Yapay Zeka Mimari Planları Nasıl Okur ve Malzeme Metrajları Nasıl Oluşturur

50.000 metrekarelik bir ticari bina için hazırlanan mimari plan seti 80 ile 120 pafta arasında olabilir. Bu paftaların içinde kapı çizelgeleri, pencere tipleri, iç mekan bitiş çizelgeleri, tavan planları, doğrama detayları ve anlamlı bir maliyet tahmini üretilmeden önce miktarlandırılması gereken yüzlerce başka eleman bulunur. Tüm bu miktarların manuel olarak çıkarılması, deneyimli bir metrajcı için tam bir günlük iştir; karmaşık projelerde bazen iki gün sürebilir.

Plan Okuma Yapay Zekası Nasıl Çalışır

Yapay zeka ile plan okuma, belge sınıflandırmasıyla başlar. Yazılım hangi paftaların kat planı, hangilerinin cephe görünüşü, hangilerinin detay ve hangilerinin çizelge olduğunu belirler. Bu önemlidir çünkü aynı eleman, örneğin bir kapı, kat planında (numaralı bir sembol), çizelgede (özellikleri içeren bir satır) ve detayda (kasa ve aksesuar gösteren bir kesit) farklı şekillerde görünür. Yapay zekanın doğru bir metraj üretebilmesi için bu üç temsili birbirine bağlaması gerekir.

Kat planı analizi, mimari elemanları sembollerine ve açıklamalarına göre tanımlamak için bilgisayarlı görü kullanır. Kapılar, çizelge işaretlerine göre sayılır ve tiplere ayrılır. Pencereler boyut ve tip tanımlamalarına göre belirlenir. Oda sınırları, döşeme alanlarını, duvar uzunluklarını ve tavan alanlarını hesaplamak için izlenir. Yapay zeka, her elemanı çizelgelerdeki teknik şartnamesine bağlamak için metin açıklamalarını okur.

Ulusal bir metraj hizmeti, bilinen miktarlara sahip 25 ticari projede üç yapay zeka plan okuma aracını test etti. En iyi performans gösteren araç, kapı sayımları ve tiplerinde %94, pencere tanımlamada %91, oda alanı hesaplamalarında %96 ve iç mekan bitiş miktarı çıkarmada %88 doğruluk oranına ulaştı. En zayıf alanlar, birden fazla yükseklik değişikliği içeren karmaşık tavan planları ve eğri duvarlar veya özel doğrama gibi özel mimari detaylardı.

Malzeme Metrajı Oluşturma

Yapay zeka tüm mimari elemanları tanımlayıp saydıktan sonra malzeme miktarlarını oluşturur. Kapılar; kasalara, aksesuar setlerine ve belirtilen bitişlere sahip kapı kanatlarına dönüşür. Pencereler; ilgili su yalıtım bandı, derz dolgu malzemesi ve iç pervaz miktarlarıyla birlikte ünitelere dönüşür. Oda bitişleri; bitiş çizelgesinin belirttiği boya, seramik, halı veya diğer malzemelerin metrekare cinsinden miktarlarına dönüşür.

Çarpma ve uzatma hesaplamaları, yapay zekanın yaygın bir insan hatası kaynağını ortadan kaldırdığı yerdir. 47 adet A Tipi kapı sayan ve ardından ilgili aksesuar, hava sızdırmazlık bandı ve bitiş miktarlarını manuel olarak hesaplayan bir metrajcının aritmetik veya aktarım hatası yapma olasılığı birden fazladır. Yapay zeka bu hesaplamaları anında ve tutarlı bir şekilde gerçekleştirir.

Portland'daki bir ana yüklenici, yapay zeka ile oluşturulan malzeme metrajlarını 10 eşzamanlı ihale projesinde manuel süreçleriyle karşılaştırdı. Yapay zeka metrajı ortalama 35 dakika işlem süresi artı 3 saat metrajcı incelemesi aldı. Manuel metraj ortalama 14 saat sürdü. Yapay zeka metrajları, proje başına ortalama 6 kalem tespit etti ki bunlar manuel süreçte gözden kaçmıştı; genellikle erişim panelleri, genleşme derz kapakları ve çizimlerde belirtilen ancak manuel sayım sırasında kolayca gözden kaçan özel aksesuarlar gibi kalemlerdi.

Çizelge Çapraz Referans Sorunu

Mimari çizelgeler doğru metrajların temelini oluşturur ve aynı zamanda yapay zeka araçlarının en değişken performans gösterdiği alandır. Tutarlı sütunlara ve net tip tanımlamalarına sahip, iyi biçimlendirilmiş bir kapı çizelgesini yapay zekanın ayrıştırması kolaydır. Kısaltmaları tutarsız kullanan, birden fazla paftaya yayılan veya el yazısı revizyonlar içeren bir kapı çizelgesi ise çok daha zordur.

Bitiş çizelgeleri de benzer zorluklar sunar. Mimar, oda numaralarının kat planı açıklamalarıyla net bir şekilde eşleştiği standart bir format kullandığında, bitiş miktarlarında yapay zeka doğruluğu %90'ı aşar. Bitiş çizelgesindeki oda numaraları plan açıklamalarıyla tam olarak eşleşmediğinde veya bitiş özellikleri resmi bir çizelge yerine notlara gömüldüğünde, doğruluk %75 ile %80'e düşer.

Pratik sonuç şudur: Yapay zeka plan okuma, temiz ve iyi organize edilmiş belgeler üreten mimarların projelerinde en iyi şekilde çalışır. Daha az standartlaştırılmış çizim uygulamalarına sahip firmalardan gelen projeler daha fazla insan incelemesi gerektirir, ancak yapay zeka yine de faydalı bir başlangıç noktası sağlar.

Maliyet Veritabanlarıyla Entegrasyon

Ham miktar metrajı, maliyet verileriyle bağlandığında daha değerli hale gelir. Bazı yapay zeka plan okuma araçları, miktarların yanı sıra ön maliyet tahminleri oluşturmak için RSMeans veya yükleniciye özel maliyet veritabanlarıyla entegre olur. Bu, planlar alındıktan dakikalar içinde bir malzeme metrajını yaklaşık büyüklük sırası tahminine dönüştürür.

İnşaat metraj iş akışlarında yapay zeka araçları kullanan yükleniciler için bu hızlı yaklaşık maliyet tahmini yeteneği, ihale fırsatlarını değerlendirme biçimlerini değiştirir. Projenin hedef bütçe aralığının dışında olduğunu keşfetmek için metraj üzerinde bir gün harcamak yerine, bir saatten kısa sürede yaklaşık bir rakam alabilir ve devam/vazgeç kararını daha hızlı verebilirler.

Bu aşamadaki maliyet tahminleri kabadır, genellikle nihai ihale rakamlarının %15 ile %20'si aralığındadır. Gerçek ihale için yeterince hassas değillerdir, ancak fırsat taraması için yeterince hassastırlar. İncelediği projelerin 5'te 1'ine teklif veren bir yüklenici, yapay zeka ile oluşturulan yaklaşık maliyet tahminlerini kullanarak fırsatları daha hızlı tarayabilir ve metraj personeli eklemeden ihale hacmini potansiyel olarak artırabilir.

Revizyon ve Zeyilnamelerin Yönetimi

Yapay zeka plan okumanın yeterince takdir edilmeyen bir yeteneği revizyon takibidir. Revize edilmiş paftalar içeren bir zeyilname geldiğinde, yapay zeka yeni paftaları orijinalleriyle karşılaştırabilir ve nelerin değiştiğini belirleyebilir. Eklenen kapılar, yeri değiştirilen duvarlar, değiştirilen bitişler ve diğer revizyonlar otomatik olarak işaretlenir.

Bu değerlidir çünkü zeyilname incelemesi ihale sürecindeki en hataya açık faaliyetlerden biridir. Zeyilnameler geç gelir, genellikle ihale gününden 2 ile 3 gün önce, ve metrajcının tüm değişiklikleri hızla belirleyip miktarları ayarlaması gerekir. Bir zeyilnamedeki değişikliği kaçırmak, yaygın bir ihale hatası kaynağıdır. Yapay zeka destekli revizyon takibi bu riski önemli ölçüde azaltır.

Mevcut Sınırlamalar

Yapay zeka plan okuma birçok alanda hâlâ gelişme aşamasındadır. Aynı alanın her aşamada farklı bitişler veya konfigürasyonlarla inşa edildiği aşamalı planlar, çoğu yapay zeka aracını şaşırtır. Mevcut durumun ve yeni işlerin aynı paftalarda gösterildiği tadilat projeleri, yapay zekanın mevcut-kalacak ve yeni elemanlar arasında ayrım yapmasını gerektirir ki bu her zaman güvenilir değildir.

Üç boyutlu mekansal ilişkiler de zorlu olmaya devam etmektedir. Yapay zeka esas olarak 2B plan görünümlerinden çalışır ve kesit ile cephe bilgilerini okuyabilmesine rağmen, bir planın gösterdiği ile aynı alandan geçen bir kesitin gösterdiği arasındaki çelişkileri her zaman doğru şekilde çözemez. Deneyimli metrajcılar, binaların nasıl bir araya geldiğine dair anlayışlarıyla bu tutarsızlıkları yakalar. Yapay zeka araçları bu konuda gelişiyor ancak henüz tam olarak o seviyeye ulaşmadı.

Tüm bu sınırlamalara rağmen, yapay zeka plan okuma mimari miktar metrajı için anlamlı bir verimlilik artışını temsil etmektedir. Teknoloji, tekrarlayan sayma ve çıkarma işlerini iyi bir şekilde yönetir ve metrajcıları, deneyimlerinin en fazla değer kattığı yargı gerektiren tahmin yönlerine odaklanmaları için serbest bırakır.