В строительстве, проектировании и управлении зданиями этап эксплуатации и технического обслуживания тянется дольше всего и обходится дороже остальных. Но за ним долго никто толком не следил: не хватало внятных планов по управлению активами, да и с данными об оборудовании работали спустя рукава — плохо записывали, анализировали и использовали их. Чтобы исправить положение, отрасль начала внедрять современные цифровые технологии для умного управления объектами. Среди решений особенно выделили цифровые двойники. Они позволяют собирать, передавать, анализировать и применять данные в реальном времени, а значит — принимать более грамотные решения.

Подробности опубликованы в издании Frontiers of Engineering Management.

За последние десять лет вышло много исследований про цифровые двойники в управлении эксплуатацией. Но обобщающих обзоров, которые были бы одновременно и целостными, и при этом сосредоточенными на конкретных работах по обслуживанию объектов, не хватает. К тому же непонятно, как в целом выглядит научная картина по этой теме: какие главные направления, кто из исследователей задаёт тон, куда двигаться дальше.

Исследователи из Западного Мичиганского университета (США) — Обаидулла Хакими, Хексу Лю и Осама Абудайе — решили навести порядок в этом вопросе. Они провели работу под названием «Умное управление объектами на основе цифровых двойников: библиометрический обзор».

Авторы применили библиометрический анализ, то есть изучили саму структуру научной литературы по цифровым двойникам в управлении объектами. Они отобрали 248 статей из двух крупных баз — Scopus и Web of Science — за период с января 2012 по март 2022 года. С помощью программы VOSviewer наглядно проанализировали сети ключевых слов, цитирований и совместного авторства. В итоге выявили ведущих авторов, организации, страны, журналы, где чаще всего публикуют по этой теме, а также ключевые направления исследований.

Оказалось, что сейчас работы по цифровым двойникам в управлении объектами крутятся вокруг четырёх вещей:

• информационное моделирование зданий (BIM) для управления эксплуатацией;
• прогнозирующее обслуживание на основе искусственного интеллекта;
• обмен данными между физическими объектами и их цифровыми моделями в реальном времени;
• управление активами на всём жизненном цикле здания.

Более детальный анализ по ключевым словам позволил выделить семь главных кластеров тем:

1. прогнозирующее обслуживание через искусственный интеллект;
2. объединение физического и цифрового миров в реальном времени;
3. полностью цифровое управление объектами;
4. модели «как построено» и „как есть“;
5. интеллектуальное прогнозирование состояния оборудования;
6. управление активами на протяжении всего жизненного цикла;
7. семантическая совместимость данных (чтобы разные системы понимали друг друга).

Анализ цитирования показал: самые влиятельные статьи носят теоретический характер, а практических примеров и реальных внедрений там мало. По вкладу в науку сильнее всего выделяется Великобритания (особенно Кембриджский университет) — у британских работ больше всего цитирований. Среди журналов первое место по значимости занимает Automation in Construction.

Авторы обзора также назвали области, где исследований пока не хватает. Среди них:

• прогнозирование состояния активов в реальном времени на основе искусственного интеллекта;
• умный мониторинг инфраструктуры с помощью виртуальных моделей;
• постоянное улучшение систем управления объектами за счёт глубокого обучения;
• сквозная совместимость данных с богатой семантикой на всём жизненном цикле;
• обратная связь для автономного управления.

Для дальнейших исследований эта работа — как подробная карта незнакомой местности. Вместо того чтобы брести на ощупь, учёные теперь видят, кто уже сделал главное, какие темы затоптаны, а куда почти не заглядывали. Молодым исследователям такой обзор помогает быстро войти в тему и не изобретать велосипед. А опытным — подсказывает, с кем из коллег из других стран или организаций стоит наладить сотрудничество.

В реальной жизни польза тоже есть, хотя и не прямая. Компании, которые управляют большими зданиями — торговыми центрами, аэропортами, больничными комплексами, — смогут точнее понимать, какие цифровые решения действительно работают, а какие пока сырые. Им не придётся тратить деньги на заведомо слабые подходы. Кроме того, исследование подталкивает разработчиков софта делать системы более совместимыми, чтобы данные из разных программ не превращались в кашу. В перспективе это снизит затраты на обслуживание и продлит жизнь инженерным системам.

Замечания к работе следующие:

• Во-первых, авторы ограничились статьями только за десять лет (2012–2022). Это разумный срок, но бурный рост интереса к цифровым двойникам пришёлся на последние два-три года этого периода. Исследование успело захватить лишь начало бума. Сегодня, в 2025 году, картина могла заметно измениться: появились новые кластеры, сместились лидеры по цитированиям. Значит, обзор уже частично устарел.
• Во-вторых, библиометрический анализ хорош для выявления структуры публикаций, но он почти ничего не говорит о качестве самих работ. Две статьи могут иметь одинаково высокие цитирования, но одна из них — настоящий прорыв, а другая просто удачно попала в модную тему. Авторы не делают различий между глубиной и оригинальностью исследований. Получается, что «влиятельность» измеряется в основном количеством ссылок, а не содержательной ценностью.
• В-третьих, в работе почти не уделено внимания географическому и институциональному перекосу. Большинство влиятельных работ выходят из англоязычных стран и ведущих университетов. Но это не обязательно значит, что в Китае, Германии или Корее нет сильных прикладных разработок — просто они могут публиковаться в менее цитируемых журналах или на других языках. Обзор не учитывает это смещение, а значит, рисует не совсем полную картину.

Ранее в МИФИ разработали цифровой двойник токарного станка.