Thermographic Digital Twin for Proactive Fire-Risk Prediction in Legacy Residential Electrical Installations: A Systematic Review and Transferability Framework for Ageing Housing and Buildings in Peru

तकनीकी सारांश: विरासत आवासीय विद्युत प्रतिष्ठानों में सक्रिय अग्नि-जोखिम भविष्यवाणी के लिए थर्मोग्राफिक डिजिटल ट्विन

समस्या का संदर्भ और अनुसंधान अंतराल
विद्युत जनित आवासीय आग सार्वजनिक सुरक्षा के लिए एक महत्वपूर्ण जोखिम पैदा करती है, विशेष रूप से उन आवासों में जहाँ बुनियादी ढांचा पुराना हो चुका है। यूनाइटेड किंगडम जैसे उच्च-आय वाले संदर्भों में, कई आवास आधुनिक ओवरलोड सुरक्षा नियमों (जैसे, BS 7671) से पूर्व के हैं, जिससे वे वितरण पैनलों और स्प्लिसों (splices) में न पकड़े जाने वाले 'हॉट स्पॉट्स' के प्रति संवेदनशील हो जाते हैं। पेरू जैसे मध्यम-आय वाले संदर्भों में, जोखिम औपचारिक, पुराने घरों और अनियमित विद्युत कनेक्शनों वाले अनौपचारिक बस्तियों के सह-अस्तित्व के कारण और भी जटिल हो जाता है। वर्तमान शमन रणनीतियाँ काफी हद तक प्रतिक्रियात्मक (reactive) हैं, जो या तो आवधिक निरीक्षणों पर निर्भर करती हैं या उन अलार्मों पर जो दोष प्रकट होने या आग लगने के बाद ही सक्रिय होते हैं।

जबकि इन्फ्रारेड थर्मोग्राफी को मशीन लर्निंग के साथ औद्योगिक सेटिंग्स और पावर सबस्टेशनों में उच्च वर्गीकरण सटीकता (79.8%–94%) प्रदर्शित करने के लिए उपयोग किया गया है, और डिजिटल ट्विन्स का उपयोग शहरी स्तर के अग्नि प्रबंधन के लिए तेजी से किया जा रहा है, एक महत्वपूर्ण अंतराल बना हुआ है। साहित्य में ऐसे अध्ययन की कमी है जो स्पष्ट रूप से निम्नलिखित को एकीकृत करते हों: (क) विरासत आवासीय विद्युत प्रतिष्ठानों का 3D थर्मोग्राफिक मॉडलिंग, (ख) मशीन लर्निंग के माध्यम से बहु-दिवसीय अग्रिम हॉट-स्पॉट भविष्यवाणी, और (ग) पेरू जैसे मध्यम-आय वाले देशों की नियामक, जलवायु और भौतिक स्थितियों के लिए इन तकनीकों को स्थानांतरित करने हेतु एक मान्य प्रोटोकॉल।

कार्यप्रणाली
यह कार्य PRISMA 2020 दिशानिर्देशों का पालन करते हुए एक व्यवस्थित साहित्य समीक्षा (systematic literature review) का उपयोग करता है, जिसे एक तकनीकी अध्ययन वस्तु के लिए अनुकूलित किया गया है। खोज रणनीति में "डिजिटल ट्विन," "इन्फ्रारेड थर्मोग्राफी," "विद्युत दोष/आग," और "आवासीय/आवास" को संयोजित करने वाले बूलियन ऑपरेटरों का उपयोग करके Scopus, ScienceDirect, MDPI, Nature/Springer और विशिष्ट आपदा-जोखिम रिपॉजिटरी सहित डेटाबेस को खंगाला गया।

• पात्रता: समीक्षा में सत्यापित DOI के साथ 2017 और 2026 के बीच प्रकाशित सहकर्मी-समीक्षित लेख शामिल थे। उन स्रोतों को बाहर कर दिया गया जिनमें वैज्ञानिक आधार की कमी थी, जो बिना विद्युत बुनियादी ढांचे वाले केवल वाइल्डफायर (wildfires) पर केंद्रित थे, या जो प्रचार संबंधी थे।
• विश्लेषण: तेरह सत्यापित स्रोतों का तीन अक्षों पर विश्लेषण किया गया: विद्युत निदान के लिए थर्मोग्राफी/ML, बुनियादी ढांचे में डिजिटल ट्विन्स, और विरासत/अनौपचारिक आवास में अग्नि जोखिम। जहाँ उपलब्ध था, वहाँ मात्रात्मक प्रदर्शन डेटा (सटीकता, संवेदनशीलता) निकाला गया।
• वैचारिक विकास: संश्लेषण के आधार पर, लेखकों ने एक वैचारिक वास्तुकला और एक स्थानांतरणीयता ढांचा (transferability framework) विकसित किया, जिसमें अनुशंसित उपकरण निर्दिष्ट किए गए जैसे कि हैंडहेल्ड थर्मोग्राफिक कैमरे (320x240 पिक्सेल), 3D मॉडलिंग के लिए BIM सॉफ्टवेयर, टाइम-सीरीज डेटा के लिए क्लाउड स्टोरेज, और ग्रेडिएंट-बूस्टिंग मशीन लर्निंग लाइब्रेरी (जैसे, XGBoost)।

मुख्य योगदान और प्रस्तावित वास्तुकला
यह अध्ययन तीन प्राथमिक योगदान देता है:

1. व्यवस्थित संश्लेषण: तेरह अध्येशनों का एक मात्रात्मक तुलना मैट्रिक्स, जो यह उजागर करता है कि हालांकि औद्योगिक थर्मोग्राफी मॉडल 94% तक सटीकता प्राप्त करते हैं, वे सक्रिय अग्नि रोकथाम के लिए आवश्यक विशिष्ट लीड-टाइम या आवासीय संदर्भ को संबोधित नहीं करते हैं।
2. वैचारिक वास्तुकला: विरासत आवासीय प्रतिष्ठानों के लिए विशेष रूप से डिज़ाइन की गई चार-स्तरीय भविष्य कहनेवाला थर्मोग्राफिक डिजिटल-ट्विन वास्तुकला:
   • भौतिक परत (Physical Layer): वास्तविक आवासीय विद्युत प्रतिष्ठान और ऑन-साइट थर्मोग्राफिक निरीक्षण।
   • डेटा परत (Data Layer): 3D ज्यामितीय मॉडल (BIM) और थर्मल/विद्युत टाइम सीरीज़ का क्लाउड डेटाबेस में एकीकरण।
   • भवि 예측 परत (Predictive Layer): एक निरंतर अपडेट होने वाला डिजिटल ट्विन जो महत्वपूर्ण तापमान थ्रेशोल्ड के विरुद्ध जोखिम को वर्गीकृत करने के लिए सुपरवाइज्ड मशीन लर्निंग का उपयोग करता है।
   • निर्णय परत (Decision Layer): जोखिम वर्गीकरण को सक्रिय अलर्ट और सुधारात्मक रखरखाव अनुशंसाओं में अनुवादित करना।
3. स्थानांतरणीयता ढांचा (Transferability Framework): पेरू के अनुकूल बनाने के लिए एक स्पष्ट प्रोटोकॉल। यह ढांचा चार विशिष्ट कारकों के लिए समायोजन करता है: लीमा में उच्च परिवेशी तापमान, बढ़ी हुई घरेलू विद्युत लोड (जैसे, इलेक्ट्रिक स्टोव), सामान्यतः कम वायरिंग सामग्री की गुणवत्ता वाले अनौपचारिक/कम लागत वाले प्रतिष्ठान, और BS 7671 के बजाय विशिष्ट नियामक ढांचा (Código Nacional de Electricidad-Utilización)।

परिणाम
संश्लेषण पुष्टि करता है कि प्रस्तावित प्रणाली के व्यक्तिगत घटक (थर्मोग्राफी, 3D मॉडलिंग, ग्रेडिएंट-बूस्टिंग ML) संबंधित डोमेन में अनुकूल प्रदर्शन के साक्ष्य रखते हैं। हालाँकि, समीक्षा ने कोई भी मौजूदा स्रोत नहीं पाया जो इन तत्वों को विशेष रूप से विरासत आवासीय विद्युत प्रतिष्ठानों में सक्रिय अग्नि-जोखिम भविष्यवाणी के लिए एक स्थानांतरणीयता प्रोटोकॉल के साथ जोड़ता हो। प्रस्तावित वास्तुकला को इस सटीक डोमेन में एक मूल वैचारिक योगदान के रूप में रखा गया है, न कि एक सटीक रूप से सत्यापित प्रणाली के पुनरुत्पादन के रूप में।

महत्व और सीमाएँ
पत्र यह निष्कर्ष निकालता है कि उपलब्ध साक्ष्य प्रस्तावित दृष्टिकोण की तकनीकी व्यवहार्यता का समर्थन करते हैं। इसका महत्व थर्मोग्राफी, मशीन लर्निंग और डिजिटल ट्विन अवधारणाओं को एक एकल ढांचे में एकीकृत करने में निहित है जो पुराने आवासों के लिए तैयार किया गया है, जो भविष्य के अनुभवजन्य सत्यापन के लिए एक पद्धतिगत आधार प्रदान करता है।

लेखक अपने कार्य की वर्तमान स्थिति के संबंध में एक विनम्र रुख बनाए रखते हैं:

• प्रस्तावित वास्तुकला एक वैचारिक संश्लेषण है और इसे लेखकों द्वारा क्षेत्र में अनुभवजन्य रूप से सत्यापित नहीं किया गया है।
• यूके या पेरू में विरासत आवासीय प्रतिष्ठानों के लिए विशिष्ट मात्रात्मक प्रदर्शन मेट्रिक्स को आगामी प्राथमिक अध्ययनों के माध्यम से स्थापित किया जाना बाकी है।
• यह दृष्टिकोण मुख्य रूप से बहु-पारिवारिक इमारतों (जिनमें सुलभ वितरण पैनल हैं) या दस्तावेजी पहुंच वाले एकल-परिवार घरों के लिए लागू है; बिना सुलभ पैनलों वाले अनौपचारिक आवासों तक विस्तार को भविष्य के शोध के लिए एक रेखा के रूप में पहचाना गया है।

यह कार्य एक आधारभूत कदम के रूप में कार्य करता है, जो अगले शोध चरण: अनुभवजन्य क्षेत्र सत्यापन (empirical field validation) को निर्देशित करने के लिए आवश्यक तकनीकी और पद्धतिगत आधार प्रदान करता है।