تحلیل قابلیت ادغام مدل سازی اطلاعات ساختمان (BIM) و هوش مصنوعی در معماری با رویکرد ردیابی نظام وار منابع علمی در دوره 2021- 2015 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مدل سازی اطلاعات ساختمان (BIM) صنعت ساخت وساز را با بهبود کارایی و ساده سازی روش های پروژه ساختمان متحول ساخته است.ادغام BIM با سیستم های دیجیتالی همچون هوش مصنوعی (AI) ، موانع را از بین برده و چرخه عمر پروژه را سازنده تر و سودمندتر می سازد. مزایای BIM و AI فراتر از مدل سازی سه بعدی و طرح های ساختمانی است. آن ها کل چرخه عمر پروژه ساخت و ساز را از صفر به بعد مدیریت و کنترل می کنند. هدف این پژوهش ارائه درک جامع از روند ادغام AI-BIM است که توسط محققان مختلف در سراسر جهان انجام شده است. دستیابی به این هدف از طریق تحلیل نظام وار 380 مقاله انتشار یافته در سال های 2015-2021 از طریق پایگاه استنادی اسکوپوس است این پژوهش مروری نظام وار از تحقیقات کیفی را برای تشخیص ویژگی های BIM، AI، ادغام و پیاده سازی آن ها در ساخت و ساز ارائه می کند. همچنین روندها و بینش های تحقیقاتی آینده را ارائه داده و بر قابلیت همکاری در BIM تأکید می کند. در بخش دیگر، نیاز به تحقیقات آینده را برای تمرکز بر قابلیت همکاری هوش مصنوعی و سایر سیستم های هوشمند در BIM را برای تقویت علم یکپارچه بر اساس دیجیتالی شدن و فناوری اطلاعات و ارتباطات تقویت می سازد.در نهایت گسترش یافته ها را نیز در طول چرخه عمر پروژه ساخت وساز ساختمان برجسته می کند. نتایج تحلیل نظام وار دراین تحقیق نشان می دهد که ادغام هوش مصنوعی و BIM ظرفیت تغییر صنعت ساخت و ساز را در بر دارد. زیرا توانایی کاهش قابل توجهی از خطاها ،صرفه جویی در زمان و منابع (نیروی انسانی و مصالح ساختمانی) ، افزایش بهره وری و متناسب سازی نقشه را بر اساس نیاز کاربر با استفاده از سه ماژول کنترل کننده، پایگاه داده و یادگیری ماشین و با توجه به مقررات ساختمانی را دارد. این پژوهش همچنین برخی از چالش هایی مانع از ادغام هوش مصنوعی و BIM را همچون فقدان استانداردهای قابلیت همکاری، نگرانی های مربوط به حریم خصوصی داده ها و آموزش ناکافی برای متخصصان را شناسایی می کند.Analysis of the Ability to Integrate Building Information Modeling (BIM) and Artificial Intelligence in Architecture with the Approach of Systematic Tracking of Scientific Resources in the Period of 2015-2021
Building Information Modeling (BIM) has revolutionized the construction industry by improving efficiency and simplifying building project methods. Integrating BIM with digital systems such as artificial intelligence (AI) removes barriers and makes the project life cycle more productive and beneficial. The benefits of BIM and AI go beyond 3D modeling and building plans. They manage and control the entire construction project life cycle from start to the end. The aim of the current research is to provide a comprehensive understanding of the process of AI-BIM integration, which has been carried out by various researchers around the world. To achieve this goal, 380 articles published in 2015-2021 have been systematically analyzed through Scopus reference database. This research presents a systematic review of qualitative research to identify the characteristics of BIM, AI, their integration and implementation in construction. It also provides future research trends and insights and emphasizes interoperability in BIM. On the other hand, it reinforces the need for future research to focus on the interoperability of artificial intelligence and other intelligent systems in BIM to foster integrated science based on digitalization and information and communication technology. Finally, it also highlights the extension of the findings during the life cycle of the building construction project. The research results show that the integration of artificial intelligence and BIM has the capacity to change the construction industry. Because it has the ability to significantly reduce errors, to save time and resources (human resources and construction materials), to increase productivity and to adapt the map based on the user's needs through controller modules, database and machine learning according to building regulations. This research also identifies some of the challenges hindering the integration of AI and BIM, such as the lack of interoperability standards, data privacy concerns, and insufficient training for professionals.