استفاده از دوقلوی دیجیتال) Digital Twin) جهت عملکرد بهینه ماشین آلات ساختمانی در صنعت ساختمان

فناوری دوقلوی دیجیتال Digital Twin (DT) به عنوان یک پارادایم تحول آفرین در چارچوب صنعت ۴.۰ ظهور یافته است که از طریق اینترنت اشیا (IoT)، هوش مصنوعی (AI) و تحلیل پیشرفته داده ها امکان همگام سازی بلادرنگ میان دارایی های فیزیکی و همتایان مجازی آنها را فراهم می سازد. این مطالعه مروری یافته های حاصل از پنج پژوهش تجربی و روش شناختی را در حوزه های کنترل ماشین حفاری تونل (TBM)، تعامل ماشین آلات ساختمانی، مدیریت تولید ساختمان، بهینه سازی ماشین تراش صنعتی و پیش بینی ریسک ایمنی TBM تلفیق می کند. نتایج این مطالعات نشان می دهد که چارچوب های دوقلوی دیجیتال، هنگامی که با یادگیری عمیق، شبکه های مولد تخاصمی، الگوریتم های تکاملی چندهدفه، واقعیت افزوده (AR) و مدل سازی اطلاعات ساختمان (BIM) یکپارچه شوند، می توانند بهبودهای قابل توجهی در بهره وری عملیاتی، ایمنی و مدیریت منابع ایجاد کنند. مهم ترین نتایج کمی شامل بهبود کلی ۱۲.۲۱ درصدی عملکرد TBM از طریق بهینه سازی چندهدفه برخط، کاهش ۲۷.۰۷ درصدی شاخص های ریسک ایمنی حفاری با استفاده از الگوریتم NSGA-III، و میانگین خطای ۰.۶۶ درصدی در دوقلوی دیجیتال یک ماشین تراش صنعتی است که طی دوازده آزمایش کنترل شده اعتبارسنجی شده است. این مقاله شباهت ها و تفاوت های موجود در معماری های دوقلوی دیجیتال، پروتکل های تبادل داده، رویکردهای یادگیری ماشین و راهبردهای اعتبارسنجی را به صورت انتقادی بررسی کرده و در عین حال چالش های پایدار مرتبط با تعامل پذیری، همگام سازی بلادرنگ، امنیت داده و مقیاس پذیری را شناسایی می کند. در پایان نیز پیشنهادهایی برای پژوهش های آینده ارائه شده است که بر یادگیری انتقالی، پروتکل های استاندارد ارتباطی و ادغام واقعیت توسعه یافته با فناوری بلاکچین به منظور حاکمیت داده تاکید دارند.

کلیدواژه ها:

دوقلوی دیجیتال ، بهینه سازی چندهدفه ، ساخت و ساز هوشمند ، نگهداری و تعمیر پیش بینانه