數位雙生(Digital Twin) 以虛擬場域呈現實質環境現況，提供使用者或決策者進行判讀或決策運用。數位雙生是建立在AI人工智慧、機器學習、資料分析三個基礎上，創造動態的數位模型。這個模型可以不斷學習、更新場域之實質狀態，達到資訊整合應用之目的。建築物數位雙生之精神在於將建築物之有形資產以數位資料方式複製儲存、分析及利用。目前BIM導入維護管理大部分應用於被動之FM設施管理模式，本研究將設施管理與人工智慧進行整合，透過整合BIM模型資料、COBie設備資料及設施IoT物聯網監測資料，收集即時資訊，藉由AI進行機器學習，將建築物之靜態、動態資料予以分析及優化，建立以BIM結合IoT及AI預先判斷建築物設施是否有即將故障徵兆或效能優化調整之主動維護管理服務數位雙生雲端平台系?，達成建築資產管理智慧化、能源使用最佳化及行為模式預測，形塑人本友善的環境。

貳、主要內容及重點

數位雙生之精神是藉由收集現場數位數據後，於電腦中根據這些數據建立數位模型，達到不碰觸實體之情況下可以遠端監測、診斷、分析及改善實體功能或效能，繼而產出數位雙生之價值。冰水主機是建築物內之重要耗能設備，但即便是相同規格型號之冰水主機，出廠後至現場安裝，配搭不同冷卻水系統、冰水系統、氣側系統、負載狀態、外氣、機房等條件，其效能表現也會與出廠前之量測值存在極大差異。因此，本研究以建築物冰水主機作為數位雙生雲端平台系?之研究標的，利用AI機器學習技術學習現場冰水主機效能與操作行為間之關係模型，再從模型中追蹤冰水主機最佳效能操作點。圖1之四張圖表分別繪自四台不同冰水主機之量測數據，圖的橫軸是負載率(load ratio)，縱軸是冰水主機系統之效能係數(COP，Coefficient of Performance)，COP越大表示效能越好。圖中不同曲線代表在不同外氣溫度(outdoor temperature)下之效能表現。從這幾個特性曲線可以看出每一台冰水主機之效能表現間皆有極大差異。同一冰水主機在不同外氣環境下之效能也存在差異，以圖1上方兩張圖為例，虛線部分即代表在不同外氣溫度下，該冰水主機效能之最佳負載率操作點，兩圖之冰水主機虛線也具有不同行為。本研究蒐集冰水主機實際運轉時之效能、負載率以及外氣溫度數據並彙整至資料庫，然後利用AI技術進行資料清洗(Data washing)、機器學習(建模)(Machine learning or model training)，及利用建立之AI模型找出冰水主機之最佳效能操作點。數位雙生雲端平台系?之AI運作流程如圖2，首先IoT平台擷取現場即時資料，將資料記錄於資料庫中，並透過資料清洗將不可用之資料剔除，以避免不可用之資料導致機器學習產生模型發散或錯誤，最後選出訓練模型中之效能最佳點，以利系統爾後遭遇相同情況時可快速預測最佳操作點。

本研究在平台中以3D檢視BIM模之方式達成數位雙生可視化(Visualize)效果，提供友善應用介面，並利用第三方SDK開發之3D渲染瀏覽器圖台XeoLabs解決方案，透過XeoKit converter將IFC格式之BIM模檔案轉成圖台可解析(Parsing)格式，瀏覽器圖台即可以檔案為單位開啟3D BIM檢視畫面。本研究數位雙生雲端平台系?開發之圖台，具備設備列表點選直接定位設備BIM圖、BIM圖直接連結設備即時資訊、自動顯示AI設備節能建議、可藉由APP及LINE即時主動通報事件等功能(如圖3)。

參、結論

本研究透過實作方式將建築設施數位雙生之概念實體化，並透過BIM圖台工具及IoT平台擷取真實建築空間之幾何資料及設施運轉資料，再藉由電腦之虛擬空間呈現真實世界之現況，並進而在虛擬空間中利用AI建立建築設施之效能模型，在模型中運算並優化效能，再將優化建議回饋至實體建築設備，完成數位雙生之運作，雲端平台系?架構如圖4。

因我國高齡化與少子化導致缺工問題日益顯著， AI之導入可以協助相關資訊整合應用，建立主動化與最佳化之管理及服務模式，藉此節省日常維護管理所需人力與成本，延伸建築物使用之生命週期，透過運用AI機器學習連動BIM模型，形成客製化之主動式空間服務將成為未來趨勢。