Digitaler Zwilling: Verwaltungsschale BBox als Datenablage über den Lebenszyklus einer Brücke

Auf dem Weg zur digitalen Brücke existieren bereits erste Lösungen, die den Lebenszyklus einer Brücke abbilden können. Für die Planung, den Bau und den Unterhalt stehen unterschiedlichste Werkzeuge, z. B. BIM, DIN 1076, SIB-Bauwerke, Monitoring etc. zur Verfügung, die jeweils mit unterschiedlichen Datenformaten arbeiten. Für ein intelligentes Erhaltungsmanagement müssen aber alle Daten mit den verschiedenen Datenformaten zusammengeführt, abgelegt und so verwaltet werden können, dass über den gesamten Lebenszyklus einer Brücke die Abbildung eines ganzheitlichen digitalen Zwillings eines Bauwerks möglich ist. Die Autoren haben dafür mit BBox den Prototyp einer Verwaltungsschale (VWS) auf Grundlage von Industrie 4.0 entwickelt. Damit wird das physikalisch-ingenieurtechnische Modell zur Zustandsbewertung der Brücke in den Mittelpunkt gestellt und der gesamte Lebenszyklus einer Brücke kann unabhängig von Datenformaten digital erfasst werden. Da der Aufbau der VWS durch die Granularität optimal strukturiert ist, bietet die Ablage und Einspeisung von Messdaten sowohl die Grundlage eines Live-Monitorings als auch den Grundstein für maschinelles Lernen (ML). Der Datenzugriff via S3-Schnittstelle erleichtert die Entwicklung von eigenen Prognosemodellen mit Informationsmustern (SHIP - Structural Health Information Pattern). Am Beispiel der Heinrichsbrücke Bamberg wird die praktische intelligente Umsetzung des Bauwerksmonitorings inkl. VWS mit Informationsmustern und ML gezeigt.

Digital twin: asset administration shell BBox as data storage over the life cycle of a bridge
On the way to the digital bridge, initial solutions already exist that can map the life cycle of a bridge. A wide variety of tools are available for planning, construction and maintenance, e. g. BIM, DIN 1076, SIB structures, monitoring etc., each of which works with different data formats. For an intelligent maintenance management, however, all data with the different data formats must be merged, stored, and managed in such a way that the mapping of a holistic digital twin of a structure is possible over the entire life cycle of a bridge. For this purpose, the authors have developed BBox, a prototype of an asset administration shell (AAS) based on Industry 4.0. This places the physical-engineering model for assessing the condition of the bridge at the center, and the entire life cycle of a bridge can be digitally recorded independently of data formats. Since the structure of the AAS is optimally structured through granularity, the storage and feeding of measurement data provides both the basis of live monitoring and the cornerstone for machine learning (ML). The data access via S3 interface facilitates the development of own prognosis models with information patterns (SHIP - Structural Health Information Pattern). Using the Heinrichsbrücke Bamberg as an example, the practical intelligent implementation of structural monitoring incl. AAS with information patterns and ML is shown.