AI कैसे आर्किटेक्चरल प्लान पढ़ता है और मटेरियल टेकऑफ तैयार करता है

50,000 वर्ग फुट की एक कमर्शियल बिल्डिंग के आर्किटेक्चरल प्लान सेट में 80 से 120 शीट हो सकती हैं। इन शीट्स के अंदर डोर शेड्यूल, विंडो टाइप, फिनिश शेड्यूल, सीलिंग प्लान, केसवर्क डिटेल्स और सैकड़ों अन्य एलिमेंट्स होते हैं जिन्हें किसी भी सार्थक कॉस्ट एस्टिमेट तैयार करने से पहले क्वांटिफाई करना होता है। इन सभी क्वांटिटीज को मैन्युअल रूप से निकालना एक अनुभवी एस्टिमेटर के लिए पूरे दिन का काम है, जटिल प्रोजेक्ट्स पर कभी-कभी दो दिन भी लग जाते हैं।

प्लान रीडिंग AI कैसे काम करता है

AI प्लान रीडिंग डॉक्यूमेंट क्लासिफिकेशन से शुरू होती है। सॉफ्टवेयर पहचानता है कि कौन सी शीट फ्लोर प्लान हैं, कौन सी एलिवेशन हैं, कौन सी डिटेल्स हैं और कौन सी शेड्यूल हैं। यह इसलिए महत्वपूर्ण है क्योंकि एक ही एलिमेंट, उदाहरण के लिए एक दरवाजा, फ्लोर प्लान पर अलग दिखता है (एक नंबर वाला सिंबल), शेड्यूल में अलग (स्पेसिफिकेशन वाली एक पंक्ति), और डिटेल में अलग (फ्रेम और हार्डवेयर दिखाने वाला एक सेक्शन)। सटीक टेकऑफ तैयार करने के लिए AI को तीनों प्रतिनिधित्वों को जोड़ना होता है।

फ्लोर प्लान विश्लेषण कंप्यूटर विज़न का उपयोग करके आर्किटेक्चरल एलिमेंट्स को उनके सिंबल और एनोटेशन से पहचानता है। दरवाजों को उनके शेड्यूल मार्क के अनुसार गिना और टाइप किया जाता है। खिड़कियों को साइज़ और टाइप डेसिग्नेशन से पहचाना जाता है। रूम बाउंड्रीज़ को ट्रेस करके फ्लोर एरिया, वॉल लेंथ और सीलिंग एरिया की गणना की जाती है। AI टेक्स्ट एनोटेशन पढ़कर प्रत्येक एलिमेंट को शेड्यूल में उसकी स्पेसिफिकेशन से जोड़ता है।

एक राष्ट्रीय एस्टिमेटिंग सर्विस ने ज्ञात क्वांटिटीज वाले 25 कमर्शियल प्रोजेक्ट्स पर तीन AI प्लान रीडिंग टूल्स का परीक्षण किया। सबसे अच्छा प्रदर्शन करने वाले टूल ने डोर काउंट और टाइप में 94% सटीकता, विंडो पहचान में 91%, रूम एरिया गणना में 96% और फिनिश क्वांटिटी एक्सट्रैक्शन में 88% सटीकता हासिल की। सबसे कमजोर क्षेत्र कई ऊंचाई परिवर्तनों वाले जटिल सीलिंग प्लान और कर्व्ड वॉल या कस्टम मिलवर्क जैसी विशेष आर्किटेक्चरल फीचर्स थे।

मटेरियल टेकऑफ जनरेशन

एक बार जब AI ने सभी आर्किटेक्चरल एलिमेंट्स को पहचान और गिन लिया, तो यह मटेरियल क्वांटिटीज तैयार करता है। दरवाजे फ्रेम, हार्डवेयर सेट और निर्दिष्ट फिनिश वाले डोर लीव्स बन जाते हैं। खिड़कियां संबंधित फ्लैशिंग, सीलेंट और इंटीरियर ट्रिम क्वांटिटीज वाली यूनिट बन जाती हैं। रूम फिनिश पेंट, टाइल, कार्पेट या फिनिश शेड्यूल में निर्दिष्ट किसी भी चीज़ के स्क्वायर फुटेज बन जाते हैं।

गुणन और एक्सटेंशन गणनाएं वह जगह हैं जहां AI मानवीय त्रुटि के एक सामान्य स्रोत को समाप्त करता है। एक एस्टिमेटर जो 47 Type A दरवाजे गिनता है और फिर मैन्युअल रूप से संबंधित हार्डवेयर, वेदरस्ट्रिपिंग और फिनिश क्वांटिटीज की गणना करता है, उसके पास अंकगणित या ट्रांसक्रिप्शन त्रुटियां करने के कई अवसर होते हैं। AI ये एक्सटेंशन तुरंत और लगातार करता है।

पोर्टलैंड के एक GC ने 10 समवर्ती बिड प्रोजेक्ट्स पर अपने AI-जनरेटेड मटेरियल टेकऑफ की तुलना अपनी मैन्युअल प्रक्रिया से की। AI टेकऑफ में औसतन 35 मिनट की प्रोसेसिंग टाइम और 3 घंटे की एस्टिमेटर रिव्यू लगी। मैन्युअल टेकऑफ में औसतन 14 घंटे लगे। AI टेकऑफ ने प्रति प्रोजेक्ट औसतन 6 आइटम पकड़े जो मैन्युअल प्रक्रिया से छूट गए थे, आमतौर पर एक्सेस पैनल, एक्सपेंशन जॉइंट कवर और ड्रॉइंग में निर्दिष्ट स्पेशलिटी हार्डवेयर जैसी चीज़ें जो मैन्युअल गिनती के दौरान आसानी से छूट जाती हैं।

शेड्यूल क्रॉस-रेफरेंस समस्या

आर्किटेक्चरल शेड्यूल सटीक टेकऑफ की रीढ़ हैं, और ये वह जगह भी हैं जहां AI टूल्स का प्रदर्शन सबसे अधिक परिवर्तनशील होता है। एक अच्छी तरह से फॉर्मेटेड डोर शेड्यूल जिसमें सुसंगत कॉलम और स्पष्ट टाइप डेसिग्नेशन हों, AI के लिए पार्स करना आसान है। एक डोर शेड्यूल जो असंगत रूप से संक्षिप्ताक्षरों का उपयोग करता है, कई शीट्स में विभाजित है, या हाथ से लिखे संशोधन शामिल करता है, बहुत कठिन है।

फिनिश शेड्यूल भी इसी तरह की चुनौतियां प्रस्तुत करते हैं। जब आर्किटेक्ट एक मानक फॉर्मेट का उपयोग करता है जिसमें रूम नंबर स्पष्ट रूप से फ्लोर प्लान एनोटेशन से मेल खाते हैं, तो फिनिश क्वांटिटीज पर AI की सटीकता 90% से अधिक होती है। जब फिनिश शेड्यूल पर रूम नंबर प्लान एनोटेशन से बिल्कुल मेल नहीं खाते, या जब फिनिश स्पेसिफिकेशन औपचारिक शेड्यूल के बजाय नोट्स में एम्बेडेड होती हैं, तो सटीकता 75 से 80% तक गिर जाती है।

व्यावहारिक निहितार्थ यह है कि AI प्लान रीडिंग उन प्रोजेक्ट्स पर सबसे अच्छा काम करती है जो साफ, सुव्यवस्थित डॉक्यूमेंट तैयार करने वाले आर्किटेक्ट्स से आते हैं। कम मानकीकृत ड्राफ्टिंग प्रथाओं वाली फर्मों के प्रोजेक्ट्स को अधिक मानवीय रिव्यू समय की आवश्यकता होती है, हालांकि AI फिर भी एक उपयोगी शुरुआती बिंदु प्रदान करता है।

कॉस्ट डेटाबेस के साथ इंटीग्रेशन

रॉ क्वांटिटी टेकऑफ कॉस्ट डेटा से जुड़ने पर अधिक मूल्यवान हो जाता है। कुछ AI प्लान रीडिंग टूल्स RSMeans या कॉन्ट्रैक्टर-विशिष्ट कॉस्ट डेटाबेस के साथ इंटीग्रेट होकर क्वांटिटीज के साथ-साथ प्रारंभिक कॉस्ट एस्टिमेट तैयार करते हैं। यह एक मटेरियल टेकऑफ को प्लान प्राप्त होने के कुछ ही मिनटों में एक रफ ऑर्डर ऑफ मैग्निट्यूड एस्टिमेट में बदल देता है।

अपने कंस्ट्रक्शन एस्टिमेटिंग वर्कफ्लो में AI टूल्स का उपयोग करने वाले कॉन्ट्रैक्टर्स के लिए, यह तेज़ ROM क्षमता बिड अवसरों के मूल्यांकन के तरीके को बदल देती है। यह पता लगाने के लिए कि प्रोजेक्ट उनकी लक्षित बजट सीमा से बाहर है, टेकऑफ पर एक दिन खर्च करने के बजाय, वे एक घंटे से कम समय में ROM नंबर प्राप्त कर सकते हैं और go/no-go निर्णय तेज़ी से ले सकते हैं।

इस स्तर पर कॉस्ट एस्टिमेट रफ होते हैं, आमतौर पर अंतिम बिड नंबरों के 15 से 20% के भीतर। ये वास्तविक बिडिंग के लिए पर्याप्त सटीक नहीं हैं, लेकिन अवसर स्क्रीनिंग के लिए पर्याप्त सटीक हैं। एक कॉन्ट्रैक्टर जो रिव्यू किए गए 5 में से 1 प्रोजेक्ट पर बिड करता है, AI-जनरेटेड ROM एस्टिमेट का उपयोग करके अवसरों को तेज़ी से स्क्रीन कर सकता है और एस्टिमेटिंग स्टाफ बढ़ाए बिना संभावित रूप से अपनी बिड वॉल्यूम बढ़ा सकता है।

रिवीज़न और एडेंडा को हैंडल करना

AI प्लान रीडिंग की एक कम सराही गई क्षमता रिवीज़न ट्रैकिंग है। जब संशोधित शीट्स के साथ एक एडेंडम आता है, तो AI नई शीट्स की मूल शीट्स से तुलना कर सकता है और पहचान सकता है कि क्या बदला। जोड़े गए दरवाजे, स्थानांतरित दीवारें, संशोधित फिनिश और अन्य रिवीज़न स्वचालित रूप से फ्लैग हो जाते हैं।

यह मूल्यवान है क्योंकि एडेंडा रिव्यू बिड प्रक्रिया में सबसे अधिक त्रुटि-प्रवण गतिविधियों में से एक है। एडेंडा देर से आते हैं, अक्सर बिड डे से 2 से 3 दिन पहले, और एस्टिमेटर को जल्दी से सभी परिवर्तनों की पहचान करनी होती है और क्वांटिटीज को एडजस्ट करना होता है। एडेंडम में किसी बदलाव को मिस करना बिड त्रुटियों का एक सामान्य स्रोत है। AI-सहायित रिवीज़न ट्रैकिंग उस जोखिम को काफी कम कर देती है।

वर्तमान सीमाएं

AI प्लान रीडिंग अभी भी कई क्षेत्रों में विकसित हो रही है। फेज़िंग प्लान, जहां एक ही स्पेस को प्रत्येक चरण में अलग-अलग फिनिश या कॉन्फिगरेशन के साथ चरणों में बनाया जाता है, अधिकांश AI टूल्स को भ्रमित करते हैं। रेनोवेशन प्रोजेक्ट्स जहां मौजूदा स्थितियां और नया काम एक ही शीट पर दिखाया जाता है, AI को existing-to-remain और नए एलिमेंट्स के बीच अंतर करने की आवश्यकता होती है, जो हमेशा विश्वसनीय नहीं होता।

त्रि-आयामी स्थानिक संबंध भी चुनौतीपूर्ण बने हुए हैं। AI मुख्य रूप से 2D प्लान व्यू से काम करता है, और जबकि यह सेक्शन और एलिवेशन जानकारी पढ़ सकता है, यह हमेशा सही ढंग से उन विरोधाभासों को हल नहीं करता जो एक प्लान दिखाता है और उसी क्षेत्र के सेक्शन में क्या दिखता है। अनुभवी एस्टिमेटर इन विसंगतियों को बिल्डिंग कैसे बनती है इसकी अपनी समझ से पकड़ लेते हैं। AI टूल्स इसमें बेहतर हो रहे हैं लेकिन अभी पूरी तरह से वहां नहीं पहुंचे हैं।

इन सीमाओं के बावजूद, AI प्लान रीडिंग आर्किटेक्चरल क्वांटिटी टेकऑफ के लिए एक सार्थक उत्पादकता सुधार का प्रतिनिधित्व करती है। तकनीक दोहराव वाले गिनती और एक्सट्रैक्शन कार्य को अच्छी तरह से संभालती है, जिससे एस्टिमेटर एस्टिमेशन के उन निर्णय-गहन पहलुओं पर ध्यान केंद्रित कर सकते हैं जहां उनका अनुभव सबसे अधिक मूल्य जोड़ता है।