بهبود تصمیم گیری پروژه در مرحله امکان سنجی با هوش مصنوعی مولد و مدل سازی اطلاعات ساختمان برای برآورد زمان و هزینه

مدل سازی اطلاعات ساخت (BIM) به عنوان نمای دیجیتال ویژگی های فیزیکی و عملکردی ساختمان، با یکپارچه سازی طراحی، زمان بندی و برآورد هزینه کارایی پروژه های ساختمانی را بهبود می بخشد. روش های پارامتریک با در نظر گرفتن عواملی مانند مصالح، نرخ تولید و هزینه های واحد برآوردهای هزینه دقیق تری نسبت به روش های سنتی مبتنی بر مساحت ارائه می دهند. هوش مصنوعی مولد با خودکارسازی فرایندهای تکراری و تولید سناریوهای طراحی، تصمیم گیری را در مرحله امکان سنجی تقویت می کند. این فناوری همراه با BIM ریسک های برآورد زمان و هزینه را کاهش داده و کارایی را افزایش می دهد. اهداف این پژوهش شامل توسعه چارچوبی هوشمند برای انجام مطالعات امکان سنجی مالی پروژه های ساختمانی با استفاده از فناوری Generative AI و مدل سازی اطلاعات ساختمان BIM به منظور بهینه سازی هزینه و زمان اجرای پروژه در جهت تصمیم سازی استراتژیک و ارائه راهکاری برای تحلیل مالی و زمانی پروژه های ساختمانی مبتنی بر خروجی پیش پردازش شده داده های ورودی فریم ورک و خروجی نهایی مدل شبیه سازی شده توسط هوش مصنوعی مولد است. این پژوهش کاربردی توسعه ای چارچوبی هوشمند برای امکان سنجی مالی پروژه های ساختمانی با استفاده از BIM و Generative AI ارائه می دهد. روش گردآوری اطلاعات شامل مطالعه منابع مکتوب، فهرست بهای رسمی، پیش پردازش داده ها با داینامو در Revit و تحلیل داده های هزینه ای و زمانی است. پروژه های بلند مرتبه تهران به عنوان مطالعه موردی انتخاب شده و اطلاعات طراحی و اجرایی در محیط BIM مدل سازی می شود. Generative AI سناریوهای بهینه مالی-زمانی تولید می کند. نتیجه نهایی، تحقیق توجیه پذیری اجرای پروژه از طریق مقایسه سناریوهای پیشنهادی و برآورد هزینه اولیه است که با پیاده سازی فرایندهای تصمیم سازی روندهای کاری بهینه برای مدیریت هزینه و زمان پروژه تعیین می شود.

کلیدواژه ها:

مدل سازی اطلاعات ساختمان ، هوش مصنوعی مولد ، تصمیم گیری ، امکان سنجی ، برآورد هزینه ، برآورد زمان