El gemelo digital lleva una decada siendo una palabra con mucho catalogo y poca fabrica. En 2025 la imagen ha cambiado: hay plantas reales en España donde corre un gemelo que sirve para algo, y las plataformas que lo hacen posible han dejado de moverse a diario. Este post hace una revision honesta del estado del arte tras una decada larga de promesas, con el filtro de quien ha estado en suelo de planta viendo que aguanta y que no.
Hablo de plantas reales, no de dashboards bonitos. La pregunta útil hoy es donde un gemelo devuelve la inversion y donde sigue siendo un cuento.
Las tres tipologias que se han consolidado
De los diez tipos de gemelo que los analistas propusieron entre 2015 y 2020, solo tres han sobrevivido al contacto con la realidad industrial.
El gemelo de activo individual es el mas sencillo y el que mas retorno da. Replica una maquina concreta (una prensa, una CNC, un horno) con datos de sensores en tiempo real y un modelo fisico suficiente para predecir desgaste o fallo. Es la base del mantenimiento predictivo serio y es donde la mayoria de pymes industriales deberia empezar. El coste es manejable, el retorno medible y la complejidad no descarrila al equipo.
El gemelo de linea o celula cubre varias maquinas conectadas y aporta algo distinto: detección de cuellos de botella y simulacion de cambios antes de hacerlos. Aqui ya hace falta un modelo de flujo y datos de ejecución (MES o SCADA). La curva de adopcion es mas dura pero el retorno sigue siendo claro si la linea produce lo suficiente.
El gemelo de planta completa es el que los catalogos siguen vendiendo y el que casi nadie tiene funcionando de verdad. Simular una planta entera exige un esfuerzo enorme de modelado, mantenimiento del propio modelo y gobernanza de datos. He visto dos proyectos en España que merezcan ese nombre, ambos en empresas grandes con equipo dedicado. Para el resto sigue siendo promesa.
Plataformas: el ecosistema se ha asentado
En 2025 la conversación plataforma ya no es un carrusel de recien llegados. Tres opciones cubren el grueso de los casos.
AWS IoT TwinMaker, disponible desde finales de 2022, es la opcion cloud mas utilizada por equipos que ya viven en AWS. Se integra bien con SiteWise para la captura de datos y con QuickSight para visualizacion. Su punto fuerte es la facilidad; su punto debil es el bloqueo de datos dentro de AWS y un coste que crece rapido cuando el número de activos supera unos cientos.
Azure Digital Twins sigue siendo la opcion natural para plantas ancladas en Microsoft y usa el lenguaje DTDL para describir el grafo de entidades. Su ecosistema se apoya en Azure IoT Hub y Time Series Insights. Es solido pero exige mas trabajo de modelado que TwinMaker. El coste también es sensible al número de relaciones del grafo.
NVIDIA Omniverse ha cambiado el papel del gemelo visual. Lo que antes era un tema de CAD muerto hoy es una escena interactiva con fisica, usada tanto para formacion de operarios como para pruebas de layout. Su adopcion industrial real esta en automocion y logistica grande. Para una pyme promedio sigue siendo excesivo pero empieza a ser plausible en 2025 gracias a suscripciones mas modulares.
Hay también opciones locales. Siemens Tecnomatix y Dassault Delmia llevan decadas en fabricas grandes y se han ido modernizando con conectores a datos de ejecución. No son nuevos pero siguen siendo los estandares en sectores con trazabilidad regulada.
Donde se ve el retorno
El mantenimiento predictivo es el caso mas claro y el mas recorrido. Un gemelo con tres meses de datos de vibracion, temperatura y consumo electrico de una bomba o un motor permite detectar anomalias antes del fallo catastrofico. Los estudios internos que he revisado muestran reducciones del 20 al 35 por ciento en paradas no planificadas y ahorros en repuestos en el mismo rango. Es el caso que mas pymes han conseguido justificar.
La simulacion de cambios de linea es el segundo caso solido. Antes de mover una maquina o cambiar un programa de robot el gemelo te dice que pasa con el ritmo, el wip y la utilizacion. Evita experimentos caros en planta. En una linea de mecanizado con cuello de botella detectado por simulacion, el cambio propuesto ahorro el equivalente a un operario por turno durante el primer año.
La formacion de operarios con gemelo visual es el tercer caso donde el retorno se hace notar. No es tan cuantificable en euros directos pero reduce los errores en los primeros meses y permite entrenar sobre procedimientos criticos sin parar produccion. Sectores con alta rotacion de operarios (alimentacion, envasado) son los que mas lo aprovechan.
Errores frecuentes que siguen haciendo descarrilar proyectos
Tres patrones se repiten en los proyectos que fracasan.
El primero es empezar por la plataforma. Equipos que eligen TwinMaker o Azure Digital Twins antes de entender que problema quieren resolver acaban con una arquitectura cara y sin caso de uso. La pregunta útil es “que decision quiero tomar mejor gracias a este gemelo”. Si no hay respuesta concreta, el proyecto no se sostiene.
El segundo es modelar demasiado. La tentacion de reproducir cada detalle de la maquina o la planta lleva a modelos que no se mantienen, se quedan obsoletos en seis meses y nadie vuelve a actualizar. Un gemelo útil es el minimo modelo que responde la pregunta de negocio.
El tercero es no tener datos. Muchos proyectos asumen que los sensores existen cuando en realidad la instrumentacion es pobre o inconsistente. El gemelo no arregla la falta de datos, la hace visible. Antes de firmar plataforma conviene auditar que señales hay de verdad.
Cuando compensa
Mi recomendacion práctica para una pyme industrial en 2025 es arrancar por un gemelo de activo con retorno claro (mantenimiento predictivo sobre una maquina critica), probarlo seis meses y solo entonces plantear extender a linea. Para empresas grandes con plantas complejas y recursos la conversación es distinta, pero incluso ahi el gemelo de planta completa sigue siendo un objetivo de tres a cinco años, no de seis meses.
La tecnologia ya no es la barrera. Lo que limita es la disciplina de integración de datos, la gobernanza del propio modelo y la honestidad sobre que decisiones se quieren mejorar. Donde esos tres ingredientes existen, el gemelo ya es una herramienta madura en 2025. Donde no existen, sigue siendo la misma ilusion que en 2015.
