Александр Русланович Никитин — аспирант кафедры технологии и организации строительного производства
129337, г. Москва, Ярославское шоссе, д. 26
Alexander R. Nikitin — postgraduate student of the Department of Technology and Organization of Construction Production
26 Yaroslavskoe shosse, Moscow, 129337
Сергей Анатольевич Синенко — доктор технических наук, профессор кафедры технологии и организации строительного производства
129337, г. Москва, Ярославское шоссе, д. 26
Scopus: 55982599200, ResearcherID: AAF-6668-2021
Sergej A. Sinenko — Doctor of Technical Sciences, Professor, Department of Technology and Organization of Construction Production
26 Yaroslavskoe shosse, Moscow, 129337
Scopus: 55982599200, ResearcherID: AAF-6668-2021
Введение. Цифровизация строительной отрасли и внедрение технологий информационного моделирования (ТИМ) требуют разработки новых подходов к оценке рабочей документации (РД). Традиционные методы ручной проверки трудоемки, субъективны и не обеспечивают воспроизводимости результатов. Предлагается методика интеллектуальной оценки РД, подготовленной с использованием средств информационного моделирования, на основе формализованных логических правил и нейросетевого анализа.
Материалы и методы. Методика реализует двухканальный подход: параллельную оценку цифровой модели и текстово-графической документации. В ее основе — многоуровневая структура показателей, логическая булева модель, а также архитектура нейросети, включающая графовую подсеть (GNN), текстовую подсеть (BERT) и сверточную подсеть (CNN), объединенные в многослойный классификатор. На выходе — четыре дискретных решения: принято, принято с доработкой, направлено на доработку, отказ в приемке. Учтена возможность работы с неполным комплектом документации. Верификация методики осуществлялась с помощью экспертного опроса.
Результаты. Разработана математическая модель, описывающая логику оценки документации по критериям выполнения, процентного соответствия и количественных метрик. Экспертная валидация показала высокую согласованность оценок (W ≈ 0,52), особенно по логике структуры, разделению на критические группы и двухканальности. Наиболее проблемными аспектами признаны архитектура нейросети и обратная связь.
Выводы. Методика доказала применимость для задач внутреннего аудита, автоматизации контроля приемки документации, подготовки к экспертизе и оценки степени готовности РД. Развитие модели возможно через уточнение архитектуры и расширение набора показателей.
Introduction. The digitalization of the construction industry and the introduction of information modelling (TIM) technologies require the development of new approaches to the evaluation of working documentation. Traditional methods of manual verification are time-consuming, subjective and do not provide reproducible results. This paper proposes a method for intelligent evaluation of working documentation prepared using information modelling tools, based on formalized logical rules and neural network analysis.
Materials and methods. The methodology implements a two-channel approach: parallel assessment of the digital model and textual and graphic documentation. It is based on a multi-level structure of indicators, a logical Boolean model, as well as a neural network architecture that includes a graph subnet (GNN), a text subnet (BERT) and a convolutional subnet (CNN), combined into a multilayer classifier. As a result, there are four discrete decisions: adopted, adopted with revision, sent for revision, refusal to accept. The possibility of working with an incomplete set of documentation is taken into account. Verification of the methodology was carried out using an expert survey.
Results. A mathematical model has been developed that describes the logic of evaluating documentation by performance criteria, percentage compliance and quantitative metrics. Expert validation showed a high consistency of assessments (W ≈ 0.52), especially in the logic of the structure, division into critical groups and two-channel. The most problematic aspects are the architecture of the neural network and feedback.
Conclusions. The methodology proved its applicability for the tasks of internal audit, automation of control over the acceptance of documentation, preparation for examination and assessment of the degree of readiness of working products. The development ofthe model is possible through the clarification of the architecture and the expansion of the set of indicators.
The authors declare that there are no conflicts of interest present.