综述:建筑环境中数字孪生(DT)的成熟度:一项关于112个实施案例的系统综述

《ADVANCED ENGINEERING INFORMATICS》:Digital twin maturity in the built environment: A systematic review of 112 implementation cases

【字体: 大 中 小 】 时间:2026年07月14日 来源:ADVANCED ENGINEERING INFORMATICS 11.5

编辑推荐:

  数字孪生(Digital Twin, DT)技术在建筑环境中引起了日益增长的兴趣,然而,已报告的实施案例在成熟度上差异很大。这种差异尚未跨应用领域进行基准测试,这使得难以识别哪些DT能力已得到充分发展,以及哪些能力限制了向更高智能和自主性水平的进展。本研究将一

  
数字孪生(Digital Twin, DT)技术在建筑环境中引起了日益增长的兴趣,然而,已报告的实施案例在成熟度上差异很大。这种差异尚未跨应用领域进行基准测试,这使得难以识别哪些DT能力已得到充分发展,以及哪些能力限制了向更高智能和自主性水平的进展。本研究将一个已建立的五维DT分解(five-dimensional DT decomposition)调整为一个特定领域的成熟度框架(domain-specific maturity framework),并将其应用于跨越六个应用领域的112个已发表的案例研究中。研究结果表明,大多数实施案例仍处于成熟度的早期阶段。它们从物理资产中收集实时数据,但尚未将控制动作回传至物理资产或自主运行。数字建模(Digital modelling)和物理到数字(physical-to-digital)数据交换的速度是最强的能力,而物理资产的控制(control of physical assets)和多个利益相关者组织(multiple stakeholder organisations)的整合是最弱的。数据在全生命周期阶段的覆盖范围以及运行过程中学习和适应的能力在所有领域同样发展不足。有四个障碍导致了这种模式:即强大的感知与薄弱的控制之间的差距、尽管有强大的技术连接性但组织碎片化、狭窄的生命周期数据覆盖范围,以及自适应学习(adaptive learning)的有限采用。本文针对每个障碍提出了研究方向。本研究为诊断能力差距和优先考虑整个建筑环境领域中DT发展的投资提供了一个定量基线。
1. 引言

自工业4.0(Industry 4.0)时代来临以来,建筑业经历了一个加速数字化转型的时期。对提高生产力、绩效和可持续发展的日益增长的需求,迫使研究人员在建筑和基础设施中采用新兴技术。在这些技术中,数字孪生(Digital Twin, DT)在提高运营效率、优化资产性能和促进高级决策方面显示出巨大潜力,并在制造业、航空航天和汽车工业中取得了成功应用。DT是一种数字表示,其特征在于高保真建模(high-fidelity modelling)以及物理系统与其虚拟对应物之间的双向数据流(bi-directional data streams)。DT的能力,连同传感、计算和通信技术的快速发展,已引起对其在建筑环境中应用的极大关注。诸如数字建造英国(Digital Built Britain)、虚拟新加坡(Virtual Singapore)和亚特兰大数据孪生城市(Digital Twin City of Atlanta)等国家战略项目已经启动,以加速DT在该领域的实施。在此背景下,许多研究探讨了DT在建筑领域的应用,从概念框架到实际的全生命周期应用。然而,与其它已成熟的领域相比,该领域的DT应用仍处于早期阶段。这个概念本身在实践者和研究人员之间缺乏共识,常常导致与相关技术(如建筑信息模型(Building Information Modelling, BIM)和网络-物理系统(cyber-physical systems, CPS))的混淆。此外,不同的解释导致了不同的实施方法和不同应用之间不一致的发展水平。这种情况凸显了需要一个结构化的DT成熟度框架(DT maturity framework)来评估当前的发展阶段,识别能力差距,并为DT在建筑环境中的进步建立路径。

随着DT技术的不断进步,成熟度模型(maturity models)已成为评估和指导DT系统结构化开发和部署的工具。成熟度模型通常被看作是一个具有多个层次的框架,这些层次代表了DT发展的渐进阶段,并概述了每个阶段所需的能力。此类模型已应用于制造业、航空航天和计算领域,并在评估技术增长和功能整合方面证明是有价值的。在建筑领域,建立DT成熟度框架的初步努力已经出现,少量研究开发了用于DT实施阶段的能力评估指标。然而,仍然存在两个挑战。首先,该领域现有的成熟度框架将发展划分为宽泛的阶段,但没有将成熟度分解为可单独评分的指标(individually scorable metrics)。缺少了指标层面的评分工具,用不一致术语报告的实施案例就无法在共同基础上进行评估或跨研究进行比较。其次,尚无现有研究将成熟度框架应用于对该领域大量且多样化的DT实施案例进行定量评分,这意味着不同应用领域的成熟度水平分布、各个能力维度的相对强弱以及限制进步的关键瓶颈仍然缺乏经验性表征。

DT在建筑环境领域日益增长的重要性已在过去的研究中得到充分记录。大多数先前的综述研究探讨了DT概念的演变、关键技术和应用领域。然而,这些评论侧重于主题综合,而非对照结构化标准进行能力评估。Perera等人开发了一个四阶段成熟度框架来评估设计和施工阶段的DT成熟度,将特征映射到新南威尔士(New South Wales, NSW)政府的施工承诺,并进行了一项全行业的问卷调查。虽然该研究提供了有用的成熟度阶段分类,但它局限于新南威尔士州区域背景,并且没有将成熟度分解为可单独评估的指标,这将允许进行一致的跨研究评分。Liu等人引入了一个五级数字孪生成熟度模型(Digital Twin Maturity Model, DTMM)来系统评估六个垂直领域(包括航空航天、智能制造、能源与电力、智慧城市、医疗健康和数字孪生地球)的DT能力进展。尽管包含了一些建筑环境的应用,但这个框架在建筑环境子集中并未在指标层面运作化,使得该领域的跨案例比较问题未能得到解决。近年来,DT在该领域的应用迅速扩大。鉴于缺乏指标层面的评估工具以及对该领域现状的经验性描述,有必要对这一图景进行诊断性审视。这种审视将识别哪些能力维度已充分发展,哪些落后,以及是什么限制了向更高智能和自主性水平的进展。

鉴于这些差距,本研究将一个已建立的五维DT分解调整为一个特定领域的成熟度框架,并将其应用于大量已发表的案例研究中,以提供当前DT成熟度状态的经验性评估,并确定进一步发展的障碍。本研究的目标如下:
1) 通过整合五个关键维度的领域特定能力和技术基准,适应一个特定于建筑环境的DT成熟度评估框架,从而实现对DT实施案例的跨研究成熟度评估。
2) 将该框架应用于跨越六个应用领域的112个已发表案例研究,通过定量评分和框架引导的领域级综合,识别成熟度聚类模式、维度失衡和实施特征。
3) 确定限制DT成熟度进步的主要障碍,并概述解决评估所揭示能力差距的研究方向。

本文的其余部分结构如下。第2节描述了研究方法,涵盖框架开发、用于选择案例研究的系统文献综述(systematic literature review),以及专家评估和验证方案。第3节报告了成熟度评估结果,并考察了六个领域中得分较高案例的实施特征。第4节讨论了成熟度进步的主要障碍,并概述了相应的研究方向。最后,第5节给出了结论。

2. 方法论

本研究结合了成熟度框架开发、系统性案例识别和基于专家的评分,以对建筑环境中DT实施成熟度进行定量评估。该方法分为三个阶段进行。框架开发首先通过借鉴现有DT模型并使其适应建筑环境特征,确立了评估维度、指标和成熟度级别。随后,通过系统文献综述识别出包含足够技术和实施细节用于评估的DT案例研究。最后,通过基于专家的评估过程,由专家组根据预定义标准对每个案例研究应用该框架进行评分。图1展示了整体研究设计。

2.1. 建筑环境成熟度框架的开发

该成熟度框架由五个维度组成,分解为21个可评估的指标(assessable metrics),每个指标在五级量表上评分,该量表描述了DT能力的渐进阶段。维度和指标定义了评估的内容,而成熟度级别定义了每个指标如何评分。

2.1.1. 维度和指标

用于DT系统分析的解析框架沿着结构要素分解能力,这些结构要素将物理资产、其数字对应物以及连接它们的机制分开。Tao等人提出了一个五要素分解,涵盖物理资产、数字表示、支撑数据、通信与集成机制以及交付给用户的功能。这种分解已被广泛用作DT能力分析的参考。同样的五个集群在建筑环境DT工作中反复出现。Chen等人围绕一个被仪表化的资产(instrumented asset)、一个数字模型(digital model)、一个数据层(data layer)、连接与交互(connection and interaction)以及功能与服务(function and service)构建了他们的建筑DT成熟度模型。Liu等人回顾了跨部门的13个DT成熟度和分类模型,并报告称建筑环境案例在这些五个能力集群内运作。这五个类别涵盖了现有DT模型中存在的能力领域,可以从已发表的实施报告中评估,并为建筑环境中的跨研究评分提供了一个稳定的基础。它们被采纳为本框架的维度层。然后将此基准线适应于建筑环境,并详细说明了每个维度的内部度量结构,以反映该领域的技术和组织特征。

物理实体维度(Physical Entity dimension)由两个指标组成:物理控制(Physical Control, PC)和物理传感器(Physical Sensor, PS)。建筑环境中的传感器部署范围从手动数据收集到可重构的自动化网络,而物理控制范围从全手动操作到数控自动化系统。这两种能力在建筑和基础设施背景下的发展速度不同,因此被分开评估。

数字模型维度(Digital Model dimension)由四个指标组成:模型完备性(Model Completeness, MC)、标准化(Standardisation, MS)、子模型集成(Model Integration, MI)和结构规模(Model Modularity, MM)。建筑环境DT通常结合了几何、基于物理、数据驱动和基于规则的模型,这些模型需要跨建筑系统集成并跨项目阶段标准化。数据维度(Data dimension)与数字模型分开处理,因为建筑环境数据操作跨越多个生命周期阶段和信息系统,并且该领域的数据质量取决于跨阶段工作流的成熟度,而非仅建模选择。数据维度的四个指标解决生命周期覆盖的丰富度(Data Richness, DR)、跨格式的兼容性(Data Compatibility, DC)、跨平台的可访问性(Data Accessibility, DA)和验证的可靠性(Data Quality, DQ)。

基准连接要素被扩展为通信与集成维度(Communication and Integration dimension),包含六个指标:通信方法(Communication Method, CM)、输入及时性(Communication Input Timeliness, CI)、输出及时性(Communication Output Timeliness, CO)、网络范围(Communication Scope, CS)、用户关注(Communication User Focus, CF)和跨组织协作(Cross-organisational Collaboration, CC)。建筑环境DT系统服务于多个用户群体,并协调具有不同安全和治理安排的跨利益相关者的数据访问,而结构监测和施工危害检测中的时间敏感操作则施加特定的响应约束。服务要素被重新定义为功能与能力维度(Functionality and Capabilities dimension),包含五个指标:功能集成(Function Integration, FI)、服务配置的灵活性(Function Flexibility, FF)、计算能力(Function Computing Capability, FC)、学习能力(Function Learning Capability, FL)和应用效益范围(Function Benefits, FB)。施工DT在不同尺度上运行,对于从建筑能源管理到基于机器人的施工等过程,需要不同级别的可重配置能力。这五个指标追溯了从静态数字表示到具有计算、学习和自主决策能力的系统的演变过程。

总共有五个维度包含21个指标。表1定义了这些指标,完整的五级评分标准(rubric)定义见附录表A.1。表2比较了本框架与这些建筑环境DT研究所覆盖的能力领域。

基于这些指标级分数,维度级成熟度通过取其组成指标的平均值计算,采用等权(equal weights)方式。这种等权方法提供了一个基线,不预设不同应用领域中个别指标的相对重要性。专家根据评分标准定义独立对每个选定的案例研究进行评分,专家组构成和评分程序在第2.3节中描述。DT实施的总体成熟度由其21个指标分数的平均值决定。为了对结果值进行分类,定义了五个系统级成熟度级别并适应于建筑环境背景,总结于表3。图2提供了所提议的成熟度框架的最终版本。

在进行全面评估之前,通过试评分(trial scoring)对评分标准进行了校准。由小组成员独立对一组案例研究进行评分,并将分歧用于识别模糊的级别边界。随后,通过在这些边界点添加区分性提示来精简评分标准的措辞,以减少评审者之间的解释漂移,然后再将框架应用于所有112个案例。

2.2. 文献综述设计

本文采用了遵循PRISMA指南的系统文献综述(systematic literature review, SLR)来识别具有足够实施细节以便进行成熟度评估的DT案例研究。SLR被用作案例识别和选择程序,而非主题综合练习,选定的案例研究构成了应用成熟度框架的基础。类似的综述设计已在先前的DT成熟度研究中被采用。本研究的工作流图如图3所示。

2.2.1. 检索策略

为了获取广泛的相关文献,在ScienceDirect、IEEE Xplore和Web of Science中进行了广泛的数据库检索,选择这些数据库是因为它们在工程、技术和应用科学领域的全面覆盖。检索涵盖2019年至2024年10月的出版物,以捕捉建筑环境中最近的DT应用。

检索策略采用了DT相关术语和建筑环境特定关键词的组合。核心DT术语包括“digital twin”、“cyber-physical system”、“digital model”、“digital shadow”、“digital thread”和“virtual twin”。这些术语与覆盖建筑环境项目全生命周期的特定领域关键词相结合,包括可行性及采购(如“tendering”、“procurement”)、建筑与设计(如“architectural design”、“built environment”)、工程学科(如“civil engineering”、“structural engineering”、“MEP”、“HVAC”)、施工活动(如“construction”、“modular”、“supply chain management”)以及运营阶段(如“operations”、“maintenance”、“facilities management”、“asset management”)。初步检索共获得728篇文章。

2.2.2. 筛选过程与筛选

在多个阶段应用了纳入和排除标准。筛选阶段首先移除了18篇重复条目和43篇与建筑环境中DT应用无关的记录,剩余667篇文章。第二阶段筛选包括阅读标题和摘要,216篇文章因未报告具有技术细节的实践性DT实施而被排除,剩下451篇记录进行资格评估。

在第三阶段,对全文进行了资格评估。考虑纳入标准为:(1) DT开发或部署被明确陈述为研究目标;(2) 研究提出了一个已命名或可识别的物理资产及相应的数字表示,并记录了至少两个以下技术要素:数据采集方法、建模方法、通信架构或功能服务;(3) 研究报告了来自案例研究或实验室设置的结果,而非纯粹的概念性框架。在这阶段共有237篇记录被排除,其中173篇是未包含案例研究的概念性论文,64篇对单个DT应用特性的关注过于有限和狭窄。这留下了214篇文章进行进一步评估。

随后对剩余的214篇文章进行了质量评估。一个由七位外部专家组成的评审小组评估了每个案例研究,以确定其是否提供了足够的技术深度来支持指标级的成熟度评分。排除了架构描述有限的研究(n=65)以及方法解释和说明不充分的研究(n=37)。专家组的构成、评估程序和偏倚控制措施在第2.3节中描述。共获得112篇文章用于本综述,这些构成了成熟度评估的最终数据集。

2.3. 成熟度评分与验证

2.3.1. 专家小组与评分程序

为了确保112个案例研究的评分一致且可重复,评估由一个由七位外部专家组成的小组进行,其中包括四位DT研究人员和三位建筑行业专业人士,他们的学科背景涵盖结构工程、建筑设备、施工管理和设施运营。所有小组成员至少拥有四年的相关经验。

在进行独立评分之前,专家组完成了一次校准练习(calibration exercise),回顾了五个维度、21个指标以及附录表A.1中列出的成熟度级别定义。然后,对三个分别代表低、中、高成熟度实施水平的试点案例研究进行了联合评分,以统一边界解释并解决相邻级别之间的歧义。本次校准旨在在将框架应用于完整数据集之前建立一个共享的评分基线。

每个案例研究由两名评估人员独立评分:一位是匹配到应用领域的领域专家(domain specialist),另一位是所有112个案例的通用评审者(DT-generalist reviewer),以提供通用的跨领域参考。两位评估者都根据评分标准定义为21个指标中的每一个分配1-5的成熟度级别,并附上一份简短的证据说明,引用了来源文章中的具体信息。如果来源文章未为某个特定指标提供足够信息,则根据保守评分原则分配两个合理级别中较低的那个,以避免因证据缺失而高估成熟度。当两位评估者在任何指标上存在一个或多个级别的分歧时,他们会共同审查来源文章,并就他们原始整数分数中选择的一个达成共识分数,从而保持序数级别。最终数据集用于所有后续分析,反映了这些经过共识调整后的值。

2.3.2. 评分者间信度

为了验证评分程序在不同评估者之间产生了一致的结果,使用面向序数数据的Krippendorff's α量化了评分者间信度(inter-rater reliability)。之所以选择此统计量,是因为成熟度分数是序数的,并且该度量可以容纳不完整配对偶然性结构下多个评分者之间的分歧。与名义尺度的同意系数不同,序数变体按类别距离对分歧进行加权,使得评估者之间相差两个级别的差距比相差一个级别的差距受到更重的惩罚。

在本研究中,α值按照Krippendorff推荐的阈值进行解释:α≥0.80被认为足以得出实质性结论,0.67至0.80之间的值足以用于初步结论,低于0.67的值表示一致性不足。为了量化α点估计值周围的不确定性,从配对评分矩阵的10,000次重采样中构建了Bootstrap 95%置信区间。精确一致率和相邻一致率也被报告为补充性描述性度量。所有可靠性结果在第3.2节中呈现。

2.3.3. 敏感性分析

基于专家的序数评分在离散的五级量表中引入了三个层面的不确定性:在分数层面,单个评估者的判断可能会变化;在112个案例的有限样本层面,引入了抽样变异性;报告出的成熟度级别比例取决于定义每个级别的数值边界。为了检查这些不确定性来源是否影响主要发现,在经共识调整的112×21评分矩阵上进行了三项相应的分析,遵循了针对复合指标的既定稳健性测试实践。

为了评估分数层面的稳健性,应用了蒙特卡洛分数扰动方法。在每次的10,000次迭代中,矩阵中的每个单元格通过从{?1, 0, +1}均匀随机抽取的随机整数进行调整,并限制在有效范围[1, 5]内。±1的扰动代表了评估者分配的分数高出或低于共识值一个级别的情况,从而模拟了评分协议内最大可能的相邻级别分歧。

抽样变异性通过非参数Bootstrap重抽样进行了量化。在每次的10,000次迭代中,从原始数据集中有放回地抽取112个案例,并重新计算维度和指标级的平均值。95%置信区间由所得Bootstrap分布的第2.5和第97.5百分位数构成,提供了在给定有限样本量下报告的平均分数精度的估计。

为了检验对级别边界设置的敏感性,将基线边界[2.0, 3.0)系统地偏移±0.25至[1.75, 2.75)和[2.25, 3.25),并在每个偏移定义下重新计算分配到每个成熟度级别的案例比例。所有三项分析的结果在第3.2节中报告。

3. 结果与分析

本节介绍了112个DT案例研究的成熟度评估结果。第3.1节描述了文献分布和领域分类程序。第3.2节报告了在系统、维度和指标层面的成熟度分布定量评估,以及可靠性和敏感性检验。第3.3节记录了六个应用领域中得分较高案例的实施特征。

3.1. 文献计量学分析

如图4所示,建筑环境中DT实施案例研究的年产出在2019年至2021年间保持在10篇以下,然后在2022年上升至21篇,2023年上升至43篇。

使用VOSviewer构建了关键词共现网络以支持领域分类。应用于作者关键词的聚类算法产生了六个主题组,如图5所示,分别对应于施工现场感知与安全、能源优化与舒适度、设施管理与故障诊断、结构检测与监测、建筑连接性以及点云处理的语义建模。由于关键词级别的聚类并不总能解决应用级别的区别,每个案例研究的最终领域分配是通过对其主要应用场景、项目阶段和研究目标进行内容分析来确定的。由此产生的六个应用领域是:可行性、采购与设计DT,施工DT,资产管理DT,能源、环境与可持续性DT,室内质量、消防、安全与可达性DT,以及结构、拆除与回收DT。

图6总结了112个案例研究在这六个领域的分布。每个案例研究进一步在附录表A.2中通过六个属性进行表征,包括项目目标、主要应用领域、地理位置、建筑物或基础设施类型、项目目标范围和项目阶段覆盖,从而能够追踪跨领域和生命周期阶段的个别实施情况。

3.2. 定量分析

成熟度评估结果被组织成三个分析层面。第3.2.1节检查了112个案例和六个领域的系统级成熟度分布。第3.2.2节将这些分数分解为五个维度和21个指标。3.2.3节和3.2.4节通过评分者间信度分析、敏感性检验和备选权重比较来测试主要发现的稳健性。

3.2.1. 系统级成熟度分析

每个案例研究的总体成熟度分数被计算为其21个指标分数的等权平均值,遵循第2.3节描述的程序。支持这些结果的可靠性和敏感性分析在第3.2.3节中呈现。图7展示了六个领域的频率分布。在112个案例中,12个(10.7%)属于基础级(Level 1),68个(60.7%)属于连接级(Level 2),32个(28.6%)属于受控级(Level 3)。没有案例达到智能级(Level 4)或自主级(Level 5)。集中在连接级的现象意味着大多数实施方式从物理资产收集实时数据,但仅单向传输,从物理到数字,而不将控制动作返回给资产。在Level 2范围内,分布大致对称,30个案例得分在2.0到2.5之间,38个案例得分在2.5到3.0之间。

Level 2的集中现象并不局限于单一应用领域。如图7所示,所有六个领域都以Level 2作为其模态或联合模态类别。能源、环境与可持续性DT(EES)显示出最强的进展,其47.4%的案例达到了Level 3,而结构、拆除与回收DT(SDR)显示出最弱进展,76%仍处于Level 2。这种模式的跨领域持续性表明,成熟度进步的障碍在建筑环境应用中是共有的,而非与特定的项目类型相关。

领域级别的分数分布如图8所示,显示能源、环境与可持续性DT具有最高的中位数(2.95),而结构、拆除与回收DT具有最低的中位数(2.38)。每个领域内的离散度以反映应用环境性质的方式变化。设计阶段的案例具有最高的Level 1分数比例(30%),这一模式与其强调模拟和规划而非与物理资产的操作集成相一致。施工案例展现出广泛的分布,从Level 2以下延伸到Level 3以上,很可能是因为该领域涵盖了从受控预制设施到开放施工现场等不同的场景,在这些场景中,实施条件差异很大。结构、拆除与回收案例明显偏向底部,大多数案例聚集在略高于Level 2阈值的狭窄区间。这种模式表明该领域中的成熟度限制在典型项目中普遍适用。

3.2.2. 维度和指标级成熟度评估

系统级结果表明大多数领域中聚类在Level 2。为了确定促成或限制这种结果的具体能力,整体分数被分解为五个维度和21个指标。图9和图10呈现了以下分析中使用的雷达图和热力图。

物理实体维度平均得分为2.33,是五个维度中最低的。该维度最显著的特征是其两个组成指标之间的差距。物理传感器(PS)在所有领域中平均得分为2.88,这是一个大多数实施方式都具备至少能够部分自动读数的传感器网络的得分水平。物理控制(PC)平均得分仅为1.79,这是一个即使有传感器数据可用,物理资产仍保持全手动操作的得分水平。由此产生的1.09分差距是框架中一个显著的指标级差异,并且贯穿所有六个领域。即使在室内质量领域,物理传感器达到其最高值3.11,物理控制仍停留在2.42。在结构监测领域,物理控制进一步下降到1.24。第3.2.3节确认,该差距在测量扰动下是稳定的。

数字模型维度平均得分为2.94,是五个维度中最高的。建筑环境领域对BIM、CAD和有限元分析的持续投资提供了完善的建模基础,这个基础在模型集成(MI)方面最为明显,其平均得分3.40是该维度中最高的指标。在这个级别,子模型在数据、特征信息和决策层面实现了集成,而不是作为孤立的分析工具运行。模型完备性(MC)平均得分为2.85,表明大多数实施方式将几何和概念模型与至少两种其他模型类型(如基于物理的、机器学习的或基于规则的模型)相结合。模型模块化(MM)平均得分为2.88,使大多数实施方式处于系统层面,即数字孪生复制交互作用的子系统,而非孤立地建模单个元素。然而,模型标准化(MS)仍保持在2.62,这是一个数据接口已标准化但跨平台兼容性和自动解析能力仍然有限的水平。第3.2.3节中的Bootstrap分析证实,该维度与物理实体之间0.61分的差距超过了抽样变异性。

数字模型的质量在实践中取决于其摄取的数据。数据维度平均得分为2.54,领域范围狭窄(2.40至2.68),表明这是一个跨领域而非特定领域的情况。该维度的四个指标中有三个表现达到或高于维度平均值。数据兼容性(DC)平均得分为2.92,数据质量(DQ)为2.66,数据可访问性(DA)为2.63,所有这些都表明在给定项目阶段内收集的数据可以被标准化、验证并供下游应用使用。然而,数据丰富度(DR)平均得分仅为1.96,是整个框架中第三低的指标,没有领域在此指标上超过2.24。得分接近第二成熟级别意味着大多数实施方式仅从一个或两个生命周期阶段获取物理实体数据,跨阶段积累极少。DR3阈值(要求数据来自三个阶段并结合DT模型数据)仅偶有达到。数据丰富度与其他三个数据指标之间的对比揭示了阶段内数据能力与跨阶段数据覆盖之间的差距。

数据维度揭示了阶段内能力与跨阶段覆盖之间的差距。通信与集成维度呈现出一种平行的模式,这次是在技术连接性与组织集成之间。该维度平均得分为2.89,是整体第二高的,但这个汇总值掩盖了所有维度中最宽的内部离散度。在高端,通信输入及时性(CI,4.06)和输出及时性(CO,3.98)是整个框架中得分最高的两个指标,对应于以分钟到秒为范围的数据交换,交互在该时间段内完成而所有数据仍保持有效。资产管理、能源与可持续性以及施工领域在这些指标上均超过Level 4。在低端,跨组织协作(CC)平均得分为1.77,是所有21个指标中最低的。在这个级别,大多数DT系统服务于单个或少数利益相关者,其他方仅通过基本的定义接口进行连接。通信输入及时性与跨组织协作之间的2.29分差距是框架中最大的指标级差异,第3.2.3节证实其在扰动下是稳定的。通信范围和通信方法分别占据中游和中下游位置,而通信用户关注(CF)平均得分为2.25。总而言之,该维度显示了完善的实时数据交换技术基础设施,同时伴随着有限的跨组织数据共享。

实时连接性在技术的角度在该领域的大部分地区都已就位。这种连接性能否转化为智能功能则是另一个问题。功能与能力维度平均得分为2.48,表明绝大多数情况下并未转化。功能集成(FI)以2.66领先,尽管从Level 2的松散耦合软件环境迁移到Level 3的完全集成环境在实践中仍然是一个陡峭的步骤。功能计算能力(FC)紧随其后,为2.64。功能学习能力(FL,2.36)和功能效益(FB,2.11)处于该维度的较低端。处于这些级别的系统能够分析历史数据,但不会在运行过程中主动学习或适应,并且大多数系统仅在一个或两个领域(通常是监测和模拟)提供价值,而无法扩展到预测或控制辅助。没有任何领域中的这两个指标远高于连接级。学习能力和多效益交付的约束似乎在行业内是普遍存在的。

维度和指标级分析确定了四个跨领域模式。该领域的优势在于数字和连接方面,其中数字模型和通信及时性处于成熟度谱系的高端。相应的弱点集中在物理和组织方面,其中物理控制和跨组织协作是所有21个指标中得分最低的。另外两种模式贯穿所有领域。数据丰富度与其他三个数据指标的尚可表现形成对比,指出了生命周期阶段覆盖方面的差距,而非单个阶段内数据处理或访问方面的差距。功能学习能力和功能效益同样无论应用背景如何,都保持在较低端。这四种模式构成了第4节中成熟度障碍分析的基础,其稳定性在以下小节中通过评分扰动和重抽样进行了测试。

3.2.3. 可靠性与敏感性分析

在共识前的评分上计算的Krippendorff's α(序数)在全部2,352个指标级评分中产生了一个总体值0.898(95% CI: 0.887–0.909),超过了可接受一致性0.80的阈值。表4总结了按维度划分的一致性统计量。维度级α范围从功能与能力维度的0.825到物理实体维度的0.941,所有五个维度均高于0.80。精确一致率(exact agreement)出现在79.0%的评分中,相邻一致率(adjacent agreement)达到98.7%。在2,352个配对评分中,有31个(1.3%)显示出两个或更多级别的分歧,所有这些都通过第2.3节中描述的共识程序得以协调。

在指标层面,21个指标中的16个记录了α≥0.80。剩余的五个指标落在0.67–0.80范围内:模型集成(0.787)、功能灵活性(0.728)、功能效益(0.691)、通信用户关注(0.682)和跨组织协作(0.681)。这些指标共享一个共同特征:它们的评分标准定义涉及关于组织范围、利益相关者集成广度或多效益覆盖的定性判断,这些性质比技术可观察的属性(如传感器部署或模型类型)更难从已发表的案例研究描述中评估。因此,较低的α值反映了这些评分标准的解释性要求,而非评分程序的缺陷。所有五个值均高于Krippendorff认为足以得出初步结论的0.67阈值。

进行了蒙特卡洛扰动分析以测试第3.2.1和3.2.2节中报告的模式是否对单个专家评分中的测量不确定性敏感。在每次的10,000次迭代中,112×21共识矩阵中的每一个指标分数被随机扰动±1级(在尺度极端值1和5处受限),并重新计算由此产生的成熟度统计量。Level 2案例比例在各迭代中的分布如图11所示。模拟平均值60.4%与观察到的值60.7%非常接近,95%模拟区间(SI)为54.5%至66.1%,确认无论个别分数如何变化,Level 2始终是模态类别。领域级别排名同样稳定,平均Spearman ρ为0.964(95% SI: 0.829–1.000)。

在第3.2.2节中确定的三个最大分数差距在扰动下进行了单独测试。物理实体维度内的感知-控制差距在全部10,000次迭代中保持为正(95% SI: 0.76–1.13)。通信输入及时性与跨组织协作之间的差距也保持相同(95% SI: 1.82–2.17),数字模型与物理实体之间的维度级差距同样如此(95% SI: 0.37–0.61)。在尺度极端处的扰动引入了边界效应:接近1的分数只能增加,接近5的分数只能减少,这会系统地压缩涉及高分或低分指标之间的差距。因此,这一检验是保守的。每个模拟区间都排除零这一发现证实,这些分数差异反映了真实的性能失衡,而非相邻级别评分变异的产物。

维度和指标级平均值的Bootstrap 95%置信区间如图12所示。在维度层面,数字模型(2.83–3.04)和物理实体(2.17–2.50)的区间不重叠,证实了数字建模相对于物理集成的成熟度优势超过了抽样变异性。在指标层面,如图12右侧面板所示,得分最高的三个指标与得分最低的三个指标明显分离,证实了第3.2.2节中确定的能力失衡并非抽样假象。

最后,一项边界敏感性分析检验了当成熟度级别边界移动时,Level 2的聚类现象是否持续存在。在基线定义[2.0, 3.0)下,68个案例(60.7%)落在Level 2内。将边界向下移动0.25,将Level 2的份额降低至50.0%,因为更多案例跨入Level 3;而向上移动0.25,则将其份额提高至65.2%。在所有三种规范下,Level 2始终是模态类别,并且在任何定义下都没有案例达到Level 4。这种模式在±0.25边界范围内的持续存在表明,聚类现象是分数分布的结构性特征,而非阈值设定的产物。

3.2.4. 维度发现的补充分析

前面的部分报告了成熟度分数并测试了评分程序的可靠性。进行了两项进一步分析,以检验维度结构在评分数据集中是否表现出一致性,以及汇总结果是否对备选权重假设敏感。

为了检验五个维度是否表现出连贯的关系,计算了维度级得分的Spearman等级相关矩阵,如图13所示。所有十对配对相关性在统计上均显著(p < 0.01),系数范围从0.501到0.703。最强的相关性出现在数字模型与数据之间(ρ = 0.703),这与建模复杂性与支撑它的数据基础设施之间的概念性相互依赖关系一致。最弱的相关性出现在物理实体与数字模型之间(ρ = 0.501),反映了第3.2.2节中记录到的物理集成与数字建模能力发展轨迹的差异。没有一对相关系数超过0.85(通常与构念冗余相关的阈值),也没有一对低于0.20。这种模式表明,五个维度作为共享底层构念的组成部分共同变化,同时保持足够的分离以保证单独评估。

从文献中选取了两种备选加权方案,以检验等权假设是否影响维度和领域层面的发现。Li等人采用了一种强调技术维度的D-ANP方法,Chen等人使用了一个公平感知的多目标优化模型。需要说明的是,这些成熟度框架中的维度和指标与所提议成熟度模型中的并不完全对齐。因此,对权重进行了微调以确保与所提议框架的具体特征一致。等权基线与两个完全可比较方案之间的皮尔逊相关性超过了0.95,平均绝对偏差低于0.035,如表5所示。方差分析(ANOVA)显示三个方案之间无统计学显著差异(p > 0.05),并且无论采用何种加权方法,领域排名均保持不变。

3.3. 高分案例研究的实施特征

第3.2节确立了112个案例研究在系统、维度和指标层面的分布模式。本节考察了六个应用领域中每个领域内较高指标分数背后的技术配置,以评分标准定义作为提取框架。

3.3.1. 可行性、采购与设计DT

设计DT运行在尚不存在的物理资产上。这种缺失限制了感知和控制,同时将分析重点转移到模型集成和仿真响应能力上。在10个案例中,工作分为性能导向的设计仿真、约束感知的空间规划、人在环路中的交互式设计以及AI辅助的语义建模。

得分较高的设计案例的特点是在单一决策架构中集成多个异构模型。Jiang等人开发了一个用于可持续城市道路线形选择的DT-MCDM-GIS框架,将建筑数字孪生与拆除成本估算、土地利用成本图、交通拥堵模型、驾驶路线选择习惯分析以及环境污染和噪声评估结合起来,在决策层面集成了这些子模型(MI4)。Wang等人为轻型木结构采用了不同的集成策略,将Grasshopper参数化模型、Karamba3D结构分析、全息混合现实可视化和物理原型结合在一个模拟物理实体行为的混合模型中(MC4)。

该领域的通信及时性与设计-仿真循环的响应能力密切相关。Kalantari等人为建筑平面设计开发了一个混合物理-数字原型工具集,其中物理瓷砖的调整在大约200毫秒内镜像到Grasshopper/Rhinoceros数字孪生中,这是一种实时输出响应(CO5)。这种亚秒级同步使得连接分析、能源性能反馈和替代设计建议能够在设计人员重新排列物理模块时持续更新。

正如预期的那样,鉴于可操作物理资产的缺失,在所综述的设计案例中,物理控制集成有限。少数例外包括Wang等人的半自动木材钻孔原型(PC3),在该原型中,一个制造设备定位全息钻孔指示器,机械臂执行半自动钻孔过程,以及Jiang等人的用于核设施仿真的水泵控制模块(PC3),两者都涉及实验室原型而非可操作资产。

3.3.2. 施工DT

施工在数据集中是最大的领域,有25个案例,安全应用在其中占主导地位。其余案例涵盖进度跟踪与可视化、资源分配与人机协作,以及从竣工/现状捕获数据生成几何数字孪生。

该领域的通信及时性达到了数据集中的最高水平。Wang等人构建了一个人机协作系统,其中深度摄像头和关节状态编码器通过ROS中间件将连续数据馈送到VR监督界面,使其与机器人工作空间实时同步,实现了实时输入同步(CI5)。Jiang等人在一个用于石化施工的重型吊装安全管理系统中获得了可比的实时输出响应(CO5),其中安装在塔身上的超声波定位传感器、激光测距传感器、3D陀螺仪传感器和风速计将连续的距离、姿态和环境数据输入到虚拟施工现场,当测量值超过预定义安全阈值时,触发实时碰撞接近警告和操作警报。

在数字建模方面,Jiao等人开发了一个运动预测框架,该框架结合了基于Transformer的多目标
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号