MODELAMIENTO · DATOS · MANUFACTURA
Gemelos digitales en manufactura: modelos, datos y conexión con el proceso real.
Un gemelo digital combina una representación útil del sistema con información del activo físico y servicios que permiten observar, estimar, predecir o apoyar decisiones. La simulación, la sensórica y los datos históricos pueden ser componentes fundamentales; el valor aparece cuando se integran para un caso de uso concreto.
PM Tec Engineering aporta experiencia en modelamiento físico, simulación de procesos, moldes y producto. KERN IoP aporta instrumentación, adquisición, contexto operacional e históricos. Esta combinación permite construir una base especialmente sólida para aplicaciones de gemelo digital en manufactura.
Un gemelo digital se define por la relación que mantiene con el sistema físico y por el propósito que cumple.
ISO 23247 proporciona un marco de referencia específico para gemelos digitales en manufactura. La serie cubre principios generales, arquitectura, representación de elementos de manufactura e intercambio de información. En 2026 se añadió ISO 23247-5 para describir el digital thread o hilo digital a través del ciclo de vida. NIST complementa este enfoque con trabajo sobre estandarización, validación, incertidumbre e interoperabilidad.
Modelo del sistema
Puede incluir geometría, ecuaciones físicas, modelos de proceso, simulación, lógica, relaciones entre activos o modelos estadísticos.
Información del activo
Sensores, señales de máquina, registros de operación, calidad y contexto actualizan o calibran la representación según el propósito.
Uso operacional
Monitorear, estimar estados, comparar contra modelo, predecir comportamiento, probar escenarios u orientar una decisión.
Simulación, modelo digital, sombra digital y gemelo digital: una progresión de capacidad.
| Capacidad | Qué aporta | Relación con el sistema físico | Ejemplo en manufactura |
|---|---|---|---|
| Simulación | Permite estudiar hipótesis, escenarios y sensibilidad de variables. | Puede ejecutarse con condiciones definidas por ingeniería sin sincronización automática con la operación. | Simular llenado, enfriamiento, deformación o respuesta estructural antes de modificar el proceso. |
| Modelo digital | Representa un activo o proceso mediante CAD, CAE, ecuaciones, lógica o modelos estadísticos. | Puede mantenerse asociado al activo, aunque su actualización dependa del trabajo de ingeniería. | Modelo térmico del molde o modelo dinámico de un sistema de refrigeración. |
| Sombra digital | Organiza datos operacionales y estados observados para reflejar el comportamiento real. | La literatura utiliza este término para describir una alimentación predominantemente física → digital. | Histórico contextualizado de ciclos, presión, temperaturas, energía, orden y calidad. |
| Gemelo digital | Relaciona modelos, datos y servicios para representar el estado del sistema y apoyar un propósito operativo. | Existe una relación persistente y sincronizada con el activo; la frecuencia y dirección de intercambio dependen del caso de uso. | Modelo de proceso actualizado con datos reales para estimar estados, predecir calidad o comparar alternativas de operación. |
Esta progresión es útil para diseñar proyectos, pero no debe interpretarse como una única taxonomía normativa universal. Distintas publicaciones utilizan los términos con matices diferentes. Para una implementación industrial resulta más importante especificar qué modelo existe, qué datos lo actualizan, con qué frecuencia, cómo se valida y qué decisión debe soportar.
La arquitectura conecta conocimiento físico, medición y contexto.
La implementación concreta depende del activo y del caso de uso.
01 · MODELORepresentarPrimeros principios, simulación CAE, balances, geometría, modelos estadísticos o combinaciones.
02 · MEDIRObservarSensores, PLC, máquina, medidores, periféricos y calidad capturan el estado real.
03 · CONTEXTORelacionarOrden, producto, molde, material, lote, estado, ciclo y condiciones de operación.
04 · ESTIMARActualizarCalibración, estimación de estado, comparación modelo–medición y cálculo de variables no observadas.
05 · USARDecidirDiagnóstico, predicción, optimización, experimentación virtual o soporte a operación.
Los modelos híbridos combinan física y datos para representar mejor la operación real.
Una línea de desarrollo particularmente relevante para manufactura combina modelos basados en primeros principios con modelos data-driven, es decir, construidos o ajustados a partir de datos. La revisión de Zhang et al. publicada en 2026 describe los hybrid digital twins como una integración de modelos físicos, mecanismos, simulación, algoritmos de datos y optimización para mejorar precisión, adaptabilidad y explicabilidad.
Modelo fenomenológico
Balances de masa, energía o cantidad de movimiento, relaciones constitutivas y conocimiento del proceso limitan el espacio de soluciones a comportamientos físicamente plausibles.
Corrección y aprendizaje
Los datos medidos permiten calibrar parámetros, corregir incertidumbres, estimar estados difíciles de medir y aprender efectos no incluidos explícitamente.
Confianza cuantificada
La comparación repetida entre modelo y operación permite evaluar error, dominio de validez e incertidumbre antes de utilizar la predicción para una decisión.
En moldeo por inyección, el gemelo puede unir molde, máquina, material, periféricos y calidad.
La inyección combina fenómenos térmicos, reológicos, mecánicos y de control. La literatura sobre gemelos de inyección utiliza datos de máquina, sensores de cavidad, periféricos y sistemas de calidad para relacionar la condición del proceso con el resultado final. La simulación puede aportar una representación física; la medición real permite actualizarla, validarla o complementar sus variables.
Molde y refrigeración
Combinar un modelo térmico con temperaturas, caudales y condiciones de ciclo puede ayudar a estimar estados térmicos, comparar estrategias de enfriamiento y estudiar la estabilidad del proceso.
Proceso y resultado de pieza
Presión, temperatura, tiempos, posiciones, energía y señales de cavidad pueden relacionarse con peso, dimensiones o inspecciones para estudiar predicción de calidad y causas de variación.
Consumo y estado operacional
La medición energética de máquina y periféricos puede convertirse en otra variable del estado del sistema y ayudar a comparar ciclos, configuraciones o referencias bajo condiciones equivalentes.
Fuentes heterogéneas
OPC UA/EUROMAP, PLC, señales digitales, medidores y sensórica adicional pueden integrarse en una representación común cuando ninguna fuente individual contiene todo el contexto necesario.
Una ruta práctica: comenzar por una pregunta de ingeniería y aumentar la fidelidad solo cuando aporte valor.
Instrumentar
Definir la variable que realmente responde la pregunta y validar su medición.
Construir historia
Relacionar señales con activo, producto, lote, ciclo, estado y resultado.
Representar el fenómeno
Seleccionar un modelo físico, estadístico, de simulación o híbrido adecuado.
Comparar contra realidad
Cuantificar error, sensibilidad, incertidumbre y dominio operativo.
Actualizar estados
Usar nuevos datos para estimar parámetros o estados durante la operación.
Soportar decisiones
Diagnóstico, predicción, optimización o recomendaciones dentro del alcance validado.
CAPACIDAD DE INGENIERÍA
Modelos que conocen la física. Datos que describen la operación.
PM Tec Engineering ha trabajado en modelamiento semi-físico de base fenomenológica, simulación computacional, ingeniería de producto, optimización de moldes y procesos. A través de su división para industria 4.0, KERN IoP, esa capacidad puede complementarse con sensórica, adquisición de datos, históricos, variables de calidad y contexto operacional. La integración de ambas competencias permite abordar proyectos de modelamiento conectado y gemelos digitales con una base física y experimental.
Modelamiento y simulación
Fenómenos físicos, simulación de inyección, análisis térmico y estructural, diseño experimental y conocimiento del proceso.
Medición y contexto
Sensores, medidores, PLC, señales de máquina, registros, energía, calidad, históricos e integración de datos.
Validación y aplicación
Calibrar el modelo, evaluar incertidumbre, estimar estados y construir herramientas de decisión alrededor de una necesidad real de planta.
Profundice en la arquitectura que hace posible un gemelo conectado.
ERP, MES, SCADA y datos de planta
Cómo se distribuyen las funciones y dónde viven los datos operacionales.
OPC UA, MQTT y EUROMAP
Cómo transportar información, conservar semántica y conectar máquinas heterogéneas.
Ingeniería para inyección
Modelamiento, simulación, inspección, experimentación y validación sobre el proceso real.
Preguntas frecuentes sobre gemelos digitales.
¿Una simulación es un gemelo digital?
¿Un gemelo digital necesita datos en tiempo real?
¿El gemelo digital debe controlar automáticamente la máquina?
¿Qué aporta un modelo fenomenológico?
¿Puede una máquina antigua participar en un gemelo digital?
¿Qué información suele necesitar un gemelo de inyección?
REFERENCIAS
Fuentes técnicas consultadas.
International Organization for Standardization. (2021). ISO 23247-1:2021 — Automation systems and integration — Digital twin framework for manufacturing — Part 1: Overview and general principles. ISO.
International Organization for Standardization. (2021). ISO 23247-2:2021 — Part 2: Reference architecture. ISO.
International Organization for Standardization. (2021). ISO 23247-3:2021 — Part 3: Digital representation of manufacturing elements. ISO.
International Organization for Standardization. (2021). ISO 23247-4:2021 — Part 4: Information exchange. ISO.
International Organization for Standardization. (2026). ISO 23247-5:2026 — Part 5: Digital thread for digital twin. ISO.
Shao, G. (2024). Manufacturing Digital Twin Standards. National Institute of Standards and Technology. NIST.
Frechette, S., Shao, G., & Pease, M. (2026). Digital Twins Workshops Summary Report (NISTIR 8620). National Institute of Standards and Technology. NIST.
Zhang, X., Kou, Y., Zhang, X., et al. (2026). Hybrid digital twins for smart manufacturing: Architectures, fusion paradigm, and implementation challenges. Journal of Manufacturing Systems, 85, 51–71. https://doi.org/10.1016/j.jmsy.2025.12.029
Villegas, L. F., Macchi, M., & Polenghi, A. (2025). Digital twins in manufacturing: A unified conceptual framework. Annual Reviews in Control, 60, 101031. https://doi.org/10.1016/j.arcontrol.2025.101031
Bibow, P., Dalibor, M., Hopmann, C., Mainz, B., Rumpe, B., Schmalzing, D., Schmitz, M., & Wortmann, A. (2020). Model-driven development of a digital twin for injection molding. En Advanced Information Systems Engineering (pp. 85–100). Springer. https://doi.org/10.1007/978-3-030-49435-3_6
PM Tec Engineering. (s. f.). Modelamiento para monitoreo y control de procesos. PM Tec Engineering.
PM Tec Engineering. (s. f.). Simulación de moldeo por inyección con SIGMASOFT. PM Tec Engineering.
REVISIÓN TÉCNICA
Dr.-Ing. Miguel Garzón · Dirección técnica, KERN IoP
Contenido preparado por PM Tec Engineering, a través de su división para industria 4.0, KERN IoP. Última revisión: octubre de 2026.
Ingeniería
PM Tec Engineering, a través de su división para industria 4.0, KERN IoP.
Cota, Cundinamarca · Colombia.
© 2026 PM Tec Servicios de Ingeniería SAS · Sitio actualizado en 2026.
Debe estar conectado para enviar un comentario.