利用 Bentley 的 iWin 應用程式簡化以資料為中心的戰略，並將行業路面管理實踐工業化。
傳統的路面管理實踐和技術缺乏效率和全面性，無法實現資產價值最大化。
Benesch 啟動了乙個研發專案，通過整合工程智慧型、機器習和數字孿生技術探索以資料為中心的路面裂縫檢測工作流程。
利用ITWIN和人工智慧以及機器習技術，數字孿生中裂紋資料的數位化和整合實現了自動化，節省了75%以上的現場人工工作。
他們使用 Bentley 的數字孿生應用程式通過人工智慧和機器 習 管理路面資產，並取得了成功。
推動路面裂縫檢測技術發展
大多數公共機構資產，如橋梁和交通網路，包括路面，都需要裂縫檢測和維護，以確保其在整個設計生命週期中的結構完整性。 然而，目前用於收集裂縫和接縫資料的檢測方法非常耗時，並導致停機，這對基礎設施所有者、運營商和公眾產生了負面影響。 Benesch 是一家建築、工程和施工 （AEC） 行業的多專業公司，為廣泛的市場提供專業服務。 “通常，這意味著不分析整個路面，而是從橫截面樣本中找到平均值，然後將平均值[外推]到資產的其餘部分，”該公司的技術經理Brett Tremblay說。 “儘管這種方法可能導致數量超支和工單變化，但它已成為行業的標準做法。
為了解決這些問題，Benesch啟動了乙個研發專案，以實施更有效的資料收集工作流程，以解決由於例行檢查期間長時間關閉而與客戶相關的問題。 “幾乎所有有用的公共部門資產都涉及路面，傳統的路面維護方法和技術並不能最大限度地提高這些資產的價值，”Tremblay說。 Benesch 的任務是開發滿足客戶需求的技術，因此開始在三個正在進行的專案現場收集資料，以測試和提公升當前的技術能力並優化檢測方法。
填補數字資料空白
道路、橋梁、機場和停車場的現有道路橫斷面正在退化，對道路檢查和維護的需求正在增加。 “這些工作經常被無限期推遲，直到資產的使用壽命結束，這導致資產狀況進一步惡化，無法補救，”Tremblay說。 “無人機高解像度航空正射影像捕捉的出現使得直接跟蹤影象上的裂縫成為可能，從而節省了數位化時間。 然而，這種數位化方法仍然無法滿足行業的需求，因為資產在設計壽命之後仍在使用。 數字資料採集比現場檢查更有效率，但由於採集的資料沒有得到充分利用，因此在資料利用方面仍然存在差距。
雖然工程團隊可以通過航空攝影**在數字環境中視覺化裂縫，但在根據狀況評估對裂縫進行分析或分類時仍然存在脫節，因為評估仍然需要現場調查。 Benesch 試圖通過簡化資料收集、分析和利用來彌合這一差距，以釋放資料的全部潛力。 他們希望採用以資料為中心的方法，在正確的時間將視覺化的數字資料實時提供給正確的人，以便做出更及時、更明智的決策，從而帶來更好的結果、結構完整性和公共安全。 他們意識到，要實現這一目標，他們需要採用數字孿生解決方案，利用尖端物聯網、人工智慧和機器習技術的力量。
利用人工智慧和數字孿生技術
Tremblay 說：“我們看到了客戶在 [狀態評估] 能力方面的差距，並且知道與 Bentley 合作將幫助我們實現所需的突破。 Benesch 選擇使用 Bentley 的 iWin Capture Modeler（以前稱為 ContextCapture）、AssetWise 和 iWin 應用程式來嘗試數字創新，以建立三個選定專案站點的數字孿生模型。 他們與 Bentley 合作，探索將 AI 機器 習 整合到現場資料採集工作流程中，特別是在路面裂縫檢測過程中。 “通過結合 Bentley 的 [ITWIN Capture Modeler]、AssetWise 和 ITWIN Experience，我們有信心能夠開發基於路面裂縫檢測技術的工作流程，利用 AI 機器 習 的強大功能來簡化從現場資料收集到分析的整個裂縫檢測流程，並將其整合到 Bentley 數字孿生模型中。” ”
作為生成數字孿生的第一步，Benesch 使用自動飛行計畫將無人機捕獲的影象與基於 AI 的檢測感測器相結合，以提取裂紋檢測資料並對其進行分析。 基於人工智慧的路面裂縫檢測器可實現裂縫線資料的自動數位化習，並將資料輸入數字孿生，對專案現場的裂縫資料進行實時可靠的視覺化分析。 Benesch 利用 Bentley 的 iWin 應用程式通過數字孿生模型增強路面裂縫檢測，將條件注釋直接新增到模型中，並遠端評估資產狀況。 基於機器的 習 AI 數字缺陷檢測可自動識別和分類現場的裂紋缺陷，並從糾正問題所需的檢查資料中生成結果，這些結果可以無縫移交給維護、設計和施工團隊。
以資料為中心的工作流推動行業實踐的產業化
與手動流程相比，AI 工作流程可節省大量時間並提供更高質量的資料。 新的裂紋檢測解決方案與 Bentley 的 iWin 應用程式相結合，可自動實現裂紋線資料的數位化，從而節省超過 75% 的現場工作時間。 預計該計畫將有助於在測試100個機場時節省資金，同時最大限度地減少對交通和機場運營的影響。 在數字孿生和裂縫檢測技術的幫助下，該團隊可以做的不僅僅是從一張紙上發現路面上的裂縫。 該技術提供了安全性和準確性的虛擬整體檢視，消除了危險和容易出錯的手動操作，並在現場檢查和維修影響操作之前減少了停機時間。 Tremblay說：“我們很高興這項技術和工作流程使我們能夠檢視和比較單個資產在其使用壽命期間的歷史結果，以了解這些裂縫是否隨著時間的推移而擴大，並對資產進行更好的健康狀況評估。 它使我們能夠為客戶提供資料驅動的維護決策方法。 ”
在由人工智慧機器學習驅動的沉浸式數字孿生環境中工作，習 實現了以數字資料為中心的工作流程，將資產管理的視角從碎片化的方法轉變為單一事實來源，從而提供對整個結構的理解，從而做出更好的決策。 Benesch 正在為一位客戶實施這項技術，該客戶希望隨著時間的推移幫助優化關鍵交通基礎設施的維護，並為所有人提供更安全的環境。
“我們認為這款產品不僅對 Benesch 有利，而且對整個 AEC 行業都有好處，”Tremblay 說。 “通過採用基於機器學習習 AI的現代技術，AEC行業可以利用基礎設施資料來降低最重要的人為錯誤風險。 Benesch 用於自動路面裂縫資料收集的開創性工作流程改變了路面資產管理的遊戲規則。 Tremblay補充道：“雖然這款產品仍處於早期測試階段，但它是第一款將賓利和其他技術相結合的產品，我們將改變AEC行業內收集檢測資料的方式。 ”