A framework for selecting large infrastructure projects for digital twin adoption
Schneider, P. A., Lena Stephanie, F., & Sharma, R.
a School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore;
b College of Technological Innovation, Zayed University, Abu Dhabi & Dubai, United Arab E mirates
大型基础设施项目在其整个生命周期中会产生海量信息，从概念开发到资产运营，均需要大量管理工作以进行有效管理。施工管理人员大约花费30%至50%的时间用于检索信息，以支持项目控制和决策。尽管数字孪生技术在过去二十年中已在产品制造和航空航天领域得到广泛应用，但在土木工程和建筑环境中的采用仍然有限。
本研究提出了一套综合框架，用于评估基础设施项目对数字孪生技术的适用性，并指导其在合格项目中的实施。研究采用混合方法，包括文献综述、与行业专家的半结构化访谈，以及对402个价值超过10亿美元的基础设施项目的定量分析，开发了数字孪生适用性指数（DTSI）。在此基础上，提出了一个三步骤框架，包括项目DTSI评分、用于经济论证的数字孪生成本-收益计算（DTCB），以及支持业务案例开发和价值主张阐述的变革规划。研究结果显示，48%的样本项目位于数字孪生适用性的上四分位区间，并强调了利益相关者参与、技术整合及针对基础设施的变革管理策略等关键成功因素。
随着基础设施行业加快数字化转型，数字孪生被视为能够提升项目和资产全生命周期管理能力的重要方法。然而，目前基础设施组织仍缺乏有效的方法来判断哪些项目能够充分发挥数字孪生的潜力。本文所讨论的大型基础设施项目，是指项目价值超过10亿美元的项目，包括商业建筑、能源与公用事业系统、工业设施、重型基础设施、公共建筑和住宅项目等。
当前基础设施项目信息管理仍普遍存在系统分散和互操作性不足的问题。由于数据和信息碎片化，项目管理人员需要投入大量时间寻找和核实信息，进而导致效率降低，并增加项目延期、成本超支以及决策失误等风险。因此，研究认为，在实施数字孪生之前，有必要建立系统的方法识别真正适合进行数字孪生投资的项目。
本章围绕数字孪生及其在基础设施领域的应用展开文献回顾，重点讨论数字孪生的概念与发展、与BIM和MBSE等相关技术的关系，以及数字孪生与人工智能融合的发展趋势。
研究指出，数字孪生的核心在于物理实体与其虚拟表示之间的数据连接和持续交互。与主要用于信息建模和项目管理的BIM相比，数字孪生更强调利用实时数据对资产状态进行监测、分析和预测。MBSE则能够为复杂系统的建模和系统工程管理提供支持。
随着人工智能技术的发展，机器学习、生成式算法和语义智能体等AI能力正在逐步融入数字孪生框架。这些技术能够支持实时数据分析、预测建模和自主决策，并进一步应用于动态调度、预测性维护、质量控制和生命周期管理。
但研究同时指出，数字孪生的建设和维护需要大量的数据整合、技术能力和组织资源。因此，基础设施组织在实施数字孪生之前，需要首先判断项目本身是否具有足够的复杂性和价值，以证明数字孪生投资的合理性。
研究采用混合方法，包括：
（1）主题文献综述，
（2）与四位行业专家的半结构化访谈，
（3）对GlobalData Plc数据库中402个亚太地区基础设施项目的定量分析。
专家访谈采用有目的抽样，受访者来自澳大利亚、新西兰和新加坡，涵盖BIM管理、数字服务、信息管理等角色。项目数据分析聚焦四个维度：项目价值、项目工期、供应链实体数量和资产等级，以构建数字孪生适用性指数（DTSI）。DTSI计算公式为：AR × (PVₘ + PDₘ + SCₘ) / 3，其中AR为资产等级评分（1-10），PVₘ、PDₘ、SCₘ分别为项目价值、工期和供应链实体数量对应的四分位数乘数。该指数通过资产等级作为乘法锚点，确保低技术复杂度资产无法获得高适用性评分。
访谈分析显示，专家普遍将数字孪生视为信息整合与协作工具，其优势包括提升可视性、沟通效率和成本节约。但价值传达困难和人员抵触是主要挑战，尤其在变革管理和技术接受方面。
项目数据分析表明，48%的项目处于DTSI上四分位区间，能源与公用事业及工业类资产平均得分最高（分别为9.36和9.05），住宅类最低（4.03）。热图分析显示，高DTSI得分集中在能源、工业和基础设施领域，证实资产复杂度是数字孪生适用性的主要驱动因素。通过五个案例项目的DTSI计算，验证了评分逻辑的有效性，表明该指数能够有效区分不同项目的数字孪生适配程度。
研究提出的框架用于支持基础设施项目数字孪生的实施和采用。该框架由三个分析环节组成，分别对应项目评分、成本效益分析和变革规划。
评分（Score）：计算DTSI，评估项目技术适用性；
分析（Analyse）：进行数字孪生成本-收益计算（DTCB），综合考虑实施成本、整合成本、项目绩效节约和运营支出节约；
规划（Plan）：制定变革管理计划，应对人员抵触和技术接受问题，提出培训、沟通、合同约束等具体措施。
DTCB计算公式为：(A1 + A2) - (C1 + C2 + C3)，其中A为收益项，C为成本项。
研究认为，正式的变革管理对于保障数字孪生投资十分重要。组织可以通过试点项目逐步开展数字孪生应用，从规模较小、复杂度和风险较低的项目开始，逐步培养人员、流程、系统和组织能力。
本研究的理论贡献包括：（1）拓展了数字化变革复杂性理论，（2）将资源基础观与项目管理结合，（3）为新兴技术项目组合管理提供了新框架。实践意义方面，DTSI可帮助组织优先选择复杂度高、周期长、供应链庞大的项目，如地铁、能源厂、医院等。框架还提供了基于组织 readiness 的实施策略：高准备度组织可全面实施，中低准备度组织可先试点或暂缓。此外，文章还探讨了人工智能与数字孪生的协同发展，指出AI赋能的数字孪生已发展为具备预测、感知、自适应、诊断、语义、对话、关系和生成能力的智能系统，但项目选择仍是前提。未来研究应扩展数据集、完善资产等级评分、加强资产所有者视角，并深化AI与数字孪生集成研究。
本研究通过混合方法，系统构建了大型基础设施项目数字孪生应用的选择框架。DTSI和DTCB的结合为组织提供了一套可操作的评估工具，帮助其在项目组合中识别最具潜力的数字孪生候选项目，并制定合理的业务案例。研究强调，成功的数字孪生实施不仅依赖技术，更需要组织能力、变革管理和战略对齐。约48%的大型项目具备较高的数字孪生适用性，表明该技术在基础设施领域具有广阔应用前景。本文为行业实践和学术研究提供了理论依据和实用工具，是推动基础设施数字化转型的重要一步。
