文一:
化学工程教育中的数字化工具:需求和愿望
摘要:
化学工程教育工作者在使用数字工具解决基本工程问题方面有着悠久而丰富的历史。今天,随着数字化的大趋势,可以用于化学工程教育的工具越来越多。然而,确定哪种工具最适合支持给定化学工程概念的教学可能具有挑战性。为了回答这个问题,向IChemE机构的部门负责人和专注于数字化的IChemE委员会成员分发了一份调查。调查对象将Microsoft Excel(VBA)、商业模拟器和脚本工具评为最适合教授质量和能量平衡、传质和反应工程等核心科目的工具,而受访者则认为3D模型和虚拟/增强现实模型最适合教授工艺设计、安全和可持续性等科目。数学/编程的简单性、易于维护和低初始投资成本被确定为阻碍采用给定数字工具的关键非技术方面。权衡教育和非技术障碍的好处,受访者更喜欢使用Excel和脚本语言等更简单的数字化平台,而不是尽可能使用虚拟/增强现实等更先进的平台。人们发现,要广泛采用更先进的数字化工具,就需要消除上述非技术性障碍以及工具共享性等其他障碍。
图:调查对象的当前角色。
图:受访者对化学工程本科教育数字工具开发中关键非技术因素相关性的看法。
图:受访者对特定受试者使用的适当数字化工具的意见。
文二:
工程教育数字化研究与实践
摘要:
数字化是近年来的发展趋势。它涵盖了商业、社会和研究的所有领域。本文对工程教育研究与实践的论述做出了贡献。该贡献旨在以三种方式产生新的见解:(1)通过分析数字化在研究领域的意义,(2)通过描述数字化方法在教育实践中的实施示例,以及(3)通过介绍涵盖数字化转型和对社会的反弹影响的课程的理论和方法框架。这种方法产生了基于经验的最先进知识,并有助于将工程教育研究转化为实践。
图:聚焦数字化的选定子类别,2014年至2016年Educon会议的贡献。
图:基于理论的“暑期学校4.0:数字化”概念。
文三:
建筑环境中建筑供应链和采购的数字化:可持续流程的新兴技术和机遇
摘要:
随着数字化的快速发展,人们提倡将数字技术应用于供应链和采购流程,以促进建筑环境中的革命性创新。因此,在过去的几十年里,人们对建筑环境中的数字供应链和采购技术(DCSP技术)进行了大量研究,形成了庞大、分散和多样化的知识体系。在这项研究中,通过混合评审方法,对建筑环境中的DSCP技术进行了全面的最新研究,以揭示推进建筑供应链数字化所需的知识领域。科学制图分析和定性讨论用于深入了解建筑供应链数字化的研究活动、挑战和机遇。确定了包括数字建筑、数字集成概念和安全在内的六个主题,区块链智能合约是建筑供应链的最新趋势。此外,还提供了未来的研究机会,包括建筑信息建模(BIM)系统集成、工业4.0和新兴的DSCP技术、网络安全以及与DCSP技术的可持续性关系。本研究通过提供研究探索的全面画面,揭示了研究人员和从业者在数字化和可持续的建筑环境中开发和推进DSCP技术所必需的研究需求,为建筑数字化文献增添了价值。
图:CSCP流程和活动概述。
图:研究方法过程。
图:全球建筑环境中DSCP技术的主要研究领域。
图:调查结果摘要。
文四:
常规隧道工程施工阶段的建筑信息建模
摘要:
建筑信息建模(BIM)已成为建筑、工程和施工(AEC)部门数字化转型的关键技术。行业基础类(IFC)作为一种开放的、与供应商无关的数据模型,在这一转变中发挥着至关重要的作用。尽管BIM取得了最新进展,但隧道工程仍需赶上采用数字技术的其他AEC部门。目前,IFC主要用于获取与最终隧道结构元件直接相关的信息,但很少作为记录隧道开挖和支护的手段。本文通过将国际金融公司的使用扩展到有关过程、劳动力、设备和所用材料的信息,为传统隧道项目的执行阶段提出了一个国际金融公司驱动的过程。通过一个案例研究对所提出的过程进行了评估,该案例研究展示了国际金融公司如何表示传统隧道项目的数据。结果表明,IFC为表达常规隧道工程执行阶段的数据提供了必要的概念。在这一阶段实施国际金融公司驱动的流程大大有助于隧道项目的数字化转型。
图:与传统隧道项目文件编制过程相关的概念的ArchiMate模型。
图:隧道开挖和支护文件的ArchiMate模型。
图:连接到圆的几何表示。
文五:
隧道挖掘中的机器学习——能力和挑战
摘要:
数字化将改变地质数据的收集方式、岩石分类方法、设计分析在隧道开挖领域的应用以及隧道施工和维护过程。近年来,数字技术(建筑信息建模和机器学习(ML))在各种具有挑战性的任务中的成功应用迅速增加。在不断增加的总数据量和更高计算能力的易用性的推动下,ML技术在不同任务中的成功部署急剧增加。ML已被引入许多科学和技术中,并最终进入岩土工程、隧道开挖和工程地质学领域,尽管其发展仍不如其他学科。本文重点介绍了ML方法在一般岩土工程中的潜力,尤其是在隧道工程中。将讨论使用隧道掘进机(TBM)数据进行的岩体特性自动分类、掌子面前方地质预测的更新、3D位移数据的数据驱动解释或全自动隧道检查等应用。
图:隧道数字化的发展时间表。
图:相互专题背景下的人工智能、机器学习和深度学习领域,以及ML的三个子分支——监督、无监督和强化学习——在隧道挖掘中的可能应用。
图:链测长度3500至4000m之间TBM参数的示例截面;几个特征显示出对遇到的断层带的独特反应。
图:通过地震P波模型的纵剖面。