Een predictive twin is een digitale replica van een (deel van een) fysiek bouwwerk, zoals bruggen, tunnels, woningen en kantoren. Deze staat in tegenstelling tot een BIM in verbinding met de fysieke twin. Hierdoor kan de predictive twin de fysieke twin volgen, beoordelen en tot slot, op basis van de informatie die wordt ontvangen, leren. Tijdens de levenscyclus van een bouwwerk kan de predictive twin o.a. worden ingezet om allerlei simulaties en voorspellingen te doen ten aanzien van het toekomstige gedrag en gebruik van de fysieke twin.  

Predictive twins van meerwaarde 

Arjen Adriaanse, auteur van de TNO paper, benadrukt de meerwaarde van predictive twins ten opzichte van de meer conventionele digitale oplossingen: 

“Wat TNO betreft is er een cruciale rol weggelegd voor de ‘predictive twins’. Doordat we tegenwoordig over steeds meer data over bouwwerken  beschikken kunnen we onze voorspellende modellen beter voeden met actuele data en meer lerend maken. Daarmee kun je het toekomstige gedrag en gebruik van bouwwerken en netwerken van bouwwerken beter voorspellen, simuleren en beïnvloeden. Deze stap naar predictive twins maakt wat ons betreft een proactieve besluitvorming over bouwwerken en netwerken van bouwwerken gebaseerd op data, voorspellende modellen en scenario-analyses mogelijk.”  

Hoe dragen predictive twins bij aan het oplossen van huidige uitdagingen bouw? 

TNO ziet o.a. voor zich dat predictive twins  op de volgende manieren kunnen bijdragen aan de uitdagingen van de sector: 

• Bij de vervangings- en renovatieopgave voor de bestaande civiele infrastructuur kunnen predictive twins gebruikt worden om de verwachte technische levensduur van (netwerken van) civiele kunstwerken op een efficiënte en kosteneffectieve manier te voorspellen. 
• Bij de transitie naar een circulaire bouwsector kunnen predictive twins niet alleen fungeren als materialenpaspoort van bouwwerken, maar ook als belangrijk hulpmiddel om de technische levensduur en kwaliteit van bouwcomponenten te monitoren en te voorspellen. 
• Bij de energietransitie bestaande bouw zullen predictive twins worden ingezet om het energiegebruik op gebouw- en wijkniveau te voorspellen en te optimaliseren. 

Uitdagingen implemenatie predictive twins

TNO onderzoekt op dit moment met verschillende partners de verdere toepassing van predictive twins. Rob Roef, medeauteur van de paper: “We doen op dit moment in verschillende domeinen ervaring op met de ontwikkeling en het gebruik van predictive twins. Op basis daarvan signaleren we verschillende uitdagingen. Om predictive twins in de praktijk bruikbaar te maken is het bijvoorbeeld van belang dat deze op een efficiënte wijze gecreëerd worden en tegelijkertijd voldoende betrouwbare voorspellingen leveren.

Het gevaar dreigt dat technologische oplossingen te kostbaar en uitgebreid zijn voor de behoeften in specifieke situaties. Het is van belang je steeds af te vragen welk type predictive twin een bouwwerk nodig heeft, ‘fit for purpose’ dus.  We zullen ons de komende jaren, samen met onze partners, blijven inzetten om de stap naar netwerken van predictive twins haalbaar en betaalbaar te maken.” 

Breng experts uit verschillende kennisdomeinen samen 

Roef en Adriaanse geven tevens aan dat het daarnaast noodzakelijk is om experts vanuit verschillende kennisdomeinen samen te brengen voor de ontwikkeling van predictive twins. Bovendien is het eenduidig vastleggen, structureren, delen en verbinden van informatie cruciaal, aangezien in een predictive twin gegevens vanuit verschillende informatiebronnen en partijen samenkomen.

Tot slot concludeert TNO dat het van essentieel belang is om samen met praktijkpartijen predictive twin-gebruiksscenario’s (en bijbehorende voordelen) uit te werken en te demonstreren in field labs. Adriaanse: “Alleen op deze manier kun je de komende jaren de ontwikkeling en implementatie van predictive twins versnellen.”