Studies on the ANN implementation in the macro BIM cost analyzes

• Autorzy: Juszczyk M.

Identyfikatory

DOI

10.22630/PNIKS.2017.26.2.16

Warianty tytułu

PL

O możliwościach zastosowania SSN w analizach kosztowych “macro BIM”

• Języki publikacji: EN

Abstrakty

EN

The paper presents an approach which combines the concept of macro-level BIM-based cost analyzes and application of artificial intelligence tools – namely artificial neural networks. Discussion and foundations of the proposed approach are introduced in the paper to clarify the problem’s core. An exemplary case study reports the results of initial studies on the application of neural networks for the purposes of BIM-based cost analysis of a buildings’ floor structural frame. The results obtained justify the proposal of application of neural networks as a supportive mathematical tool in the problem presented in the paper.

PL

Artykuł przedstawia podejście, w którym połączone zostały koncepcja analiz kosztowych macro BIM oraz zastosowania narzędzi sztucznej inteligencji – sztucznych sieci neuronowych. W artykule zaprezentowano dyskusję i podstawowe założenia proponowanego podejścia, stanowiące wyjaśnienie istoty problemu. Studium przypadku przedstawia wyniki wstępnych badań dotyczących zastosowań sieci neuronowych w analizach kosztów z zastosowaniem BIM na przykładzie oszacowań kosztów konstrukcji nośnej kondygnacji budynku. Uzyskane wyniki uzasadniają propozycję wykorzystania sieci neuronowych jako narzędzia matematycznego w przedstawionym w artykule problemie.

Słowa kluczowe

EN

BIM; macro BIM; cost analysis; neural networks; ANN

PL

BIM; macro BIM; analiza kosztów; sieci neuronowe; SSN

• Wydawca: Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
• Czasopismo: Przegląd Naukowy Inżynieria i Kształtowanie Środowiska
• Rocznik: 2017
• Tom: Vol. 26, No. 2
• Strony: 183--192
• Opis fizyczny: Bibliogr. 19 poz., rys., tab., wykr.

Twórcy

autor

Juszczyk M.

• Politechnika Krakowska, Wydział Inżynierii Lądowej, Instytut Zarządzania w Budownictwie i Transporcie, ul. Warszawska 24 31-155 Kraków, Poland e

Bibliografia

• Attalla, M. i Hegazy, T. (2003). Predicting cost deviation in reconstruction projects: Artificial neural networks versus regression. Journal of Construction Engineering and Management, 129(4), 405-411.
• Azhar, S. (2011). Building information modeling (BIM): Trends, benefits, risks, and challenges for the AEC industry. Leadership and Management in Engineering, 11(3), 241-252.
• Bishop, C.M. (1995). Neural networks for pattern recognition. Oxford: Oxford University Press.
• Chan, S.L. i Park, M. (2005). Project cost estimation using principal component regression. Construction Management and Economics, 23(3), 295-304.
• Eastman, C.M., Teicholz, P., Sacks, R. i Liston, K. (2011). BIM handbook: A guide to building information modeling for owners, managers, designers, engineers and contractors. New York: John Wiley & Sons.
• Goucher, D. i Thurairajah, N. (2012). Advantages and challenges of using BIM: A cost consultant’s perspective. 49th ASC Annual International Conference, California Polytechnic State University (Cal Poly), San Luis Obispo, California.
• Fan, S.L., Wu, C.H. i Hun, C.C. (2015). Integration of Cost and Schedule Using BIM. Journal of Applied Science and Engineering, 18(3), 223-232.
• Haykin, S. (1994). Neural Networks: A Comprehensive Foundation. New York: Macmillan College Publishing Company.
• Juszczyk, M. i Leśniak, A. (2016). Site Overhead Cost Index Prediction Using RBF Neural Networks. DEStech Transactions on Economics and Management (icem).
• Kogut, P. i Tomana, A. (2013). 4D and 5D applications in BIM technology. Computer Methods in Mechanics 27–31 August 2013, Poznan, Poland (CMM-2013).
• Minister of Infrastructure (2002). Regulation of the Minister of Infrastructure dated 12th April 2002 on technical conditions to be met by buildings and their location (consolidated text).
• Osowski, S. (2013). Sieci neuronowe do przetwarzania informacji. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
• Sacks, R., Koskela, L., Dave, B.A. i Owen, R. (2010). Interaction of lean and building information modeling in construction. Journal of Construction Engineering and Management, 136(9), 968-980.
• Sunil, K., Pathirage, C. i Underwood, J. (2015). The importance of integrating cost management with building information modeling (BIM). International Postgraduate Research Conference (IPGRC 2015).
• Tadeusiewicz, R. (1993). Sieci neuronowe, 180. Warszawa: Akademicka Oficyna Wydawnicza.
• Tomana, A. (2015). BIM. Innowacyjna technologia w budownictwie. Podstawy, standardy, narzędzia. Kraków: PWB MEDIA Ździebłowski Spółka Jawna.
• Williams, T.P. (2002). Predicting completed project cost using bidding data. Construction Management & Economics, 20(3), 225-235.
• Wilmot, C.G. i Mei, B. (2005). Neural network modeling of highway construction costs. Journal of Construction Engineering and Management, 131(7), 765-771.
• Zima, K. (2015). The Case-Based Reasoning model of cost estimation at the preliminary stage of a construction project. Procedia Engineering, 122, 57-64.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).