Aplicação de BIM e Machine Learning na construção civil: uma revisão de literatura
DOI:
https://doi.org/10.46421/sbtic.v5i00.7559Palavras-chave:
BIM, Gestão da Informação na Construção, Aprendizado de máquina, Inteligência ArtificialResumo
Nos últimos anos, a indústria da AEC (Arquitetura, Engenharia e Construção) tem adotado diversas tecnologias para aprimorar o desenvolvimento e a gestão de projetos, com destaque para o Building Information Modeling (BIM). O BIM possibilita a padronização e a colaboração em um Common Data Environment (CDE), permitindo o compartilhamento de informações da construção de forma integrada entre as disciplinas. Além de facilitar a coordenação entre as equipes também contribui com a excelência no ciclo de vida do projeto. Porém, análise complexa de dados ou interação com outros mecanismos exigem o uso combinado do BIM com Machine Learning (ML). O ML trata-se de um conjunto de ferramentas probabilísticas de análise de dados históricos com análises preditivas. A integração entre BIM e ML amplia a análise de dados, permitindo novas aplicações inovadoras para o projeto. Este estudo visou compilar os principais avanços tecnológicos que integram BIM e ML, com base em publicações acadêmicas de 2014 a 2024. Como resultado, obteve-se 168 publicações espalhadas nas áreas de Planejamento, Qualidade, Segurança, Sustentabilidade, Arquitetura, Engenharia e BIM. Foi observado um avanço expressivo nas últimas décadas no uso dessas tecnologias na construção civil, evidenciando o avanço do setor na informatização dos processos.
Downloads
Referências
ABDULFATTAH, B. S.; ABDELSALAM, H. A.; ABDELSALAM, M.; BOLPAGNI, M.; THURAIRAJAH, N.; PEREZ, L. F.; BUTT, t. E.. Predicting implications of design changes in BIM-based construction projects through machine learning. Automation in Construction, v. 155, p. 105057, 2023.
AS, M.; BILIR, T.. Machine learning algorithms for energy efficiency: Mitigating carbon dioxide emissions and optimizing costs in a hospital infrastructure. Energy and Buildings, v. 318, p. 114494, 2024.
ASHWATH, K.; PATEL, V.; PATEL, V.; DAVE, B. Using AI for Planning Predictions–Development of a Data Enhancement Engine. In: ISARC. Proceedings of the International Symposium on Automation and Robotics in Construction. IAARC Publications, 2023. p. 569-576.
BRAUN, A.; BORRMANN, A.. Combining inverse photogrammetry and BIM for automated labeling of construction site images for machine learning. Automation in Construction, v. 106, p. 102879, 2019.
CHENG, J. C. P.; CHEN, W.; CHEN, K.; WANG, Q. Data-driven predictive maintenance planning framework for MEP components based on BIM and IoT using machine learning algorithms. Automation in Construction, v. 112, p. 103087, 2020. ISSN 0926-5805. DOI: https://doi.org/10.1016/j.autcon.2020.103087.
DOURADO, T. T. Tecnologia BIM aplicada na compatibilização de projetos: estudo de caso. Trabalho de Conclusão do Curso de Engenharia Civil da Universidade Federal do Pernambuco. 2016.
EL MOKHTARI, K.; PANUSHEV, I.; MCARTHUR, J. J. Development of a cognitive digital twin for building management and operations. Frontiers in Built Environment, v. 8, p. 856873, 2022.
GHAFFARIANHOSEINI, A.; ZHANGA, T.; NWADIGO, O.; GHAFFARIANHOSEINI, A.; NAISMITH, N.; TOOKEY; J.; RAAHEMIFAR; K. Application of nD BIM Integrated Knowledge-based Building Management System (BIM-IKBMS) for inspecting post-construction energy efficiency. Renewable and Sustainable Energy Reviews, v. 72, p. 935-949, 2017. DOI: 10.1016/j.autcon.2018.10.003.
GOLPARVAR-FARD, M.; PEÑA-MORA, F.; SAVARESE, S. Automated progress monitoring using unordered daily construction photographs and IFC-based building information models. Journal of Computing in Civil Engineering, v. 29, n. 1, p. 04014025, 2015. DOI: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000205.
GONDIA, A.; SIAM, A.; EL-DAKHAKHNI, W.; NASSAR, A. H. Machine learning algorithms for construction projects delay risk prediction. Journal of Construction Engineering and Management, v. 146, n. 1, p. 04019085, 2020. DOI: 10.1061/(ASCE)CO.1943-7862.0001736. DOI: 10.1016/j.autcon.2021.103999.
HUANG, Chien-Hsun; HSIEH, Shang-Hsien. Predicting BIM labor cost with random forest and simple linear regression. Automation in Construction, v. 118, p. 103280, 2020.
HUANG, L.; PRADHAN, R.; DUTTA, S.; CAI, Yiyu. BIM4D-based scheduling for assembling and lifting in precast-enabled construction. Automation in Construction, v. 133, p. 103999, 2022. DOI: 10.1016/j.autcon.2021.103999.
HUANG, M. Q.; NINIĆ, J.; ZHANG, QianBing. BIM, machine learning and computer vision techniques in underground construction: Current status and future perspectives. Tunnelling and Underground Space Technology, v. 108, p. 103677, 2021.
JORGE, G. de O. A. Desafios e limitações da implementação do BIM em projetos de edificações. Lisboa: Instituto Superior de Engenharia de Lisboa, 2022. Dissertação de Mestrado.
KAYHANI, N.; MCCABE, B.; SANKARAN, B.. BIM-based construction quality assessment using Graph Neural Networks. In: ISARC. Proceedings of the International Symposium on Automation and Robotics in Construction. IAARC Publications, 2023. p. 9-16.
LAGOS, C. I.; HERRERA, R. F.; MAC CAWLEY, A. F.; ALARCÓN, L. F. Predicting construction schedule performance with last planner system and machine learning. Automation in Construction, v. 167, p. 105716, 2024. DOI: 10.1016/j.autcon.2024.105716.
LINO, J. C.; AZENHA, M.; LOURENÇO, P. Integração da metodologia BIM na engenharia de estruturas. BE2012-Encontro Nacional Betão Estrutural, p. 2-3, 2012.
MONZANI, J. M. Estudo sobre a utilização de softwares para desenvolvimento de projetos BIM. 2024. 20 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Civil) – Universidade Federal de Uberlândia, Uberlândia, 2024.
NDE, J. Lançamento do Construction IQ para Analisar a Segurança da Construção. Autodesk Blogs. 2019. Disponível em: https://blogs.autodesk.com/mundoaec/lancamento-construction-iq-para-analisar-seguranca-da-construcao/.
PARK, J. W.; KIM, K.; CHO, Y. K. Framework of automated construction-safety monitoring using cloud-enabled BIM and BLE mobile tracking sensors. Journal of Construction Engineering and Management, v. 143, n. 2, p. 05016019. 2017. DOI: 10.1061/(ASCE)CO.1943-7862.0001223.
PEREIRA, D. M. O Impacto da Metodologia BIM na Elaboração de Orçamentos em Projetos de Obras Civis. Boletim do Gerenciamento, [S.l.], v. 17, n. 17, p. 30-41, ago. 2020. ISSN 2595-6531.
SANAZ, T. H.; EBADATI, O. M.; KAUR, Harleen. Cost estimation and prediction in construction projects: A systematic review on machine learning techniques. SN Applied Sciences, v. 2, n. 10, p. 1703, 2020.
SHOAR, S.; CHILESHE, N.; EDWARDS, J. D. Machine learning-aided engineering services' cost overruns prediction in high-rise residential building projects: Application of random forest regression. Journal of Building Engineering, v. 50, p. 104102, 2022. DOI: 10.1016/j.jobe.2022.104102.
TORRES-CALDERON, W.; CHI, Y.; AMER, F.; GOLPARVAR-FARD, M. Automated mining of construction schedules for easy and quick assembly of 4D BIM simulations. In: ASCE International Conference on Computing in Civil Engineering 2019. Reston, VA: American Society of Civil Engineers, 2019. p. 432-438.
VALERO, E.; FORSTER, A.; BOSCHÉ, F.; RENIER, C.; HYSLOP, E.; WILSON, L. High level-of-detail BIM and machine learning for automated masonry wall defect surveying. In: 35th International Symposium on Automation and Robotics in Construction 2018. 2018.
VAN NEDERVEEN, G. A.; TOLMAN, F. P. Modelling multiple views on buildings. Automation in Construction, v. 1, n. 3, p. 215-224, 1992. DOI: doi.org/10.1016/0926-5805(92)90014-B.
WANG, Yu-Ren; YU, Chung-Ying; CHAN, Hsun-Hsi. Predicting construction cost and schedule success using artificial neural networks ensemble and support vector machines classification models. International Journal of Project Management, v. 30, n. 4, p. 470-478, 2012. DOI: doi.org/10.1016/j.ijproman.2011.09.002.
XIAO, M.; CHAO, Z.; COELHO, R. F.; TIAN, S.. Investigation of Classification and Anomalies Based on Machine Learning Methods Applied to Large Scale Building Information Modeling. Applied Sciences, v. 12, n. 13, p. 6382, 2022.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO NA CONSTRUÇÃO
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Adota-se Atribuição 4.0 Internacional (CC BY 4.0). Ver detalhamento em https://creativecommons.org/licenses/by/4.0/deed.pt_BR
