Современные промышленные и коммерческие объекты предъявляют высокие требования к надежности и долговечности строительных конструкций, особенно к элементам, подверженным интенсивному механическому воздействию. Покрытия полов складов, производственных цехов, торговых центров и транспортных узлов являются критическим активом, от состояния которого зависит безопасность, бесперебойность технологических процессов и, в конечном итоге, экономическая эффективность объекта [1]. Традиционные подходы к оценке их состояния, основанные на визуальном осмотре и регламентных сроках замены, часто приводят либо к преждевременному износу и аварийным ситуациям, либо к необоснованным затратам на досрочный ремонт.
Цифровая трансформация строительной отрасли, выражающаяся во внедрении технологий информационного моделирования (BIM) и концепции цифрового двойника (Digital Twin), открывает новые возможности для управления объектами на протяжении всего жизненного цикла [2]. Если BIM-модель на этапе эксплуатации часто служит статичным репозиторием данных, то цифровой двойник, понимаемый как динамическая виртуальная копия физического объекта, связанная с ним данными в реальном времени, предполагает создание модели, способной к анализу, симуляции и прогнозированию [3].
Целью данного исследования является разработка и апробация методики применения цифровых технологий информационного моделирования для создания предиктивной модели износа покрытий полов, позволяющей перейти от планово-предупредительного к предиктивному обслуживанию на основе данных.
Предлагаемая методология строится на создании многослойной информационной модели, которая является ядром цифрового двойника покрытия пола. Данная модель структурно состоит из четырех взаимосвязанных логических слоев.
1. Геометрический и информационный слой (BIM-основа). Модель создается на основе исполнительной документации или данных лазерного сканирования. В модель заносится информация о материалах покрытия с указанием конкретных марок, сертифицированных в соответствии с действующими стандартами [4].
2. Слой нагрузок и воздействий. В модель вносятся исторические и плановые данные:
– Тип, интенсивность и динамический характер транспортных потоков.
– Воздействие химических реагентов и температурно-влажностного режима.
3. Слой мониторинга в реальном времени. Интеграция данных с IoT-датчиков, установленных в критических зонах (тензометры, акселерометры, датчики влажности).
4. Аналитико-прогнозный слой (цифровой двойник). На основе данных предыдущих слоев строится гибридная математическая модель износа, сочетающая физически обоснованные уравнения и алгоритмы машинного обучения [5].
Алгоритм работы модели реализуется по следующей последовательности:
1) сбор и агрегация данных из BIM-модели и датчиков;
2) предобработка и верификация данных;
3) прогнозирование интенсивности износа для каждой зоны;
4) генерация отчетов и визуализация результатов;
5) формирование автоматических оповещений для службы эксплуатации.
Методология была апробирована на объекте — распределительном логистическом центре площадью 12 000 м² с бетонным полом. На основе лазерного сканирования была создана точная BIM-модель пола с зонированием по интенсивности движения. В ключевых точках были установлены вибродатчики. Данные о ремонтах за 5 лет послужили тренировочной выборкой для алгоритма. В течение 12 месяцев модель функционировала в тестовом режиме.
Результаты:
– Точность прогноза. Модель корректно спрогнозировала необходимость локального ремонта в зонах высокого риска за 2–3 месяца до появления критических дефектов. Погрешность в оценке остаточной толщины покрытия составила менее 8 %, что на 25–30 % точнее, чем прогноз по традиционному нормативному методу.
– Экономический эффект. Благодаря точному прогнозу удалось оптимизировать графики ремонта, сократив время простоя на 40 часов. Затраты на текущий ремонт были снижены на 18 % от годового бюджета за счет адресного вмешательства.
– Качественное улучшение процессов. Произошел переход от субъективной оценки инженера к объективным, основанным на данных рекомендациям. Сформирована цифровая история эксплуатации покрытия.
Таким образом, проведенное исследование демонстрирует практическую реализуемость и высокую эффективность применения технологий информационного моделирования и цифровых двойников для прогнозирования износа покрытий полов. Разработанная методика позволяет перейти к прогнозному управлению ресурсом, минимизировать операционные риски и оптимизировать затраты на техническое обслуживание в течение жизненного цикла объекта.
Литература:
1. Семенов В. А., Королев Е. В. Эксплуатационная долговечность бетонных полов с упрочненным поверхностным слоем // Строительные материалы. 2020. № 8. С. 44–49.
2. Гнездилов В. Г., Щеголев А. В. Цифровой двойник здания: от концепции к практике эксплуатации // Жилищное строительство. 2022. № 1–2. С. 58–63.
3. Петухов И. М., Соколов А. В. Интернет вещей в управлении эксплуатацией зданий и сооружений // Автоматизация в строительстве. 2021. № 3 (45). С. 22–29.
4. ГОСТ 31358–2019. Смеси сухие строительные напольные на цементном вяжущем. Технические условия. Введ. 2020–07–01. М.: Стандартинформ, 2019. 27 с.
5. Булгаков С. Н., Шейнин А. М. Прогнозирование износа бетонных покрытий полов промышленных зданий с использованием методов машинного обучения // Инженерно-строительный журнал. 2023. Т. 125, № 1. С. 85–96.
