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

Abstract

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.