Использование искусственного интеллекта для анализа цифровых информационных моделей и автоматизации формирования ведомости объемов работ
Гречишникова Д.А., технический директор, к.ф-м.н
Захаров П.П.
Проворов М.А., генеральный директор
ООО «ДАТАТИМ»
В статье рассмотрены методология и практика автоматизации процесса получения ведомости объемов работ (ВОР) в строительстве, новые подходы, основанные на современных технологиях искусственного интеллекта (ИИ), программное решение с применением методов ИИ для автоматизации анализа проектной документации и формирования ВОР на основе как цифровой информационной модели, так и документации в PDF формате.
Современные строительные проекты характеризуются высокой сложностью и объемом данных, представленных в цифровых информационных моделях и проектной документации [1,2]. Одним из важнейших документов в процессе выполнения строительного проекта является ведомость объемов работ (ВОР). Она содержит перечень работ, которые необходимо выполнить при строительстве в связке с позициями элементов цифровой информационной модели и строками спецификации материалов и оборудования.
На основании ведомости объемов работ создается смета проекта для обоснования стоимости
в органах государственной экспертизы в обязательном порядке для всех бюджетных проектов,
а также формируется бюджет проекта для девелоперов и других коммерческих проектов.
На сегодняшний день формирование ВОР является весьма трудоемкой процедурой, требующей большого объема ручного труда квалифицированных специалистов (десятки часов по одному разделу проектной документации), что приводит к существенным трудозатратам, дополнительному контролю подготовки проектно-сметной документации, дополнительным расходам бизнеса и риску возникновения ошибок. В то же время возникает необходимость во все большем количестве итераций выполнения расчетов ВОР в связи с поступающими в проект изменениями, требуется все более оперативное получение результата для принятия управленческих и финансовых решений, отслеживания динамики реализации проекта, что в целом напрямую влияет на финансовые показатели строительства.
Развитие технологий искусственного интеллекта и семантического анализа открывает новые возможности автоматизации процесса создания ВОР, его ускорения и снижения стоимости [1,2,3,4,6].
Другая проблема отрасли — высокий порог входа и сложность взаимодействия с современным ПО: доступ к данным часто «зашит» в нативные форматы и сложные интерфейсы, требующие длительного обучения [2,6]. В связи с чем возникла необходимость использования новых программных решений.
Программный модуль BIMChat позволяет решить эти проблемы, дает возможность работы
с цифровыми данными без изучения сложного ПО. Используя BIMChat, специалисты могут самостоятельно формулировать запросы к цифровой информационной модели на естественном языке, без программирования, получать результаты в формате, удобном конкретному специалисту (таблица, график и т.д.), а при необходимости, что весьма существенно, вносить правки с последующей синхронизацией и экспортом обновлённого
файла IFC. Это особенно востребовано на этапах проверки модели, а также при выполнении строительного контроля, когда требуются оперативные уточнения и фиксация изменений без переключения между инструментами [6].
Материалы и методы
Основой предлагаемого решения создания ВОР является использование технологии искусственного интеллекта для анализа информационного наполнения цифровой информационной модели/2D-спецификаций и привязки видов работ к используемым материалам и оборудованию. Разработанная методология включает:
- извлечение и структурирование данных цифровой информационной модели;
- сопоставление материалов и элементов проекта с классификатором видов работ;
- создание высокоуровнего агрегированного отчета привязки работ к материалам;
- формирование ведомости объемов работ в унифицированном формате.
Используемые алгоритмы семантического анализа минимизируют участие человека в создании ВОР и легко адаптируются к особенностям конкретного проекта и классификатора. Рассмотрим алгоритм решения (рисунок 1):
Рис. 1. Общая схема автоматизированного формирования ВОР на основе цифровой информационной модели и PDF-документов
Рассмотрим технологии и процессы (рисунок 2):
Рис. 2 Технологии и процессы
В качестве первичных источников используются данные в форматах IFC/RVT и PDF.
Модели данных транслируются в унифицированное представление, ориентированное на высокопроизводительный поиск. Документы PDF приводятся к табличной форме с сохранением ссылок на страницы/ячейки.
Таксономия конструируется из справочника видов работ. Перед эксплуатацией выполняется многоступенчатая нормализация: лексическая унификация (лемматизация, разворачивание аббревиатур, синонимизация), онтологическое выравнивание и гармонизация схем, дедупликация. Затем проводится верификация структурных инвариантов: ацикличность, полнота разбиений по уровням, отсутствие пересечения ветвей, согласованность атрибутов
на узлах.
Узлы аннотируются допустимыми единицами измерения. Результатом является нормализованное ориентированное дерево с явными ограничениями и трассируемыми соответствиями к первоисточникам.
Очистка и канонизация данных выполняются в два шага:
- семантико-лексическая нормализация (лемматизация, унификация аббревиатур и терминов, удаление шумов, синонимизация);
- параметрическая нормализация (приведение единиц измерения, вычисление производных параметров — длины, площади, объемы, масса; согласование диапазонов и допусков).
На выходе формируется согласованный слой признаков.
Login with Google
Комментарии