Ces dernières années, l’industrie des actifs bâtis a connu un changement transformateur avec l’utilisation de la modélisation prédictive et de la technologie des jumeaux numériques. L’utilisation de données, d’algorithmes statistiques et de jumeaux numériques est devenue plus importante pour optimiser les stratégies de gestion des actifs, réduire les coûts et améliorer les performances globales des actifs. Ces techniques avancées permettent de prédire la défaillance ou la détérioration des actifs, d’optimiser les calendriers de maintenance et de minimiser les temps d’arrêt, en prédisant l’état futur d’une infrastructure et en permettant l’intégration des données en temps réel, le calcul et la prise de décision par le biais de plateformes de jumeaux numériques. Dans le domaine de l’ingénierie des ponts, la précision des modèles de détérioration et de maintenance prédictive, mis en œuvre avec la technologie des jumeaux numériques, est essentielle pour l’efficacité des systèmes de gestion des ponts (BMS), où les décisions sont prises pour assurer la sécurité de l’infrastructure tout en minimisant les coûts. Mes recherches portent sur l’étude des modèles de maintenance prédictive et leur intégration dans la technologie des jumeaux numériques dans l’industrie de la construction, avec un accent particulier sur l’ingénierie des ponts. La recherche se concentre sur la flexion latérale des poutres de plancher d’un pont existant vieillissant, où des capteurs de déformation et de température ont été installés. Des méthodes prédictives, y compris l’analyse de l’historique, seront employées sur les données collectées par ces capteurs, afin de prévoir les conditions structurelles et les actions de maintenance nécessaires.