Technische Samenvatting: Cyber-fysieke Seismische Veerkracht in Peru

Probleemstelling

Peru staat voor een kritieke seismische kwetsbaarheid vanwege de ligging op de convergentie van de Nazca- en Zuid-Amerikaanse tektonische platen, wat wordt aangetoond door historische gebeurtenissen zoals de aardbevingen van Pisco (Mw 8.0) in 2007 en Ancash (Mw 7.9) in 1970. Ondanks dit hoge gevaar blijft de Perense constructiesector beperkt door voorschrijvende ontwerpmethodologieën (NTP E.030/E.090) die een gebrek hebben aan Performance-Based Earthquake Engineering (PBEE)-frameworks. Hoewel kruislamellenhout (CLT) en ingesloten metselwerk potentieel bieden voor seismische veerkracht, wordt hun implementatie in Peru gehinderd door een gebrek aan realtime monitoring, experimentele databases en regelgevende bepalingen. Bov�verder is de overgang naar PBEE computationeel prohibitief vanwege de afhankelijkheid van dure niet-lineaire tijdgeschiedenisanalyses (NLTHA), en is er een aanzienlijke kloof in het integreren van Digital Twins (DT) en Machine Learning (ML) om epistemische onzekerheid in verliesraming te verminderen.

Methodologie

De studie maakt gebruik van een Systematische Literatuurstudie volgens gestandaardiseerde richtlijnen voor engineering-onderzoekssynthese. Het proces bestond uit vier fasen:

1. Identificatie: Een Boolean zoekopdracht in Scopus en Web of Science leverde 412 records op met termen gerelateerd aan Digital Twins, Machine Learning, CLT, Metselwerk en Seismisch/PBEE.
2. Screening & Geschiktheid: Na het verwijderen van duplicaten en het beoordelen van titels/abstracts werden 84 records beoordeeld.
3. Inclusie: 38 impactvolle studies werden geselecteerd voor data-extractie, met een focus op DT/ML-toepassingen in structurele engineering met een seismische focus op CLT of metselwerk.

Het artikel synthetiseert deze bevindingen om wereldwijde praktijken (VS, Japan) af te zetten tegen de Perense realiteit en stelt een nieuw, gemoderniseerd PBEE-framework voor. Dit framework integreert een Construction-Phase Digital Twin (CP-DT) architectuur die Building Information Modeling (BIM) verbindt met operationele Structural Health Monitoring (SHM).

Belangrijkste Bijdragen en Voorgesteld Framework

Het artikel introduceert een gemoderniseerd PBEE-framework dat op maat is gemaakt voor Peru, gecentreerd rond de CP-DT en vier specifieke technische innovaties:

1. ML-verbeterde Verwachte Jaarlijkse Verlies (EAL):
   De standaard FEMA P-58 verliesintegraal wordt uitgebreid met een door ML afgeleide onzekerheidsreductiefactor, $\alpha_{ML}$ (waarbij $\alpha_{ML} \in (0, 1]$). Naarmate de Digital Twin sensordata verzamelt, wordt $\alpha_{ML}$ continu gekalibreerd door een Random Forest-model, waardoor de epistemische onzekerheid wordt verminderd en de geschatte EAL wordt verlaagd ten opzichte van de opgeblazen baseline.

   • Formule: $EAL_{DT} = \int_0^\infty [\sum P(DS_j | EDP) \cdot C_j] \cdot \alpha_{ML} \cdot d\lambda(IM)$

2. Kinematische Formulering voor CLT Rocking Walls:
   Een herstellend moment-formulering voor CLT rocking walls met post-spanning (PT) en energie-dissipatoren wordt bijgewerkt via de DT. De DT gebruikt ML-regressie op rekstrookgegevens om de langetermijnverlies van de voorspanning ($T_{pt,0}$) en de door vermoeidheid beïnvloede vloeikrachten ($F_{hd,y}$) bij te werken, zodat het model de "as-built" fysieke realiteit weerspiegelt.

3. Frequentie-gebaseerde Schade-index ($DI_{CLT}$):
   Een globale structurele schade-index wordt berekend met behulp van omgevingstrillingsgegevens van de DT. Het vergelijkt natuurlijke frequenties afgeleid van Stochastic Subspace Identification (SSI) met theoretische BIM-frequenties.

   • Formule: $DI_{CLT} = 1 - \frac{1}{N} \sum_{i=1}^N (\frac{f^n_{DT,i}}{f^n_{BIM,i}})^2 \cdot w_i$
   • Schaal: 0 geeft onbeschadigd aan; naderend naar 1 geeft ernstige degradatie aan.

4. Random Forest Surrogate voor Snelle Voorspelling:
   Om de computationele kosten van volledige NLTHA te omzeilen, brengt een Random Forest (RF) surrogate model seismische en structurele parameters (bijv. spectrale versnelling, periode, massaverhouding) in kaart naar de Maximale Inter-Story Drift Ratio (MIDR). Het model wordt getraind op een synthetische database van 5.000+ NLTHA-records specifiek voor Perense gevaarsomstandigheden.

Resultaten

• Vergelijkbare Volwassenheid: Een vergelijkingsmatrix benadrukt dat terwijl de VS en Japan geavanceerde PBEE-integratie, realtime verliesraming en uitgebreide experimentele databases bezitten, Peru momenteel vertrouwt op basismatige voorschrijvende codes zonder PBEE of DT-implementatie in houtbouw/metselwerk.
• Modelprestaties: De voorgestelde Random Forest surrogate bereikte een determinatiecoëfficiënt $R^2 > 0.94$ in cross-validatie voor MIDR-voorspelling, wat een hoge getrouwheid demonstreert in het voorspellen van de structurele vraag.
• Onzekerheidsreductie: De integratie van DT en ML zal de epistemische onzekerheid in seismische verliesraming naar schatting met tot 35% verminderen.
• Implementatie Roadmap: Het artikel schetst een vierfasen roadmap voor Peru:
  • Fase 1 (Jaar 1–2): Vestig een Perense CLT Seismische Database (50+ cyclische tests, 5.000+ NLTHA-records).
  • Fase 2 (Jaar 2–3): Implementeer een CP-DT pilot op een 6-verdiepingen tellend CLT-gebouw in Lima met ingebedde MEMS-sensoren.
  • Fase 3 (Jaar 3–5): Breid CP-DT uit naar ingesloten metselwerk en ontwikkel een open-source platform compatibel met ETABS en OpenSees.
  • Fase 4 (Jaar 5+): Informeer regelgevende revisies (NTP E.030/E.090) met performance-based bepalingen.

Betekenis en Claims

Het artikel stelt dat de integratie van Digital Twins en Machine Learning in PBEE voor CLT en metselwerk een praktisch haalbaar doel is met onmiddellijke voordelen voor de reductie van seismisch risico in Peru. De primaire betekenis ligt in:

1. Het Overbruggen van de Kloof: Het bieden van een gekwantificeerde gatanalyse en een concreet strategie voor technologieoverdracht van volwassen markten (VS/Japan) naar de Perense context.
2. Regulatoire Modernisering: Het bieden van een technische basis voor het updaten van Perense regelgeving (NTP E.030/E.090) om performance-based design en digitale monitoringvereisten op te nemen.
3. Economische Efficiëntie: Aantonen dat het verminderen van epistemische onzekerheid door DT-ML-integratie leidt tot nauwkeurigere, risico-geïnformeerde investeringsbeslissingen, wat cruciaal is voor een land met een hoge seismische kwetsbaarheid en beperkte middelen.
4. Lifecycle Kalibratie: Het vaststellen van een CP-DT architectuur die ervoor zorgt dat het digitale model wordt gekalibreerd naar de fysieke realiteit vanaf de productie- en assemblagefasen, in plaats van enkel te vertrouwen op aannames na de constructie.

De studie concludeert dat deze aanpak het paradigma transformeert van voorschrijvende naleving naar performance-based veerkracht, waarmee direct wordt ingegaan op de uitdagingen van lokale materialen, constructiepraktijken en economische beperkingen in Peru.