Clasificación estructurada de la ASTM Uniformat II de elementos BIM usando información semántica y Natural Language Processing
El presente proyecto tiene como objetivo desarrollar un método automatizado para clasificar elementos de construcción en modelos BIM, empleando procesamiento de lenguaje natural (NLP) y el estándar ASTM Uniformat II. La hipótesis plantea que el uso de técnicas avanzadas como NLP y modelos de aprendi...
Tallennettuna:
| Päätekijä: | |
|---|---|
| Muut tekijät: | |
| Aineistotyyppi: | bachelorThesis |
| Julkaistu: |
2025
|
| Aiheet: | |
| Linkit: | http://www.dspace.espol.edu.ec/handle/123456789/65856 |
| Tagit: |
Lisää tagi
Ei tageja, Lisää ensimmäinen tagi!
|
Lisää tagi | Yhteenveto: | El presente proyecto tiene como objetivo desarrollar un método automatizado para clasificar elementos de construcción en modelos BIM, empleando procesamiento de lenguaje natural (NLP) y el estándar ASTM Uniformat II. La hipótesis plantea que el uso de técnicas avanzadas como NLP y modelos de aprendizaje automático mejora significativamente la precisión y eficiencia en la clasificación de elementos BIM. Justifica su importancia en la necesidad de optimizar procesos constructivos mediante la estandarización y reducción de errores en la gestión de datos. Para el desarrollo del proyecto, se utilizó el modelo BERT, ajustado para la clasificación de elementos bajo la normativa ASTM Uniformat II, junto con la herramienta Dynamo para la extracción y organización de datos. Las técnicas incluyeron la integración de algoritmos de aprendizaje profundo, procesamiento de datos semánticos y la validación de los resultados mediante matrices de confusión. Los materiales consistieron en modelos BIM generados en Revit, y los análisis se realizaron empleando Python y bibliotecas específicas para NLP. Los resultados mostraron que el modelo BERT alcanzó una precisión del 48.77% en el nivel 1, pero su desempeño disminuyó a niveles más detallados, con una precisión del 4.33% en el nivel 4. Este rendimiento evidenció las limitaciones del modelo en clasificaciones granulares. Se concluye que el uso de modelos automatizados mejora la clasificación en niveles generales, pero requiere ajustes para aumentar la precisión en niveles específicos. Esto refuerza la relevancia del procesamiento de lenguaje natural en la gestión de información BIM. |
|---|