Нейросети вместо ручного переноса чертежей: как ГК «А101» автоматизирует проектирование монолитных плит
- CNews FORUM 12 ноября
- CNews AWARDS 12 ноября
- Школа Роста
- КИИ в облаке
- 10 лет российского бэкапа
- SDN: Сеть как дом
- История облаков
- 30 лет ERP России
- Цифровизация
- Импортозамещение
- Безопасность
- ИТ в госсекторе
- ИТ в банках
- ИТ в торговле
- Телеком
- ИТ-бизнес
- Рейтинги
|
ГК «А101» выбрали два лучших решения на базе ИИ для проектирования железобетонных конструкций в рамках проекта «Техлаб Москва». Системы Contextmachine и AI Diagnost автоматизируют расчет армирования плит перекрытия и сокращают расход металла на стройке.
Задача: уйти от ручного переноса чертежей
При проектировании монолитного дома инженеры рассчитывают нагрузки на конструкции и получают цветные карты. На этих схемах видно, где плите перекрытия или фундаменту требуется дополнительное усиление арматурой.
Раньше проектировщикам приходилось вручную переносить эти расчеты в трехмерную цифровую модель здания. ГК «А101» поставила задачу автоматизировать этот этап. Разработка позволит ускорить выпуск рабочей документации и исключить лишний расход стали. Проекты Contextmachine и AI Diagnost были выбраны в программе «Техлаб Москва» Московского инновационного кластера. Победителей объявили на Московском стартап-саммите.
Заявки на участие подали более 1 200 специалистов из 53 регионов России. В основной этап прошли 50 команд. Три месяца они создавали ИИ-решения под запросы бизнеса вместе с ИТ-менторами и отраслевыми экспертами.
«Когда мы формулировали задачу, то рассчитывали закрыть ее силами одного подрядчика. В финале отбора мы увидели два сильных профильных решения, которые отлично дополняют друг друга в работе. Одно берет на себя оптическое распознавание карт нагрузок, а второе отвечает за оптимизацию расхода стали. В итоге мы поддержали сразу две команды. Для нас это сигнал, что в сфере искусственного интеллекта для строительства накоплен серьезный прикладной задел. Такие разработки уже готовы к внедрению в процессы крупного девелопера», — отметил Артем Чернов, директор по развитию информационных систем ГК «А101».
Решение: компьютерное зрение и подбор арматуры
Разработка еще одной команды-победителя – сервис, который формирует эффективную схему участков дополнительного усиления перекрытий на основе результатов прочностного расчета. Алгоритм классифицирует требования, строит геометрическую модель допустимых зон и с помощью дискретной оптимизации определяет конфигурацию стержней с минимальным расходом стали при заданных конструктивных ограничениях.
«На поиск наилучшего варианта армирования конструктор тратит 4-7 рабочих дней. Наш сервис сокращает этот этап до автоматизированного расчета, а готовый результат передается непосредственно в BIM-модель для дальнейшего оформления и выпуска документации. В рамках пилотного тестирования с ГК «А101» мы адаптируем систему под стандарты компании. Это на 3-7 дней сократит обработку одного корпуса с типовыми плитами», — прокомментировал Андрей Астахов, CTO Contextmachine.
Программа команды AI Diagnost по тем же картам нагрузок подбирает арматуру под выделенные зоны. Система формирует готовую раскладку стержней с точным диаметром и длиной каждого элемента. Из всех вариантов алгоритм выбирает самый экономный по расходу металла и удобный для сборки на площадке.
Владимир Золотов, «Гринатом»: Сейчас любая корпорация считает необходимым внедрять ИИ для улучшения своих внутренних процессов КИИ в облаке
«При ручном подборе арматуры инженеры часто округляют значения и закладывают стержни с избыточным запасом. Это делается для экономии времени на сложных расчетах. Наша программа перебирает варианты укладки и находит баланс между расходом металла и простотой монтажа. Алгоритм выдает готовую схему с оптимальным набором диаметров и длин. Такое решение снижает расход на 15–25% массы металла. Сейчас на архивных проектах девелопера мы сверяем раскладку алгоритма с расчетами проектировщиков, чтобы зафиксировать точную экономию на каждом типе плит», — пояснили в AI Diagnost.
Москва последовательно развивает условия для взаимодействия бизнеса и научного сообщества. «Крупные компании формулируют задачи, требующие новых технологических решений, а исследователи предлагают подходы к их реализации. Такие форматы сотрудничества помогают применять научные разработки на практике и создавать решения, отвечающие актуальным потребностям бизнеса», — отметил Максим Власов, заместитель генерального директора Московского инновационного кластера.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.