BIM e Digital Twins: Transformação digital na gestão da infraestrutura

A ascensão do uso do BIM na infraestrutura viabiliza a execução de processos construtivos em várias dimensões, facilitando a visualização do projeto e o desenvolvimento de seu planejamento, contribuindo com a sua execução, gestão e operação. Neste contexto, os Gêmeos Digitais associados ao BIM podem permitir maior colaboração entre os diversos agentes e tornar as infraestruturas mais inteligentes do ponto de vista do uso da tecnologia, possibilitando o melhor atendimento das necessidades dos usuários. 

Com a recente digitalização da indústria da construção, a gestão de um projeto, desde a ideia até às fases de utilização, passa a ser baseada em Building Information Modeling (BIM). Embora o uso do BIM comece a mostrar sua eficácia na construção civil, o seu domínio em infraestrutura ainda tem sido limitado e lento. 

Entretanto, o advento de novas tecnologias de informação, como o Digital Twin (DT), ou Gêmeo Digital em português, está promovendo a transformação digital industrial. A gestão eficaz do ciclo de vida deve agora considerar todas as fases do projeto, especialmente Operações e Manutenção (O&M), onde o uso do modelo 3D não é mais o modelo digital, mas a duplicata digital da infraestrutura (Figura 1). Para facilitar a transição digital quando os projetos são divididos em várias fases, a infraestrutura deve ser representada por um Gêmeo Digital durante seu ciclo de vida . 

Figura 1. Digital Twin de uma rodovia pista simples com uma ponte de concreto armado, desenvolvido com o auxílio dos softwares da Autodesk (Infraworks, Civil 3D, Revit e Navisworks Manage) e da Trimble (TILOS).  

Digital Twim

Enquanto a definição do Gêmeo Digital estava no centro das expectativas, o primeiro uso desta palavra foi feito em 2002 por Michael Grieves, durante uma apresentação industrial no PLM , que o definiu como a representação virtual dos produtos físicos atuais. 

Uma definição mais completa e comum é abordada posteriormente por Glaessegen e Stargel em 2012 , que entende o Digital Twin como uma simulação probabilística multi-física, multi-escala e integrada de um produto complexo, usando os melhores modelos físicos disponíveis e atualizações de sensores para refletir a vida de seu gêmeo correspondente. Essas definições bastante genéricas não colocam o foco na característica mais interessante de um DT, sendo a aquisição de dados em tempo real. 

A implementação de um Gêmeo Digital já não diz respeito apenas a objetos existentes, mas também a objetos a serem fabricados, construídos ou produzidos. Ele também pode ser usado para representar um processo de produção ou uma fábrica conectada. Nas últimas décadas, os conceitos de emparelhamento digital foram adotados pela indústria para representar as propriedades físicas e digitais do estado atual e futuro de processos e equipamentos. 

Desde a definição do conceito de DT, ele tem sido aplicado a diversas áreas industriais e demonstra um potencial muito alto. O desenvolvimento de produtos pode enfrentar vários desafios, como longos ciclos de vida do produto, dificuldade em personalizar produtos e altos custos. Entretanto, o DT se destaca para enfrentar estes desafios, por permitir testar novas ideias ou configurações de produtos, novos conceitos e novas simulações. 

Dentre os benefícios do DT, destaca-se a colaboração. O gêmeo digital permite a comunicação entre clientes e projetistas . De fato, o DT é um mapeamento fiel do produto físico e pode tornar a comunicação entre clientes e projetistas mais transparente e rápida usando dados de transmissão em tempo real. O modelo permite uma conceituação compartilhada que pode ser visualizada da mesma forma por um número ilimitado de pessoas, que não precisam compartilhar o mesmo local . Ele pode orientar perfeitamente a melhoria de novas versões ao considerar o feedback dos clientes e os problemas que surgiram no uso de versões anteriores. 

Neste contexto, o principal impacto de um gêmeo digital é o desempenho. Acontece que esse aspecto de performance é mais relevante durante a fase de uso e manutenção. Entre outras coisas, um DT permite avaliar as capacidades atuais e futuras de um sistema . Com dados em tempo real e base de conhecimento, uma simulação antecipada de comportamentos futuros permite a descoberta precoce de deficiências de desempenho, o que, por sua vez, permite economias. A otimização da operação, fabricação, inspeções e aproveitamento da vida útil do objeto é uma melhoria que podem ser viabiliza pelo DT. Os dados coletados durante o ciclo de vida permitirão a melhoria contínua de projetos e modelos, que poderão ser reutilizados para o desenvolvimento de produtos futuros.

 A necessidade de Gêmeos Digitais para infraestruturas

O projeto nacional francês MINND (Modeling interoperable information for a Sustainable Infrastructure) listou, por meio de estudos, a seguintes necessidades para o desenvolvimento de DT para infraestruturas:

• Trabalho colaborativo: a acessibilidade à informação deve ser escolhida pelas empresas, monitorando a singularidade do modelo, em detrimento da necessidade de um modelo de dados único e um formato de troca neutro para criar, integrar ou mesclar e gerenciar dados parciais;
• Ferramenta de estruturação: o sistema deve permitir que os modelos de dados sejam gerenciados por todos de acordo com suas funções, cada informação deve ter um dono e o dono é responsável pela informação compartilhada;
• Ferramenta de criação e visualização 3D: para a criação e integração de modelos CAD e a gestão de planos 2D associados ao modelo 3D;
• Ferramenta de capitalização para otimização: gerenciar a evolução da informação, o processo de validação para controlar o nível de qualidade e o nível de confiabilidade;
• Ferramenta de arquivamento e capitalização: o sistema de gestão deve permitir o registro das modificações que um Gêmeo Digital sofreu com maior precisão nos objetos do modelo.

 Aplicações de Digital Twins em infraestruturas – estudos acadêmicos

Geminação Digital de pontes de concreto armado existentes com o uso de nuvens de pontos rotulados 

Lu e Brilakis abordam desafios da automação de geminação de pontes, fornecendo um método de ajuste de objeto baseado em fatiamento para gerar o gêmeo digital geométrico de uma ponte de concreto armado existente a partir de quatro tipos de nuvem de pontos rotulados. 

A qualidade dos modelos gerados é medida usando métricas baseadas em distância nuvem a nuvem. Os experimentos realizados em dez conjuntos de dados de nuvem de pontos de ponte indicam que o método atinge uma distância média de modelagem de 7,05 cm, enquanto o método manual atinge 7,69 cm, e um tempo médio de modelagem de 37,8 s. 

Os autores consideram os resultados como um grande salto em relação à prática atual de geminação digital, realizada manualmente (Tabela 1), em que o ajuste de formas 3D precisas a partir de nuvem de pontos permanece em grande parte dependente do homem, sendo que, além disso, nenhum dos métodos existentes demonstrou explicitamente como avaliar os modelos de dados de ponte resultantes do Industry Foundation Classes (IFC) em precisão espacial usando medições quantitativas. Com o método proposto, o trabalho gerou modelos DT com níveis de detalhamento entre LOD 250 e 300 (Tabela 2).   

Tabela 1. Comparação da distância C2C (cloud-to-cloud, ou nuvem a nuvem em português) entre GT PCDs (dados de nuvem de pontos de verdade) e Auto PCDs (dados de nuvem de pontos automáticos) contra PCDs (dados de nuvem de pontos) do mundo real, realizada por Lu e Brilakis . Fonte: Adaptado de Lu e Brilakis .  

Tabela 2. LOD 250-300 – Digital Twins gerados por Lu e Brilakis . Fonte: Adaptado de Lu e Brilakis .  

Digital Twin auxiliado pelo gerenciamento de ciclo de vida baseado em sustentabilidade para Sistemas de Afluência Ferroviária

Com a complexidade das afluências ferroviárias, a eficiência e a eficácia da manutenção podem ser melhoradas integrando a prática existente através do BIM. Neste sentido, Kaewunruen e Lian desenvolveu uma pesquisa para estabelecer e analisar o primeiro BIM 6D do mundo para gerenciamento do ciclo de vida de um sistema de afluência ferroviária. Os autores trabalharam com o BIM integrando 6 dimensões de informações de dados de campo com base nos softwares Revit (Figura 2) e Navisworks (Figura 3).  

Figura 2. Modelo 3D completo do sistema de afluência ferroviária e os seus componentes no Revit. Fonte: Adaptado de Kaewunruen e Lian . 

Figura 3. Simulação 4D do sistema de afluência ferroviária no Navisworks. Fonte: Adaptado de Kaewunruen e Lian .   

Partindo do pressuposto que os gêmeos digitais de uma infraestrutura em 3D abrangem cronograma, custos e sustentabilidade em todo o ciclo de vida,  Kaewunruen e Lian entendem que o uso do BIM para sistemas de afluência ferroviária tem o potencial de melhorar o fluxo geral de informações do planejamento e projeto de afluência, pré-montagem e logística de fabricação, construção e instalação, operação e gerenciamento e demolição, obtendo assim um melhor desempenho e qualidade do projeto. Ou seja, com base em informações integradas do sistema de afluência ferroviária, o BIM 6D pode avaliar aspectos econômicos, gerenciais e de sustentabilidade, e alcançar um equilíbrio entre eles.  

O trabalho de Kaewunruen e Lian demonstra que o BIM pode entregar plenamente seus benefícios essenciais por meio do compartilhamento de informações, facilitando a comunicação técnica, melhora a qualidade do projeto, reduz erros de projeto, acelera a implementação e o trabalho, diminui a duração e os custos da construção e aumenta a eficiência de carbono, apoiando a gestão de projetos e proporcionando aos seus proprietários maior eficiência operacional ao longo do ciclo de vida do sistema de desvio ferroviário. 

Os resultados da pesquisa revelam ainda que a emissão de material incorporado é o principal contribuinte para a pegada de carbono, especialmente produzida durante a fase de fabricação, sendo que a reconstrução contribui para a fase mais cara do ciclo de vida.  

Integrando levantamentos não destrutivos em um modelo digital preliminar orientado a BIM para possível aplicação futura na gestão de pavimentos rodoviários

A integração dos resultados obtidos de levantamentos não destrutivos realizados ao longo de uma infraestrutura rodoviária em um modelo digital de pavimento pode ser um método útil para desenvolver um processo eficiente do ponto de vista de Sistemas de Gerência de Pavimentos (SGP). 

Neste contexto, D’Amico et al. apresentam um novo processo experimental para implementar em um ambiente BIM o conjunto de dados processado a partir de dois levantamentos de condições de pavimentos (Figura 4), realizados em um estudo de caso. 

Integração de dados e processo de modelo de digitalização Dados de pesquisa  Elementos paramétricos Dados de integração e modelagem Modelo atualizado Pesquisa de inspecção e manutenção   Figura 4. Integração de dados e processo de modelagem digital. Fonte: Adaptado de D’Amico et al.

A principal razão para a investigação de D’Amico et al. está relacionada com a necessidade de um sistema eficaz, capaz de avaliar continuamente as condições do pavimento e programar intervenções de manutenção. Para os autores, tanto os instrumentos quanto os métodos para detectar a configuração do pavimento evoluíram,  com o desenvolvimento de ferramentas de tecnologia não destrutiva, como scanners a laser e radar de penetração no solo. Esta evolução viabilizou que os principais resultados da pesquisa demonstrassem a possibilidade de fornecer um modelo de gêmeo digital a partir do uso sinérgico de informações geométricas e de projeto com os resultados do monitoramento realizado em uma infraestrutura rodoviária. D’Amico et al. acreditam que o modelo pode ser potencialmente usado em futuras aplicações SGP baseadas em BIM (Figura 5). 

Figura 5. Fluxo de trabalho proposto por D’Amico et al. para a integração de dados de pesquisa não destrutivos em um modelo BIM. Fonte: Adaptado de D’Amico et al. .   

Aplicações de Digital Twins em infraestruturas na indústria

A seguir, seguem alguns casos de sucesso de aplicações de Gêmeos Digitais em infraestruturas na indústria da construção. Tais estudos de casos foram apoiados pela Bentley Systems, por meio da plataforma Bentley iTwin, que fornece a base para a construção de soluções de gêmeos digitais.  

 Minnesota DOT economiza 40% com Gêmeos Digitais com o uso de dados coletados por drones

Vídeo 1. Reimaginando a inspeção de pontes com Gêmeos Digitais – Minnesota Department of Transportation. Fonte: Bentley Systems .   

Doosan cria Gêmeo Digital de parque eólico

Vídeo 2. Doosan Wind Farm Digital Twin: Visualizando IoT e Machine Learning. Fonte: Bentley iTwin Platform .   

Águas do Porto toma decisões orientadas por dados com Gêmeos Digitais  

Vídeo 3. Águas do Porto: Tomada de decisões orientadas por dados com Gêmeos Digitais. Fonte: Bentley Systems 

Referências 

Tchana de Tchana, Yvan & Ducellier, Guillaume & Sébastien, Remy. (2019). Designing a unique Digital Twin for linear infrastructures lifecycle management. Procedia CIRP. 84. 545-549. 10.1016/j.procir.2019.04.176. Grieves, Michael. (2014). Digital Twin: Manufacturing Excellence through Virtual Factory Replication. 2-7. Glaessgen, Edward & Stargel, David. (2012). The digital twin paradigm for future NASA and U.S. air force vehicles. 10.2514/6.2012-1818. Modoni, Gianfranco & Sacco, Marco & Terkaj, Walter. (2016). A Telemetry-driven Approach to Simulate Data-intensive Manufacturing Processes. Procedia CIRP. 57. 10.1016/j.procir.2016.11.049. Tao, Fei & Cheng, Jiangfeng & Qi, Qinglin & Zhang, Meng & Zhang, He & Sui, Fangyuan. (2018). Digital twin-driven product design, manufacturing and service with big data. The International Journal of Advanced Manufacturing Technology. 94. 10.1007/s00170-017-0233-1. Serries G. Digital Twin: towards a digital double for every physical object. ZDNet, 2016. Minnd. "Deliverables L1 - Global Model", COMMUNIC, France, 2010. p. 8-18. Lu, Ruodan & Brilakis, Ioannis. (2019). Digital Twinning of Existing Reinforced Concrete Bridges from Labelled Point Clusters. Automation in Construction. 10.1016/j.autcon.2019.102837. Kaewunruen, Sakdirat & Lian, Qiang. (2019). Digital Twin aided Sustainability-based Lifecycle Management for Railway Turnout Systems. Journal of Cleaner Production. 228. 10.1016/j.jclepro.2019.04.156. D'Amico, Fabrizio & Bianchini Ciampoli, Luca & Di Benedetto, Alessandro & Bertolini, Luca & Napolitano, Antonio. (2022). Integrating Non-Destructive Surveys into a Preliminary BIM-Oriented Digital Model for Possible Future Application in Road Pavements Management. Infrastructures. 7. 10. 10.3390/infrastructures7010010. Bentley Systems. Infraestrutura: Gêmeos Digitais. Acessado em: 01.06.2022. Disponível em: https://www.bentley.com/pt/products/product-line/digital-twins. Bentley iTwin Platform. Plataforma iTwin: A base de gêmeos digitais para o mundo construído e o ambiente natural. Acessado em: 01.06.2022. Disponível em: https://www.bentley.com/pt/products/product-line/digital-twins. 

Explore a revolução na gestão de infraestrutura e descubra como o BIM e Digital Twins estão moldando o futuro do setor. Saiba mais do Master Engenharia Civil e esteja na vanguarda da transformação digital na engenharia civil!