Lo scopo della tesi ਠstato di implementare un digital twin aggiornato in tempo reale, utilizzando un modello BIM. Il Building Information Modeling ਠun moderno approccio alla progettazione CAD orientato agli oggetti, in cui ad ogni elemento geometrico viene associata una scheda descrittiva. Attualmente ਠun modello statico che viene aggiornato manualmente. In relazione biunivoca con il modello BIM vi ਠil file IFC, modello di dati standard per la descrizione di elementi di edilizia e dell'industria delle costruzioni. Dopo un'attenta analisi dello stato dell'arte teorico e tecnologico, viene proposta una pipeline per l'implementazione di una rete di sensori IoT (Internet of Things) da collegare al modello, che consentono la flessibilità delle wireless sensor network e l'autoriconfigurazione di sistema mediante approccio SOA (Service Oriented Architecture). Per validare il concetto ਠstato scelto come caso studio una stanza di cui vi era il tradizionale modello BIM; questa ਠstata attrezzata mediante economici dispositivi ESP8266 e sensori per il monitoraggio della qualità ambientale indoor. Attraverso questi sensori ਠstato possibile registrare dati in real-time, da memorizzare sul file IFC e da visualizzare mediante web browser per monitorare la serie storica. I sensori nella stanza comunicano le grandezze campionate a un gateway di stanza (nel caso specifico un Raspberry Pi), che implementa le funzioni di broker e subscriber MQTT, salvando i dati su un database relazionale con l'obiettivo di inoltrarli al BIM server sul quale si trova il file IFC, sorgente dati per il BIM. Estendendo il concetto di digital twin a smart building sono stati implementati moduli software per realizzare azioni di controllo a eventi discreti, coinvolgendo nel loop anche gli operatori umani. Questa nuovo concetto di real-time BIM risulta essere uno strumento efficace per l'interpretazione di un sistema fortemente distribuito.
Digital Twin di una struttura civile mediante un modello BIM aggiornato da una rete di sensori IoT
2019
Abstract
Lo scopo della tesi ਠstato di implementare un digital twin aggiornato in tempo reale, utilizzando un modello BIM. Il Building Information Modeling ਠun moderno approccio alla progettazione CAD orientato agli oggetti, in cui ad ogni elemento geometrico viene associata una scheda descrittiva. Attualmente ਠun modello statico che viene aggiornato manualmente. In relazione biunivoca con il modello BIM vi ਠil file IFC, modello di dati standard per la descrizione di elementi di edilizia e dell'industria delle costruzioni. Dopo un'attenta analisi dello stato dell'arte teorico e tecnologico, viene proposta una pipeline per l'implementazione di una rete di sensori IoT (Internet of Things) da collegare al modello, che consentono la flessibilità delle wireless sensor network e l'autoriconfigurazione di sistema mediante approccio SOA (Service Oriented Architecture). Per validare il concetto ਠstato scelto come caso studio una stanza di cui vi era il tradizionale modello BIM; questa ਠstata attrezzata mediante economici dispositivi ESP8266 e sensori per il monitoraggio della qualità ambientale indoor. Attraverso questi sensori ਠstato possibile registrare dati in real-time, da memorizzare sul file IFC e da visualizzare mediante web browser per monitorare la serie storica. I sensori nella stanza comunicano le grandezze campionate a un gateway di stanza (nel caso specifico un Raspberry Pi), che implementa le funzioni di broker e subscriber MQTT, salvando i dati su un database relazionale con l'obiettivo di inoltrarli al BIM server sul quale si trova il file IFC, sorgente dati per il BIM. Estendendo il concetto di digital twin a smart building sono stati implementati moduli software per realizzare azioni di controllo a eventi discreti, coinvolgendo nel loop anche gli operatori umani. Questa nuovo concetto di real-time BIM risulta essere uno strumento efficace per l'interpretazione di un sistema fortemente distribuito.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Rosati.pdf
accesso solo da BNCF e BNCR
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati
Dimensione
3.19 MB
Formato
Adobe PDF
|
3.19 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/305573
URN:NBN:IT:UNIMORE-305573