutare per arrivare a questo: avere il tempo di decidere e pianificare la risposta. Ecco perché dati e AI potranno darci una mano, individuando rapidamente pattern e correlazioni.
AG. Nei prossimi cinque anni, come cambierà l’adozione dei Digital Twin da parte degli operatori Energy? Ottimizzeranno ciò che già esiste o andremo verso modelli nuovi anche nella progettazione e nella gestione degli impianti?
LB. Nel breve e medio periodo, vedo un utilizzo pragmatico: ottimizzare ciò che abbiamo oggi. Questo permetterà di ottenere ritorni sugli investimenti e di passare a livelli superiori.
A tendere, vedremo quindi queste tecnologie nell’early stage di progetto. Un elemento del processo di crescita dell’azienda, utilizzato anche per il revamping, l’ingegneria di una nuova macchina, la progettazione di un nuovo impianto e così via.
E penso che si espanderanno sull’intera supply chain, con una visione che supera il singolo impianto. Tendenzialmente, dovrebbero diventare in grado di orientarci nella decisione operativa, fornendo raccomandazioni operative lungo la catena del valore. Il bisogno dell’utente finale, del nostro cliente aziendale, è sapere cosa deve fare, con la consapevolezza che quella informazione è attendibile e veritiera.
