Автоматический аудит данных в BIM: проверка информационной модели на ошибки

При создании BIM-модели в ней могут появляться ошибки. Виной тому человеческий фактор или ошибки рабочей документации. В таком случае заявленные преимущества BIM — экономия сроков и денег — могут быть нивелированы. Чтобы этого не произошло, нужен аудит данных.

Рассказываем, откуда появляются ошибки, как на практике можно проверять BIM-модели в автоматическом режиме, зачем это нужно и какие для этого есть российские и зарубежные программы.

Существует два способа организации аудита данных: ручной и автоматизированный. Автоматизация снижает время проверки с дней и недель до нескольких минут. BIM-менеджеру не нужно искать ошибки и прописывать замечания проектировщику, проектировщик видит, что надо поправить, а заказчик получает качественную модель с максимально точными расчëтами.

Как ошибки накапливаются на практике

В работе над BIM-моделью много участников. В модели могут возникать и накапливаться ошибки. Это происходит по разным причинам:

— Неточности в рабочей документации. BIM и ручная проверка должны помогать уменьшить их количество, но они всё равно возникают.

— Человеческий фактор при переносе данных из документации в BIM-модель: неправильные параметры и атрибуты, пропуски.

— Ошибки при работе с моделью из разных ролей: проектировщика, BIM-менеджера, иногда заказчика.

Если проект небольшой, это не очень страшно. Но когда элементов тысячи, а свойств сотни — могут быть проблемы: ошибки в рабочей документации, расхождения в расчëтах.

Автоматическая проверка данных:

• экономит время BIM-менеджера,
• помогает проектировщику исправить ошибки,
• уменьшает до минимума вероятность возникновения ошибок в рабочей документации,
• помогает сделать расчёты объëмов и графики работ максимально точными,
• позволяет использовать BIM-модель при эксплуатации здания.

На выходе пользователь получает подробный отчёт в зависимости от своей задачи.

Случай из практики ручной проверки

Ручная проверка информационной модели
Расскажу свой личный кейс, как и почему аудит данных в разы ускоряет процессы. В 2018 году я работал BIM-менеджером у крупного девелопера. Это была моя первая проба пера, первый проект. Стояла классическая задача: посчитать объëмы работ. На тот момент единственным доступным для меня способом собрать данные из модели была классификация инструментов. Нужно было прописать коды в элементы модели, а их может быть сотни тысяч. Если брать с инженерными конструкциями, то на небольшой ЖК — около 300 тысяч элементов.

Проблема с классификацией элементов
В Revit и Navisworks проектировщик может что-то классифицировать легко: по типоразмеру или другим свойствам. А есть сложные элементы, у которых нет типоразмера. Например, часть многослойной конструкции, которую Navisworks как многослойную не воспринимает: стена — это кладка, утеплитель, фасад. Какой код туда прописать, если вариаций кладки, утеплителя и фасада несколько, и они, в свою очередь, сочетаются в разных вариантах? Значит, надо делить на части и прописывать для них коды. В техническом задании проектировщику я прописал, какие коды и в какие свойства нужно добавлять. Проектировщик проклассифицировал 150 тысяч элементов, он он не экономист и не сметчик, и не всегда понимает, чем отличается одна позиция от другой. Если учитывать объем конструкции, по цене это может быть очень сильный разброс.

Один раздел занял несколько дней
Я начал проверять модель и быстро понял, что эти коды мне будут нужны и для дальнейших задач, которые нельзя хорошо выполнить без качественных данных. Выяснилось, что примерно половина элементов не попадает в поисковые наборы Navisworks, которые были прописаны в ТЗ. Из них примерно 40% переклассифицированы не в то свойство, 30% неправильно: перепутали кириллицу с латиницей, поставили пробел и т. д, а у 30% вообще нет кодов классификатора. Я начал «протыкивать» элементы руками и смотреть визуально. Но проверить семьдесят тысяч — очень долго. На один раздел ушло примерно 12 часов рабочего времени. Можно было бы сразу отправить проект обратно проектировщику, но мне хотелось хорошо сделать свою работу с первого раза. Поэтому всë это предстояло оформить в замечания, в идеале поэлементно. На это ушло ещё несколько часов. Суммарно на один раздел я потратил несколько рабочих дней.

Параллельно мне пришло ещё четыре раздела, где была примерно та же картина. Я имел большой запас по времени, потому что проект был пилотным: примерно месяц. И мне его не хватило для проверки, а обычно у BIM-менеджера такого запаса времени просто нет.

Работа с изменениями
Проектировщик внёс изменения и поклялся, что всё проверил. Я открыл проект и обнаружил, что примерно половина «исправленного» опять не совпадает. Цикл повторился. И самое неприятное: то, что прошло валидацию в первый раз, частично перестало еë проходить. Почему? Потому что проектировщик внëс изменения: удалил стену или передвинул, из-за этого автоматически изменились полы и т. д. Параметры проставлялись вручную, поэтому при удалении элемента и моделировании нового код не сохранялся. Я снова начал проверять и писать замечания. Благодаря этому опыту я понял, что данные должны проверяться по-другому. Я хотел сделать хорошо свою работу, но не получалось. Теперь с помощью нашего инструмента Tangl Control данные проверяются автоматически.

Что можно проверить автоматически

Проверка информационной модели позволяет понять, подходит ли конкретная модель для применения в нужных заказчику и исполнителям сценариях, соответствует ли модель техническому заданию или просто всё ли правильно заполнено. Сценарии могут быть разными:

• формирование смет,
• получение автоматизированной ведомости объемов работ,
• связывание со строительными графиками,
• использование модели в качестве эксплуатационной.

Как работает автоматический аудит данных в BIM

Для того, чтобы BIM-модель была качественной и из неë можно было добыть нужную информацию, данные должны быть правильными. Что и как проверять — зависит от задачи.

Нужно проверить, корректно ли заполнены свойства объекта, не дублируются ли параметры, нет ли коллизий. Дальнейшая автоматизация завязана на этих свойствах. Автоматическая проверка информационной модели при помощи различных запросов позволяет выявить, где есть ошибки и в чем они состоят.

Артëм Князев:

Иногда происходят почти анекдотические ситуации. Есть такие керамические блоки — Porotherm. Название нужно прописать в свойство объекта, но проектировщик пишет его по-разному. По-русски: поротерм, паротерм, паратерм, поратерм, партер. По-английски ещё больше вариантов. И когда Porotherm связывается с классификатором материалов 1С, получается, что у нас на закупку есть десяток непонятных материалов, и их цена неизвестна. В идеале это всё можно и нужно налаживать проверками, шаблонами, внутренними регламентами. К сожалению, реальность такова, что редко кто этим занимается. И даже при правильно организованном процессе я ещё не видел проектов, в которых не было бы ошибок и недочётов.

Инструменты для автоматической проверки данных

Чтобы избежать ошибок, можно разработать скрипты и спецификации. Но чем сложнее классификатор и чем больше зависимостей, тем труднее их создавать. В идеале благодаря автоматизации проблем быть не должно, но обычно они есть у всех.

Проверку данных часто делают при помощи самых популярных и доступных инструментов, но у них есть свои особенности и недостатки. Из-за этих особенностей аудит может казаться неудобным, сложным или бессмысленным. К тому же сейчас появилась сложность с лицензиями на зарубежное ПО.

Артëм Князев:

Перед запуском продукта Tangl Control мы провели два качественных исследования: ПО для аудита данных информационных моделей и задач, для которых аудит используют. На российском рынке использовали в основном зарубежное ПО. Самый популярный — Autodesk Navisworks, ещё есть Model Checker для Revit и Solibri Office — удобный, но не популярный на момент исследования инструмент.

Autodesk Navisworks. Самый популярный инструмент для проверки данных в России — Autodesk Navisworks и его поисковый набор. Это отбор элементов по разным свойствам. Самый простой пример: заказчик хочет посчитать объëм кирпичей для стен. Нам нужно отобрать кирпичные стены, для этого мы вводим запрос: стена и кирпич. Мы не можем быть уверены, что все отобранные стены кирпичные или не осталось стен, которые не попали в выборку. Это зависит от качества данных. Бывает, что проектировщик просто ошибся или перепутал, заболел, и кто-то срочно доделывал проект за него. Частично ошибки рабочей документации можно проверить визуально: кликая по элементам. Например, мы вручную проверили и посчитали объëм кирпича. А потом оказалось, что кирпича не хватило, потому что не все кирпичные стены попали в нашу выборку. Только выяснится это по документам подрядчика или по факту строительства. Autodesk Navisworks не может проверять многослойные конструкции.

Tangl Control. Это российская разработка, поэтому у этого ПО нет сложности с лицензиями. Tangl позволяет делать комплексные проверки по государственным стандартам, продуктовым стандартам компании или EIR — информационным требованиям заказчика. Это полезно для прохождения экспертизы, подготовки к тендеру и при взаимодействии с заказчиком.

Tangl осуществляет многоступенчатую проверку данных в соответствии с техническим заданием: от общего к частному. Сначала проходит отбор элементов, а потом их валидация, то есть тестирование на правильность заполнения параметров.

Автоматический BIM-аудит в Tangl Control проходит в три этапа:

• проверка информационной составляющей на соответствие техническому заданию;
• геометрический анализ — проверка коллизий;
• проверка дублирования или пропуска данных.

На выходе проектировщик получит точный отчëт со всеми сведениями: где данные не внесены или внесены не туда, где они неправильные.

Аудит данных в BIM — не нормативное требование, хотя он мог бы повысить точность BIM-моделей и вывести рабочие процессы на качественно новый уровень. Аудит данных это, в первую очередь, экономия времени, а во-вторых, облегчение выполнения всех дальнейших задач при строительстве объектов. Чем меньше ошибок в начале, тем лучше результат в конце.