Machine Translated by Google

Automação na Construção 149 (2023) 104785

Listas de conteúdos disponíveis em ScienceDirect

Automação na Construção

página inicial da revista: www.elsevier.com/locate/autcon

Análise

Geminação digital de infraestruturas civis: Estado atual das

arquiteturas modelo, soluções de interoperabilidade e perspetivas futuras

Hossein Naderi, Alireza Shojaei *

Escola de Construção Myers-Lawson, Instituto Politécnico da Virgínia e Universidade Estadual, Blacksburg, EUA

INFORMAÇÕES DO ARTIGO ABSTRATO

Palavras-chave: O potencial da utilização de Gémeos Digitais no contexto das infraestruturas civis levou a uma aposta nos Gémeos Digitais de
Gêmeos digitais Infraestruturas (IDT). Apesar de algumas tentativas de fornecer uma visão geral dos domínios de conhecimento das IDT, nenhum estudo
Infraestruturas civis
específico se concentrou na estrutura interna e nos componentes das IDT. Este artigo tenta colmatar esta lacuna analisando mais
Interoperabilidade
profundamente a arquitetura dos IDT através de uma combinação de análises qualitativas e quantitativas de 85 estudos entre 2012 e
Análise de conteúdo
2022. A análise de conteúdo combinada com teorias de análise de rede permitiu-nos examinar diferentes arquiteturas de IDT, tecnologias
Teoria da rede
Metaverso de geminação, e soluções de interoperabilidade. Os resultados foram sintetizados para demonstrar o mapa de evolução da estrutura do
Mapa de evolução IDT em quatro níveis de maturidade. Este artigo pode facilitar a adoção de IDTs na indústria de AEC, ilustrando uma imagem detalhada
da estrutura dos IDT para profissionais e pesquisadores, bem como uma visão sobre como as tecnologias recentes podem aprimorar
os modelos de IDTs no futuro.

1. Introdução
Os Gêmeos Digitais (DTs) ganharam popularidade significativa desde que apareceram
pela primeira vez no modelo Product Lifecycle Management (PLM) de Michael W. Grieves
em 2002 [1], e o termo agora é considerado um aspecto da Indústria 4.0 [2,3]. DTs são
frequentemente descritos como versões em tempo real de ativos físicos [4]. Os avanços
tecnológicos, como a Internet das Coisas (IoTs), expandiram as aplicações da DT para
uma ampla variedade de indústrias [5], incluindo aeroespacial [6] e manufatura [7–9]. Da
mesma forma, a indústria de Arquitetura, Engenharia e Construção (AEC) experimentou
suas primeiras gerações de TDs após a integração de tecnologias, como dados de
detecção em tempo real com modelagem de informações de construção (BIM) [10,11].
As infra-estruturas civis de todas as sociedades servem de base [12], e o actual
envelhecimento dessas infra-estruturas resultou na redução dos serviços e nos desafios
financeiros e sociais [13]. Nesta situação, DTs com diversas estruturas tecnológicas
podem retardar o processo de deterioração e, ao mesmo tempo, melhorar o desempenho
dos ativos construídos de várias maneiras. Por exemplo, quando combinadas com
tecnologias computacionais e de inteligência artificial (IA), as DTs podem oferecer
análises de diagnóstico ao longo de todo o ciclo de vida da infraestrutura [14]. No entanto,
a complexidade [15], a grande escala e a longa duração dos projetos de infraestruturas,
em comparação com outros projetos [16], podem tornar a geminação digital de
infraestruturas mais desafiante.
Nos últimos anos, tem sido dada atenção significativa às discussões sobre DTs na
indústria AEC. O número de estudos relacionados com DT no domínio da engenharia
civil é uma boa indicação desta tendência. A Figura 1 demonstra esse aumento notável,
com o número de estudos quase triplicando nos últimos três anos. Considerando que os
DTs ainda estão em sua infância e muitos pesquisadores referem-se aos DTs de forma
intercambiável com BIM [4].
Outros consideram a DT como uma simples representação 3D de seus ativos, permitindo-
lhes utilizá-la para melhorar tarefas de operação e manutenção [4]. Este ambiente
confuso e a complexidade inerente às infra-estruturas realçam a necessidade de olhar
para a estrutura interna dos IDT, a fim de obter uma melhor compreensão do seu
potencial de adopção.
Poucos estudos se concentraram em gêmeos digitais de infraestrutura (IDTs)
[14,17,18], que se preocupam principalmente com as estratégias de desenvolvimento,
aplicações e desafios dos IDTs por meio de abordagens baseadas em entrevistas.
Embora a aplicabilidade da IDT esteja associada aos seus componentes e tecnologias,
nenhum estudo anterior avaliou tecnologias de geminação, soluções de interoperabilidade
e potenciais de diferentes arquiteturas de DT no contexto de infraestruturas civis. O
presente estudo é uma tentativa de colmatar esta lacuna, propondo as seguintes questões
de investigação (QR): QP1: Quais são as principais tecnologias de geminação para a
criação de IDT?
RQ2: Quais são os potenciais das diferentes arquiteturas IDT?
RQ3: Como as soluções de interoperabilidade permitiram a integração de tecnologias
de geminação para a criação de IDTs?

* Autor correspondente.
Endereços de e-mail: hnaderi@vt.edu (H. Naderi), shojaei@vt.edu (A.Shojaei).

https://doi.org/10.1016/j.autcon.2023.104785 Recebido
em 10 de maio de 2022; Recebido de forma revisada em 28 de janeiro de 2023; Aceito em 3 de fevereiro de 2023.
Disponível online em 12 de fevereiro de 2023.
0926-5805/© 2023 Elsevier BV Todos os direitos reservados.
Machine Translated by Google
H. Naderi e A. Shojaei
70
60 66
50 44
40
30
24
20
10
3
1
0 As DT estão a tornar-se uma parte imperativa das respostas a questões em aberto nas
2014 2018 2019 2020 2021
Figura 1. Frequência de publicações relacionadas a DT por ano na área de AEC
(Fonte: Pesquisando “Digital Twin” na Web of Science e limitando “Categorias” a
“Engenharia Civil” em 27 de dezembro de 2021).
RQ4: Qual é o estado atual do desenvolvimento do IDT e como irá evoluir no futuro?
Para responder a estas questões, este estudo revisou sistematicamente 85 artigos
relevantes entre 2012 e 2022, utilizando uma combinação de abordagens quantitativas
(análise de rede) e qualitativas (análise de conteúdo).
O estudo está dividido em 6 seções. A Seção 2 fornece uma visão geral do conceito de
DT e estudos relacionados concentrando-se em elementos de tecnologia e interoperabilidade.
A Seção 2 é seguida pela descrição da metodologia de revisão sistemática na Seção 3. A
Seção 4 analisa tecnologias de geminação, arquiteturas de DT e soluções de interoperabilidade
com base em suas aplicações e vantagens potenciais para responder RQ1-RQ3,
respectivamente. Para abordar o RQ4, sintetizamos as conclusões das secções anteriores
para fornecer uma imagem do estado actual do desenvolvimento da IDT e das perspectivas
futuras na Secção 5. Finalmente, este documento de revisão é concluído na Secção 6.
2. Antecedentes
Nesta seção, primeiro, fornecemos um conjunto de definições dentro e fora da indústria
de AEC. Então, o conceito DT se distingue de outras tecnologias estreitamente relacionadas
e confusas, como BIM, Sistema Ciber-Físico (CPS) e modelos de Simulação. Finalmente,
estas definições e conceitos são sintetizados para gerar uma definição inclusiva de IDT.
2.1. Definições de gêmeos digitais
Uma das definições mais citadas de DTs é a da NASA, que afirma: “simulação
probabilística multifísica, multiescala e integrada de um veículo ou sistema que utiliza os
melhores modelos físicos disponíveis, atualizações de sensores, histórico de frota, etc.,
para espelhar a vida de seu gêmeo voador correspondente” [6]. Outra definição é a de
Grieves [1] , que estende o escopo das DTs para processos de manufatura e microscópicos,
que define DT como um “conjunto de construções de informações virtuais que descrevem
completamente um produto de fabricação físico potencial ou real a partir do nível micro
atômico”. ao nível macro geométrico”. Além disso, Madni [19] levou o termo para a fase de
Operação e Manutenção (O&M) quando definiu DTs como “uma instância virtual de um
sistema físico (gêmeo) que é continuamente atualizada com os dados de desempenho,
manutenção e status de saúde do sistema físico”. durante todo o ciclo de vida do sistema
físico”.
Quando se trata da indústria AEC, uma definição consensual para DTs, que ainda está
em sua infância, ainda não está estabelecida [14]. No entanto, existem algumas definições
com escopos diferentes. Alguns forneceram definições genéricas para TDs no ambiente
construído. Por exemplo, o Centre for Digital Built Britain [20] explicou os IDTs como “uma
representação digital realista de ativos, processos ou sistemas no edifício construído ou
natural”.
2
Automação na Construção 149 (2023) 104785
ambiente". Outros definiram TDs considerando tecnologias e fluxos de informação, como
Al-Sehrawy e Kumar [21], que descreveram TDs como “o conceito de conectar um sistema
físico à sua representação virtual através de comunicação bidirecional (com ou sem um
humano no loop)…permitindo a exploração de Inteligência Artificial (IA) e Big Data
Analytics… para desbloquear valor”. Nesta definição, a IA e o Big Data são considerados
como duas principais tecnologias facilitadoras de DT na indústria AEC. Davila Delgado e
Oyedele [22] afirmaram que os principais DTs na indústria AEC são extensões BIM que
permitem captura de dados e feedback em tempo real. Além disso, especialistas no
conceito de IDTs confirmaram que tecnologias como modelos BIM e 3D-CAD são relevantes
para o conceito de gêmeo digital, e um fluxo bidirecional é um elemento essencial dos
DTs [14].
infra-estruturas. Por exemplo, uma DT foi proposta para resolver serviços inconsistentes
de redes satélite-terrestres [23]. Em outro esforço, um sistema baseado em DT foi
desenvolvido para melhorar o controle centralizado na infraestrutura de redes veiculares
[24]. Apesar destes esforços, o conceito de DT ainda sofre de uma falta de entendimento
comum entre as várias partes. Para abordar esta questão, alguns estudos fornecem uma
revisão sistemática e análise bibliométrica para criar um quadro abrangente das TDs em
infraestrutura [17,25]. No entanto, ainda são necessários mais estudos para explorar a
estrutura interna dos IDTs. Este estudo é um esforço para abordar esta
brecha.
2.2. Esclarecimento do conceito
2.2.1. DT vs. modelos de simulação
Embora os TDs, como réplicas digitais do mundo real, possam parecer comparáveis
aos modelos de simulação à primeira vista, os DTs são diferentes porque são atualizados
com base em dados em tempo real do gêmeo físico real.
No entanto, os modelos de simulação dependem de cenários hipotéticos e do que poderia
ocorrer com base em tais circunstâncias, e não de ocorrências da vida real [7].
2.2.2. DT x BIM
Embora o uso de DTs em vez de BIM seja comum em estudos relacionados a DT na
indústria de AEC [4], existem diferenças significativas. Conforme mencionado no parágrafo
acima, existe um fluxo de dados bidirecional entre o espaço físico e o ciberespaço nas
DTs, ao contrário do BIM [5,26]. Além disso, de acordo com o estudo de Sacks [4], os
sistemas BIM evoluíram como resultado da necessidade de uma ferramenta para monitorar
os componentes do projeto antes da construção. Mesmo os modelos BIM as-built não
podem competir com os DTs, que são representações constantemente atualizadas de
gêmeos físicos. Isso ocorre porque os modelos as-built são normalmente gerados de forma
reativa após a fase de construção, em vez de permanentemente como os DTs. [4].
2.2.3. DT vs. sistema ciberfísico (CPS)
A comparação mais desafiadora é entre DTs e CPS, uma vez que não há consenso
sobre as diferenças entre os dois termos [22].
Entretanto, existem três tipos de comparação entre DTs e CPS na literatura. No primeiro
grupo, DTs são aplicações alternativas de CPS para indústrias espaciais e de manufatura
[27]. Outro grupo de comparações considera DTs como um pré-requisito para CPS, onde
CPS é um termo de alto nível e DT é uma subsidiária para casos de uso específicos [3,28].
Embora o terceiro grupo de comparações admita semelhanças entre DT e CPS no seu
foco nas contrapartes físicas e na transferência de dados entre gêmeos virtuais e físicos
prontamente, ele afirma que os DTs requerem um modelo virtual e um relacionamento de
gêmeo com sua entidade física, ao contrário do CPS [ 5].
2.2.4. Modelo digital, sombra ou gêmeo
Kritzinger [29] classificou os DTs em três classes com base no impacto dos gêmeos
virtuais nos gêmeos físicos e no fluxo de dados entre eles: Modelo Digital, Sombra Digital
e Gêmeo Digital. Quando os dados fluem em ambas as direções entre gêmeos virtuais e
físicos, trata-se de um Gêmeo Digital; um fluxo de dados unidirecional e a ausência de
fluxo de dados representam Digital
Machine Translated by Google
H. Naderi e A. Shojaei
Sombras e Modelos Digitais, respectivamente.
2.3. Definição de IDT
Com base nas definições e esclarecimentos nas seções 2.2 e 2.3, uma nova definição pode ser
sintetizada para IDT. O Gêmeo Digital de Infraestrutura (IDT) é definido como uma réplica virtual de
um ativo físico com fluxo de dados bidirecional (entre os mundos virtual e físico) que, isoladamente
ou em integração com outros IDTs como parte de um sistema de sistemas, fornece um uma
compreensão mais profunda de como as infra-estruturas realmente funcionam, permitindo um melhor
desempenho das infra-estruturas.
3. Método de pesquisa
3.1. Banco de dados e consulta de pesquisa
Um fator importante que influencia o resultado das revisões sistemáticas é a seleção de sistemas
de busca, que permitem uma revisão objetiva e repetível [30]. Isto é especialmente importante
quando a revisão sistemática trata de um tema novo, como as DT. A combinação de diversas bases
de dados, como Web of Science (WoS), Scopus e Google Scholar, permite-nos encontrar mais
estudos relacionados com IDT. O Google Scholar, entretanto, não é um mecanismo de busca
apropriado para revisões sistemáticas, segundo Gusen-bauer e Haddaway [31]. Portanto, utilizamos
a combinação de WoS e Scopus para identificar estudos relacionados aos IDTs.
A pesquisa baseada em consulta é um dos métodos mais fundamentais para identificar estudos
relevantes em um campo de pesquisa [32]. No entanto, formar uma consulta de pesquisa apropriada
para a inclusão de estudos de DT em infraestruturas é um desafio, uma vez que o termo “Gémeos
Digitais” é frequentemente utilizado de forma ambígua [4]. Esse problema é resolvido através da
construção de uma consulta de pesquisa abrangente.
A Figura 2 descreve o processo de criação de consultas de pesquisa para identificar
Figura 2. Processo de construção da consulta de busca para identificação de estudos relacionados a Gêmeos Digitais de Infraestrutura (IDTs).
3
Automação na Construção 149 (2023) 104785
IDT relevantes. A consulta de pesquisa é construída principalmente a partir de dois blocos,
nomeadamente “Gêmeos Digitais” e “Infraestrutura”. O bloco de infra-estrutura contém diferentes
equivalentes da palavra infra-estrutura, como “Rodovia” e “Ponte, que são interligados usando os
comandos OR. Para cobrir palavras relacionadas a DT (bloco direito) na consulta de pesquisa,
consideramos duas subfamílias conectadas pelo comando OR: (1) Gêmeos Digitais e suas outras
formas relacionadas como “Família de Palavras de Gêmeos Digitais”; (2) uma combinação entre
“Família de palavras BIM” e “Família de palavras de sensores” acoplada ao comando AND. A
subfamília BIM/Sensores foi incluída como parte de nossa consulta de pesquisa, pois representa um
modelo DT em muitos estudos sem mencionar diretamente o termo. Finalmente, a consulta de
pesquisa é construída integrando dois blocos primários usando o comando AND.
3.2. Identificação do estudo (etapa 1)
Depois de identificar potenciais bases de dados e formular consultas de pesquisa, podemos
identificar estudos relevantes. A Figura 3 ilustra quatro etapas desta revisão, a primeira das quais é
detalhada aqui. A consulta de busca foi aplicada nos campos “Título” e “Resumo” dos buscadores
identificados com o comando OR. Esta abordagem nos permite cobrir quaisquer estudos nas bases
de dados WoS e Scopus que incluam palavras-chave de consulta em seu resumo ou título. O número
de registros de estudos identificados nas bases de dados WoS e Scopus em 27 de dezembro de
2021 era de 729 e 2.078, respectivamente.
Vários refinamentos foram feitos nos resultados da pesquisa para alinhar os estudos identificados
ao escopo da revisão. O idioma exigido para registros em ambas as bases de dados é o inglês.
Conforme ilustrado na Figura 1, o surgimento de TDs ainda está em sua infância, portanto não é
necessário um amplo intervalo de datas para identificar IDTs relevantes. Assim, restringimos os
resultados da pesquisa identificados à última década, com datas variando de 2012 a 2022. Os artigos
de periódicos são os registros mais influentes para revisões sistemáticas [33], o que também melhora
a qualidade dos estudos de revisão. Além disso, é amplamente reconhecido que, na ciência da
computação, os resultados das pesquisas são frequentemente publicados em
Machine Translated by Google
H. Naderi e A. Shojaei
Figura 3. Etapas da revisão sistemática de gêmeos digitais de infraestrutura (IDTs)
documentos de conferências [34] e que muitas das tecnologias facilitadoras da DT
têm origem neste campo. Como resultado, limitamos os tipos de documentos de
estudos identificados no WoS aos artigos de periódicos e anais de conferências. No
entanto, limitamos o banco de dados Scopus aos tipos de documentos de periódicos,
uma vez que (1) o banco de dados Scopus cobre menos documentos processuais do
que WoS, embora haja uma quantidade considerável de sobreposição de conteúdo
entre essas duas bases de dados [35]; (2) embora ter mais artigos em andamento
aumente o escopo, isso não aumenta a profundidade do escopo, uma vez que a
maioria dos artigos de conferências fornecem apenas uma estrutura conceitual sem
contribuição substancial para o corpo de conhecimento. Esses limites reduziram o
número de registros nas bases de dados WoS e Scopus para 655 e 606,
respectivamente.
3.3. Triagem (etapas 2 e 3)
A elegibilidade dos IDTs foi determinada por um conjunto de critérios para garantir
que os estudos identificados estejam dentro do escopo da nossa revisão. De acordo
com estes critérios: (1) os estudos identificados devem estar dentro do contexto da
indústria AEC; (2) a TD desenvolvida deve ser relevante para pelo menos uma
infraestrutura física específica, como pontes, sistemas de água e esgoto, estradas e
ferrovias. Esta restrição deve-se ao facto de muitos modelos de DT desenvolvidos
para edifícios não serem aplicáveis no ambiente complexo das infraestruturas civis;
(3) os estudos identificados devem incluir um gêmeo digital ou
4
Automação na Construção 149 (2023) 104785
sombra conforme esclarecimento do conceito na seção 2.2.4. Esta restrição deve-se
principalmente ao facto de, apesar da utilização do termo Digital Twins em títulos ou
resumos de muitos estudos, o termo ser apenas um sinónimo de um modelo 3D sem
qualquer fluxo de dados.
A figura 3 mostra a segunda etapa, na qual os títulos e resumos dos estudos
identificados nas etapas anteriores são selecionados de acordo com critérios pré-
determinados. Seguindo esse processo, 532 e 496 estudos são excluídos dos estudos
identificados nas bases de dados WoS e Scopus, respectivamente. Os estudos
restantes de ambas as bases de dados são mesclados através da remoção de 47
registros duplicados. Em muitas circunstâncias, a elegibilidade dos estudos não pode
ser abordada com a verificação do título e do resumo, e todo o texto deve ser revisado.
Conforme ilustrado no estágio três da Figura 3, realizamos esse processo em todas
as 187 pesquisas restantes. Eventualmente, 85 estudos permaneceram no escopo do
estudo, servindo de base para nossas análises posteriores.
3.4. Métodos de análise de dados (etapa 4)
De acordo com o estágio quatro da Figura 3, uma combinação de métodos
qualitativos e quantitativos foi aplicada neste estudo para abordar RQs. Em termos da
parte qualitativa, a análise de conteúdo foi utilizada para abordar RQs, uma técnica
que pode ser descrita como a realização de inferências replicáveis e válidas com base
em textos [36]. De acordo com Tao, et al. [37], os modelos DT são compostos por cinco
Machine Translated by Google

H. Naderi e A. Shojaei Automação na Construção 149 (2023) 104785

componentes: gêmeo físico, gêmeo virtual, conexões, dados e serviços. sincronizados para garantir uma distribuição suave de dados entre grupos de tecnologia e
Nesse sentido, revisamos os textos completos de 85 estudos principais e os rotulamos para entidades físicas.
responder aos QRs. As tecnologias de twining em cada estudo são extraídas para responder
ao RQ1. Para responder ao RQ2, foi extraída uma informação multicamada. Primeiro, são 4.2. Tipos de infraestrutura e serviços de IDTs
identificados os gêmeos físicos da infraestrutura, cujas características e características são
refletidas nas DTs. Em seguida, são extraídos e categorizados os aplicativos e serviços Considerando que as TDs espelham suas contrapartes físicas, as características
que as DTs fornecem nas infraestruturas. dos gêmeos físicos têm um impacto inevitável na estrutura das DTs. Como resultado,
Em seguida, todos os estudos principais foram rotulados pelo estágio do ciclo de vida em rotulamos 85 IDTs identificados de acordo com seus gêmeos físicos associados através
que as TDs estão focadas. Essas camadas de informações, então, foram sintetizadas na de uma análise de conteúdo de todo o texto dos estudos identificados (ver Tabela 1).
seção 4.6 para responder à QP2. Em seguida, foram extraídas soluções de interoperabilidade Além disso, os serviços existentes prestados pelos IDTs em estudos identificados são
propostas nos estudos principais para responder ao RQ3. Por fim, uma abordagem apresentados na Tabela 1. Os gémeos físicos com antecedentes semelhantes também
quantitativa foi utilizada neste estudo para extrair arquiteturas de sistemas em modelos de são fundidos num dos oito domínios de infra-estruturas. A contribuição de cada domínio
TD e relações ocultas entre diferentes tecnologias para a construção de IDTs para responder de infra-estrutura é calculada dividindo a sua frequência real pelo número de domínios
ao RQ4. Para tanto, foram realizadas teorias de análise de redes para extrair insights inteiros.
medindo diversas métricas de redes. As métricas de rede, nomeadamente o grau de
centralidade, densidade e centralidade de intermediação, são extraídas usando o software Tabela 1
Gephi [38] como um gráfico de código aberto e ferramenta de análise para descobrir padrões Entidades físicas e aplicações de gémeos digitais no contexto das infraestruturas civis.
de rede. É necessário definir métricas de rede antes de utilizá-las na Seção 4. Grau
Centralidade, como uma das métricas de rede utilizadas neste estudo, é definida como o
A infraestrutura Gêmeos físicos Serviços IDT existentes
número total de arestas conectadas a um nó [39], quando esta métrica é quanto maior, o nó Domínios
é mais central na rede. A Densidade da Rede também é definida como a razão entre os
Desenvolvimento IDT Conceptual Simulação de fluxo de recursos, segurança na
links reais entre os nós e todos os links possíveis, com um valor entre 0 e 1 [40]. (24%) Modelos construção, previsão de mudanças de
projeto, seleção de fornecedores, detecção
de conflitos, monitoramento de

A centralidade de intermediação é definida para cada nó em uma rede e mede a possibilidade progresso, gestão de desastres, controle de
qualidade, gestão de risco de atraso, gestão enxuta
de que um caminho mais curto arbitrário na rede passe pelo nó [41].
Edifícios Públicos Universidade Detecção de anomalias, gestão
(14%) Campus educacional, melhoria do conforto, inspeção
de manutenção objetiva
No mar de gestão de energia, manutenção preditiva,
4. Descobertas
Farol monitoramento da saúde estrutural

4.1. Modelo de referência de gêmeos digitais de infraestrutura (IDTs)

Hospital Gestão de energia, gestão de
instalações, detecção de anomalias,
As tecnologias extraídas da estrutura interna dos IDTs nos estudos principais foram Industrial manutenção preditiva, detecção automática

categorizadas em quatro grupos principais de tecnologias: (1) tecnologias de aquisição de Prédio de anomalias
Pré-fabricado Acompanhamento do progresso, controle de custos
dados; (2) tecnologias de modelos de informação; (3) tecnologias de processamento de
Ativos
dados; e (4) tecnologias de interoperabilidade. Cada uma dessas categorias é discutida com Estação Ferroviária Carga de passageiros nos trens, emissão de
mais detalhes nas seções a seguir. carbono em tempo real
Museu Monitoramento seguro e proteção de exposições
A Figura 4 mostra um modelo de referência simplificado de IDTs baseado nesses quatro
grupos de tecnologia extraídos de estudos principais. Este modelo de referência mostra
Deputado Europeu
Previsão de vida útil do MEP
como a integração destes grupos tecnológicos cria uma DT para infraestruturas civis. As
Pontes (16%) Ponte Previsão da vida útil da ponte, detecção de
tecnologias de aquisição de dados servem como uma ponte entre os mundos físico e virtual anomalias, avaliação de colapso sísmico, análise
para comunicar dados de maneira bidirecional. As tecnologias de modelo de informação da saúde estrutural
Poder e Óleo e gás Gestão de riscos, inspeção objetiva
abstraem informações de entidades físicas e as tecnologias de processamento de dados
Energia (6%) de manutenção
extraem conhecimento oculto por trás de dados heterogêneos de múltiplas fontes e permitem
Fotovoltaico Estudo de viabilidade de localização fotovoltaica
decisões criteriosas [42]. Esses três grupos de tecnologias, finalmente, são Estação de energia
Poder Inspeção de manutenção objetiva,
Distribuição manutenção preditiva
Turbina de vento Monitoramento da produção de energia,
Aeroporto e Portos Aeroporto Controle de portões, melhoria de
(7%) desempenho de reforma, gestão aeroportuária

Porta Acompanhe a otimização do despacho,

melhoria da resiliência portuária e
gerenciamento portuário
Ferrovias (5%) Estrada de ferro Melhoria logística no local, controle da propriedade
do trânsito ferroviário urbano, monitoramento das
condições de afluência ferroviária
Estradas (16%) Estrada Otimização do alinhamento de rodovias,
melhoria de reformas, inspeção objetiva de
manutenção
Túnel Detecção automática de anomalias, análise
de causas de falhas dos ventiladores, previsão
do desempenho do pavimento
Sistemas de Água Hidrovia Interior Monitoramento de segurança do canal de água
(12%) Rede de esgoto Monitore e relate o desempenho dos
ativos de esgoto
Água Planeamento de requisitos em infraestruturas
Distribuições hídricas, Deteção de inundações, Poupança de
água, Procura de água e monitorização da
qualidade
Figura 4. Modelo de referência de gêmeos digitais de infraestrutura.

5
Machine Translated by Google
H. Naderi e A. Shojaei
IDTs, e o percentual dessa contribuição é mostrado entre parênteses após cada domínio
de infraestrutura.
Aproximadamente 24% dos estudos principais estão relacionados com a construção
de quadros conceituais para TDs, indicando que as DTs no campo da infraestrutura civil
ainda não foram implementadas na prática. Isso está de acordo com as descobertas nos
campos de manufatura [42] e engenharia civil [5]. Como resultado do exame dos serviços
existentes de estruturas IDT, destacados na Tabela 1, descobrimos que a maioria das
estruturas está focada na fase de construção do ciclo de vida, o que indica que as
aplicações IDT na fase de construção são um tópico emergente, assim como foi confirmado
por outros estudos [4,43]. Entre outros temas de infra-estruturas, os IDT para pontes e
estradas têm atraído mais atenção do que outros; no entanto, os seus serviços
permaneceram limitados a serviços de avaliação de condições, principalmente na fase de
O&M do ciclo de vida da infraestrutura. Outra observação interessante é que os IDTs são
usados de diversas maneiras em edifícios públicos, incluindo serviços baseados em
sustentabilidade, prometendo o uso desses serviços em outros tipos de gêmeos físicos no
futuro.
4.3. Tecnologias de modelos de informação
Conforme apresentado na Figura 4, os IDTs são teoricamente compostos por três
tecnologias principais. Analisamos as tecnologias do modelo de informação nesta seção, e
as tecnologias de aquisição de dados e tecnologias de processamento de dados,
respectivamente, nas seções 4.4 e 4.5 para responder ao RQ1.
A ausência de um modelo de informação apropriado para sintetizar os dados extraídos
da infra-estrutura construída reduzirá a eficácia e as oportunidades que podem ser
derivadas dos dados. A Tabela 2 apresenta tecnologias de modelo de informação que
foram extraídas dos estudos identificados. A contribuição de cada tecnologia de modelo de
informação é calculada dividindo o número de ocorrências pelo número total de IDTs
identificados. Essa contribuição é apresentada em percentual na Tabela 2.
Os modelos BIM servem como principal modelo de informação em mais da metade dos
Modelos IDT (53%). Esta descoberta mostra que o desenvolvimento de modelos DT dentro
de infraestruturas civis baseou-se em modelos BIM, enquanto Sacks et al. [4] argumentaram
que os modelos BIM foram inicialmente criados para a fase de projeto. Como tal, esta
dependência excessiva pode contradizer a natureza dinâmica dos modelos de DT e causar
mais problemas de interoperabilidade. As tecnologias de modelo GIS e de simulação são
os próximos contribuintes significativos para o desenvolvimento de IDTs. Ambas as
tecnologias possuem algumas capacidades que não podem ser encontradas nos modelos
BIM e são essenciais para aplicações em infraestruturas. Por exemplo, os modelos GIS
são mais apropriados para infraestruturas distribuídas horizontalmente, uma vez que
fornecem capacidade de análise geoespacial aos IDTs [44]; e os modelos de simulação
oferecem a oportunidade para análise de cenários hipotéticos em modelos DT. Além disso,
existem tecnologias emergentes, incluindo Simuladores de Robôs, que permanecem
inexploradas nesta área e requerem mais atenção.
A Figura 5 mostra como as tecnologias identificadas são usadas nos domínios e ciclos
de vida da infraestrutura. Palavras são colocadas no diagrama para indicar que tipo de
infraestrutura e em que estágio do ciclo de vida da DT as tecnologias do modelo de
informação são usadas. Além disso, os tamanhos das palavras correspondem às taxas de
ocorrência das tecnologias. A maior densidade de tecnologias de modelos de informação é
colocada na parte inferior do mapa, indicando que a maioria
Tabela 2
Tecnologias de modelos de informação e suas ocorrências nos principais estudos.
Tecnologias de modelo de informação Ocorrência
BIM (53%) Modelo de informação de construção 44
SIG (19%) Sistema de Informações Geográficas 16
SM (13%) Modelo de simulação 11
FE (5%) Modelo de elementos finitos 4
CAD (2%) Design auxiliado por computador 2
2 Conforme mostrado na Figura 6, as IoTs são amplamente utilizadas para a criação de
VR/AR (2%) Realidade Virtual/Realidade Aumentada
SCADA (2%) Controle Supervisório e Aquisição de Dados 2 DTs na fase de O&M de infraestruturas. A ampla popularidade da tecnologia IoT em todos
AWS (1%) Amazon Web Service 1 os tipos de infraestrutura construída indica sua natureza adaptável e descomplicada
IAM (1%) Informações de gerenciamento de ativos 1
RS (1%) Simulador de Robô (Gazebo) 1
6
Automação na Construção 149 (2023) 104785
Os IDTs estão focados em suas aplicações na etapa de O&M. No entanto, os potenciais
dos TDs na fase de projeto são menos investigados, apesar das recomendações de
especialistas experientes [18].
Na fase de O&M, as tecnologias BIM são mais implementadas para DTs em edifícios
públicos, onde têm mais capacidades. Por exemplo, Lu et al. [45] usaram modelos BIM
para desenvolver TDs para melhorar as tarefas operacionais do campus universitário. O
potencial das tecnologias BIM também chamou a atenção para a criação de TDs em outros
temas de infraestrutura proeminentes, como pontes e estradas. Por exemplo, Su et al. [46]
propuseram um sistema de manutenção para pontes protendidas baseado em um modelo
BIM e um modelo de inspeção gerado via imagens Lidar e UAV. Outra observação é a
ampla distribuição do BIM no mapa (Fig. 5), demonstrando a natureza versátil e as amplas
capacidades do BIM para o desenvolvimento de TDs em diferentes infraestruturas e
estágios do ciclo de vida.
Para fornecer serviços de O&M mais especializados por parte dos DT para
infraestruturas, tais como análise de saúde estrutural, gestão de distribuição de água e
avaliações de vulnerabilidade, precisamos de aproveitar mais capacidades não disponíveis
em modelos BIM. Por exemplo, uma integração de modelos BIM, GIS e de simulação foi
aplicada para melhorar as avaliações de vulnerabilidade rodoviária em caso de inundações
urbanas [47]. Além disso, o potencial considerável de análises numéricas em modelos de
Elementos Finitos torna-os um modelo de informação ideal para DTs relativos à análise de
saúde estrutural, como estudos focados na previsão da vida útil de pontes [48–50]. A
utilização de Controle de Supervisão e Aquisição de Dados (SCADA) na área de gestão de
água é outro exemplo de potenciais mais especializados de modelos de informação [51,52].
Apesar da atenção considerável às aplicações de IDT na fase de O&M, a baixa
densidade de tecnologias nos campos superior e médio do mapa demonstra que as
aplicações de IDT na fase de concepção e construção ainda não foram totalmente
exploradas. Vale a pena mencionar alguns casos nestas áreas. Por exemplo, no caso dos
serviços IDT na fase de planeamento e projeto, a integração do BIM e do GIS foi aplicada
por Marzouk et al. [53] para estimar a necessidade de utilidade essencial de uma cidade.
Tecnologias de modelo de informação semelhantes foram utilizadas para facilitar o
processo de planejamento de alinhamento de rodovias [54], explorar a viabilidade de
selecionar uma estação de energia fotovoltaica próxima à rodovia e prever a produção de
energia solar [55]. Além das tecnologias acima mencionadas, algumas tecnologias
emergentes de modelos de informação também oferecem novas oportunidades para IDTs,
que devem ser mais exploradas. Por exemplo, utilizando o modelo BIM e o Gazebo
(simulador robótico), Liang et al. [56] geram modelos de DT que podem abrir caminho para
a utilização de robôs durante a construção de projetos de infraestrutura civil.
4.4. Tecnologias de aquisição de dados
Com um único modelo de informação estática, o DT nada mais será do que um modelo
3D desatualizado de infraestrutura construída. Como tal, a comunicação de dados com
modelos de informação através de canais de fluxo de dados é outro componente crítico
das DTs. A Tabela 3 apresenta tecnologias de aquisição de dados extraídas de estudos
principais e suas contribuições para o desenvolvimento de IDTs. A primeira observação
valiosa é que o número total de tecnologias de aquisição de dados em IDTs é menor do
que as tecnologias de modelos de informação, indicando que uma parte significativa dos
IDTs está privada de módulos adequados de comunicação de dados.
Quando se trata de transferência de dados dentro de IDTs, a IoT contribui mais do que
outras tecnologias. Isso é consistente com estudos que atribuem a popularidade das DTs
aos avanços nas IoTs [5]. Em seguida estão as tecnologias para captura de dados de
nuvens de pontos, ou seja, LiDAR e UAV, que têm uma contribuição considerável para a
criação de DTs. A Figura 6 mostra a distribuição dessas tecnologias em vários domínios de
infraestrutura e estágios do ciclo de vida.
(semelhante ao BIM na seção anterior) para uma ampla gama de aplicações IDT, desde
seu potencial para criar um IDT até
Machine Translated by Google

H. Naderi e A. Shojaei Automação na Construção 149 (2023) 104785

Figura 5. Mapa de tecnologias de modelo de informação em domínios de infraestrutura e ciclo de vida.

para pontes. A capacidade desta tecnologia para detecção precisa de anomalias e

Tabela 3
análise estrutural é empregada por autores em IDTs para a fase de O&M [46,48,59–
Tecnologias de aquisição de dados e suas ocorrências nos estudos principais.
61]. Além disso, o número limitado de tecnologias de aquisição de dados nos
Tecnologias de aquisição de dados Ocorrência
domínios dos aeroportos, portos, energia e infra-estruturas ferroviárias, o que
IoT (42%) Sensores da Internet das Coisas 24 também se aplica às tecnologias de modelos de informação, indica lacunas de
LiDAR (23%) Dados de nuvem de pontos 13 investigação que requerem mais investigação.
UAV (9%) Veículo aéreo não tripulado 5
Quando se trata de desenvolver IDTs para as fases de projeto e construção, os
RFID (5%) Identificação de rádio frequencia 3
2 esforços para integrar tecnologias de aquisição de dados em IDTs tornam-se ainda
QR (3%) Código de resposta rápida
Ac. (3%) Acelerômetro 2 mais limitados do que as tecnologias de modelos de informação (ver Fig. 5). Como
BLE (2%) Bluetooth de baixa energia 1 exemplo desses esforços, Lin et al. [62] propuseram um modelo DT para avaliação
FBG (2%) Sensor de concessão de fibra Bragg 1
de colapso sísmico e análise de fragilidade antes da construção de pontes,
FO (2%) Sensor de fibra óptica 1
melhorando o desempenho do projeto da ponte. Em outro caso para um IDT de
FMCW (2%) Radar de Onda Contínua Modulado em Frequência 1
GPS (2%) Sistema de Posicionamento Global 1
construção, sensores Bluetooth Low Energy (BLE) são aplicados para gerenciamento
iBWIM (2%) Sensor de pesagem em movimento da ponte 1 de segurança em canteiros de obras [63], e IoTs são usados para gerenciamento de
Mídias Sociais (2%) Mídias Sociais (2%) 1 risco de plantas de processo [57].
Vídeos, imagens… 1

4.5. Tecnologias de processamento de dados

gestão de riscos de oleodutos e gasodutos no meio do deserto [57] até a manutenção

preventiva de um farol no meio do oceano [58]. O processamento eficiente dos dados coletados de entidades físicas é outro pilar
No entanto, os dados de nuvens de pontos têm atraído mais atenção quando se trata crítico do estabelecimento de DTs [42]. Uma grande quantidade de dados não
garante necessariamente a eficiência das DTs. Caso contrário, pode

Figura 6. Mapa de tecnologias de aquisição de dados em domínios de infraestrutura e ciclo de vida.

7
Machine Translated by Google
H. Naderi e A. Shojaei
causar um desperdício de recursos. Nesta situação, as técnicas de processamento de
dados podem organizar e extrair o significado oculto por trás dos dados coletados, levando
as DTs a fornecer decisões mais eficazes [64]. Semelhante às seções anteriores, as
tecnologias de processamento de dados são extraídas de estudos identificados e são
apresentadas na Tabela 4. De acordo com esta tabela, o número total de tecnologias de
processamento de dados é significativamente menor do que as tecnologias de aquisição
de dados. Esta conclusão sugere que um número considerável de IDTs não beneficia do
processamento de módulos de dados. Em comparação com outras tecnologias, estas
técnicas quase não são investigadas no contexto das infraestruturas civis.
Conforme apresentado na Figura 7, as técnicas de aprendizado de máquina (ML) são
usadas mais amplamente em todos os tipos de domínios de infraestrutura para serviços,
como a previsão do desempenho do pavimento de túneis [65], manutenção preditiva de
componentes MEP [66] e infraestrutura rodoviária. monitoramento e manutenção [67].
Além disso, esforços significativos são dedicados ao uso de algoritmos de ML para a
criação de modelos de gêmeos digitais a partir de dados brutos [61,68,69]. Isto está
alinhado com as nossas interpretações (ver secção 4.2) de que a maioria dos esforços
no conhecimento de IDT estão relacionados com o desenvolvimento de IDT.
Em comparação com as tecnologias de ML relacionadas com aplicações IDT na fase de
O&M, as tecnologias de visão computacional (CV) são exploradas principalmente para
IDTs de construção. Por exemplo, Hamledari et al. [70] se beneficiaram dos recursos de
visão computacional para melhorar o processo de controle de qualidade durante a fase
de construção. Outro ponto a ser observado é que, apesar das recomendações para
aplicação de tecnologias de edge computing como solução para o problema de latência
de dados em DTs [71], pouca atenção tem sido dada a esta tecnologia. No entanto, Kong
et al. [72] propuseram uma estrutura de DT que utilizava sensores embarcados e conceitos
de computação de ponta para gerenciamento de ativos de turbinas eólicas.
4.6. Arquiteturas gêmeas digitais
Ao combinar modelos de informação, tecnologias de aquisição de dados e tecnologia
de processamento de dados (discutidas nas seções anteriores), os IDTs podem ser
desenvolvidos para uma ampla gama de aplicações. Para compreender as arquiteturas
existentes do IDT e responder ao RQ2, examinamos as inter-relações entre os elementos
do IDT, cujas composições fornecem diferentes capacidades. Em seguida, são
identificadas as arquiteturas IDT mais prevalentes e discutidos os seus pontos fortes e
desafios na sua implementação.
Extraímos a frequência de relacionamentos entre tecnologias de geminação de IDTs
em estudos identificados usando uma abordagem de análise de conteúdo. Por exemplo,
quando um modelo DT foi construído a partir da integração de BIM, IoT e ML, foram
contabilizadas todas as relações possíveis entre essas tecnologias. A Figura 8 apresenta
uma matriz triangular superior resultante desta análise de conteúdo, onde a frequência de
um relacionamento é numerada em células azuis. A Figura 8 também serve de base
para a criação da rede da arquitetura IDT através do software Gephi [38].
Além disso, a quantidade considerável de células zero em comparação com outras células
numeradas indica que o grande potencial de relações entre tecnologias de geminação
permanece inexplorado.
Para gerar a rede de relacionamentos entre tecnologias de geminação, 27 tecnologias
identificadas foram importadas no software Gephi como nós, e então o layout Fruchterman-
Reingold [73] foi aplicado para criar a rede não direcionada da arquitetura IDT na Figura
9. O tamanho de nós é proporcional ao número de arestas ou links em um determinado
nó.
Os links entre nós representam a coocorrência de duas tecnologias em um determinado
IDT, e suas espessuras indicam a frequência de co-ocorrência.
Tabela 4
Tecnologias de processamento de dados e suas ocorrências nos estudos principais.
Tecnologias de processamento de dados Ocorrência
AM (58%) Aprendizado de máquina 10
CV (23%) Visão Computacional 4 DT para uma tecnologia de kernel ou componente host. Como exemplos deste
OU (12%) Algoritmos de Otimização 2
Computação de borda (6%) 1
8
Automação na Construção 149 (2023) 104785
ocorrência. De acordo com o grupo ao qual pertencem as tecnologias, elas são agrupadas
em três cores azul, laranja e cinza para modelo de informação, aquisição de dados e
tecnologias de processamento de dados, respectivamente.
A densidade da rede foi obtida em 0,148 utilizando ferramentas estatísticas do
software, indicando que apenas 15% de todas as ligações possíveis entre tecnologias
são cobertas no estado atual de desenvolvimento do IDT. Esta conclusão sugere que um
número considerável de tecnologias de geminação ainda não foi integrado e que a
arquitectura IDT subsequente e os seus potenciais associados permaneceram
inexplorados. Portanto, esta lacuna de investigação convida investigadores e profissionais
a descobrir novas arquitecturas IDT e a examinar mais aprofundadamente as suas
aplicações.
Conforme a Figura 9, a integração de BIM e IoT está presente na maioria dos IDTs
existentes. Esta conclusão está bem alinhada com as nossas interpretações anteriores
nas secções anteriores (secções 5.3 e 5.4). Outro ponto interessante é a forte ligação
entre BIM e GIS, indicando que, em muitos IDTs, a integração de BIM e GIS proporciona
um modelo de informação mais robusto que cobre uma gama mais ampla de dados em
infraestruturas.
Além disso, a forte ligação entre IoT e ML sugere que muitos IDTs beneficiam das
capacidades computacionais do ML para apoiar a tomada de decisões na fase de O&M.
O parâmetro de centralidade de intermediação é outra métrica de rede que pode nos
ajudar a obter mais insights da rede. A Tabela 5 apresenta a classificação das tecnologias
de geminação com base na centralidade de intermediação na rede de arquitetura IDT. De
acordo com esta tabela, embora os nós LiDAR e FE não tenham comunicações
consideráveis com outros nós (tamanho pequeno do nó), eles possuem um alto valor de
intermediação. A razão por trás desse valor alto é que alguns sensores (pequenos nós no
lado esquerdo da figura) estão conectados apenas ao FE, e o próprio FE está conectado
apenas à tecnologia LiDAR. Quando colocamos isso junto com nossas descobertas
dessas duas tecnologias nas Figs. 5 e 6, onde estas duas tecnologias são mais
proeminentes para a fase de O&M em infraestruturas de pontes, podemos concluir que
estes são os únicos nós que fornecem serviços confiáveis tanto em pontes como em
outras infraestruturas. Portanto, pesquisadores e profissionais podem explorar ainda mais
esta capacidade e incorporar estas duas tecnologias com outras tecnologias.
Conforme mencionado no início desta seção, também examinamos algumas das
arquiteturas IDT mais proeminentes. A Tabela 6 mostra arquiteturas IDT em três
categorias: arquiteturas de dois, três e quatro componentes. Usando esta tabela,
descrevemos as aplicações e os desafios da implementação das diversas arquiteturas
IDT e dos domínios de infraestrutura associados e estudos de caso com cada arquitetura.
Isso é
digno de nota é mencionar que à medida que o número de componentes aumenta, os
IDTs prestam serviços mais amplos; no entanto, tornam-se mais complexos e menos
convenientes.
4.7. Soluções de interoperabilidade
O termo interoperabilidade é definido como a capacidade de vários componentes de
trocar e usar as informações trocadas [87]. No entanto, a interoperabilidade útil não é
apenas a troca de dados, mas também a troca de significado [88]. Juntamente com a
importância das arquiteturas IDT, a comunicação de dados eficaz entre tecnologias de
geminação pode distinguir um modelo IDT real de modelos 3D monolíticos. Os projetos
de infraestruturas civis incluem uma vasta gama de fontes de dados, o que significa que
a geminação digital de infraestruturas civis depende da obtenção de um elevado grau de
interoperabilidade entre estas diversas fontes de dados [89]. Esta seção explora soluções
de interoperabilidade predominantes de IDTs e discute brevemente as vantagens e
desvantagens dos métodos propostos para responder ao RQ3.
As ferramentas e métodos de interoperabilidade existentes são extraídos dos estudos
principais usando uma abordagem de análise de conteúdo. Em seguida, essas informações
são organizadas em categorias e subcategorias relacionadas na Tabela 7. Em soluções
baseadas na borda, os dados de geminação são direcionados de vários componentes de
procedimento, alguns IDTs desenvolveram plugins usando Revit API [66] ou Bexel
Manager [74] e aplicaram a classe ifcSensor [81] como principais abordagens para
Machine Translated by Google

H. Naderi e A. Shojaei Automação na Construção 149 (2023) 104785

Figura 7. Mapa de tecnologias de processamento de dados em domínios de infraestrutura e ciclo de vida

Figura 8. Matriz de relacionamento entre tecnologias de geminação.

incorporando dados IoT em seus modelos BIM. A aplicação da Sensor Model Language
(SensorML) [90] baseada no esquema XML é outra ferramenta que Edmondson [85]
explorou para mapear dados de medição do sensor na classe ifcPerformanceHistory do
modelo BIM. Este procedimento de interoperabilidade fornece aos IDTs uma estrutura
simples, tornando-os adequados para aplicações limitadas, como monitoramento da
saúde estrutural. No entanto, o ifcSensor não inclui algumas propriedades essenciais
necessárias para a fase de O&M, como informações de tempo de inatividade [66]. Além
disso, a capacidade limitada das ferramentas de edição em Sensor Model Language
(SensorML) [91] reduz este grupo de aplicações de soluções de interoperabilidade em
situações complexas.
Em IDTs dependentes de informações geoespaciais, a incorporação de informações
BIM em modelos GIS oferece uma ampla gama de aplicações. No caso da avaliação da
vulnerabilidade às cheias, Yang et al. [47] aplicou um GIS
modelo como a tecnologia kernel para integrar todas as informações associadas de
diversas fontes. O ifcOpenShell foi utilizado para recuperar informações arquitetônicas
do modelo GIS. Numa solução semelhante, mas no
caso do planejamento da distribuição de água, Zhao et al. [100] incorporam informações
BIM de dutos em um modelo GIS.
Outro grupo de soluções de interoperabilidade utiliza uma ferramenta de middleware
para integrar todos os dados de geminação. A integração de dados de geminação e
tecnologias semânticas permite que os modelos DT armazenem, compartilhem e usem
dados heterogêneos em situações mais complexas [92]. Muitos IDTs existentes utilizam
esta abordagem para tornar os seus modelos interoperáveis. No caso da criação de um
modelo de dados de uma infraestrutura de túnel, Vilgertshofer [75] traduz o esquema
EXPRESS do IFC e o esquema XML do CityGML para a Web Ontology Language (OWL)
com base em uma proposta explicada por Pauwels e Terkaj [93]. Quando se trata de criar
IDTs mais complexos

9
Machine Translated by Google
H. Naderi e A. Shojaei
Figura 9. Relação entre tecnologias de geminação para criação de gêmeos digitais de infraestrutura (rede de arquitetura IDT).
Tabela 5
Classificações de tecnologias de geminação com base no valor da centralidade de intermediação.
Classificações
Tecnologias de geminação Valor de centralidade de intermediação
1 BIM 0,450154
2 LiDAR 0,330564
3 FE 0,286154
4 IoT 0,253333
com uma ampla gama de dispositivos IoT, as tecnologias semânticas atraíram
atenção significativa. Por exemplo, Gilbert et al. [83] importou dados IoT no formato
JSON para o Neo4j, e um corretor de mensagens (Kafka) foi usado para enviar
mensagens JSON para outras entidades IDT. Num caso mais complexo, foi proposta
uma solução de interoperabilidade semântica para integrar a semântica predial e
urbana [79], onde SAREF, CityGML, IFC e alguns outros modelos de dados são
traduzidos para o OWL e integrados para um modelo DT.
Entretanto, a duplicação de dados em tecnologias da web semântica é um dos
principais problemas desta solução. No entanto, algumas soluções são propostas
para esta questão. Por exemplo, Zhao, Liu e Mbachu [54] aplicaram um método
Graph Matching for Ontologies (GMO) para mapear a semelhança entre ontologias
BIM e GIS.
Além das tecnologias da web semântica, diferentes modelos de dados são
usados como ferramentas de middleware nas DTs de infraestrutura existentes. No
caso do gerenciamento de edifícios de campus [45], o Amazon Web Service
DynamoDB foi aplicado para integrar dados de Building Management System (BMS)
e IoT. Embora as soluções baseadas em servidores permitam serviços mais amplos
em IDTs, também são propensas a serem concebidas com estruturas complexas
que são demasiado complicadas para servirem como uma ferramenta sincronizadora
dinâmica para as mudanças inevitáveis na longa vida das infra-estruturas.
5. Discussão
As descobertas nas seções anteriores mostram três estados de IDT
10
Automação na Construção 149 (2023) 104785
desenvolvimento no corpo de conhecimento AEC. Alguns estudos propuseram
apenas um modelo de tecnologia de informação como IDT, que quase não tem
interação com o mundo físico (seção 4.3). A maioria dos estudos considerou a
integração de tecnologias de modelos de informação e tecnologias de aquisição de
dados juntamente com soluções de interoperabilidade (secção 4.4), que tem uma
interação mais complexa com o mundo físico do que a fase anterior. Os demais
estudos utilizaram quatro tecnologias principais, introduzidas no modelo de
referência, para a criação do IDT (seção 4.5). Esses estados nos permitiram ilustrar
o estado atual dos IDTs na Fig. 10 (nível 0 ao nível 1). Então, esta tendência de
correlação entre modelos físicos e virtuais continua na Fig. 10 para prever o futuro
dos IDTs (níveis 2 e 3). Os cubos escuros representam infraestruturas e os azuis
demonstram uma réplica virtual de infraestruturas. A tendência de evolução dos
IDTs é ilustrada através de uma linha azul que se relaciona diretamente com a
complexidade da interação de gêmeos virtuais com gêmeos físicos.
Além disso, as características de cada nível de maturidade são apresentadas em
três categorias na parte inferior da figura. Para responder à QP4 nesta secção,
primeiro sintetizamos as conclusões das secções anteriores para discutir o estado
actual do desenvolvimento das IDT (níveis 0 a 1). Então, com base nesta análise,
prevemos o futuro da evolução dos IDTs, onde os IDTs encontram o Metaverso
(nível 3).
5.1. Do BIM aos IDTs (Nível 0 a 1)
Em alguns estudos, a tecnologia BIM foi considerada um ponto de partida para
explorar o conceito DT [11,43]. Juntando isto com as conclusões do domínio das
tecnologias BIM em diferentes perspectivas (como uma tecnologia central nas
secções 4.2 e 4.6), podemos concluir que o BIM lançou as bases para o
desenvolvimento de DT em infra-estruturas. O BIM é um modelo estático muito
distante do comportamento real dos gêmeos físicos, conforme mostrado na Figura
10 no Nível 0; no entanto, fornece uma forma de fundir dados de infraestrutura de
diferentes fontes. Portanto, essas tecnologias foram utilizadas principalmente na
fase de projeto, e as soluções de interoperabilidade
Machine Translated by Google

H. Naderi e A. Shojaei Automação na Construção 149 (2023) 104785

Tabela 6
Aplicações e desafios da implementação das arquiteturas IDT mais prevalentes.

Arquitetura DT Exemplos Tema de infraestrutura Formulários Desafios

existente

BIM + IoT [58,74] Farol offshore, - Um modelo para medir a durabilidade a longo prazo das - Processo lento de análise de dados devido ao BIM supersaturado
Estradas infra-estruturas construídas. modelos.

- Um modelo simples de DT para melhorar a gestão de - Problemas de interoperabilidade

ativos e o monitoramento da saúde estrutural. - Falta de flexibilidade nos modelos DT (estrutura monolítica)
- Capacidade limitada para executar cenários hipotéticos
análise.
- Falta de técnicas de processamento de dados para expandir as
aplicações de DT
BIM + SIG [53,55,75–77] Túnel, Sistemas de Água, - Modelagem de projetos de infraestrutura com maior - Modelo DT desatualizado devido à falta de aquisição de dados
Estação de energia fotovoltaica precisão em modelos BIM módulo

- Melhorar a cadeia de abastecimento da construção - Falta de técnicas de processamento de dados para expandir as
gerenciamento aplicações de DT
- Facilitar o processo de planejamento e design usando - Problemas de interoperabilidade
análise de cenários hipotéticos
Nuvem de pontos + [61,68,69] Edifícios Industriais, - Gere modelos automáticos as-built a partir de dados de nuvem - Capacidade limitada para executar cenários hipotéticos
ML/CV Pontes de pontos análise.
- Melhorar o processo de gestão de ativos - Processo lento de atualização de ativos existentes devido à necessidade
de preparar dados completos de nuvem de pontos para cada
atualização
SM + IoT [78,79] Sistemas de Água, Portos - Permite previsões de desempenho baseadas em - Capacidade limitada para analisar modelos dimensionais geométricos
simulação. e físicos devido aos modelos de informação simples
- Determinar as políticas ideais de despacho de caminhões
nos portos - Falta de técnicas de processamento de dados para expandir as
- Facilitar o processo de planejamento e design usando aplicações de DT
análise de cenários hipotéticos
- Um modelo de controle em tempo real que melhora
a detecção de perigos
BIM + IoT + ML [45,65,66,80,81] Estrada, Túneis, MEP, - Melhorar a sustentabilidade através da avaliação do conforto - O complexo processo de criação de modelos DT
Campus da universidade - Melhorar a manutenção preditiva por meio da avaliação da - Problemas de interoperabilidade
condição e da previsão do desempenho futuro - Problemas de segurança de dados

- Faça uma comparação entre o atual - Falta de flexibilidade nos modelos DT (estrutura monolítica)
comportamento de estruturas e comportamento normal - Alta latência de dados a longo prazo
previsto
BIM + SIG + IoT [82–85] Água, Pontes, Esgoto - Criação de um modelo quase em tempo real para - Capacidade limitada para realizar análises de cenários hipotéticos
Rede monitorar o desempenho do esgoto - Problemas de interoperabilidade
- Integra sistemas de água isolados e intervenções do lado - Problemas de segurança de dados
da procura - Alta latência de dados a longo prazo
- Compreensão da demanda atual por utilidade
recursos
BIM + IoT + ML [86] Hospitais - Criar o DT para infraestruturas com instalações - O complexo processo de criação de modelos DT
+ VR/AR complicadas como hospitais - Problemas de interoperabilidade
- Melhore a detecção de conflitos através de VR/AR - Problemas de segurança de dados

- Gestão de energia predial - Alta latência de dados a longo prazo

- Melhore a manutenção preditiva prevendo o desempenho futuro

Tabela 7
Soluções de interoperabilidade da DT no contexto das infraestruturas civis.

Categoria Subcategoria Ferramentas de interoperabilidade Método Exemplos

Soluções baseadas na borda IoT para BIM Sensor Ifc Incorpore dados de IoT no IFC usando ifcSensor [81,94]
API Incorpore dados de IoT no IFC usando o plug-in do Revit ou o Bexel Manager [66,74]
SensorML Incorpore dados de IoT no IFC usando SensorML [85]
BIM para SIG IfcOpenShell para Incorporar informações IFC no CityGML [47,77]
CidadeGML
IFC para shapefile Traduzir informações IFC em shapefile [84]
Baseado em servidor Semântico CORUJA Informações IFC e CityGML mapeadas na web semântica [75,82,95]
Soluções Rede
Outros AWS DynamoDB Os dados BMS baseados em MySQL são integrados aos dados de IoT usando a plataforma de gerenciamento de IoT na AWS [45,58,96]
DynamoDB
Kafka Os dados de Twining são gravados em Kafka e depois processados usando Flink [86]
HDF5 Os dados IFC e IoT são armazenados no Exdir (HDF5) [97]

(IFC 2 × 3) limitaram-se à troca de informações de projeto entre dois pacotes de software
diferentes. O nível 0 de desenvolvimento da DT refere-se a este período específico de
digitalização da AEC.
No primeiro nível de maturidade do IDT, novas tecnologias, como a tecnologia de
sensores em tempo real, tornaram possíveis as interações de ativos, ao mesmo tempo que
transmitem enormes quantidades de dados em modelos que podem ser utilizados para
apoiar a tomada de decisões. No estado actual do desenvolvimento do IDT, a maioria dos esforçosusadas
em
este nível de maturidade é dedicado a fornecer uma estrutura de IDT para um serviço
específico, principalmente durante a fase de O&M de pontes e estradas. Além do BIM, como
tecnologia central na maioria dos IDTs, algumas tecnologias, como GIS e modelos de
simulação, são incorporadas para trazer capacidades mais amplas aos IDTs. Nos principais
IDTs, essas tecnologias são integradas apenas com ferramentas de aquisição de dados,
como IoT e Point Cloud Data. No restante, ferramentas de processamento de dados são
para dar feedback aos

11
Machine Translated by Google
H. Naderi e A. Shojaei
Figura 10. Modelo de evolução dos Gêmeos Digitais de Infraestrutura (IDTs) baseado em quatro níveis de maturidade.
infra-estruturas e aproximar os gémeos virtuais dos gémeos físicos. A maioria dos IDTs
são criados estendendo o atual esquema baseado em silo do IFC4 e CityGML 2.0 para
integrar essas tecnologias.
Apesar dos valores inevitáveis dos IDTs existentes, eles estão nos seus estágios
iniciais e longe de serem totalmente adotados na indústria. Outros estudos [14,18]
identificaram a segurança de dados de DT como um dos desafios que dificultam a
adoção de infraestruturas. A falta de um padrão comum para a criação de DTs é outro
grande desafio discutido em estudos anteriores [18,42]. A maioria dos esforços para criar
padrões de gêmeos digitais são proprietários e um padrão verdadeiramente aberto ainda
está para ser desenvolvido [98]. A latência de dados também é mencionada como um
grande problema para o desenvolvimento de IDT [99].
Além disso, pouca atenção tem sido dada à interface do usuário das DTs de infraestrutura.
Por um lado, considerando as principais aplicações na fase de O&M (secção 4.2) e, por
outro lado, a complexidade da arquitectura IDT avançada e das soluções de
interoperabilidade (secções 4.6 e 4.7) realça a necessidade de uma solução front-end
específica para uma interface fácil de utilizar. experiência entre as partes interessadas e
os IDT durante a longa vida das infra-estruturas. Também podemos considerar os IDTs
como outro sistema sociotécnico (semelhante ao BIM [100,101]). Como tal, são
necessárias mais pesquisas para investigar a adoção de IDT num sentido mais amplo
em termos de organização.
12
Automação na Construção 149 (2023) 104785
e fatores sociais, pessoas, modelos de negócios e muito mais.
5.2. Estudos futuros: dos IDTs ao metaverso (Nível 1 ao Nível 3)
Embora o estado atual do desenvolvimento de IDT enfrente diferentes questões em
aberto, os avanços crescentes nas tecnologias de geminação e na interoperabilidade
prometem uma interação mais avançada com gêmeos físicos e um IDT mais preciso
(Nível 2), como Azure Digital Twins [ 102] e Omniverse [ 103]. As tecnologias de
geminação avançadas requerem ferramentas de interoperabilidade mais avançadas para
a criação de IDT fiáveis. Atualmente, estão em desenvolvimento diferentes padrões que
fornecerão soluções para este desafio em um futuro próximo, como o padrão IFC5 [104]
e CityGML 3.0 [105].
Os avanços existentes no Nível 2 oferecem visibilidade suficiente para propor a
perspectiva de IDTs (Nível 3 na Fig. 10), onde os IDTs vão além da representação isolada
de infraestruturas e criam um sistema de sistemas em circuito fechado no mundo do
Metaverso. Neste nível, uma rede de IDTs cria um sistema com uma visão holística ao
longo dos ciclos de vida da infraestrutura. Comunica continuamente o conhecimento a
outros sistemas semelhantes (outras infra-estruturas), sistemas de nível superior (por
exemplo, cidades inteligentes),
Machine Translated by Google
H. Naderi e A. Shojaei
ou subsistemas (por exemplo, máquinas escavadoras num estaleiro de construção). As crescentes
capacidades computacionais dos dispositivos de Realidade Mista (MR), juntamente com o conceito
de Metaverso, permitem que os usuários finais se comuniquem com IDTs sem interagir com
gêmeos físicos. Nesta situação, os IDTs podem considerar uma infra-estrutura independente que
possa comunicar o seu conhecimento aos seus homólogos físicos.
6. conclusões
A atenção considerável ao conceito e aplicações de DT para alavancar o desempenho da
infra-estrutura destacou a necessidade de explorar a estrutura interna dos IDTs, a fim de facilitar a
adopção dos IDT na indústria AEC. O presente estudo é o primeiro desse tipo que aplicou uma
mistura de abordagens qualitativas e quantitativas para investigar tecnologias de geminação, suas
composições em IDTs e soluções de interoperabilidade.
Este estudo responde aos RQs das seguintes maneiras:
- RQ1: as tecnologias de geminação foram identificadas e categorizadas em três grupos de
tecnologias, nomeadamente tecnologias de modelos de informação (detalhadas na secção
4.3), tecnologias de aquisição de dados (detalhadas na secção 4.4) e tecnologias de
processamento de dados (detalhadas na secção 4.5). Cada grupo de tecnologia de geminação
fornece a frequência de ocorrência de tecnologia de geminação em IDTs em tabelas separadas
(Tabelas 2 a 4). Além disso, a distribuição das tecnologias de geminação entre domínios de
infra-estruturas e o ciclo de vida é ilustrada na Figura 5-7.
BIM, IoT e ML são identificados como as tecnologias de geminação mais comuns para o
desenvolvimento de IDTs, enquanto informações mais detalhadas podem ser encontradas
nas seções correspondentes.
- RQ2: diferentes arquiteturas IDT foram identificadas com base nas teorias de rede na seção
4.6. As aplicações e os desafios da implementação das arquiteturas IDT mais prevalentes
também foram discutidos na Tabela 6.
Por exemplo, a integração de BIM, IoT e ML é introduzida como uma arquitetura IDT que
pode ser aplicada em edifícios públicos para melhorar a sustentabilidade, enquanto esta
arquitetura sofre de problemas de interoperabilidade.
- RQ3: soluções de interoperabilidade, aplicadas em IDTs existentes, e suas ferramentas
associadas, foram identificadas e classificadas em duas categorias principais de soluções
baseadas em edge e soluções baseadas em servidor na Tabela 7, na seção 4.7. Por exemplo,
a ferramenta OWL é introduzida como uma ferramenta de interoperabilidade em soluções
baseadas em servidor.
- RQ4: a frequência das tecnologias de twining e o seu estado de integração mais recente
permite-nos encontrar três estados de desenvolvimento de IDT no corpo de conhecimento
AEC. Esses estados são ilustrados como um mapa de evolução nos níveis zero e um na Fig.
10. Como resultado, nota-se que o desenvolvimento do IDT está agora mais focado na
estrutura do IDT para um serviço específico, principalmente durante a fase de O&M de pontes
e estradas. As tecnologias de geminação e as soluções de interoperabilidade aplicadas a
cada nível correspondente também são ilustradas na parte inferior da Figura 10. A tendência
subjacente, então, é usada para prever o futuro dos IDTs.
Os resultados revelaram que a versatilidade das tecnologias BIM e IoTs as torna apropriadas
para o desenvolvimento de IDTs com amplas aplicações em diversas infraestruturas. No entanto,
arquiteturas mais complexas são necessárias para aplicações mais avançadas. No estado atual
de desenvolvimento de IDT, tecnologias como GIS, dados de nuvem de pontos, modelos de
elementos finitos e técnicas de aprendizado de máquina são utilizadas por pesquisadores para
alcançar uma arquitetura de IDT mais complexa. Em termos de soluções de interoperabilidade, o
estudo mostrou que soluções baseadas em edge são mais adequadas para arquiteturas IDT
simples, enquanto soluções de interoperabilidade baseadas em servidor podem ser aplicadas a
arquiteturas IDT mais complexas, apesar da adaptabilidade.
problemas.
Finalmente, o estudo concluiu que os IDTs existentes, como modelos centrados em BIM,
requerem desesperadamente soluções de interoperabilidade padronizadas e comuns para serem
mais amplamente utilizadas. Nesta situação, foram introduzidas tecnologias e avanços padrão,
tentando abordar questões abertas.
13
Automação na Construção 149 (2023) 104785
questões, visualizou o caminho futuro dos IDTs, onde os IDTs encontram o Metaverso.
Este estudo fornece aos investigadores e profissionais uma perspectiva microscópica da estrutura
das IDT, levando-os a adoptar as DT de forma mais eficaz nas infra-estruturas. Os investigadores
e profissionais podem utilizar várias comparações fornecidas neste estudo entre tecnologias de
geminação, soluções de interoperabilidade e suas aplicações de infraestrutura para desenvolver
IDTs mais eficazes e avançadas no futuro. Por exemplo, a integração de tecnologias de
entrelaçamento BIM, IoT, ML e AR/VR como uma das arquiteturas IDT, discutida na seção 4.6,
com a ferramenta de interoperabilidade OWL, discutida na seção 4.7, pode ser aplicada para
construir DT para infraestruturas mais dinâmicas e complicadas, como hospitais. No entanto, esta
seria uma arquitetura complexa que necessita de atenção adicional por parte dos profissionais
para a usabilidade da arquitetura e manutenção do sistema. Além disso, o mapa de evolução
proposto e as perspectivas futuras proporcionam aos decisores uma visão abrangente das futuras
estruturas de IDT, permitindo-lhes tomar decisões mais informadas.
Apesar da contribuição deste estudo, todas as pesquisas apresentam limitações e a presente
tentativa não foge a esta regra. Este estudo limitou-se aos componentes técnicos dos IDTs; no
entanto, como sistema sociotécnico, as IDT devem ser investigadas de uma perspectiva
organizacional e social para fornecer uma imagem mais abrangente do estado da arte do
desenvolvimento das IDT. Além disso, o processo de triagem para identificação dos estudos
principais pode ser considerado de natureza subjetiva, embora o processo tenha sido realizado
três vezes distintas para minimizar o erro.
Declaração de interesse concorrente
Os autores declaram que não têm interesses financeiros concorrentes ou relações pessoais
conhecidas que possam ter influenciado o trabalho relatado neste artigo.
Disponibilidade de dados
Nenhum dado foi utilizado para a pesquisa descrita no artigo.
Referências
[1] M. Grieves, J. Vickers, gêmeo digital: mitigando imprevisível, indesejável
comportamento emergente em sistemas complexos, Transdiscipl. Perspectiva. Sistema Complexo
Nova descoberta. Abordagens (janeiro de 2017) 85–113, https://doi.org/10.1007/978-3-319-38756-7_4 .
[2] R. Rosen, G. Von Wichert, G. Lo, KD Bettenhausen, Sobre a importância de
autonomia e gêmeos digitais para o futuro da manufatura, IFAC-PapersOnLine 48 (3) (janeiro de
2015) 567–572, https://doi.org/10.1016/J.IFACOL.2015.06.141.
[3] THJ Uhlemann, C. Lehmann, R. Steinhilper, O gêmeo digital: percebendo o
sistema de produção ciberfísica para a indústria 4.0, Procedia CIRP 61 (janeiro de 2017) 335–340,
https://doi.org/10.1016/J.PROCIR.2016.11.152.
[4] R. Sacks, I. Brilakis, E. Pikas, HS Xie, M. Girolami, Construção com sistemas de informação gêmeos
digitais, Engenharia Centrada em Dados 1 (6) (2020), https://doi.org/ 10.1017 /dce.2020.16.
[5] F. Jiang, L. Ma, T. Broyd, K. Chen, Gêmeo digital e suas implementações no setor de engenharia civil,
Automation in Construction 130 (fevereiro) (2021), 103838, https://doi.org /10.1016/
j.autcon.2021.103838.
[6] EH Glaessgen, DS Stargel, DS Stargel, O paradigma do gêmeo digital para o futuro da NASA e dos
EUA, Veículos da Força Aérea (2012), https://doi.org/10.2514/6.2012-1818.
[7] B. Schleich, N. Anwer, L. Mathieu, S. Wartzack, Moldando o gêmeo digital para engenharia de
design e produção, CIRP Annals 66 (1) (janeiro de 2017) 141–144, https://doi. org/10.1016/
J.CIRP.2017.04.040.
[8] Q. Qi, F. Tao, Gêmeo digital e big data rumo à fabricação inteligente e
indústria 4.0: comparação de 360 graus, IEEE Access 6 (janeiro de 2018) 3585–3593, https://
doi.org/10.1109/ACCESS.2018.2793265.
[9] F. Tao, F. Sui, A. Liu, Q. Qi, M. Zhang, B. Song, Z. Guo, SC-Y. Lu, AYC Nee, Estrutura de design de produto
digital acionado por gêmeos, International Journal of Production Research 57 (12) (junho de
2018) 3935–3953, https://doi.org/10.1080/00207543.2018.1443229 .
[10] S. Tang, DR Shelden, CM Eastman, P. Pishdad-Bozorgi, X. Gao, Uma revisão da modelagem de
informações de construção (BIM) e integração de dispositivos da Internet das coisas (IoT): status
atual e tendências futuras, Automação em Construção 101 (maio de 2019) 127–139, https://doi.org/
10.1016/j.autcon.2019.01.020.
[11] M. Deng, CC Menassa, VR Kamat, Do BIM aos gêmeos digitais: uma revisão sistemática da
evolução das representações de edifícios inteligentes na indústria AEC-FM, The Journal of
Information Technology in Construction 26 (5) (fev. 2021) 58–83, https://doi.org/10.36680/
j.itcon.2021.005.
[12] S. Thacker, D. Adshead, M. Fay, S. Hallegatte, M. Harvey, H. Meller, N. O'Regan, J. Rozenberg, G.
Watkins, JW Hall, Infraestrutura para o desenvolvimento sustentável,
Machine Translated by Google
H. Naderi e A. Shojaei
Sustentabilidade da Natureza 2 (4) (abril de 2019) 324–331, https://doi.org/10.1038/s41893-019-0256-8 .
[13] K. Van Breugel, Carga social e desafios de engenharia do envelhecimento
infraestrutura, Procedia Engineering 171 (janeiro de 2017) 53–63, https://doi.org/10.1016/
J.PROENG.2017.01.309 .
[14] DG Broo, J. Schooling, Gêmeos digitais em infraestrutura: definições, práticas atuais, desafios
e estratégias, International Journal of Construction Management (2021), https://doi.org/
10.1080/15623599.2021.1966980.
[15] GE Gibson, E. Bingham, CR Stogner, Planejamento frontal para projetos de infraestrutura, em:
Construction Research Congress 2010: Innovation for Reshaping Construction Practice –
Proceedings of the 2020 Construction Research Congress, 2010, pp . ://doi.org/
10.1061/41109(373)113.
[16] G. Andreas, J. Allen, L. Farley, JK Kao, I. Mladenova, Rumo ao desenvolvimento de um sistema de
classificação para infraestruturas sustentáveis: uma lista de verificação ou uma ferramenta de
tomada de decisão? Procedimentos da Water Environment Federation 2010 (2) (novembro de
2011) 379–391, https://doi.org/10.2175/193864710798284643.
[17] M. Callcut, J. Agliozzo, L. Varga, L. McMillan, Gêmeos digitais em sistemas de infraestrutura civil,
Sustentabilidade 13 (20) (outubro de 2021) 11549, https://doi.org/10.3390/
su132011549.
[18] M. Shahzad, M. Tariq Shafiq, D. Douglas, M. Kassem, Gêmeos digitais em ambientes construídos: uma investigação das
características, aplicações e desafios, Buildings 12 (2) (janeiro de 2022) 120, https ://doi.org/10.3390/
EDIFÍCIOS12020120.
[19] AM Madni, CC Madni, SD Lucero, Aproveitando a tecnologia de gêmeo digital em
engenharia de sistemas baseada em modelo, Systems 7 (1) (janeiro de 2019) 7, https://doi.org/
10.3390/SYSTEMS7010007 .
[20] A. Bolton, L. Butler, I. Dabson, M. Enzer, T. Fenemore, F. Harradence, E. Keaney, A. Kemp, A. Luck,
N. Pawsey, S. Saville, J. Schooling , M. Sharp, T. Smith, J. Tennison, J. Whyte, A. Wilson,
C. Makri, Princípios de Gêmeos, CDBB (2018), https://doi.org/10.17863/CAM.32260.
[21] R. Al-Sehrawy, B. Kumar, Gêmeos digitais em arquitetura, engenharia, construção e operações. Uma
breve revisão e análise, Lecture Notes in Civil Engineering 98 (agosto de 2020) 924–939, https://
doi.org/10.1007/978-3-030-51295-8_64.
[22] JM Davila Delgado, L. Oyedele, Gêmeos digitais para o ambiente construído: aprendendo com
modelos conceituais e de processo na fabricação, Advanced Engineering Informatics 49 (agosto
de 2021), 101332, https://doi.org/10.1016/J .
AEI.2021.101332.
[23] L. Zhao, C. Wang, K. Zhao, D. Tarchi, S. Wan, N. Kumar, INTERLINK: uma estratégia de
armazenamento assistido por gêmeos digitais para redes terrestres de satélite, IEEE Transactions
on Aerospace and Electronic Systems 58 (5) (outubro de 2022) 3746–3759, https://doi. org/
10.1109/TAES.2022.3169130.
[24] L. Zhao, Z. Bi, A. Hawbani, K. Yu, Y. Zhang, M. Guizani, ELITE: um esquema de roteamento
hierárquico baseado em gêmeo digital inteligente para redes veiculares softwarizadas,
IEEE Transactions on Mobile Computing (2022 ), https://doi.org/10.1109/TMC.2022.3179254 .
[25] H. Naderi, A. Shojaei, Gêmeos digitais de infraestrutura civil: mapa de conhecimento multinível,
lacunas de pesquisa e direções futuras, IEEE Access (2022), https://doi.org/10.1109/
ACCESS.2022.3223557 .
[26] S. Evans, C. Savian, A. Burns, C. Cooper, Gêmeos Digitais para o Ambiente Construído. https://
www.snclavalin.com/~/media/Files/S/SNC-Lavalin/documents/beyon d-engineering/digital-twins-
for-the-built-environment-iet-atkins.pdf, 2020.
(Acessado em 27 de dezembro de 2021).
[27] C. Koulamas, A. Kalogeras, Sistemas ciberfísicos e gêmeos digitais no
internet industrial das coisas, Computador (Long. Beach. Califórnia) 51 (11) (novembro de 2018)
95–98, https://doi.org/10.1109/MC.2018.2876181.
[28] C. Kan, CJ Anumba, Gêmeos digitais como a próxima fase dos sistemas ciber-físicos em
construção, em: Conferência Internacional ASCE sobre Computação em Engenharia Civil 2019,
2019, pp. 256–264, https://doi.org/10.1061/ 9780784482438.033.
[29] W. Kritzinger, M. Karner, G. Traar, J. Henjes, W. Sihn, Gêmeo digital na fabricação: uma
revisão e classificação categórica da literatura, IFAC-PapersOnLine 51 (11) (janeiro
de 2018) 1016–1022 , https://doi.org/10.1016/J.
IFACOL.2018.08.474.
[30] S. Kugley, A. Wade, J. Thomas, Q. Mahood, A. Jorgensen, K. Hammerstrom, N. Sathe,
Procurando por estudos: um guia para recuperação de informações para revisões sistemáticas
Campbell, Campbell Systematic Reviews 13 ( 1) (janeiro de 2017) 1–73, https://doi.org/
10.4073/CMG.2016.1.
[31] M. Gusenbauer, NR Haddaway, Quais sistemas de pesquisa acadêmica são adequados para
revisões sistemáticas ou meta-análises? Avaliando as qualidades de recuperação do Google
Scholar, PubMed e 26 outros recursos vol. 11(2), março de 2022, pp. 181–217, https://
doi.org/10.1002/JRSM.1378.
[32] C. Chen, M. Song, Visualizando um campo de pesquisa: uma metodologia de sistemática
revisões cienciométricas, PLoS One 14 (10) (outubro de 2019), e0223994, https://doi.org/10.1371/
JOURNAL.PONE.0223994 .
[33] R. Santos, AA Costa, A. Grilo, Análise bibliométrica e revisão de edifício
literatura sobre modelagem de informações publicada entre 2005 e 2015, Automation in
Construction 80 (agosto de 2017) 118–136, https://doi.org/10.1016/J.
AUTCON.2017.03.005.
[34] MY Vardi, Conferências vs. periódicos em pesquisa em computação, Communications of the ACM
52 (5) (maio de 2009) 5, https://doi.org/10.1145/1506409.1506410.
[35] S. Tabacaru, Web of science versus scopus, Journal Coverage Overlap Analysis
(abril de 2019), https://doi.org/10.5195/jmla.2018.181.
[36] K. Krippendorff, Análise de conteúdo: uma introdução à sua metodologia, SAGE Publications,
2018.
14
Automação na Construção 149 (2023) 104785
[37] F. Tao, H. Zhang, A. Liu, AYC Nee, Gêmeo digital na indústria: estado da arte, IEEE Transactions
on Industrial Informatics 15 (4) (abril de 2019) 2405–2415, https ://doi.org/10.1109/
TII.2018.2873186.
[38] M. Bastian, S. Heymann, M. Jacomy, Gephi: um software de código aberto para explorar e manipular
redes, Proceedings of the International AAAI Conference on Web and Social Media 3 (1) (março
de 2009) 361–362 . Acesso em: 21 de janeiro de 2022.
[On-line]. Disponível: https://ojs.aaai.org/index.php/ICWSM/article/view/13937.
[39] J. Golbeck, Analisando a Web Social, Elsevier Inc., 2013, https://doi.org/10.1016/
C2012-0-00171-8 .
[40] G. Xu, Y. Zhang, L. Li, Web Mining e Redes Sociais: Técnicas e
Aplicações, Springer, Nova York, 2010.
[41] LC Freeman, Centralidade no esclarecimento conceitual das redes sociais, Social
Redes 1 (3) (janeiro de 1978) 215–239, https://doi.org/10.1016/0378-8733(78)
90021-7.
[42] Y. Lu, C. Liu, KIK Wang, H. Huang, X. Xu, Digital Twin-driven inteligente
manufatura: Conotação, modelo de referência, aplicações e questões de pesquisa, Robótica e
Manufatura Integrada por Computador 61 (julho) (2020) 101837, https://doi.org/10.1016/
j.rcim.2019.101837.
[43] C. Boje, A. Guerriero, S. Kubicki, Y. Rezgui, Rumo a um gêmeo digital de construção semântica:
direções para pesquisas futuras, Automation in Construction 114 (março) (2020), 103179,
https://doi. org/10.1016/j.autcon.2020.103179.
[44] Z. Ma, Y. Ren, Aplicação integrada de BIM e GIS: uma visão geral, Procedia Engineering 196
(janeiro de 2017) 1072–1079, https://doi.org/10.1016/J.
PROENG.2017.08.064.
[45] Q. Lu, AK Parlikad, P. Woodall, GD Ranasinghe, X. Xie, Z. Liang,
E. Konstantinou, J. Heaton, J. Schooling, Desenvolvendo um gêmeo digital nos níveis de construção e
cidade: estudo de caso do campus West Cambridge, Journal of Management in Engineering 36 (3) (2020)
05020004, https://doi.org /10.1061/(asce)me.1943-5479.0000763 .
[46] CS Shim, NS Dang, S. Lon, CH Jeon, Desenvolvimento de um sistema de manutenção de pontes
para pontes de concreto protendido usando modelo gêmeo digital 3D, Engenharia de Estrutura
e Infraestrutura 15 (10) (outubro de 2019) 1319–1332, https ://doi.org/10.1080/15732479.2019.1620789 .
[47] Y. Yang, S. Thomas Ng, J. Dao, S. Zhou, FJ Xu, X. Xu, Z. Zhou, BIM-GIS-DCEs permitiram a avaliação de
vulnerabilidade de infraestruturas interdependentes – um caso de construção de drenagem de águas
pluviais -Nexo de transporte rodoviário em inundações urbanas, Automação na Construção
125 (2021) 103626, https://doi.org/10.1016/j. autocon.2021.103626.
[48] J. Shu, K. Zandi, T. Topac, R. Chen, C. Fan, Geração automatizada de modelo FE para gêmeo
digital de estruturas de concreto a partir de nuvem de pontos 3D segmentada, em: Structural
Health Monitoring 2019: Enabling Intelligent Life -Cycle Health Management for Industry Internet
of Things (IIOT) - Anais do 12º Workshop Internacional sobre Monitoramento de Saúde
Estrutural vol. 1, 2019, pp. 428–434, https://doi.org/10.12783/shm2019/32144 .
[49] J. Cervenka, Abordagem de gêmeo digital para avaliação de durabilidade e confiabilidade de
pontes, em: Proceedings of the fib Symposium 2020: Concrete Structures for Resilient
Society, 2020, pp. Disponível: https://api.elsevier. com/content/abstract/scopus_id/85102411016.
[50] E. Febrianto, L. Butler, M. Girolami, F. Cirak, Um gêmeo digital com detecção automática de uma
ponte ferroviária usando o método estatístico de elementos finitos, acessado em: 10 de novembro
de 2021. [Online]. Disponível: https://app.dimensions.ai/details/publication/pu b.1136692314?
search_mode=content&search_text=%22construction%22AND%
22infrastructure%22AND%22digitaltwin%22&search_type=kws&search_fiel d=text_search,
Março de 2021.
[51] P. Conejos Fuertes, F. Martinez Alzamora, M. Hervas Carot, JC Alonso Campos, Construindo e
explorando um gêmeo digital para a gestão de redes de distribuição de água potável, Urban
Water Journal 17 (8) (setembro de 2020) 704 –713, https://doi.org/10.1080/1573062X.2020.1771382 .
[52] AN Pedersen, M. Borup, A. Brink-Kjær, LE Christiansen, PS Mikkelsen, Vivendo e prototipando
gêmeos digitais para sistemas de água urbanos: rumo à criação de valor multifuncional usando
modelos e sensores, Água (Suíça) 13 (5 ) (fevereiro de 2021) 592, https://doi.org/10.3390/
w13050592.
[53] M. Marzouk, Planejando requisitos de infraestrutura de serviços públicos para cidades inteligentes
usando a integração entre BIM e GIS, Sustainable Cities and Society 57 (2020), https://doi.org/
10.1016/j.scs.2020.102120.
[54] L. Zhao, Z. Liu, J. Mbachu, Otimização de alinhamento de rodovias: uma abordagem integrada de
BIM e GIS, ISPRS International Journal of Geo-Information 8 (4) (2019), https://doi.org/10.3390 /
ijgi8040172.
[55] J. Heo, H. Moon, S. Chang, S. Han, D.-E. Lee, Estudo de caso de seleção de local de usina solar
fotovoltaica para planejamento de infraestrutura usando uma abordagem baseada em BIM-
GIS, Applied Sciences 11 (18) (setembro de 2021) 8785, https://doi.org/10.3390/app11188785 .
[56] CJ Liang, W. McGee, CC Menassa, VR Kamat, Ponte de comunicação bidirecional para sincronização
de estado entre simulações de gêmeos digitais e robôs de construção física, em: Anais do 37º
Simpósio Internacional de Automação e Robótica na Construção, ISARC 2020 : Da
demonstração ao uso prático - ao novo estágio do robô de construção, 2020, pp. 1480–1487,
https://doi.org/10.22260/ISARC2020/0205.
[57] M. Bevilacqua, E. Bottani, FE Ciarapica, F. Costntino, L. Di Donato, A. Ferraro, G. Mazzuto, A.
Monteriu, G. Nardini, M. Ortenzi, M. Paroncini, M. Pirozzi , M. Prist, E. Quatrini, M. Tronci,
G. Vignali, Desenvolvimento de modelo de referência de gêmeo digital para prevenir o
risco dos operadores em plantas de processo, Sustain 12 (3) (fevereiro de 2020) 1–17, https://
doi .org/10.3390/SU12031088.
[58] M. O'Shea, J. Murphy, M. O'Shea, J. Murphy, Projeto de um BIM integrado
sistema de monitoramento de saúde estrutural para um farol offshore histórico, Buildings 10 (7)
(julho de 2020) 131, https://doi.org/10.3390/buildings10070131.
Machine Translated by Google
H. Naderi e A. Shojaei
[59] R. Lu, I. Brilakis, Geminação digital de pontes de concreto armado existentes de
clusters de pontos rotulados, Automation in Construction 105 (2019) 102837, https://doi.org/10.1016/
j.autcon.2019.102837 .
[60] M. Mohammadi, M. Rashidi, V. Mousavi, A. Karami, Y. Yu, B. Samali, Avaliação da qualidade de
gêmeos digitais gerados com base em fotogrametria de UAV e TLS: estudo de caso de ponte,
Sensoriamento Remoto 13 (17) (setembro de 2021) 3499, https://doi.org/10.3390/rs13173499 .
[61] G. Zhang, PA Vela, I. Brilakis, Geração automática de modelos geométricos de infraestrutura civil construídos a
partir de dados de nuvem de pontos, em: Computing in Civil and Building Engineering (2014), junho de 2014,
pp. , https://doi.org/10.1061/ 9780784413616.051.
[62] K. Lin, YL Xu, X. Lu, Z. Guan, J. Li, Avaliação de fragilidade de colapso digital de base dupla
de uma ponte estaiada de longo vão sob fortes terremotos, Automation in Construction
123 (2021) 103547 , https://doi.org/10.1016/j.
autocon.2020.103547.
[63] J. Park, K. Kim, YK Cho, Estrutura de segurança de construção automatizada
monitoramento usando sensores de rastreamento móvel BIM e BLE habilitados para nuvem, Journal
of Construction Engineering and Management 143 (2) (2017) 05016019, https://doi.org/10.1061/
(asce)co.1943-7862.0001223 .
[64] M. Grieves, CM Gonzalez, 6 perguntas com Michael Grieves sobre o futuro de
gêmeos digitais, ASME (05 de janeiro de 2021). https://www.asme.org/topics-resources/co ntent/6-
question-with-michael-grieves-on-the-future-of-digital-twins (acessado em 18 de janeiro de 2022).
[65] G. Yu, S. Zhang, M. Hu, YK Wang, Y. Ken Wang, Previsão do desempenho do pavimento de túneis
rodoviários com base em gêmeos digitais e empilhamento de séries temporais múltiplas, Advances
in Civil Engineering 2020 (novembro de 2020) 1 –21, https://doi.org/10.1155/2020/8824135 .
[66] JCP Cheng, W. Chen, K. Chen, Q. Wang, Estrutura de planejamento de manutenção preditiva
baseada em dados para componentes MEP baseados em BIM e IoT usando algoritmos de
aprendizado de máquina, Automation in Construction 112 (abril de 2020), 103087, https://
doi.org/10.1016/J.AUTCON.2020.103087.
[67] H. Sofia, E. Anas, O. Faiz, Mapeamento móvel, aprendizado de máquina e gêmeo digital para monitoramento e
manutenção de infraestrutura rodoviária: estudo de caso da ponte Mohammed VI em Marrocos, em:
Proceedings - 2020 IEEE International Conference of Moroccan Geomatics , MORGEO 2020, maio de
2020, https://doi.org/10.1109/ MORGEO49228.2020.9121882.
[68] M. Bassier, B. Van Genechten, M. Vergauwen, Classificação do sensor
dados de nuvens de pontos independentes de objetos de construção usando florestas
aleatórias, The Journal of Building Engineering 21 (2019) 468–477, https://doi.org/10.1016/j.
trabalho.2018.04.027.
[69] E. Agapaki, I. Brilakis, CLOI: uma estrutura de benchmark automatizada para gerar gêmeos digitais
geométricos de instalações industriais, Journal of Construction Engineering and
Management 147 (11) (2021) 04021145, https://doi.org/ 10.1061 /(asce)co.1943-7862.0002171.
[70] H. Hamledari, S. Davari, ER Azar, B. McCabe, F. Flager, M. Fischer, Automação Site-to-BIM
habilitada para UAV: Desenvolvimento baseado em robótica aérea e visão computacional de
As-Built/ BIMs como estão e controle de qualidade, em: Construction Research Congress
2018: Construction Information Technology - Artigos selecionados do Construction Research
Congress 2018 vol. 2018, abril de 2018, pp. 336–346, https://doi.org/
10.1061/9780784481264.033.
[71] SME Sepasgozar, Diferenciando o gêmeo digital da sombra digital: elucidando uma mudança de
paradigma para acelerar um ambiente construído inteligente e sustentável, Buildings 11 (4) (abril
de 2021) 151, https://doi.org/10.3390/BUILDINGS11040151.
[72] LCW Kong, S. Harper, D. Mitchell, J. Blanche, T. Lim, D. Flynn, Interativo
Estrutura de Gêmeos Digitais para Gestão de Ativos pela Internet, 2020, https://doi.org/10.1109/
GCAIoT51063.2020.9345890 .
[73] TMJ Fruchterman, EM Reingold, Desenho gráfico por posicionamento direcionado à força, Software:
Prática e Experiência 21 (11) (novembro de 1991) 1129–1164, https://doi. org/10.1002/
SPE.4380211102.
[74] S. Meza, A. Mauko Pranjic, R. Vezocnik, I. Osmokrovic, S. Lenart, S. Meÿza, Gêmeos digitais e
construção de estradas usando matérias-primas secundárias, Journal of Advanced Transportation,
janeiro de 2021 (2021), https ://doi.org/10.1155/2021/8833058.
[75] S. Vilgertshofer, Vinculando modelos BIM e GIS em infraestrutura por exemplo de IFC e CityGML, em:
Congress on Computing in Civil Engineering, Proceedings 133–140, 2017, https://doi.org/
10.1061/9780784480823.017.
[76] Y. Deng, VJL Gan, M. Das, JCP Cheng, CJ Anumba, Integrando 4D BIM e GIS para gerenciamento
da cadeia de suprimentos de construção, Journal of Construction Engineering and
Management 145 (4) (2019) 04019016, https: // doi.org/10.1061/(asce)co.1943-7862.0001633 .
[77] L. Zhao, Z. Liu, J. Mbachu, Um método BIM-GIS integrado para planejamento do sistema de
distribuição de água, ISPRS International Journal of Geo-Information 8 (8) (agosto de 2019), https://
doi .org/10.3390/ijgi8080331.
[78] W. Hofmann, F. Branding, Implementação de um gêmeo digital baseado em IoT e nuvem para suporte
à decisão em tempo real em operações portuárias, IFAC-PapersOnLine 52 (13)
(janeiro de 2019) 2104–2109, https://doi.org/10.1016/j.ifacol.2019.11.516.
[79] M. Bartos, B. Kerkez, Pipedream: um modelo gêmeo digital interativo para sistemas de drenagem
naturais e urbanos, Environmental Modeling and Software 144 (outubro de 2021), https://doi.org/
10.1016/j.envsoft. 2021.105120.
[80] A. Zaballos, A. Briones, A. Massa, P. Centelles, V. Caballero, Gêmeo digital de um campus
inteligente para monitoramento de conforto sustentável, Sustentabilidade 12 (21) (novembro
de 2020) 9196, https:// doi.org/10.3390/su12219196.
[81] TH Kwon, SH Park, SI Park, S.-H. Lee, Construindo monitoramento de integridade de ponte baseado
em modelagem de informações para detecção de anomalias sob carregamento complexo
15
Automação na Construção 149 (2023) 104785
condições usando redes neurais artificiais, Journal of Civil Structural Health Monitoring 11 (5) (agosto de
2021) 1301–1319, https://doi.org/10.1007/s13349-021-00508-6 .
[82] S. Howell, Y. Rezgui, T. Beach, Integrando construção e semântica urbana para
capacitar soluções inteligentes de água, Automation in Construction 81 (2017) 434–448, https://
doi.org/10.1016/j.autcon.2017.02.004.
[83] T. Gilbert, S. Barr, P. James, J. Morley, Q. Ji, Abordagem de sistemas de software para integração
de rede de infraestrutura de utilidade pública GIS-BIM multiescala e simulação de fluxo de
recursos, ISPRS International Journal of Geo-Information 7 (8) (agosto de 2018) 310, https://
doi.org/10.3390/ijgi7080310.
[84] J. Zhu, Y. Tan, X. Wang, P. Wu, integração BIM/GIS para gerenciamento de pontes baseadas em
GIS na web, Annals of GIS 27 (1) (2021) 99–109, https://doi .org/10.1080/
19475683.2020.1743355.
[85] V. Edmondson, M. Cerny, M. Lim, B. Gledson, S. Lockley, J. Woodward, Um modelo inteligente de
informações de ativos de esgoto para permitir uma 'internet das coisas' para gerenciamento
operacional de águas residuais, Automação na Construção 91 (fevereiro) (2018) 193–205,
https://doi.org/10.1016/j.autcon.2018.03.003.
[86] Y. Peng, M. Zhang, F. Yu, J. Xu, S. Gao, Edifícios hospitalares gêmeos digitais: um
estudo de caso exemplar por meio da integração contínua do ciclo de vida, Advances in Civil
Engineering Nov. 2020 (2020) 1–13, https://doi.org/10.1155/2020/8846667.
[87] IEEE, glossário padrão IEEE de terminologia de engenharia de software, Office 121990 (1) (1990) 18,
https://doi.org/10.1109/IEEESTD.1990.101064.
[88] GB Ozturk, Interoperabilidade na modelagem de informações de construção para AECO/FM
indústria, Automação na Construção 113 (janeiro) (2020), 103122, https://doi. org/10.1016/
j.autcon.2020.103122.
[89] GS Floros, G. Boyes, D. Owens, C. Ellul, Desenvolvendo IFC para infraestrutura: um estudo de caso
de três entidades rodoviárias, ISPRS Annals of the Photogrametry, Remote Sensing and Spatial
Information Sciences IV-4-W8 (4 /W8) (setembro de 2019) 59–66, https://doi.org/10.5194/ISPRS-
ANNALS-IV-4-W8-59-2019.
[90] OGC, Sensor web enable: visão geral e arquitetura de alto nível, Open Geospatial Consortium,
Seção 3.5. (junho de 2013) Acesso em: 01 de fevereiro de 2022.
[On-line]. Disponível: http://www.opengis.net/doc/wp/swe-high-level-architectura .
[91] T. Paolo, F. Cristiano, O. Alessandro, C. Paola, Perfis semânticos para flexibilização
Descrição do SensorML: revisão e proposta, ISPRS International Journal of Geo-Information 8 (8)
(julho de 2019) 340, https://doi.org/10.3390/IJGI8080340.
[92] M. Niknam, F. Jalaei, S. Karshenas, Integrando BIM e dados do fabricante de produtos usando
tecnologias da web semântica, ITcon 24 (22) (outubro de 2019) 424–439.
Acesso em: 05 fev. 2022. [Online]. Disponível: http://www.itcon.org/pape r/2019/22.
[93] P. Pauwels, W. Terkaj, EXPRESS to OWL para a indústria da construção: rumo a uma ontologia
ifcOWL recomendável e utilizável, Automation in Construction 63 (março de 2016) 100–133,
https://doi.org/10.1016/J .AUTCON.2015.12.003.
[94] JMD Delgado, LJ Butler, I. Brilakis, MZEB Elshafie, C. Middleton, Monitoramento de desempenho
estrutural usando um ambiente BIM dinâmico orientado a dados, Journal of Computing in Civil
Engineering 32 (3) (2018) 04018009, https: / /doi.org/10.1061/(asce)cp.1943-5487.0000749 .
[95] G. Yu, Y. Wang, Z. Mao, M. Hu, V. Sugumaran, YK Wang, Uma estrutura de análise de decisão
baseada em gêmeos digitais para operação e manutenção de túneis, indefinido 116, outubro de
2021, https: //doi.org/10.1016/J.TUST.2021.104125.
[96] Q. Lu, X. Xie, AK Parlikad, J. Schooling, Detecção de anomalias digitais habilitadas para gêmeos para
monitoramento de ativos construídos em operação e manutenção, Automation in Construction
118 (2020) 103277, https://doi.org/ 10.1016/j. autocon.2020.103277.
' '
[97] A. Pacios Alvarez, J. Ordieres-Mér´e, AP Loreiro, L. de Marcos, Opportunities in Airport
Pavement Management: Integration of BIM, the IoT and DLT, Journal of Air Transport Management
90 (dezembro) (jan. 2021) 101941, https://doi.org/10.1016/j . jairtraman.2020.101941.
[98] G. Lawton, Consórcio gêmeo digital busca colaboração de código aberto,
VentureBeat 11 (junho de 2021). https://venturebeat.com/2021/06/11/digital-t win-consortium-
pursues-open-source-collaboration/ (acessado em 27 de março de 2022).
[99] M. Mashaly, Conectando os gêmeos: uma revisão sobre a tecnologia de gêmeos digitais e seus
requisitos de rede, Procedia Computer Science 184 (janeiro de 2021) 299–305, https://doi.org/
10.1016/J.PROCS.2021.03.039.
[100] Y. Liu, S. van Nederveen, M. Hertogh, Compreendendo os efeitos do BIM em
design e construção colaborativos: um estudo empírico na China, International Journal of Project
Management 35 (4) (maio de 2017) 686–698, https://doi.org/ 10.1016/J.IJPROMAN.2016.06.007.
[101] MS Rajabi, AR Radzi, M. Rezaeiashtiani, A. Famili, ME Rashidi, RA Rahman, Critérios de avaliação chave para capacidades BIM
organizacionais: um estudo inter-regional, Buildings 12 (7) (julho de 2022) 1013, https ://doi.org/10.3390/ EDIFÍCIOS12071013.
[102] Microsoft, o que são Gêmeos Digitais do Azure? - Gêmeos Digitais do Azure, Microsoft Docs, 2022.
https://docs.microsoft.com/en-us/azure/digital-twins/overview (acessado em 08 de fevereiro de
2022).
[103] Desenvolvedor NVIDIA, plataforma NVIDIA OmniverseTM, NVIDIA (2021), https://deve loper.nvidia.com/
nvidia-omniverse-developer-resource-center (acessado em 02 de julho de 2023).
[104] buildingSMART, Roteiro Técnico buildingSMART: Preparando-se para o futuro, abril de 2020, p.
33.
[105] OGC, modelo conceitual OGC City Geography Markup Language (CityGML) 3.0
guia do usuário, Open Geospatial Consortium (2021). https://docs.ogc.org/guides/20 -066.html
(acessado em 08 de fevereiro de 2022).