LegközelebbKövetkező útmutató
XLNet permutációs modellezés
Nyelvi AI
Iparági ÚTMUTATÓ
Az AI az épületinformációs modellezésben (BIM) gépi tanulást és automatizált érvelést alkalmaz az építészek, mérnökök és vállalkozók által megosztott, adatban gazdag 3D-modelleken.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Segít a csapatoknak az összecsapásokban, a mennyiségek kinyerésében, az építési előírásoknak való megfelelésben a tervek ellenőrzésében és az információk építésben való továbbításában. Ez azért fontos, mert a BIM-modellek sokkal több adatot tárolnak, mint amennyit az emberek gyorsan kézzel át tudnak nézni, és a modellben észlelt hiba sokkal kevesebbe kerül, mint a helyszínen talált hiba.
A BIM több, mint a 3D-s rajzolás. A modell minden eleme, például fal, cső vagy gerenda, olyan tulajdonságokkal rendelkezik, mint az anyag, a tűzállóság, a gyártó és a költségkód. Az olyan szerzői eszközök, mint az Autodesk Revit, a Graphisoft Archicad és a Tekla Structures hozzák létre ezeket a modelleket. Az IFC (Industry Foundation Classes), a buildingSMART által karbantartott és ISO 16739-ként közzétett nyílt szabvány lehetővé teszi a modellek mozgását a különböző programok között. Az ütközésérzékelést gyakran mesterséges intelligenciának tekintik, de a lényege a geometria. Az olyan eszközök, mint a Navisworks és a Solibri, tesztelik, hogy az objektumok keresztezik-e egymást, vagy megsértik-e a szükséges távolságokat. Több tudományág kombinált modellje több ezer összecsapást eredményezhet, amelyek közül sok triviális vagy ismétlődő. A gépi tanulás segít abban, hogy csoportosítja a kapcsolódó ütközéseket, előrejelzi, hogy a koordinátorok melyeket tekintenek valósnak, és rangsorolják őket a várható költségek vagy ütemezési hatások alapján. A mennyiségi felszállás mindent számol és mér, amit meg kell vásárolni és meg kell építeni. Egy jól strukturált BIM modellnél ez többnyire adatbázis-lekérdezés. Az AI hasznosabb, ha a modell hiányos, vagy csak 2D rajzok léteznek, mivel a számítógépes látás képes felismerni a szimbólumokat, helyiségeket és méreteket a rajzlapokon. Az automatikus kódellenőrzés a szabályokat olyan szabályokká alakítja, amelyeket a számítógép ellenőrizni tud. A szingapúri CORENET program egy korai kormányzati erőfeszítés volt. A nehéz rész az, hogy a kódokat természetes nyelven írják, tele kivételekkel és ítéletekkel. Nyelvi modelleket tesztelnek annak érdekében, hogy segítsenek a kódmondatokat szabályokká alakítani, de az embernek még értelmeznie kell azokat. A generatív tervezés lehetővé teszi a tervezők számára, hogy meghatározzák a célokat és a korlátokat, miközben a szoftver számos lehetőséget megvizsgál. Ugyanúgy támaszkodik az optimalizálásra és a keresésre, mint a gépi tanulásra. Az épület tulajdonosának történő átadáshoz az olyan szabványok, mint a COBie, megszervezik a tulajdonosoknak szükséges berendezéseket és karbantartási adatokat, és a mesterséges intelligencia ellenőrizheti az adatok hiányosságait. Általános tévhit, hogy az AI önállóan tervez épületeket. A gyakorlatban ezek az eszközök csak annyira jók, mint amennyire a csapat követi az adat- és modellezési konvenciókat.
Egy koordinációs csoport ütközésérzékelést végez a szerkezeti és mechanikai modellek között. Egy képzett osztályozó ezután több ezer nyers összecsapást csoportosít néhány száz valódi problémába, és elrejti az egyetlen csatornafutás okozta ismétlődéseket.
Egy becslő egy régebbi épület 2D PDF-rajzait tölti fel egy számítógépes látásfelvevő eszközbe. Az eszköz érzékeli az ajtók, ablakok és falak hosszát, és a becslő ellenőrzi a számlálásokat, mielőtt beárazza a munkát.
A terv felülvizsgálója szabály-ellenőrző eszközt futtat egy IFC modellen. Megjelöli a szükséges kijárati szélességnél keskenyebb folyosókat és túl kevés szabad nyílású ajtókat, és egy ember minden megállapítást megerősít.
A fejlesztő egy generatív elrendezési eszköz segítségével több száz lakáskonfigurációt tesztel egy helyszínen, összehasonlítva az egységek számát, a parkolást és a nappali fényt, mielőtt kiválasztaná a tervet.
A BIM munka fárasztó közepette folyamatos javulásra számíthat: modellek tisztítása, elemek osztályozása, összecsapások triagegálása és adatátadási adatok kiegészítése. Számos joghatóság vizsgálja a rajzok helyett modelleket elfogadó digitális engedélyezést, ami praktikusabbá tenné az automatizált ellenőrzést. A kódnak való megfelelés jogi felelőssége továbbra is az engedéllyel rendelkező szakembereket és tisztviselőket terheli. A nyelvi modellek segíthetnek az embereknek a modellek egyszerű angol nyelvű lekérdezésében és a szabálytervezetek fordításában. A valódi korlátok továbbra is fennállnak: a modellezési gyakorlatok vállalatonként eltérőek, sok formátum szabadalmazott, és a megosztott képzési adatok szűkösek, mivel a projektmodellek bizalmasak.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az AI az épületinformációs modellezésben (BIM) gépi tanulást és automatizált érvelést alkalmaz az építészek, mérnökök és vállalkozók által megosztott, adatban gazdag 3D-modelleken. Segít a csapatoknak az összecsapásokban, a mennyiségek kinyerésében, az építési előírásoknak való megfelelésben a tervek ellenőrzésében és az információk építésben való továbbításában. Ez azért fontos, mert a BIM-modellek sokkal több adatot tárolnak, mint amennyit az emberek gyorsan kézzel át tudnak nézni, és a modellben észlelt hiba sokkal kevesebbe kerül, mint a helyszínen talált hiba.
Az IFC a szállító-semleges csereformátum, amely lehetővé teszi a BIM-modellek mozgását a különböző szerzői és ellenőrző eszközök között.
Az alapvető ütközésészlelés a geometria, nem az AI. A gépi tanulás ezután jön be a nagyszámú eredmény kezeléséhez.
Egy kombinált modell több ezer összecsapást generálhat. A múltbeli koordinátori döntésekre kiképzett ML segít a csapatoknak a fontosakra összpontosítani.
Egy jó modelltől a felszállás többnyire lekérdezés. A számítógépes látás hozzáadott értéket ad, ha mennyiségeket kell kiolvasnia a rajzokból.
A prózai előírások kiszámítható szabályokká alakítása értelmezést igényel. Ezért az ember továbbra is átnézi a szabályfordításokat és az eredményeket.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
XLNet permutációs modellezés
Nyelvi AI