Метод адаптивного контролю реалізації проєктів сталого будівництва на основі технології цифрових двійників та ансамблевого машинного навчання

Анотація

Ефективне управління проєктами сталого будівництва суттєво ускладнюється реактивним характером традиційних методів моніторингу, які не здатні впоратися з динамічними та нелінійними змінними під час фізичної реалізації. Щоб подолати обмеження, зумовлені покладанням на запізнілі індикатори для дотримання критеріїв екологічного, соціального та корпоративного управління (англ. Environmental, Social, and Governance; ESG), у цьому дослідженні розроблено метод адаптивного контролю реалізації проєктів сталого будівництва на основі технології цифрових двійників та ансамблевого машинного навчання (англ. Method for Adaptive Control of sustainable construction projects based on Digital Twin technology and Ensemble Machine Learning; MAC-DTEML). Головною метою було створення прескриптивного кіберфізичного методу із замкненим циклом, здатного автономно координувати ресурси та мінімізувати ризики сталого розвитку в реальному часі. Реалізація запропонованого методу архітектурно декомпозована на три спеціалізовані моделі. По-перше, динамічна кіберфізична модель синхронізації (англ. Dynamic Cyber-Physical Synchronization; DCPS) збирає гетерогенні потоки даних – включаючи візуальні хмари точок, телеметрію Інтернету речей та екологічні датчики – виконуючи просторово-часове вирівнювання для злиття фізичного стану майданчика з теоретичною базою інформаційного моделювання будівель (BIM), генеруючи уніфікований вхідний вектор. По-друге, ансамблева прогнозна модель параметрів стійкості (англ. Ensemble Predictive Analytics Model for Sustainability; EPAS) використовує архітектуру машинного навчання типу «стекінг» для обробки цього вектора. Інтегруючи згорткові нейронні мережі, мережі довгої короткочасної пам’яті (LSTM) та алгоритми градієнтного бустингу, модель EPAS точно прогнозує неминучі відхилення показників стійкості, долаючи обмеження перенавчання окремих алгоритмів. Нарешті, модель адаптивного автономного контролю (англ. Adaptive Autonomous Control System; AACS) перетворює ці прогнози на фізичну дію. Модель AACS виконує багатокритеріальне прийняття рішень для балансування часу, вартості та впливу на ESG, генеруючи як пасивні сповіщення для менеджерів, так і активні команди управління, що спрямовуються безпосередньо до актуаторів на майданчику. Ключовим висновком дослідження є те, що метод MAC-DTEML успішно операціоналізує проактивний контроль у сталому будівництві. Завдяки інтеграції моделей DCPS, EPAS та AACS метод переводить управління проєктами від описової парадигми моніторингу до автономного кіберфізичного циклу, що самокоригується. Ця інтеграція об’єктивізує оцінку складних факторів сталого розвитку та значно знижує когнітивне навантаження на менеджерів проєктів. Зрештою, розроблений метод надає будівельним організаціям надійний механізм, керований даними, для динамічної оптимізації розподілу ресурсів, мінімізації впливу на довкілля та забезпечення суворого дотримання цілей сталого виконання в умовах невизначеності активного будівельного середовища.