Aprendizagem de máquinas aplicada a modelos de informação de construção: BIM2GNN

• Aydan Aghabayli ^[1] ; Ricardo de Matos Camarinha ^[3] ; Manuel Esteves Luís ^[3] ; José Granja ^[2] ; Bruno Figueiredo ^[2]
  1. [1] Universidade de Lisboa

     Universidade de Lisboa

     Socorro, Portugal

     
  2. [2] Universidade do Minho

     Universidade do Minho

     Braga (São José de São Lázaro), Portugal

     
  3. [3] BIMTEC Consultancy, Doha, Qatar

  Mostrar afiliaciones +
• Localización: 4º congresso português de ‘Building Information Modelling’ vol. 2 - ptBIM / coord. por Bruno de Figueiredo, João Poças Martins, José Granja, José Carlos Lino, Miguel Azenha, 2022, págs. 95-105
• Idioma: portugués
• Enlaces
  • Texto completo
• Resumen

  • Seguindo o conceito de digitalização, é amplamente aceite que actualmente ocorre uma transformação na indústria AEC impulsionada pela integração de processos eficazes na gestão de dados. Neste contexto, o BIM tem vindo a ganhar cada vez mais relevância ao permitir o acesso a grandes repositórios de dados. Os modelos BIM representam uma oportunidade de explorar grandes conjuntos de dados para melhorar a gestão do conhecimento e desempenho da indústria. No entanto, a conversão de dados em conhecimento requer um processo iterativo de contextualização e interpretação. Este trabalho adota uma perspectiva de aprendizagem para as máquinas aprenderem com os dados armazenados nos modelos BIM. A Aprendizagem Máquina — Machine Learning (ML) — é um subdomínio da ciência de dados que abre novos horizontes ao processo de aprendizagem a partir de grandes quantidades de dados, o que poderá desafiar a actual sector da AEC.Este artigo estrutura ‑se em duas partes principais: em primeiro, apresenta uma revisão da literatura; em segundo lugar, propõe e testa uma estrutura BIM2GNN para fazer um uso iterativo, totalmente transparente, de dados BIM em algoritmos ML. Neste contexto, recorreu ‑se a algoritmos de Rede Neural Convolucional — Convolutional Neural Network (CNN) — e Redes Neurais Gráficas — Graph Neural Network (GNN).Os autores concluíram que os dados BIM são relevantes para implementar técnicas de aprendizagem na construção, no entanto, existem ainda vários obstáculos a ultrapassar ao nível da indústria. Estes incluem o acesso a dados, formato de dados, tipos de ficheiros, estrutura de dados e interoperabilidade.