Apa itu kembaran digital?

Kembaran digital memungkinkan pemantauan, simulasi, dan analisis berkelanjutan terhadap suatu objek, produk, atau sistem selama siklus hidupnya, mulai dari desain dan produksi hingga pemeliharaan dan penghentian penggunaan. Mereka juga dapat menggabungkan proses eksternal dan variabel penting yang mempengaruhi kinerja aset.

Fitur utama adalah pertukaran data dua arah waktu nyata antara objek dan replika virtualnya, membantu memastikan bahwa kondisi simulasi secara akurat mencerminkan dunia fisik. Perusahaan juga dapat menghubungkan beberapa kembaran digital untuk memodelkan sistem yang lebih kompleks dalam melayani transformasi digital yang lebih besar atau strategi Industri 4.0.

Dengan memberikan insight tentang bagaimana suatu objek berfungsi di masa kini—dan memproyeksikan bagaimana objek mungkin berperilaku dalam skenario masa depan—kembaran digital membantu organisasi meningkatkan efisiensi, mempercepat inovasi, dan membuat keputusan berbasis data dan tepat. Contoh penggunaan umum termasuk peng optimalan proses, pemeliharaan prediktif, pengoptimalan rantai pasokan, dan pengembangan produk.

Banyak penyedia kembaran digital modern, termasuk Siemens, General Electric, Nvidia, IBM, Bentley dan Microsoft, menawarkan rangkaian layanan lengkap. Paket mungkin termasuk lapisan perangkat keras (seperti kit sensor), prosesor data, layanan sinkronisasi, mesin simulasi, platform analitik, dan dasbor visualisasi. Namun, perusahaan dengan aplikasi yang lebih khusus mungkin malah mengambil pendekatan modular, memilih beberapa layanan untuk memenuhi kebutuhan mereka.

Kembaran digital dapat mewakili hampir semua objek, mulai dari bangunan dan jembatan hingga mobil, pesawat terbang, artefak sejarah, dan bahkan bumi. Mereka mungkin juga memodelkan sistem yang kompleks seperti pola lalu lintas, peristiwa cuaca, rencana perawatan kesehatan dan operasi pabrik. Akhirnya, dalam konteks yang lebih eksperimental, kembaran digital mungkin didasarkan pada orang nyata atau imajiner, lengkap dengan suara, penampilan, dan ciri-ciri kepribadian yang dimodelkan.

Kembaran digital sekarang banyak digunakan di seluruh industri: Sebuah studi riset Pasar Strategis 2023 menemukan bahwa sekitar 75% bisnis mempekerjakan mereka dalam beberapa kapasitas. Inisiatif ini bisa mahal dan padat sumber daya. Namun, bagi banyak perusahaan, mereka sepadan dengan investasinya: 92% perusahaan yang menerapkan kembaran digital melaporkan pengembalian di atas 10%, sementara lebih dari setengahnya melaporkan setidaknya 20% laba atas investasi, menurut survei Hexagon 2025.

• Aset fisik yang ingin dipantau, dianalisis, atau disimulasikan oleh perusahaan dalam lingkungan virtual
  
  
• Model virtual yang bertindak sebagai representasi digital dari objek atau sistem dunia nyata
  
  
• Sumber data seperti sensor atau perangkat Internet of Things (IoT) yang secara terus menerus merekam metrik yang relevan seperti suhu, tekanan, atau gerakan
  
  
• Pipeline data yang mentransmisikan data sensor ke model virtual, menjaganya agar tetap tersinkronisasi dengan aset fisik terkait secara real time
  
  
• Sebuah loop masukan yang mengirimkan insight atau sinyal kontrol dari kembaran digital kembali ke aset fisik untuk mengoptimalkan kinerja, efisiensi, dan pengambilan keputusan.
  
  
• Analytics Engine—sering didukung oleh machine learning atau kecerdasan buatan—yang dapat deteksi pola data, mensimulasikan skenario masa depan, melakukan analisis prediktif, dan membantu pelacakan aset
  
  
• Antarmuka visualisasi dan dasbor yang memungkinkan tim berinteraksi dengan representasi aset atau sistem 2D atau 3D

Meskipun alur kerja kembaran digital sangat bervariasi di berbagai industri dan aplikasi, sebagian besar mencakup langkah-langkah mendasar ini:

Sebuah perusahaan dapat memulai dengan melengkapi objek fisik dengan serangkaian sensor, yang menangkap kinerja, kondisi, dan lingkungan operasinya. Dalam konteks IoT, organisasi mungkin menerapkan “objek pintar”, yang sering kali diinstal sebelumnya dengan sensor bawaan yang dapat terus mengumpulkan dan berbagi data. Dalam pengaturan TI, tim dapat membangun representasi digital aplikasi, perangkat lunak, dan komputer(mesin virtual) menggunakan teknologi virtualisasi. Mereka kemudian dapat menerapkan agen perangkat lunak untuk mengumpulkan data di atau di dekat aset digital untuk pemantauan dan analisis.

Model virtual adalah replika digital dari suatu objek atau sistem, dibangun menggunakan data yang dikumpulkan dari mitra kehidupan nyata. Model ini ditanami dengan atribut kunci yang membantunya bereaksi secara realistis terhadap variabel seperti kondisi lingkungan dan interaksi dengan sistem terkait.

Misalnya, kembaran digital turbin pesawat tidak hanya mensimulasikan keausan dan kegagalan pada tingkat yang sama dengan rekan kehidupan nyata tetapi juga memperhitungkan gaya aerodinamis selama penerbangan dan pengaruh mesin dan komponen hidrolik yang terhubung. Pemodelan terperinci ini membantu memastikan bahwa kembaran digital dapat secara andal mensimulasikan bagaimana rekanan kehidupan nyatanya mungkin bereaksi dalam berbagai kondisi.

Integrasi data memungkinkan komunikasi real-time yang berkelanjutan antara kembaran digital dan mitra fisiknya. Lingkaran umpan balik dinamis ini dapat membantu organisasi mengoptimalkan kinerja, meningkatkan keandalan sistem, dan menerapkan pemeliharaan prediktif-ketika tim mengantisipasi masalah sebelumnya, mengurangi waktu henti, dan memperpanjang siklus hidup aset. Perusahaan sering mengotomatiskan proses pertukaran data, membebaskan mereka untuk menangani tugas-tugas strategis tingkat yang lebih tinggi.

Kembaran digital memungkinkan tim untuk menjalankan eksperimen yang aman dan hemat biaya dalam lingkungan virtual. Misalnya, dalam konteks manufaktur, tim dapat mensimulasikan bagaimana peningkatan jalur perakitan dapat memengaruhi kinerja dan efisiensi. Atau mungkin menguji apakah opsi pengemasan yang lebih terjangkau dapat menahan kerasnya pengiriman dan distribusi. Dengan menjelajahi berbagai skenario “bagaimana jika”, platform kembaran digital membantu tim meningkatkan efisiensi operasional dan meningkatkan kualitas produk tanpa risiko dan biaya yang terkait dengan pengujian dunia nyata.

Analytics Engine dapat menyarankan perubahan operasional tertentu—seperti penskalaan kapasitas cloud, volume produksi, atau anggaran tim—untuk membantu tim mengoptimalkan kinerja dan pengeluaran. Mereka juga dapat berintegrasi dengan platform manajemen hubungan pelanggan (CRM) dan alat perencanaan sumber daya perusahaan (ERP) untuk merampingkan alur kerja produksi dan saluran pelanggan.

Simulasi dan kembaran digital membantu tim mereplikasi dan menguji skenario di lingkungan digital. Namun, meskipun kembaran digital mencerminkan objek kehidupan nyata dan sifat-sifat spesifiknya, simulasi sering kali ada sepenuhnya di dunia virtual tanpa koneksi langsung ke sistem dunia nyata.

Dengan kata lain, simulasi bersifat statis; mereka menjalankan skenario yang telah ditentukan tanpa mekanisme bawaan untuk mengirimkan temuan mereka ke sistem fisik. Sebaliknya, kembaran digital dapat secara dinamis mencerminkan kondisi real-time sementara pada saat yang sama mengirimkan informasi ke sistem fisik yang mereka wakili.

Perbedaan lain adalah bahwa solusi kembaran digital dapat menghubungkan beberapa aset dan sistem, alih-alih mengevaluasinya secara terpisah. Tim dapat dengan lancar menambahkan atau menghilangkan komponen untuk mencerminkan skenario kehidupan nyata, menentukan bagaimana perubahan pada satu aset dapat berdampak pada ekosistem yang lebih luas.

Model 3D adalah representasi statis dari suatu objek pada satu titik waktu. Organisasi dapat menggunakannya untuk memahami seperti apa objek itu, tetapi tidak bagaimana perilakunya. Dengan sendirinya, model 3D tidak dapat menilai skenario masa depan atau mewakili kondisi real-time. Namun, model 3D sering berfungsi sebagai komponen dasar dari kembaran digital dan simulasi, memberikan representasi visual dan spasial yang akurat dari aset atau proses fisik.

Meskipun tim dapat membangun kembar yang terhubung (jaringan yang terdiri dari kembaran digital tertaut) untuk menangkap pandangan yang lebih luas tentang kinerja sistem, jaringan ini biasanya digunakan untuk mengoptimalkan siklus hidup aset dalam satu lingkungan produksi. 

Sementara itu, utas digital sering kali memiliki cakupan yang lebih luas, menghubungkan data di berbagai departemen, proses, dan lingkungan untuk menangkap tampilan aset dan sistem di seluruh organisasi. Utas digital dapat memusatkan data dari berbagai lingkungan produksi sehingga dapat diakses oleh pemangku kepentingan di seluruh organisasi.

Pada akhirnya, utas digital sangat ideal untuk mendapatkan pandangan holistik tentang sistem organisasi yang saling terkait, sedangkan kembaran digital lebih cocok untuk menyempurnakan aset dan proses individu.

Sudah umum bagi beberapa jenis kembaran digital, masing-masing menawarkan lapisan pembesaran yang berbeda, untuk hidup berdampingan dalam satu lingkungan produksi. Keempat jenis utama tersebut meliputi:

Komponen kembar, juga disebut bagian kembar, mereplikasi komponen individu, menawarkan tingkat insight granular ke bagian-bagian tertentu. Sebagai contoh, komponen kembar dapat menggunakan serangkaian sensor untuk mencerminkan katup dalam pipa minyak, motor dalam turbin angin atau turbocharger dalam mobil.

Aset kembar mereplikasi unit fungsional yang lengkap, sering kali terdiri dari dua komponen atau lebih, dan menunjukkan bagaimana komponen-komponen ini berinteraksi secara real time. Kembaran aset dapat mereplikasi sistem katup pipa minyak (terdiri dari beberapa katup dan pipa), sistem melatih turbin angin (terdiri dari motor, gearbox, dan poros) atau sistem turbocharging mobil (terdiri dari turbocharger, intercooler, dan kompresor).

Sistem atau unit kembar memungkinkan perusahaan untuk memahami bagaimana aset cocok bersama untuk membentuk sistem yang lebih besar dan terintegrasi. Mereka memberikan visibilitas ke dalam interaksi aset sambil mengidentifikasi peluang untuk peningkatan kinerja di tingkat sistem. Sistem kembar dapat mencerminkan segmen dari pipa minyak (yang terdiri dari beberapa sistem katup dan pompa), turbin angin (yang terdiri dari motor, bilah, dan sistem kontrol) atau sistem penggerak kendaraan (termasuk mesin, transmisi, dan poros penggerak).

Proses kembar memberikan pandangan yang paling luas, mengungkapkan bagaimana sistem bekerja bersama di seluruh fasilitas produksi, rantai pasokan, atau alur kerja operasional. Proses kembar dapat membantu memastikan bahwa seluruh lingkungan produksi, bukan hanya komponen tertentu, beroperasi pada efisiensi yang optimal. Proses kembar mungkin mereplikasi jaringan distribusi minyak ujung ke ujung, ladang angin penghasil energi atau proses manufaktur otomotif.

Kembaran digital memberikan perusahaan visibilitas yang lebih besar ke dalam sistem yang kompleks serta fleksibilitas untuk mengeksplorasi berbagai konfigurasi operasional sebelum melakukan sumber daya dunia nyata. Manfaat utamanya meliputi:

Solusi kembaran digital membantu perusahaan bereksperimen dengan desain produk, alur kerja, dan proses manufaktur yang berbeda dalam lingkungan pengujian virtual, mempercepat inovasi dan mengurangi waktu ke pasar.

Misalnya, insinyur kedirgantaraan dapat membangun kembaran digital pesawat eksperimental, masing-masing dengan desain sayap dan propulsi yang berbeda, untuk menentukan iterasi mana yang menunjukkan harapan untuk pengembangan lebih lanjut. Pendekatan ini jauh lebih hemat biaya, dan lebih aman, daripada membangun dan menguji prototipe pesawat fisik untuk setiap desain yang diusulkan.

Setelah produk baru mulai diproduksi, kembaran digital dapat membantu sistem cermin dan pemantauan untuk mencapai dan mempertahankan efisiensi puncak selama proses manufaktur. Tim juga dapat mengidentifikasi peluang pemotongan biaya tanpa mengganggu alur kerja saat ini.

Misalnya, perusahaan dapat menguji bahan atau proses manufaktur yang lebih terjangkau di lingkungan virtual—dan menentukan apakah dapat mempertahankan standar kinerja dan emisi—sebelum meluncurkannya dalam skala yang lebih luas. Kembaran digital juga dapat menggunakan data historis untuk pemeliharaan prediktif (memperkirakan aset mana yang cenderung gagal sebelum kesalahan terjadi).

Dalam sistem modern yang kompleks, kegagalan fungsi tunggal atau kegagalan aset dapat menyebabkan gangguan yang meluas, terutama jika tim berjuang untuk mengidentifikasi akar masalah. Misalnya, sirkuit kecil yang mengontrol kipas pendingin di pusat data mungkin gagal, memicu panas berlebih yang membuat seluruh rak server offline.

Kembaran digital dapat mengatasi masalah ini dengan merefleksikan kondisi real-time dari masing-masing komponen, termasuk sensor, sirkuit dan kapasitor. Dengan terus berkomunikasi dengan sistem fisik, kembaran digital dapat deteksi tanda-tanda peringatan dini, seperti lonjakan suhu abnormal, dan mengantisipasi kegagalan yang akan terjadi. Kemampuan ini membantu tim bertindak lebih awal, menghindari waktu henti dan kesalahan yang mahal.

Agar tetap kompetitif, perusahaan harus cepat menskalakan operasi untuk mengakomodasi perubahan permintaan produk, kondisi ekonomi, dan prioritas strategis. Secara tradisional, meningkatkan atau menurunkan skala adalah proses yang lambat dan sulit, mengharuskan tim untuk memvalidasi sistem baru dengan hati-hati sebelum meluncurkannya di seluruh organisasi. Kembaran digital membuat proses ini lebih cepat dan kurang berisiko dengan menyediakan lingkungan virtual di mana tim dapat dengan aman menyesuaikan parameter dan menguji konfigurasi sebelum penerapan universal.

Kembaran digital juga dapat terhubung ke sistem langsung, memungkinkan mereka untuk terus mengirimkan penyesuaian penskalaan ke rekan-rekan fisik mereka secara real time. Sebagai contoh, platform kembaran digital dapat menggunakan algoritma untuk secara otomatis menambah atau menghapus node cloud selama lonjakan penggunaan guna mengurangi hambatan lalu lintas dan menjaga kinerja yang stabil.

Banyak industri mengandalkan model digital untuk memahami sistem yang kompleks, memacu inovasi, memelihara peralatan, dan mengoptimalkan efisiensi. Kembaran digital digunakan secara luas di industri dan aplikasi berikut:

Organisasi dapat menggunakan kembaran digital untuk membuat model mesin jet, mesin lokomotif, turbin pembangkit listrik, aset utilitas dan sistem pembangkit listrik lainnya. Platform kembaran digital dapat menetapkan kerangka waktu untuk pemeliharaan terjadwal secara teratur, deteksi penyimpangan perangkat keras dan memungkinkan pengujian komponen baru. Mereka juga dapat memfasilitasi transisi ke energi terbarukan dengan memantau permintaan jaringan, mensimulasikan konfigurasi aset baru dan memperkirakan lintasan jaringan.

Sistem kembaran digital berbasis fisika dapat membantu para insinyur merancang struktur yang tahan lama, aman, dan hemat biaya, termasuk bangunan, platform pengeboran, kanal, bendungan, dan jembatan. Mereka dapat, misalnya, menentukan apakah jembatan tertentu dapat menahan angin kencang, hujan dan lalu lintas, memberi insinyur kesempatan untuk mengubah desain mereka sebelum konstruksi dimulai.

Kembaran digital juga dapat memberikan visibilitas ke dalam struktur yang sudah dibangun, misalnya dengan mengungkapkan bagaimana sistem utama—seperti pipa ledeng, HVAC, listrik, dan keamanan—berinteraksi di dalam gedung perkantoran. Insight ini dapat membantu menginformasikan sistem pemodelan informasi bangunan (BIM), yang menggunakan representasi digital dari struktur untuk mengelola konstruksi dan pemeliharaannya.

Dalam manufaktur, kembaran digital (sering dilengkapi dengan kemampuan AI) dapat meningkatkan kontrol kualitas, manajemen rantai pasokan, dan deteksi kesalahan dengan memberikan pengawasan di seluruh siklus hidup produk end-to-end. Misalnya, produsen elektronik dapat membangun replika digital dari lantai pabrik, yang mencerminkan tingkat inventaris lokasi dunia nyata, jadwal produksi, status peralatan, dan data operasional lainnya.

Kembaran digital dapat menghasilkan Health Insights melalui forecasting penyakit, yang memprediksi bagaimana pasien dapat merespons berbagai pilihan pengobatan, dan melalui diagnosis yang disempurnakan, yang menggunakan pemodelan yang sangat terperinci untuk menunjukkan dengan tepat bagaimana interaksi antara organ dan sistem tubuh dapat berdampak pada kesehatan.

Mereka juga dapat membantu rumah sakit mengoptimalkan operasi mereka—termasuk staf, penjadwalan, dan pemeliharaan peralatan—dan dapat memfasilitasi transisi ke perawatan kesehatan yang dipersonalisasi, di mana perawatan disesuaikan agar sesuai dengan kebutuhan pasien individu.

Kembaran digital digunakan secara luas dalam desain otomotif, baik untuk meningkatkan kinerja kendaraan maupun untuk meningkatkan efisiensi produksi. Misalnya, perancang kendaraan dapat melakukan pengujian keselamatan dan emisi ekstensif dengan replika virtual sebelum membandingkan kendaraan kehidupan nyata.

Insinyur sipil dan pakar perencanaan kota menggunakan kembaran digital untuk mensimulasikan bagaimana pejalan kaki dan kendaraan berpindah melalui kota. Model kota sering menggabungkan data spasial 3D dan 4D, data objek IoT, dan analitik yang didukung AI untuk mensimulasikan bagaimana kebijakan baru, peningkatan infrastruktur, atau sistem transportasi dapat berdampak pada lingkungan binaan. Kembaran digital memainkan peran kunci di kota pintar, yang menggunakan perangkat yang terhubung IoT untuk terus mengumpulkan dan berbagi data yang dapat dimanfaatkan untuk meningkatkan kualitas hidup dan keberlanjutan.

Konsep di balik teknologi kembaran digital berasal dari tahun 1960-an, ketika NASA membangun replika fisik pesawat ruang angkasa untuk mempelajari bagaimana mereka mungkin merespons kondisi yang berbeda sebelum mengirim fisik aslinya ke orbit. Pada tahun 1970, ketika ledakan di dalam pesawat mengancam nyawa awak Apollo 13, NASA mengandalkan model-model ini untuk mengeksplorasi berbagai skenario penyelamatan dari darat, menurut Server Laporan Teknis administrasi tersebut. Sementara upaya awal ini menggunakan salinan fisik alih-alih virtual, mereka membuka jalan bagi apa yang akhirnya dikenal sebagai “kembaran digital.”

Pada tahun 2002, ilmuwan dan eksekutif bisnis Michael Grievesmengkonseptualisasikankerangka kerja Product Lifecycle Management (PLM) yang menghubungkan produk fisik dengan mitra virtualnya melalui pertukaran data berkelanjutan. Delapan tahun kemudian, John Vickers dari NASA secara resmi menciptakan istilah “kembaran digital” dalam peta jalan teknis NASA, dibangun dari konsep “ruang cermin” Grieves.

Pasar kembaran digital berkembang pesat, menurut laporan Fortune Business Insights. Diperkirakan akan tumbuh dari USD 24,5 miliar pada tahun 2025 menjadi USD 259,3 miliar pada tahun 2032, dengan industri seperti kota pintar, kedirgantaraan, perawatan kesehatan, dan manufaktur mendorong pertumbuhan. Kemampuan kembaran digital baru dan yang muncul meliputi:

AI generatif dapat memprediksi bagaimana sistem akan bereaksi di masa depan berdasarkan kumpulan data historis dan real-time. Kemampuan ini memberdayakan tim untuk membuat keputusan operasional dan investasi yang lebih terinformasi. Teknologi AI juga dapat membantu sistem kembaran digital menskalakan dan menyediakan sumber daya secara optimal tanpa campur tangan manusia.

Alih-alih hanya mengautomasi tugas rutin dan berulang, model AI dapat menggunakan kembaran digital untuk membuat keputusan multi-langkah jangka panjang. Misalnya, mereka dapat mengantisipasi bagaimana kegagalan komponen dapat menular melalui jaringan, mempengaruhi aset dan sistem tetangga; memperingatkan tim yang relevan setiap kali komponen membutuhkan pemeliharaan; merekomendasikan peningkatan jaringan sehingga kegagalan kecil kemungkinannya terjadi; dan dalam beberapa kasus, menerapkan perubahan operasional sepenuhnya sendiri.

Seperti perangkat lunak sebagai layanan (SaaS), kembaran digital sebagai layanan (DTaaS) menjadi pilihan populer bagi perusahaan. Metode pengiriman memungkinkan organisasi untuk dengan cepat menerapkan dan menskalakan kembaran digital melalui cloud, tanpa harus memprogramnya dari awal atau memelihara server tempat mereka tinggal.

Para pengembang sedang merancang kembaran digital yang mampu mencerminkan perilaku dan kognisi manusia. Digital doppelgängers dapat digunakan untuk aplikasi pribadi (seperti pelestarian lama atau keterlibatan audiens) dan yang profesional (seperti melatih karyawan atau mengautomasikan tugas berulang).

Mereka juga dapat berguna dalam konteks riset. Misalnya, peneliti dapat melakukan eksperimen dengan pengguna sintetis untuk mensimulasikan bagaimana manusia kehidupan nyata dapat merespons produk dan fitur baru. Perusahaan kemudian dapat menggabungkan temuan ini untuk memproyeksikan tren tingkat populasi.