От цифрового двойника к интеллектуальному управлению активами
Петроченко М. В., к.т.н., доцент, директор
Инженерно-строительного института,
Санкт-Петербургский государственный
политехнический университет им. Петра Великого
Мелехин Е. М. ассистент Высшей школы
промышленно-гражданского и дорожного
строительства Инженерно-строительного
института, Санкт-Петербургский государственный
политехнический университет им. Петра Великого,
главный инженер проекта «МетаКампус Политех»
В предлагаемой статье рассмотрены вопросы управления цифровыми активами объекта капитального строительства на основе мультимодальных данных и системы ИИ-сервисов. Авторы статьи анализируют как мультимодальные данные, BIM и искусственный интеллект превращают цифровую модель актива в рабочий инструмент принятия решений.
В строительной отрасли цифровой двойник часто воспринимают как конечную цель цифровизации: достаточно создать информационную модель объекта, связать ее с данными
и получить новое качество управления.
На практике ценность возникает не в момент появления 3D-модели, а тогда, когда организация умеет системно собирать разнородные данные, связывать их с объектами, извлекать из них новые знания и превращать результаты анализа в управленческие действия. Опыт проекта «МетаКампус Политех» (рис.1) показывает, как такой подход можно реализовать на уровне крупного имущественного комплекса.
Рис. 1. Цифровое представление территории кампуса в проекте «МетаКампус Политех». Источник: материалы проекта.
Управление активами становится управлением данными
Объект капитального строительства живет значительно дольше, чем любая отдельная информационная система. За годы его проектирования, строительства и эксплуатации меняются участники, подрядчики, программные продукты, регламенты и сами требования
к объекту. При этом объем данных только растет: проектные модели и чертежи дополняются исполнительной документацией, результатами обследований, фотографиями, сведениями о ремонтах, характеристиками помещений, показаниями датчиков и эксплуатационными журналами.
Главная проблема заключается не столько в отсутствии данных, сколько в их разобщенности. Одно и то же помещение может одновременно существовать как геометрический объект в BIM-модели, строка в учетной базе, набор фотографий, запись в акте, элемент в PDF-документе и точка в потоке сенсорных измерений. Если между этими представлениями нет устойчивой связи, организация получает набор цифровых архивов, но не цифровой актив. Поэтому для управления ОКС недостаточно построить цифровой двойник как визуальную копию здания. Нужна цифровая нить, которая сохраняет связность информации на всем жизненном цикле:
от проектирования и строительства до ввода в эксплуатацию, технического обслуживания и последующей реконструкции. Такая нить позволяет не просто хранить историю объекта, а использовать ее для текущих решений.
Здесь меняется и сама постановка задачи. Вопрос должен звучать так: Не «какую модель нам создать?», а «какие управленческие решения мы хотим принимать быстрее и точнее, какие данные для этого нужны и по каким показателям мы будем оценивать качество управления?».
Только после этого имеет смысл определять состав цифровых моделей, баз данных, алгоритмов и пользовательских сервисов.
Ключевой принцип
Цифровая модель сама по себе не является системой управления. Она становится цифровым активом, когда данные поддерживаются в актуальном состоянии, связаны
с конкретными объектами и используются в регулярных управленческих сценариях.
От управленческой цели — к данным и метрикам
В проектах цифровизации часто происходит обратная последовательность: сначала внедряется программная платформа, затем в нее загружаются доступные данные, и только после этого команда пытается придумать, для каких задач все это использовать. Такой подход быстро приводит к дорогому цифровому хранилищу, которое красиво демонстрирует объект, но мало влияет на эксплуатационные процессы.
Мы используем противоположную логику: сначала формируется перечень сценариев использования, затем для каждого сценария определяются необходимые типы данных, способы их обработки и ожидаемый результат.
Для проекта «МетаКампус Политех» в число таких сценариев вошли управление имущественным фондом, аудит учебного фонда, поиск помещений и аудиторий, интеллектуальная аналитика, оценка технического состояния, анализ распределения площадей по функциональному назначению, фиксация документов о закреплении и ремонтах, а также визуальный анализ помещений в 3D.
Важный следующий шаг — определить измеримые признаки качества. Метрики должны
быть связаны не с количеством созданных моделей или объемом загруженных файлов, а с управленческой задачей. Например, для учета имущества значимы полнота и актуальность сведений о помещениях; для технического состояния — наличие признаков дефектов и приоритетов обследования; для использования площадей — распределение ресурса по функциям и выявление дисбалансов; для качества данных — доля объектов, для которых связаны геометрия, атрибуты и подтверждающие документы (таблица 1).
Таблица 1. Пример постановки управленческих сценариев
| Управленческая задача | Основные данные | Пример метрики | Результат |
| Учет имущественного фонда | BIM, база помещений, документы | Полнота и актуальность карточек помещений | Единое представление фонда |
| Анализ использования площадей | Геометрия, функциональное назначение | Структура площадей по функциям, выявленные дисбалансы | Основание для перераспределения ресурса |
| Техническое состояние | Фотографии, история ремонтов, атрибуты помещений | Доля помещений с признаками дефектов, приоритет обследования | Список зон для проверки и ремонта |
| Микроклимат | Сенсорные временные ряды, привязка к помещениям | Аномалии и устойчивые отклонения | Выявление проблемных режимов эксплуатации |
| Работа с документами | PDF, текст, метаданные, связи с объектами | Полнота привязки документов к помещениям и элементам | Быстрый поиск оснований и истории решений |
МетаКампус Политех: цифровой актив как экосистема
Практической площадкой для отработки этого подхода стал проект «МетаКампус Политех».
Это виртуальная цифровая экосистема, которая объединяет информационную модель кампуса, базу данных и набор прикладных сервисов. В цифровое представление включены здания и территория; в материалах проекта зафиксированы более 60 зданий, около 65 гектаров территории и порядка 4 млрд точек в лазерных сканах корпусов.
Принципиально важно, что проект не ограничился созданием моделей. Цифровой актив формировался поэтапно: BIM-модели корпусов создавались на основе исходных планов; затем проводились фотофиксация, обмеры и лазерное сканирование; геометрия уточнялась по фактическому состоянию; выполнялись геодезические работы и формировалась цифровая модель местности; модели корпусов объединялись с территорией в среде общих данных.
После этого данные подготавливались для цифровых сервисов и импортировались в базы данных.
Такой процесс позволяет использовать информационную модель сразу в двух качествах (рис. 2). Во-первых, как первичный источник структурированной информации об объектах. Во-вторых, как пространственную основу, к которой можно привязать документы, фотографии, показатели, результаты анализа и пользовательские запросы. Именно эта связка делает 3D-геометрию полезной для аналитики, а не только для визуализации
Рис. 2. Интерфейс сервиса: карточка помещения, 3D-геометрия и ИИ-ассистент работают в едином контексте. Источник: материалы проекта
Мультимодальные данные: почему один формат не может описать реальный объект
Эксплуатация здания по своей природе мультимодальна. Геометрия отвечает на вопрос: «Где находится объект и как он связан с другими элементами», таблица — «Какими свойствами он обладает», фотография — «Как он выглядит сейчас», документ — «На каком основании принято решение», а датчик — «Как параметр меняется во времени». Полноценная картина возникает только при совместной обработке этих источников.
В проекте использовались несколько классов данных. Фотографический массив включает более 10,5 тыс. изображений помещений; BIM-контур — около 90 моделей; база помещений содержит сведения о 5164 помещениях; сенсорный контур включает 12 потоков данных; дополнительно используются PDF-документы и табличные массивы. Для каждого типа данных применяется свой способ обработки: для изображений — извлечение визуальных признаков и классификация, для BIM — анализ геометрических, топологических и семантических свойств, для временных рядов — поиск паттернов и аномалий, для документов и текстов — извлечение содержания и семантический поиск.
Самая интересная часть начинается после объединения модальностей. Тогда система может искать не только то, что напрямую записано в одном источнике, но и связи между источниками. Например, фотография может быть сопоставлена с конкретным помещением, помещение —
с BIM-геометрией, геометрия — с функциональным назначением, а результаты обследования —
с документами о ремонте. При наличии достаточной истории появляются возможности анализировать повторяющиеся сочетания признаков и выявлять скрытые зависимости, которые сложно увидеть при ручной работе с разрозненными файлами.
Именно поэтому архитектура данных должна проектироваться не как набор отдельных интеграций, а как единая система идентификаторов и связей. Без устойчивого ID объекта, помещения или элемента даже самые сильные алгоритмы ИИ будут работать с фрагментами контекста.
Архитектура сервиса: единая база, специализированные модели и RAG
Для работы с таким массивом информации требуется не одна универсальная модель, а связка специализированных компонентов. В архитектуре «МетаКампус Политех» (рис. 3) центральную роль играет основная база данных, куда через загрузчики поступают текстовые данные, фотографии, документы, IFC и GIS-данные. Отдельные алгоритмы компьютерного зрения и машинного обучения обрабатывают специализированные потоки, например, изображения дефектов или данные микроклимата.
Поверх основной базы формируется семантический слой. Данные системы преобразуются в эмбеддинги и помещаются в векторную базу. Пользовательский запрос также переводится в векторное представление, после чего RAG-контур подбирает релевантный контекст и передает его большой языковой модели. В результате чат-ассистент отвечает не «из общей памяти модели», а опирается на данные конкретного здания и может возвращать пользователю связанные помещения и объекты.
Это важный принцип для систем управления активами. ИИ не должен существовать отдельной витриной поверх плохо организованных данных. Его ценность напрямую зависит от качества базового цифрового актива: структуры данных, идентификаторов, актуальности записей, связей с геометрией и полноты документов.
Рис. 3. Архитектура сервиса «МетаКампус Политех»: основная база данных, модули CV/ML и RAG-контур ИИ-ассистента. Источник: материалы проекта
Login with Google
Комментарии