มคอ.3 รายละเอียดของกระบวนวิชา
1. ข้อมูลทั่วไปของกระบวนวิชา
วิชาบังคับก่อน
ไม่มี
พื้นฐานที่แนะนำ
- Structural Analysis
- Finite Element Analysis หรือ numerical modeling เบื้องต้น
- Structural Dynamics เป็นประโยชน์สำหรับ dynamic digital twins
- Basic programming and data analysis
- พื้นฐาน Structural Health Monitoring หรือ sensor data เป็นประโยชน์ แต่ไม่จำเป็นต้องเป็นวิชาบังคับก่อน
2. คำอธิบายกระบวนวิชา
ภาษาไทย
แนวคิด หลักการ และสถาปัตยกรรมของแฝดดิจิทัลสำหรับโครงสร้างและโครงสร้างพื้นฐาน ความแตกต่างระหว่างแบบจำลองดิจิทัล เงาดิจิทัล และแฝดดิจิทัล การสร้างแบบจำลองเชิงกายภาพและเชิงข้อมูล การเชื่อมโยงแบบจำลองโครงสร้างกับข้อมูลจากการตรวจวัด การบริหารข้อมูลและการไหลของข้อมูล การซิงโครไนซ์สถานะ การปรับปรุงแบบจำลองและการประมาณค่าพารามิเตอร์ การบูรณาการ Building Information Modeling แบบจำลองไฟไนต์เอลิเมนต์ ระบบตรวจติดตามสุขภาพโครงสร้าง อินเทอร์เน็ตของสรรพสิ่ง และข้อมูลการตรวจสอบ การประเมินสภาพและการพยากรณ์พฤติกรรมของโครงสร้าง การวิเคราะห์สถานการณ์สมมติ การประเมินความไม่แน่นอน การตรวจสอบและยืนยันความถูกต้องของแฝดดิจิทัล การออกแบบสถาปัตยกรรมระบบ การจัดการข้อมูลตลอดวงจรชีวิต การสื่อสารผลและแดชบอร์ด ตลอดจนกรณีศึกษาของอาคาร สะพาน และโครงสร้างพื้นฐาน
English
Concepts, principles, and architectures of digital twins for structures and infrastructure; distinctions among digital models, digital shadows, and digital twins; physics-based and data-driven representations; integration of structural models with measured data; data management and data flow; state synchronization; model updating and parameter estimation; integration of Building Information Modeling, finite element models, structural health monitoring, Internet of Things, and inspection data; condition assessment and structural response prediction; what-if scenario analysis; uncertainty assessment; verification and validation of digital twins; system architecture design; lifecycle data management; visualization and dashboards; and case studies of buildings, bridges, and civil infrastructure.
3. วัตถุประสงค์ของกระบวนวิชา
กระบวนวิชานี้มุ่งให้นักศึกษาสามารถออกแบบ Digital Twin สำหรับงานวิศวกรรมโครงสร้างได้ในฐานะ ระบบเชื่อมโยงแบบจำลอง ข้อมูลจริง และการตัดสินใจ ไม่ใช่เพียงโมเดลสามมิติหรือ BIM
ความแตกต่างสำคัญอยู่ที่ระดับของการเชื่อมโยงข้อมูล การอัปเดตสถานะ การวิเคราะห์ และการสนับสนุนการตัดสินใจ
4. Course Learning Outcomes (CLOs)
| CLO | ผลลัพธ์การเรียนรู้ |
|---|---|
| CLO1 | Explain the concepts, architecture, components, and maturity levels of digital twins for structural and infrastructure applications. |
| CLO2 | Develop and integrate appropriate digital representations using structural models, BIM/asset information, and measured or inspection data. |
| CLO3 | Apply state estimation, parameter identification, and model-updating concepts to synchronize digital representations with physical assets. |
| CLO4 | Evaluate the accuracy, uncertainty, validity, interoperability, and limitations of a structural digital twin. |
| CLO5 | Design and communicate an integrated digital twin architecture for condition assessment, prediction, and engineering decision support. |
5. ความสัมพันธ์ระหว่าง CLO และ PLO
| CLO | PLO1 | PLO2 | PLO3 | PLO4 |
|---|---|---|---|---|
| CLO1 | ✓ | ✓ | ||
| CLO2 | ✓ | ✓ | ||
| CLO3 | ✓ | ✓ | ||
| CLO4 | ✓ | ✓ | ✓ | |
| CLO5 | ✓ | ✓ | ✓ | ✓ |
6. แนวทางการจัดการเรียนการสอน
แม้กำหนดเป็น 3(3-0-6) แต่ควรใช้การเรียนแบบบูรณาการระหว่าง structural modeling, data integration, system architecture และ engineering interpretation
- ใช้โครงสร้างตัวอย่างเดียวต่อเนื่องหลายสัปดาห์
- เริ่มจาก digital model ก่อนเพิ่ม measured data เพื่อพัฒนาไปสู่ digital shadow และ digital twin
- เชื่อม FE model, sensor/inspection data และ asset information
- เน้น model updating และ state estimation ในระดับที่เหมาะสมกับนักศึกษาวิศวกรรมโครงสร้าง
- เน้น verification, validation และ uncertainty
- ให้ความสำคัญกับ interoperability โดยไม่เปลี่ยนวิชาให้เป็น software engineering course
7. แผนการสอนรายสัปดาห์ 15 สัปดาห์
| สัปดาห์ | หัวข้อ | เนื้อหา/กิจกรรมสำคัญ | ชม. |
|---|---|---|---|
| 1 | Introduction to Digital Twins for Structures and Infrastructure | Digital model, digital shadow, digital twin; physical-digital connection; digital twin maturity; use cases in structural engineering; examples from buildings, bridges, and infrastructure | 3 |
| 2 | Digital Representation of Structural Assets | Structural asset hierarchy; geometry, materials, loads, boundary conditions, metadata; physics-based vs data-driven representations; level of detail and purpose-driven modeling | 3 |
| 3 | BIM, Structural Models and Asset Information | BIM concepts for digital twins; information models; linking BIM and structural analysis/FE models; identifiers, components, attributes, and lifecycle information | 3 |
| 4 | Data Sources and Data Architecture | Sensor data, inspection data, maintenance records, environmental data, FE simulation data; time-series and event data; data pipelines; timestamps; synchronization; data quality | 3 |
| 5 | IoT Connectivity and Physical–Digital Integration | IoT architecture concepts; edge/cloud concepts; APIs and message flow at conceptual level; data ingestion; real-time vs periodic updates; interoperability issues | 3 |
| 6 | Structural Model Updating and Parameter Estimation | Calibration of stiffness, mass, damping, boundary conditions; objective functions; sensitivity concepts; optimization-based model updating; parameter identifiability | 3 |
| 7 | State Estimation and Data Assimilation | State variables; measured vs unmeasured quantities; filtering concepts; Kalman filter concepts; data assimilation; estimating structural state from incomplete/noisy measurements | 3 |
| 8 | Midterm Assessment + Digital Twin Integration Workshop | Midterm assessment; build a simplified digital shadow from a structural model and measured/simulated data; discuss synchronization errors and model mismatch | 3 |
| 9 | Dynamic Digital Twins and Structural Health Monitoring Integration | Integration with vibration/SHM data; modal properties; updating from dynamic characteristics; event-based vs continuous twins; post-event state assessment | 3 |
| 10 | Inspection and Computer Vision Data Integration | Integrating defect observations, images, condition ratings, and spatially referenced damage into the twin; linking visual defects to structural components | 3 |
| 11 | Prediction, What-if Analysis and Surrogate Models | Forward prediction; scenario simulation; load/environment scenarios; rapid surrogate models; residual capacity concepts; predictive use of a digital twin | 3 |
| 12 | Uncertainty, Verification and Validation | Measurement uncertainty; model-form uncertainty; parameter uncertainty; uncertainty propagation concepts; V&V; acceptance criteria; trustworthiness and limits of predictions | 3 |
| 13 | Lifecycle Digital Twin and Decision Support | Condition evolution; deterioration data; inspection/maintenance history; threshold and alert concepts; linking digital twins to maintenance and asset-management decisions | 3 |
| 14 | Digital Twin System Architecture and Project Workshop | End-to-end architecture; physical layer, data layer, model layer, analytics layer, application layer; dashboards; user roles; human-in-the-loop; cybersecurity/data governance awareness; project workshop | 3 |
| 15 | Project Presentation and Future Directions | Student project presentations; evaluation of twin maturity and engineering value; integration with AI, autonomous sensing, robotics, and asset management; future infrastructure digital twins | 3 |
| รวม | 45 | ||
8. โครงสร้างความรู้ของกระบวนวิชา
Weeks 1–3
Digital Twin Foundations
Weeks 4–5
Physical–Digital Connection
Weeks 6–10
State & Model Synchronization
Weeks 11–13
Prediction & Trustworthiness
Weeks 14–15
System Integration
9. การประเมินผล
| วิธีการประเมิน | น้ำหนัก | CLO |
|---|---|---|
| Modeling and data-integration assignments | 20% | CLO1–4 |
| Model-updating / state-estimation exercises | 20% | CLO2–4 |
| Midterm examination | 20% | CLO1–4 |
| Structural Digital Twin Design Project | 30% | CLO2–5 |
| Project presentation | 10% | CLO5 |
| รวม | 100% |
10. Term Project
Design and Demonstrate a Digital Twin for a Structure or Infrastructure Asset
กรณีศึกษาอาจเป็น Building, Bridge, Tower, Long-span Structure, Retaining/Underground Structure หรือ Infrastructure Component
ตัวอย่างโจทย์
Develop a digital twin concept for a bridge that integrates a finite element model, vibration monitoring data, and inspection records for condition assessment and scenario analysis.
องค์ประกอบขั้นต่ำของโครงการ:
- Asset and engineering objective
- Digital twin use case
- Definition of digital representation
- Data sources and update frequency
- Asset/component identification scheme
- Data flow and synchronization logic
- Model calibration/update strategy
- State or condition indicators
- Prediction or what-if scenario
- Verification and validation strategy
- Uncertainty and limitations
- Visualization/dashboard concept
- Engineering decision supported by the twin
- Digital twin maturity level and future development plan
11. Software และเครื่องมือที่เหมาะสม
| ประเภท | ตัวเลือก |
|---|---|
| Programming / Data | Python, NumPy, Pandas, SciPy |
| Visualization | Matplotlib, Plotly, Dash หรือ Streamlit |
| Structural analysis / FE | ETABS, SAP2000, OpenSees, ANSYS, ABAQUS หรือเครื่องมือเทียบเท่า |
| BIM / information model | Revit, IFC-based tools, BlenderBIM/IfcOpenShell หรือเครื่องมือเทียบเท่า |
| Data exchange | CSV, JSON, REST/API concepts, MQTT concepts |
| Database concepts | Time-series database / relational database concepts |
| SHM data | Acceleration, strain, displacement, environmental data |
| Inspection data | Condition ratings, defect maps, images, CV outputs |
12. ขอบเขตของกระบวนวิชา
กระบวนวิชานี้เน้น integration และ synchronization ของแบบจำลองโครงสร้างกับข้อมูลจริง เพื่อสร้าง digital representation ที่ใช้ประเมินและพยากรณ์สภาพได้
- Sensor hardware, DAQ, signal processing และ modal analysis → Structural Health Monitoring and Smart Sensing
- General machine learning and anomaly detection → AI and Data Analytics for Structural Engineering
- Image-based defect detection → Computer Vision for Structural Inspection
- Network-level lifecycle optimization, maintenance prioritization และ portfolio decisions → Structural Asset Management and Decision Support
Can the digital representation remain sufficiently synchronized with the physical asset to support reliable assessment, prediction, and engineering decisions?
13. ตำแหน่งของกระบวนวิชาใน Intelligent Structural Engineering
↓
Structural Health Monitoring and Smart Sensing
↓
AI and Data Analytics for Structural Engineering
↓
Computer Vision for Structural Inspection
↓
Digital Twin for Structures and Infrastructure
↓
Structural Asset Management and Decision Support
กระบวนวิชานี้ทำหน้าที่เป็น integration layer ของ Intelligent Structural Engineering โดยรวม structural model, sensing, inspection และ analytics ให้เป็นระบบเดียวที่สามารถติดตามสถานะ ประเมินสภาพ พยากรณ์ และสนับสนุนการตัดสินใจได้