BIM-LogNet聚类技术用于自动化设计和绘图生产力的测量

《ADVANCED ENGINEERING INFORMATICS》:BIM-LogNet clustering for automated design and drawing productivity measurement

【字体: 大 中 小 】 时间:2026年01月01日 来源:ADVANCED ENGINEERING INFORMATICS 9.9

编辑推荐:

  本研究提出T-BADGE方法,通过构建BIM日志网络并聚类分析,实现设计流程自动化效率评估,在20个项目中验证其准确率达93.9%,节省手动分析时间94.9%。

  
作者:Yije Kim、Ghang Lee、Ingeon Park、Sangyoon Chin
韩国光州湖南大学AI融合学院建筑工程系

摘要

本研究提出了一种自动化的任务级BIM-LogNet分析方法(T-BADGE),旨在提高设计和绘图效率。虽然BIM的实施有望提升生产力,但现有的分析方法主要依赖于定性调查或手动操作。近期的BIM日志挖掘研究仅关注命令级分析,无法对任务级设计生产力进行有效评估。T-BADGE通过从BIM日志数据构建的BIM-LogNet网络,自动识别设计任务,进而分析设计时间、工作量和质量指标。网络聚类技术用于识别与不同设计工作单元相对应的相关任务群组,从而实现自动化的定量生产力分析,为设计和工程过程管理中的决策提供支持。在20个实际BIM驱动的设计项目中的验证表明,T-BADGE无需人工干预即可自动分析生产力模式。与手动分析方法相比,该方法节省了94.9%的时间,并且任务聚类的准确率为93.9%,证明了其在定量生产力评估中的实际应用价值。

引言

在建筑、工程和施工(AEC)领域,建筑信息模型(BIM)代表了向数据驱动的工程决策方式的转变,设计生产力评估已成为一项重要的知识密集型工程任务[1]。然而,目前的BIM生产力评估方法缺乏系统性的方法,无法提供可靠的定量见解,以支持对实际设计性能的客观理解[2][3][4][5][6][7]。 现有的生产力评估方法主要依赖于主观的调查评估,或者仅关注BIM模型的构建,而忽视了包括绘图生成过程在内的工作流程。这些方法未能充分利用BIM创作环境中丰富的行为数据,从而错失了进行系统性能分析的机会。此外,传统方法缺乏自动化能力和跨项目的通用性,而这些对于可扩展的决策支持系统至关重要。 近期在BIM日志挖掘方面的进展尝试通过从设计活动日志中提取工作流程模式来克服这些局限性[16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36]。然而,这些研究主要使用简单的指标分析孤立命令,未能捕捉设计任务中的结构复杂性和程序逻辑。它们的研究范围有限——仅关注命令级分析而非任务级分析——这限制了其在决策和跨项目基准测试中的实用性。 为了填补这一空白,本研究提出了T-BADGE(基于任务的BIM-LogNet分析方法,用于提高设计和绘图效率),该方法通过自动化任务识别和基于网络的生产力评估来转变BIM工作流程分析方式。该方法旨在支持设计和工程过程管理中的决策制定,包括任务级别的资源分配、不同开发层次(LOD)的过程优化,以及任务和项目层面的生产力基准测试。该方法包含三个集成模块:用于构建结构化网络的BIM-LogNet生成器、通过子图分析自动检测任务的BIM-LogNet聚类器,以及用于量化生产力的BIM-LogNet分析器。通过将设计工作流程建模为网络并应用聚类算法来识别相关任务群组,T-BADGE实现了自动化生产力评估,支持实时性能监控和工作流程优化。 该方法通过20个实际BIM设计项目的严格验证证明了其有效性,展示了其在不同项目类型中的通用性、显著的生产力提升以及适用于企业级实施的可行性。这项研究为数据驱动的生产力评估提供了科学基础,同时为复杂设计环境中的性能提升提供了实用工具。
本文的其余部分将介绍T-BADGE方法的开发和验证过程:第2节回顾相关研究并指出研究空白;第3节概述方法论;第4节介绍验证方法(包括数据集、性能测试方法和各模块的验证);第5节展示性能测试结果;第6节讨论研究意义、局限性及未来发展方向;第8节总结全文。

相关研究

相关研究

本节回顾了现有的BIM生产力分析方法,指出了其关键局限性,并将本研究置于当前研究背景中。文献研究主要分为两类方法论流派:基于调查的研究和基于案例的研究,以及基于日志的过程挖掘方法。此外,还回顾了构成本研究方法论基础的聚类算法的最新进展,并分析了剩余的研究空白。

提出的方法

本节首先描述了T-BADGE方法中使用的BIM日志数据的概念和分类。随后详细解释了构成T-BADGE方法的三个模块。

验证方法

为了评估所提出的T-BADGE方法的可靠性和实际应用价值,采用了两级验证策略:(1)模块级验证,用于评估系统的内部准确性和结构有效性;(2)实证级验证,通过实际案例研究测试该方法在提供生产力洞察方面的有效性。图8展示了该验证策略的总体框架。以下小节将具体介绍验证内容。

性能测试结果

本节展示了系统化的验证结果,证明了T-BADGE方法三个核心模块的技术可靠性和实际应用价值。性能评估使用了来自20个项目的真实BIM设计日志数据,为该方法在工程决策中的应用提供了实证性定量证据,尤其是在设计过程管理方面。

适用性测试结果

本节通过20个BIM项目的综合实证验证,证明了T-BADGE方法的实际有效性,为设计生产力评估中的可靠工程决策提供了定量证据。分析涵盖了项目层面的性能模式和任务层面的工作流程诊断,验证了该方法的可扩展性和分析深度。

讨论

本节总结了将T-BADGE应用于20个BIM设计项目的主要发现,展示了该方法在系统化生产力分析方面的贡献。讨论内容包括工作流程分析的结构洞察、对设计过程管理决策的实际意义,以及方法论上的局限性和未来研究方向。

结论

本研究提出了一种系统化的计算方法T-BADGE,可为复杂的BIM设计工作流程提供定量生产力评估。与仅限于基于调查的评估或命令级分析的现有方法不同,T-BADGE通过自动化日志挖掘和基于网络的工作流程表示,实现了涵盖建模和文档编制阶段的任务级生产力分析。 该方法的有效性通过20个实际BIM设计项目的严格验证得到了验证。

作者贡献声明

Yije Kim:撰写——审稿与编辑、初稿撰写、可视化、验证、方法论制定、调查、形式化分析、数据整理、概念化。 Ghang Lee:撰写——审稿与编辑、项目管理、方法论制定、概念化。 Ingeon Park:可视化、软件开发、调查、形式化分析、数据整理。 Sangyoon Chin:项目监督、项目管理、资金获取、概念化。

利益冲突声明

作者声明以下可能的利益冲突/个人关系:Sangyoon Chin表示获得了韩国基础设施技术促进机构的财务支持。如果还有其他作者,他们声明没有已知的可能影响本文研究的利益冲突或个人关系。

致谢

本项工作得到了韩国基础设施技术促进机构(KAITA)的支持,该机构获得了韩国土地、基础设施和交通部(Grant RS-2021-KA163269)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号