Generación de modelo BIM implementando algoritmos de inteligencia artificial

Ficha técnica

Resumen

Building Information Modeling (BIM) es el conjunto de metodologías, tecnologías y estándares que permite diseñar, construir y operar una edificación o infraestructura de forma colaborativa en un espacio virtual. La información generada puede ser compartida en diferentes plataformas a través de formatos de interoperabilidad. Muchos países en el mundo ya tienen mandato BIM vigentes (por ejemplo USA, UK, y Australia), otros con mandato futuro fijado (por ejemplo Brasil, y Chile) y otros en planificación (por ejemplo, Argentina). En Argentina, se ha presentado un plan de implementación de la metodología BIM, a través del programa SIBIM (Sistema de Implementación BIM) que concluye en 2025. Varias publicaciones presentan cuantificaciones de los beneficios económicos productos de la adopción BIM. Por ejemplo, Giel et al. [1] analiza el retorno de inversión (ROI) de tres casos de estudios, donde del ROI de BIM varió de 16% a 1.654%, ya que el alto costo inicial percibido de implementar BIM ha disuadido a muchos profesionales de la industria de adoptar esta tecnología. John [2] indica el impacto de BIM en proyectos de construcción, donde se registran una reducción de errores de diseño en un 42%, disminución de consultas de información (RFI) durante la etapa de construcción en 25% , y reducción del costo por órdenes de cambio en 51%. En un esfuerzo de cuantificar las mejoras, un análisis elaborado por BCG [3] indica que se pueden lograr ahorros de 13% a 21% en la etapa de diseño y construcción y 10% a 17% en la etapa de operación para 2025, implementando la metodología BIM. Las metodologías BIM son [4] indudablemente beneficiosas para las prácticas de diseño, ahora comunes en los nuevos procesos de diseño de edificios, pero todavía están subexplotados en proyectos de renovación de edificios existentes. En Argentina la gran mayoría de las construcciones existentes no cuentan con ningún tipo de respaldo digital, con lo cual la adopción de BIM será un gran desafío. Sin embargo, la adopción del BIM no incluirá legajos retroactivos que puedan beneficiarse de la metodología. Es decir, la gestión de esos diseños aún requerirá la intervención por parte de personal técnico calificado para su edición (rediseño) o producir modelos digitales a partir de planos existentes en formato papel, no podrá ser utilizado para optimizar las inversiones y reducir tiempos de trabajo requeridos. Además la ausencia de documentos digitales y en particular modelos para el caso del BIM, dificultará la posibilidad de aplicar análisis más complejos tal como ciencia de datos (big data) ya que la información será analógica. T. Hong et al. [5] releva diversas metodologías para identificar aquellas construcciones con potencial de retroadaptación, como por ejemplo, predecir las medidas de conservación de energía (ECMs) elegibles para un edificio en particular basadas en sus características (tipo, año de construcción, envolvente, etc.), y de dicha manera, priorizar a los candidatos de modificación más probables. T.Bloch et al. [6] menciona que la industria de la arquitectura, ingeniería y construcción (AEC) tiene años de experiencia en el diseño, construcción y administración de instalaciones, y en teoría, el conocimiento acumulado se puede utilizar para crear dataset para algoritmos de aprendizaje automático. Aproximar una metodología basada en técnicas de Inteligencia Artificial, como Machine Learning o Deep Learning, puede reducir los errores humanos y acelerar el tiempo que toma procesar la información. El objetivo general de la investigación es desarrollar un enfoque que permita interpretar planos vectoriales o digitalizados para obtener modelos de construcciones tal como Building Information Model. Para ello abordaré los siguientes los siguientes subjetivos: - ● Definir un mapeo entre los elementos de los planos a los elementos de un BIM. Utilizare el estándar de plano vigente en argentina como referencia. - ● Utilizando técnicas de inteligencia artificial para clasificar elementos de acuerdo al mapeo anterior. El resultado será utilizado para la generación de documentos en un formato interoperable BIM. Los legajos de obra cuentan con planos de arquitectura, donde se deberá identificar muros, puertas, ventanas, etc. y en el caso de planos estructurales, estos son vigas, columnas, losas, etc. A partir de estos elementos identificados, generar un archivo exportable que pueda ser utilizado en modelos BIM. Para lograr el objetivo, se deberán establecer procesos, heurísticas y técnicas que permitan procesar planos que conforman los legajos reales de las construcciones en forma automática. - ● Verificar el enfoque mediante el procesamiento de planos de viviendas y edificios para conocer la precisión del enfoque desarrollado.

Publicaciones

Matias Urbieta, Martin Urbieta, Mauro Pereyra, Tomas Laborde, Guillermo Villarreal and Mariana Del Pino, "A scalable offline AI-based solution to assist the diseases and plague detection in agriculture", Journal of Decision Systems, vol. 0, pp. 1-18, 2023. 10.1080/12460125.2023.2226381 

Burriel, Guillermo, Urbieta, Martin and Urbieta, Matias, "Detección de circuitos eléctricos en planos de planta mediante Aprendizaje Automático", Memorias de las JAIIO, vol. 10, pp. 195-208, 2024. 

Proyectos

Técnicas y herramientas de ingeniería de software para el desarrollo ágil de soluciones colaborativas basadas en crowdsourcing y colaboración, modelos e inteligencia artificial.. Financiado por UNLP. Dirigido por Matías Urbieta. CoDirigido por Leandro Antonelli. Duración: 1/1/2023-31/12/2024

Desarrollo de una Plataforma para procesar recursos obtenidos desde satélites SAOCOM. Financiado por Facultad de Informática - Programa I+D+i con alumnos. Dirigido por Matías Urbieta. Duración: 1/3/2022-31/12/2022