数字孪生：让 MEP 模型栩栩如生

AEC 行业正在迈向工业 4.0，数字孪生是一种趋势。随着MEP设计流程变得更加智能，数字孪生现在可以实现，并具有许多优势。这些功能强大，可以使建筑业主创建智能建筑并以更少的成本运营。MEP 模型和点云扫描更容易用于更实惠的传感器。项目移交后，我们如何利用机电模型来增强建筑物生命周期的运营？

本文对数字孪生进行了一般性介绍。我们还讨论了使用物联网 （IoT） 设备将 MEP 模型转换为数字孪生的过程，特别是如何使用云技术、Dynamo 和 Revit 2020 软件将 MEP 模型和传感器连接在一起。此外，我们还将展示如何使用BI仪表板可视化物联网实时数据，以提高人们对如何使用建筑物的认识并增强建筑物的维护过程。了解如何将 MEP 模型作为数字孪生模型变为现实，满足客户需求，并使建筑环境更具可持续性。

什么是数字孪生？

“数字孪生是一组虚拟信息结构，从微观原子水平到宏观几何层面全面描述了潜在或实际的物理制造产品。——M·伊切尔·格里弗斯

在数字孪生方面，AEC 行业正在慢慢赶上航空航天和制造业。这已被广泛用于新产品原型制作、验证生产线性能以及物理对象和系统的性能。直到最近，它才在AEC行业中广泛使用。随着可用物联网传感器的增加以及从资产中获取更多数据以验证性能的愿望，数字孪生变得越来越普遍。

在未来几年内，将有超过200亿个连接的传感器和潜在的数十亿个连接对象。到2022年，使用数字孪生的组织数量将增加两倍。Gartner将数字孪生置于2018年新兴技术炒作周期的顶端，预计在5至10年内达到峰值。

从历史上看，获得建筑物知识的唯一方法是与建筑物本身进行直接的物理接触。有关建筑物及其性能的所有数据都直接包含在建筑物内。有关建筑物的数据以静态文档格式存储，例如纸张或计算机文件。数字孪生在物理世界和数字世界之间架起了一座桥梁，允许数据实时或近乎实时地流动，从而使数据变得鲜活。

2002年，密歇根大学的Michael Grieves首次注意到数字孪生概念，作为产品生命周期管理（PLM）的一部分。他的想法是，真实空间和虚拟空间世界将在系统的整个生命周期中相互联系。最初，它被称为镜像空间模型。后来，它被称为镜像信息模型，然后被称为数字孪生。

数字孪生被描述为“虚拟空间”（数字表示）和“真实空间”（物理资产）之间的双向数据流。然后，需要实时或近乎实时地访问数据，以构建物理资产的完整数字图片。

数字孪生在 1900 年代后期开始作为物理世界的基本 CAD 文档，但随着 BIM 工作流程的发展，数字孪生的概念已成为更接近现实的代表。由于能够将参数数据分配给对象，因此可以使表示不仅仅是物理描述，还可以使功能表示。最近，随着物联网技术的发展，可以将数据实时流到物理世界中的对象和系统到远程位置，分析数据，并对物理对象在其实际位置的修改条件做出反应。这使CAD对象从随机放置在空间中的2D / 3D表示转变为物理对象的表示，不仅演示物理对象的形式，还演示其行为。

数字孪生既可用于原型对象，也可用于验证和控制物理对象。可以使用软件在纯数字环境中对对象进行建模，并进行数字模拟，以在生产之前测试对象的极限和功能质量。这节省了巨大的成本和时间。以前，为了进行这种模拟，将创建一个精确的物理表示并接受物理测试，这通常会导致对象的破坏，并且需要创建对象的新修改表示以继续测试。

相关：使用BIM 360 Docs与Tiago Ricotta一起打造物联网中心

现在，在原型制作时，可以以数字方式进行仿真并实时进行修改，而无需在准备在预期使用的环境中进行测试之前生成任何物理对象。当单个对象组装成一个系统时，复杂性增加，评估和理解系统的能力降低。数字孪生有助于测试和评估复杂系统的各个部分。

在讨论数字孪生时，它们处于活动状态的三种不同环境：

数字孪生原型—这种类型的数字孪生描述了物理系统的原型。它包含描述和生成复制或孪生物理版本的物理版本所需的信息集。

数字孪生实例—这种类型的数字孪生描述了一个特定的相应物理系统，原型数字孪生在该特定物理系统的整个生命周期中保持链接。

数字孪生环境—这是一个集成的多域物理应用空间，用于在数字孪生上运行。它用于各种目的。此环境有两个部分。预测，其中数字孪生用于预测系统的未来行为和性能。这将测试系统以验证它是否将在可接受的范围内运行，这是实际物理系统当前和历史性能的疑问句。可以比较多个系统，以找到系统不符合设计标准的模式，以便对未来的系统进行相应的修改。

数字孪生可以使用3D模型，3D扫描甚至2D文档制作。获得数字孪生资格的要求是物理世界和虚拟世界之间的链接，其中数据在两个世界之间双向传输。

 

历史悠久的数字孪生

回顾数字孪生概念的来源，人们可以看看 1960 年代第一次登月期间的 NASA。美国宇航局建造了所有发射到太空的精确复制品。在生产过程中，这些复制品是实际物体的原型，在物体前往偏远目的地的途中，它们成为正在使用的设备的双胞胎。宇航员在进入太空时所做的所有修改也都对这对双胞胎进行了修改。这可能在命运多舛的阿波罗13号登月任务中得到了最好的记录，当时服务模块在旅程两天后出现了严重故障。在任务控制中心向宇航员发送指令之前，我们进行了模拟，我们可以称之为“模拟双胞胎”，以模拟在数千公里外的物理对象上实施之前做出的所有决策。这被称为镜像系统，因为即使也进行了数字计算，也会对孪生物理对象进行物理修改。

任务控制可以被视为任务的仪表板，其中显示所有数据并用于实时监控和验证任务的状态。使用当时可用的技术，仪表板需要礼堂的空间。

数字孪生也用于一级方程式赛车。当车队赛车在赛道上以 300 公里/小时的速度比赛时，有一支由技术人员和工程师组成的团队坐在维修站远程实时监控赛车上的所有压力并进行小的修改，以确保赛车以尽可能高的水平运行。在进入赛道之前，数字孪生用于模拟汽车的性能，因此可以生产出最好的原型。如果在每场比赛前都需要一个物理原型进行测试，那么就没有足够的时间来生产出最好的汽车。数字孪生通过减少每次汽车迭代所需的设计时间，帮助节省时间并开发更好的产品。

向建筑物添加传感器并不困难。挑战在于收集数据、构建和分析数据，因此下游非常有用，而无需更多投资即可使数据可用。最大的挑战之一是在可以使用数据访问的众多系统中共享数据。许多数据系统是封闭的，因此访问数据并确保数据结构可用可能很困难。

与以工业资产为中心的业务和离散流程制造不同，建筑物中捕获的数据具有额外的因素，该因素可能因人与人的互动而无法预测。这使得资产更具动态性，因此它不再只是对资产的预测性维护，它变成了控制一个活生生的实体。

数字孪生在项目生命周期的每个阶段都很有用。目前，他们的重点主要是在运营和维护阶段。有很多数据可供捕获，所有者的兴趣主要集中在控制其资产运营的能力上。数字孪生的好处是从收集的数据中获得洞察力，这些数据可以主动用于提高性能并为下一个可以设计的项目获得洞察力。

创建数字孪生

创建数字孪生时，需要从一开始就规划系统，而不是在后期强加给项目。必须规划所需的数据、数据的生成方式、数据的接收方式、数据的存储方式、谁有权访问数据以及所需的数字模型类型。框架到位后，可以为物理资产选择要集成的技术，以捕获实时数据流。

需要定义数字孪生的功能。它仅用于监控资产还是也用于控制资产中的系统？数据是否会用于高级分析以用于预测性维护？这些问题的答案将推动定义要使用的传感器、捕获数据的方式以及解释数据所需的应用程序所需的决策。

数字孪生的实施可以从单个系统开始，并随着时间的推移而扩展。它可以从一系列较小的特定于系统的数字孪生开始，这些数字孪生被组装以创建资产的全貌。最好将数据分层，而不是不断启动新的数字孪生。

物联网在创建数字孪生中发挥着作用。物联网是指在类似互联网的结构中独特的可识别对象及其虚拟表示。从传感器到存储设备的数据传输是一个关键的连接。没有此连接，系统就无法存在。为了传输数据，必须选择正确的网络类型，正确的协议和正确的传输频率。

评估行为

数字孪生可以通过实时监控实物资产来帮助防止严重事故。通过结合3D扫描和传感器，有机会监控尚未创建数字模型的现有资产。

数字孪生用于预测物理系统的未来行为和性能。在原型设计阶段，行为预测可以是验证设计系统和相关组件的行为，以验证设计系统是否满足建议的要求。

设计阶段通过评估所设计系统的虚拟表示，为使用数字孪生提供了绝佳的机会。系统的行为可以虚拟验证。模型的数据结构可以尽早建立，因此生成的数据可以很好地用于下游的项目建设和运营。但是，这要求在建模之前建立信息需求，并且数据结构正确。

评估系统行为时有四种可能的结果。这不仅是衡量系统成功或失败的指标，而且是在创建物理系统之前发现故障和纠正问题的一种手段。

 

预测可取–系统按预期执行。

不可预测的可取——系统的性能带来了意想不到的惊喜。这一结果提供了最初未计划的新结果。按设计使用系统不会产生不利影响。

预测不受欢迎——系统按预期失败，需要修改。系统仍按计划运行。

意料之外的不可取——系统在预期不会失败时出现故障。系统需要重新设计。如果不加以解决，可能会导致灾难性故障。通过模拟，可以将这种结果最小化。在物理系统中始终存在这种结果的风险。如果从未考虑过结果;因此，它从未经过测试。

疑问数字孪生可以应用于数字孪生实例，这些实例可以查询其当前和过去的历史，而不管它们的物理对应项位于世界的哪个位置。可以询问单个实例的当前系统状态。

系统生命周期

在系统生命周期中，有两种数据流。首先是通过创建物理系统，其中数据像传统上一样从创建到生产到操作再到处置向前流动。但是，数字孪生的数据是反向流动的。来自未来阶段的数据通知前一阶段。此数据可用于通过查找需要改进的弱点和故障来提高系统的性能。

创造–在此阶段，定义了系统的特征和行为。定义理想属性，并标识不需要的属性。制定了减轻不良属性的策略，以防止它们发生。

生产–物理系统已创建。这是测试系统的可制造性或可施工性的阶段。在他这一点上，不良行为有可能开始出现。

操作–对物理系统进行测试。此时，应找到并解决所有不良行为。虽然，仍然有可能发现不可预见的不良行为。

处理–这是系统的退役。退役通常被忽略，但它确实需要考虑。通过前几个阶段获得的知识往往因退役而丢失。在处置阶段生成的信息可用于设计下一代元件。

数字孪生用于理解人类无法理解的过于复杂的问题。可以将模型及其相关数据放在一起，以低成本地检查冲突和冲突，从而更有效地创建物理模型。以前，将 2D 文档转换为物理对象是一个低效的迭代过程。现在，可以在虚拟系统中创建和模拟模型，因此在创建物理模型时，它主要用于最终测试和验证。破坏性测试是在虚拟模型上进行的，对时间和成本的影响最小。可以进行更多的测试，并将时间和浪费降至最低。

数字孪生的价值

数字孪生的价值在于数据及其从物理系统返回到虚拟系统的连接。可以生成大量数据，用于为设计和运营决策提供信息。重要的是，要审查和分析创建的数据，以更好地了解将影响物理系统的环境。数据在系统的整个生命周期中取代了浪费的物理材料、时间、劳动力和能源。数据从来都不是免费获取的。它将需要规划、实施、传感器、软件存储和时间等资源。获取数据的成本低于运行性能不佳系统的物理废物的成本。最大的收益是在创建阶段实现的，这减少了生产阶段的试错量。对于MEP项目，数字孪生可以提高系统性能，改善室内环境，降低能耗并降低运营成本。

数据问题

数字孪生仍然存在安全风险。通常，数据存储在云中，因此没有与数据存储端关联的物理基础设施。但是，从端点收集了大量数据。这些端点中的每一个都是系统中的潜在弱点点。端点和云之间的数据可能会受到损害。数据的用户应该有定义的角色，最好是加密传输的信息。设备必须有权通过现有 IT 基础结构发送数据。

错误或误导性数据可能会导致错误。必须确保数据经过验证，并且获得的数据可以信任。必须确保所有传感器都以正确的格式发送正确、校准的数据，并与连接到同一系统的其他传感器相对应。

我们的流程

我们的灵感来自Project Dasher和9号码头的Autodesk桥梁项目。连接传感器和模型的想法成为目标。在与基恩·沃姆斯利（Kean Walmsley）通话后，我们很快发现我们需要改变策略。将项目纳入 Project Dasher 并不像我们最初希望的那么容易。我们还看到了桥梁项目暴露的布线挑战，因此我们希望采用无线连接。从这里开始，我们踏上了数字孪生之旅。

我们最初的目的是为我们的办公室创建一个数字孪生。这是一个疑问数字孪生，其中对现有建筑物进行监控以验证其性能。首先，我们调查了在我们的建筑物中创建食堂的数字孪生，并在公司内部网上有一个实时仪表板，该仪表板将显示在任何给定时间点食堂的流量。这将有助于找到吃午饭的最佳时间。我们认为这些数据对食堂的工作人员也有帮助，因此他们可以随时根据食堂的人数来计时食物。我们有一个较旧的食堂模型和一个Matter Port模型，所以有我们的基础。我们只需要数据。

最初，我们调查了计算机视觉，但由于新的欧洲通用数据保护条例（GDPR），这是不可能的。我们最近测试了计算机视觉用于汽车和街道标牌的其他应用，但它不能用于这种情况。我们使用楼宇管理系统（BMS）进行了调查，但该系统太旧了。我们无法访问数据，系统也无法记录数据。即使我们可以让BMS工作，也不可能获得历史数据。该公司的一位声学工程师建议我们可以使用声级作为食堂人数的指标。这并不精确，但它可以工作并帮助我们解决GDPR问题。这需要分布在食堂周围的一些传感器和一些手动校准。

我们的项目涉及三个过程。首先是记录物理环境。这涉及使用 Revit 模型和激光扫描记录物理环境。第二部分是使用传感器从物理环境中捕获实时条件并将其转换为数字数据。最后一部分是在物理世界和数字世界之间建立实时连接。这种连接是通过对物理传感器的数字实例进行建模并将两者连接起来来实现的，因此数据可以从物理世界中的物理传感器流向数字世界中传感器的数字表示。

下载完整的课程讲义，了解如何使用云技术、Dynamo 和 Revit 连接 MEP 模型和传感器;如何使用BI仪表板可视化物联网实时数据，以增强建筑物维护;等等。

David Fink是一位美国建筑师，过去18年来一直居住在哥本哈根，曾在设计建造，建筑设计和咨询工程公司担任BIM专家。BIM是他的激情之一，他一直在寻找新的方法来扩展BIM的边界和使用。自2007年以来，他一直参与BIM的实施，并在丹麦本地和国际上积极使用BIM。在他的日常工作中，他寻找方法来提高项目的质量，以及在享受乐趣的同时提高效率和一致性。他是一代建筑师中的一员，他们从Mayline到CAD再到BIM，这使他对AECO行业有一个整体的看法。在Ramboll，他是集成数字解决方案集团的一员，他专注于建筑部门以及他们如何与其他学科合作以提供集成解决方案。

Alejandro Mata是丹麦Ramboll集成数字解决方案部门的自动化经理。他是丹麦DTU技术大学的暖通空调设计工程师，具有土木工程和建筑技术背景。亚历杭德罗热衷于通过促进更好地利用建筑技术来提高AEC行业的绩效，以实现数字设计流程的自动化。他的重点是更智能地工作并实现最有效的实践，以提高 AEC 各方之间的数据利用率和数字协作。在过去的 10 年里，他一直在使用 Autodesk 产品，详细介绍了 Revit MEP 软件，以及 Dynamo 扩展以及商业智能云解决方案。在过去的五年里，他通过著名的北欧项目积累了经验。此外，他还曾在DTU担任助教，喜欢分享知识。