Bagaimana AI Membaca Denah Arsitektur dan Menghasilkan Daftar Kebutuhan Material

Satu set denah arsitektur untuk bangunan komersial seluas 50.000 sq ft bisa mencapai 80 hingga 120 lembar. Di dalam lembar-lembar tersebut terdapat jadwal pintu, jenis jendela, jadwal finishing, denah plafon, detail casework, dan ratusan elemen lain yang perlu dikuantifikasi sebelum siapa pun dapat menghasilkan estimasi biaya yang bermakna. Ekstraksi manual semua kuantitas tersebut membutuhkan satu hari penuh kerja bagi estimator berpengalaman, terkadang dua hari untuk proyek yang kompleks.

Bagaimana AI Pembaca Denah Bekerja

Pembacaan denah oleh AI dimulai dengan klasifikasi dokumen. Perangkat lunak mengidentifikasi lembar mana yang merupakan denah lantai, mana yang elevasi, mana yang detail, dan mana yang jadwal. Ini penting karena elemen yang sama, misalnya pintu, tampil berbeda pada denah lantai (simbol dengan nomor), jadwal (baris dengan spesifikasi), dan detail (potongan yang menunjukkan kusen dan hardware). AI perlu menghubungkan ketiga representasi tersebut untuk menghasilkan takeoff yang akurat.

Analisis denah lantai menggunakan computer vision untuk mengidentifikasi elemen arsitektur berdasarkan simbol dan anotasinya. Pintu dihitung dan dikategorikan berdasarkan tanda jadwalnya. Jendela diidentifikasi berdasarkan ukuran dan designasi tipenya. Batas ruangan dilacak untuk menghitung luas lantai, panjang dinding, dan luas plafon. AI membaca anotasi teks untuk menghubungkan setiap elemen dengan spesifikasinya dalam jadwal.

Sebuah layanan estimasi nasional menguji tiga alat pembaca denah AI pada 25 proyek komersial dengan kuantitas yang sudah diketahui. Alat dengan performa terbaik mencapai akurasi 94% pada penghitungan dan tipe pintu, 91% pada identifikasi jendela, 96% pada perhitungan luas ruangan, dan 88% pada ekstraksi kuantitas finishing. Area terlemah adalah denah plafon kompleks dengan perubahan ketinggian ganda dan fitur arsitektur khusus seperti dinding melengkung atau millwork kustom.

Pembuatan Daftar Kebutuhan Material

Setelah AI mengidentifikasi dan menghitung semua elemen arsitektur, AI menghasilkan kuantitas material. Pintu menjadi kusen, set hardware, dan daun pintu dengan finishing yang ditentukan. Jendela menjadi unit dengan kuantitas flashing, sealant, dan trim interior terkait. Finishing ruangan menjadi luas area cat, ubin, karpet, atau apa pun yang ditentukan dalam jadwal finishing.

Perhitungan perkalian dan ekstensi adalah di mana AI menghilangkan sumber umum kesalahan manusia. Seorang estimator yang menghitung 47 pintu Tipe A dan kemudian menghitung secara manual kuantitas hardware, weatherstripping, dan finishing terkait memiliki banyak peluang untuk membuat kesalahan aritmatika atau transkripsi. AI melakukan ekstensi ini secara instan dan konsisten.

Satu kontraktor umum di Portland membandingkan daftar kebutuhan material yang dihasilkan AI dengan proses manual mereka pada 10 proyek tender bersamaan. Takeoff AI membutuhkan rata-rata 35 menit waktu pemrosesan ditambah 3 jam review estimator. Takeoff manual membutuhkan rata-rata 14 jam. Takeoff AI menangkap rata-rata 6 item per proyek yang terlewat dalam proses manual, biasanya item seperti access panel, penutup expansion joint, dan hardware khusus yang ditentukan dalam gambar tetapi mudah terlewat saat penghitungan manual.

Masalah Referensi Silang Jadwal

Jadwal arsitektur adalah tulang punggung takeoff yang akurat, dan juga merupakan area di mana alat AI memiliki performa paling bervariasi. Jadwal pintu yang diformat dengan baik dengan kolom yang konsisten dan designasi tipe yang jelas mudah diurai oleh AI. Jadwal pintu yang menggunakan singkatan secara tidak konsisten, terbagi di beberapa lembar, atau menyertakan revisi tulisan tangan jauh lebih sulit.

Jadwal finishing menghadirkan tantangan serupa. Ketika arsitek menggunakan format standar dengan nomor ruangan yang jelas sesuai dengan anotasi denah lantai, akurasi AI pada kuantitas finishing melebihi 90%. Ketika nomor ruangan pada jadwal finishing tidak persis sesuai dengan anotasi denah, atau ketika spesifikasi finishing tertanam dalam catatan alih-alih jadwal formal, akurasi turun menjadi 75 hingga 80%.

Implikasi praktisnya adalah pembacaan denah AI bekerja paling baik pada proyek dari arsitek yang menghasilkan dokumen yang bersih dan terorganisir dengan baik. Proyek dari firma dengan praktik drafting yang kurang terstandarisasi membutuhkan lebih banyak waktu review manusia, meskipun AI tetap memberikan titik awal yang berguna.

Integrasi Dengan Database Biaya

Takeoff kuantitas mentah menjadi lebih bernilai ketika terhubung dengan data biaya. Beberapa alat pembaca denah AI terintegrasi dengan RSMeans atau database biaya khusus kontraktor untuk menghasilkan estimasi biaya awal bersamaan dengan kuantitas. Ini mengubah daftar kebutuhan material menjadi estimasi rough order of magnitude dalam hitungan menit setelah menerima denah.

Bagi kontraktor yang menggunakan alat AI dalam alur kerja estimasi konstruksi mereka, kemampuan ROM cepat ini mengubah cara mereka mengevaluasi peluang tender. Alih-alih menghabiskan satu hari untuk takeoff hanya untuk menemukan bahwa proyek berada di luar kisaran anggaran target mereka, mereka bisa mendapatkan angka ROM dalam waktu kurang dari satu jam dan membuat keputusan lanjut/tidak lanjut lebih cepat.

Estimasi biaya pada tahap ini masih kasar, biasanya dalam kisaran 15 hingga 20% dari angka penawaran akhir. Estimasi ini tidak cukup presisi untuk penawaran aktual, tetapi cukup presisi untuk penyaringan peluang. Kontraktor yang mengajukan penawaran 1 dari 5 proyek yang mereka review dapat menggunakan estimasi ROM yang dihasilkan AI untuk menyaring peluang lebih cepat dan berpotensi meningkatkan volume penawaran mereka tanpa menambah staf estimasi.

Menangani Revisi dan Adendum

Satu kemampuan yang kurang diapresiasi dari pembacaan denah AI adalah pelacakan revisi. Ketika adendum tiba dengan lembar yang direvisi, AI dapat membandingkan lembar baru dengan yang asli dan mengidentifikasi apa yang berubah. Pintu yang ditambahkan, dinding yang dipindahkan, finishing yang dimodifikasi, dan revisi lainnya ditandai secara otomatis.

Ini bernilai karena review adendum adalah salah satu aktivitas yang paling rawan kesalahan dalam proses tender. Adendum tiba terlambat, sering kali 2 hingga 3 hari sebelum hari penawaran, dan estimator harus dengan cepat mengidentifikasi semua perubahan dan menyesuaikan kuantitas. Melewatkan perubahan dalam adendum adalah sumber umum kesalahan penawaran. Pelacakan revisi berbantuan AI mengurangi risiko tersebut secara signifikan.

Keterbatasan Saat Ini

Pembacaan denah AI masih berkembang di beberapa area. Denah pentahapan, di mana ruang yang sama dibangun secara bertahap dengan finishing atau konfigurasi berbeda di setiap fase, membingungkan sebagian besar alat AI. Proyek renovasi di mana kondisi eksisting dan pekerjaan baru ditampilkan pada lembar yang sama mengharuskan AI membedakan antara elemen yang tetap dipertahankan dan elemen baru, yang tidak selalu dapat diandalkan.

Hubungan spasial tiga dimensi juga tetap menantang. AI bekerja terutama dari tampilan denah 2D, dan meskipun dapat membaca informasi potongan dan elevasi, AI tidak selalu menyelesaikan konflik dengan benar antara apa yang ditunjukkan denah dan apa yang ditunjukkan potongan melalui area yang sama. Estimator berpengalaman menangkap ketidaksesuaian ini melalui pemahaman mereka tentang bagaimana bangunan disatukan. Alat AI semakin baik dalam hal ini tetapi belum sepenuhnya sempurna.

Bahkan dengan keterbatasan ini, pembacaan denah AI merupakan peningkatan produktivitas yang berarti untuk takeoff kuantitas arsitektur. Teknologi ini menangani pekerjaan penghitungan dan ekstraksi berulang dengan baik, membebaskan estimator untuk fokus pada aspek estimasi yang membutuhkan pertimbangan di mana pengalaman mereka memberikan nilai paling besar.