Los avances en los gemelos digitales son impulsados por la disponibilidad de tecnologías de sensores, grandes volúmenes de datos, conocimiento de primeros principios y análisis avanzados. En este documento, discutimos estos cambios a nivel conceptual, presentando un cambio desde la ingeniería nominal, que apunta a la optimización del diseño, hacia la ingeniería de rendimiento, que apunta a capacidades de monitoreo, diagnóstico, pronóstico y prescripción adaptables. Un elemento clave introducido aquí es el papel de los emuladores en esta transformación. Los emuladores, también llamados modelos sustitutos o metamodelos, proporcionan capacidades de monitoreo y diagnóstico. En particular, nos enfocamos en un objetivo de optimización que combina un rendimiento optimizado y robusto derivado de emuladores estocásticos. Demostramos la metodología utilizando dos ejemplos de código abierto y mostramos cómo los emuladores pueden ser utilizados para complementar modelos de elementos finitos y dinámica de fluidos computacional en marcos de gemelos digitales. Los estudios de caso consisten en un sistema mecánico y un proceso de producción biológica.