Как использовать Python для анализа BIM‑данных

Язык программирования Python, благодаря широкому набору библиотек и простоте освоения, становится полезным инструментом для специалистов строительной индустрии. С его помощью проводят предварительный анализ и обработку данных, создают графики и диаграммы, а также оценивают риски и прогнозируют изменения бюджета.

С докладом на эту тему выступил эксперт по анализу данных Евгений Смыков. В рамках BIM‑завтрака он поделился практическим опытом работы с BIM‑данными с помощью Python, включая обработку результатов проверок на коллизии, подготовку отчётов, визуализацию информации, а также построение моделей по расчёту потенциальных финансовых последствий проектных ошибок.

Актуальность анализа BIM‑данных

В процессе проектирования и согласования строительной документации специалисты ежедневно сталкиваются с большим объёмом информации. Просто так хранить её не просто бесполезно, а даже вредно: если тщательно не просматривать поступающие сведения, можно допустить много ошибок и принять губительные в долгосрочной перспективе решения.

Ранее данные часто собирали и представляли в статичной форме электронных таблиц, а затем анализировали вручную без каких-то особых манипуляций. Так, например, можно было сделать с помощью популярного решения для выявления коллизий Navisworks. Этот программный комплекс позволяет формировать отчёты, содержащие атрибуты пересекающихся элементов и подробную информацию о каждой выявленной ошибке.

Сейчас же полученные таблицы импортируют в различные решения для дополнительной обработки, например, в программу для управления базами данных DBeaver, после чего получают полноценный датасет, пригодный для дальнейшего анализа с использованием Python.

Инструменты и подходы к работе

Для взаимодействия с данными через Python существуют различные среды разработки: Jupyter Notebook, Visual Studio Code, Google Colab. Сам же язык программирования даёт возможность проводить гибкую обработку данных проекта.

Например, можно посмотреть, какие именно проекты хранятся в базе. Кроме того, Python позволяет сравнить, сколько и каких коллизий было найдено на определённых участках, и установить преобладающую категорию на конкретном проекте, модели или в целом в базе данных.

«Тем самым мы можем проводить некую аналитику ещё до того, как она будет попадать в BI-отчёты», — подчеркнул Евгений Смыков.

Затем эксперт рассказал про библиотеку Matplotlib для построения графиков, диаграмм, гистограмм и пр. С её помощью можно анализировать количество коллизий по проектам, моделям, уровням здания, типам инженерных систем, а также:

• Выявлять наиболее проблемные участки
• Проводить сравнение между этапами проектирования
• Отслеживать эффективность работы проектировщиков
• Прогнозировать загрузку команд и пр.

Экономическая оценка влияния коллизий

Один из наиболее полезных аспектов анализа BIM‑данных — возможность перевести ошибки в денежное выражение. Для приблизительной оценки стоимости устранения тех или иных коллизий существуют разные методы:

1. Использование перечня расценок

Можно применить корпоративные или федеральные единичные расценки (ФЕР), обновляемые с учётом региональных коэффициентов, и рассчитать, например, объём работ по демонтажу и повторному монтажу трубы, пересекающей стену (с учётом затрат на материалы и рабочих).

2. Работа с матрицей коллизий

В матрице выделяется группы коллизий по категориям: критические, некритические и пр. Далее для каждой из них определяется своя стоимость и с помощью Python вычисляется, на сколько увеличатся затраты на их исправление в рамках одной проверки. Также можно провести фильтрацию расходов по всем найденным замечаниям на основе их важности.

Перспективы развития

Анализ BIM‑данных с помощью Python открывает широкие возможности для оптимизации рутинных обязанностей. Инструменты по визуализации, автоматизации и оценке рисков помогают повысить прозрачность процессов, сократить затраты и ускорить согласование проектных решений. А благодаря растущему сообществу и открытым источникам обучение по работе с этим языком программирования и анализа данных будет простым даже для специалистов без образования в сфере IT.