Geri Dön

Yapı bilgi modellemesi ve makine öğrenimine dayalı otomatik olarak elde edilen iş programları aracılığıyla dört boyutlu modellerin geliştirilmesi

Development of four-dimensional models through automatically generated construction schedules based on building information modeling and machine learning

PDF İndir

  1. Tez No: 934464
  2. Yazar: ÜMİT BAHADIR
  3. Danışmanlar: PROF. DR. VEDAT TOĞAN
  4. Tez Türü: Doktora
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 256

Özet

İnşaat projelerinde iş programlarının oluşturulması, genellikle deneyimli planlayıcılar tarafından manuel yöntemlerle yürütülmekte olup, bu yöntem yoğun emek harcanan, zaman alıcı ve hata riski yüksek bir süreç olarak tanımlanmaktadır. Çeşitli çözüm yöntemleri geliştirilmiş olsa da çoğu proje hala manuel iş akışlarıyla yürütülmektedir. Bu durum, sektörün dijitalleşme ve otomatik çözümlere olan ihtiyacını ortaya koymaktadır. Tez kapsamında, iş programı hazırlama sürecini hızlandırmak ve hataları azaltmak amacıyla Yapı Bilgi Modellemesi (BIM) ve makine öğrenimi (ML) yöntemleri bütünleşik bir çerçevede ele alınmıştır. 24 projeden derlenen 1390 aktivite üzerinde altı farklı ML modelleriyle aktivite-ardıl ilişkileri tahmin edilmiş, parametre optimizasyonu sonucunda en yüksek doğruluk oranları elde edilen modeller seçilmiştir. Bu veriler, Revit ortamına entegre edilen“BIM Auto Scheduling”eklentisiyle tez kapsamında geliştirilen Dynamo kodlarını otomatik olarak çalıştırarak iş programının üretilmesini sağlamaktadır. Ardından, Navisworks ortamında geliştirilen“BIM Auto Scheduling – Import CSV”eklentisi ile aktivite-yapı elemanı eşleştirmeleri otomatikleştirerek 4B simülasyonun daha hızlı ve hatasız bir şekilde oluşturulması gerçekleştirilmiştir. Önerilen model, inşaat projeleri için basit ve kullanıcı dostu bir otomatik iş programı oluşturma aracı olarak öne çıkmaktadır. Bu yaklaşım, manuel planlamanın yol açtığı zaman kaybı ve hata risklerini en aza indirerek, proje paydaşlarına kapsamlı bir iş planı sunmaktadır.

Özet (Çeviri)

In construction projects, schedule preparation is generally carried out manually by experienced planners, a method that is labor-intensive, time-consuming, and prone to errors. Although various solutions have been developed, most projects still rely on manual workflows, underscoring the industry need for digitalization and automated solutions. Within the scope of this thesis, an integrated framework combining Building Information Modeling (BIM) and machine learning (ML) techniques is proposed to accelerate the schedule preparation process and reduce errors. Predecessor-successor relationships were predicted on 1,390 activities compiled from 24 projects using six different ML models, with the highest accuracy models selected through parameter optimization. These data are then used to automatically generate a schedule by executing the Dynamo codes developed in this thesis via the“BIM Auto Scheduling”add-in integrated into the Revit environment. Subsequently, activity-element matching is automated in Navisworks using the“BIM Auto Scheduling – Import CSV”add-in, enabling faster and more accurate creation of a 4D simulation. The proposed model emerges as a simple, user-friendly tool that minimizes the time loss and error risks of manual planning while providing stakeholders with a comprehensive project schedule.

Benzer Tezler

  1. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. Tez No

    931138

    Digitalization in construction claim management

    İnşaat hak talebi yönetiminde dijitalleşme

    NİL DENİZMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DENİZ ARTAN

  4. Tez No

    513109

    A review of the applications of vision-based 3D as-built data acquisition technologies in the construction industry

    İnşaat sektöründe 3D as-built veri toplama uygulamalarının incelenmesi

    MAHMOUD ABUFOUDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESİN ERGEN PEHLEVAN

  5. Tez No

    857941

    Accelerating molecular docking using machine learning methods

    Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması

    ABDULSALAM YAZID BANDE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    Assist. Prof. Dr. SEFER BADAY

Geri Dön