Введение
Сегодня строительная отрасль активно переходит на технологии информационного моделирования (ТИМ). Этот переход позволяет радикально улучшить качество проектов, сократить время их выпуска и навести порядок в управлении данными на протяжении всего жизненного цикла здания [1]. Учитывая общую цифровизацию и обязательное использование BIM для объектов, возводимых за счет бюджета (согласно Постановлению Правительства РФ № 962), автоматизация извлечения данных из параметрических моделей становится критически важной задачей [2].
Одной из самых долгих, сложных и ответственных процедур при проектировании остается составление ведомостей объемов работ (ВОР). Традиционный способ, когда инженер вручную собирает цифры со спецификаций и двумерных чертежей, отнимает недели на крупных объектах и неизбежно приводит к ошибкам. По данным отраслевых метрик, процент погрешности ручного подсчета достигает 10-15% [3]. Если же проект меняется, актуализировать ведомости становится еще труднее. Применение BIM-технологий позволяет забирать физические объемы прямо из 3D-модели. Однако реальный успех этого процесса целиком зависит от уровня проработки атрибутов (LOI) и того, насколько грамотно автоматизирован их сбор [4].
Хотя на рынке сегодня представлено множество программ для анализа BIM-данных, проектировщикам все равно приходится тратить много времени на ручное назначение параметров и классификацию материалов в исходной модели. Из-за этого потенциал ТИМ раскрывается не до конца [5]. Особенно много проблем возникает с многослойными конструкциями — стенами, полами или покрытиями, где нужный материал может быть «спрятан» на совершенно разных системных уровнях модели [7].
Данная статья посвящена созданию специального плагина для Autodesk Revit, который автоматически прописывает нужные атрибуты в параметрической BIM-модели. Эти подготовленные данные затем отправляются в систему Tangl Value, что в итоге повышает точность и скорость выдачи готовых сметных ведомостей.
Анализ существующих подходов к автоматизации подсчета объемов работ
Составление ВОР — это ключевой этап, определяющий правильность смет и контроль всего бюджета стройки. Устаревшие методы ручного расчета слишком медленные и крайне чувствительны к человеческому фактору [7].
В зарубежной науке давно ищут надежные способы выгружать объемы из BIM без прямого участия человека. К примеру, авторы Monteiro и Martins (2013) подробно описали принципы моделирования для этих целей и выделили ряд факторов, влияющих на точность машинного сбора данных [8]. Позже автор Khosakitchalert (2013) предложил алгоритмы именно для составных конструкций, но указал на серьезные технические барьеры в существовавшем на тот момент программном обеспечении [9].
В отечественной практике переход на ТИМ жестко подкреплен законами (Градостроительный кодекс РФ, постановления Правительства) и ГОСТами [10]. В период с 2024 по 2026 годы наличие цифровых моделей становится обязательным условием для большинства федеральных строек, поэтому локальные инструменты автоматизации нужны инженерам как никогда.
В условиях ограничения доступа к зарубежному программному обеспечению особое значение приобретает развитие отечественных ТИМ-платформ, способных заменить Autodesk Revit. На текущий момент в Российской Федерации активно развиваются следующие решения:
- Renga (Renga Software, совместное предприятие АСКОН и «1С») — комплексная BIM-система для архитектурно-строительного проектирования с поддержкой твердотельного моделирования, параметрических семейств и выгрузки в формат IFC;
- NanoCAD BIM (АО «Нанософт Разработка») — платформа для информационного моделирования на базе собственного CAD-ядра, обеспечивающая ведение архитектурного, конструктивного и инженерного проектирования в единой среде;
- Model Studio CS (CSoft Development) — специализированный комплекс для промышленного и инфраструктурного строительства;
- Tangl Value (Tangl) — отечественная платформа количественного анализа и формирования ВОР, выступающая конечным звеном в рассматриваемой технологической цепочке [9, 16]. Вместе с тем перечисленные системы на сегодняшний день уступают Revit по глубине параметризации и объёму библиотек компонентов, а инструментарий автоматического заполнения пользовательских параметров в них пока существенно менее развит, что подтверждает актуальность разрабатываемого подхода и необходимость его последующей адаптации под российские платформы.
Текущие решения на рынке можно разделить на три основные группы:
1. Базовые функции самих систем (спецификации внутри Revit, ArchiCAD, Renga, NanoCAD BIM, Model Studio CS). Они хорошо считают общую геометрию, но их крайне сложно увязать со сметно-нормативными классификаторами [11].
2. Профильные платформы для количественного анализа (Tangl Value, CostX и др.). Они обладают мощным функционалом для создания ВОР, но без идеально подготовленной модели с нужными параметрами просто не сработают. [12]
3. Самописные скрипты компаний. Хорошо решают узкие задачи проектного бюро, но сложны в поддержке, требуют навыков программирования и тяжело масштабируются [13].
Как показывает опыт, больше всего времени проектировщик тратит не на сам расчет объемов, а на предварительную разметку своей модели: ручное добавление общих параметров и привязку свойств материалов. Именно в этих рутинных действиях и кроется главный источник коллизий [14].
В связи с этим создание компактной надстройки, которая сама проставляет нужные значения в модели на базе внешних справочников, представляет большой интерес для строительного сектора.
Материалы и методы
Для реализации задуманного авторы написали собственный plug-in под платформу Autodesk Revit (язык C#). В качестве среды разработки была выбрана Visual Studio 2022, поскольку она имеет нативную интеграцию с .NET Framework 4.7.2 и легко подключает нужные библиотеки RevitAPI [15].
Архитектура программного решения
Сценарий работы плагина состоит из следующих шагов (рис. 1):
1. Инициализация и проверка: плагин сразу ищет в проекте общий параметр «FD_Наименование материала». Если проектировщик забыл его добавить, программа выдает окно с ошибкой и прекращает работу. Это защищает пользователя от бессмысленной обработки неподготовленного файла.
2. Загрузка правил классификации: инженер указывает путь к внешнему CSV-файлу с таблицей сопоставлений. В ней всего три колонки: категория элемента в Revit, часть названия искомого материала и то значение, которое нужно записать в итоговый параметр. Вынесение правил во внешний файл — очень удобное решение. Инженерам не нужно переписывать код плагина каждый раз, когда меняются корпоративные стандарты.
3. Создание индексов: чтобы плагин не зависал на больших проектах, данные из CSV конвертируются в словарь Dictionary<string, List<CsvRow>>. Ключом выступает категория элемента. Это многократно сужает зону поиска и меняет вычислительную сложность алгоритма с линейной на частично логарифмическую.
4. Сбор элементов модели: через базовый метод Revit API FilteredElementCollector программа собирает все реальные экземпляры модели, отсеивая лишние типоразмеры.
5. Многоуровневый поиск материалов: для каждого собранного объекта плагин пытается вытащить материалы со всех возможных уровней: у самого экземпляра, у его типа, среди системных параметров несущих конструкций и в ссылках на другие элементы. В логике Revit материал может быть привязан совершенно разными путями, поэтому без такого глубокого обхода часть слоев осталась бы неучтенной.
6. Сравнение с таблицей: найденные в элементе материалы прогоняются через метод MatchMaterialsFast. Программа проверяет, содержит ли название материала ключевое слово из нашей таблицы. Мы используем поиск по частичному совпадению (метод Contains), так как в реальных рабочих проектах наименования материалов часто пишутся с незначительными отличиями.
7. Запись данных: если совпадение найдено, в параметр элемента вписывается итоговое значение. Весь процесс записи идет строго внутри блока Transaction. Это обязательное требование API, гарантирующее, что если в процессе произойдет сбой, модель не повредится и все изменения можно будет откатить.
Рис. 1. Блок-схема алгоритма работы plug-in
Особенности реализации
Основной упор при написании кода делался на скорость работы. Мы постарались свести к абсолютному минимуму количество обращений к тяжелой базе данных модели Revit, перенеся основную нагрузку в оперативную память за счет хэш-таблиц. Для обратной связи с пользователем предусмотрены стандартные всплывающие окна, а для замера статистики оставлен тестовый режим отладки.
Результаты и обсуждение
Готовый плагин был подключен к Revit 2022 и испытан на цифровой модели многоэтажного жилого дома. Файл содержал свыше 5000 параметрических элементов разных категорий (несущие стены, перекрытия, трубопроводы, окна).
Оценка производительности
Результаты тестирования показали высокую устойчивость и производительность решения (таблица 1).
Таблица 1
Результаты тестирования производительности plug-in
|
Количество элементов в модели |
Время выполнения, сек |
Скорость обработки, элементов/сек |
|
500 |
2,1 |
238 |
|
1000 |
4,3 |
233 |
|
2500 |
10,8 |
231 |
|
5000 |
21,5 |
233 |
Средняя скорость выполнения операции заполнения параметров составила порядка 230–235 элементов в секунду (4–5 секунд на 1000 элементов), что свидетельствует о приемлемой эффективности вычислительного алгоритма и корректном использовании индексированных структур данных. Ошибки выполнения (exceptions) при обработке некорректных или пустых параметров были успешно обработаны благодаря встроенным механизмам перехвата исключений.
Рис. 2. Интерфейс плагина в среде Autodesk Revit
Интеграция с Tangl Value
Для оценки практической применимости подготовленная модель была экспортирована в среду отечественного программного обеспечения Tangl Value [16]. Процесс интеграции включал загрузку модели через специализированную надстройку, сохраняющую геометрическую и семантическую информацию
Рис. 3. Схема взаимодействия данных между Autodesk Revit и Tangl Value
Далее в среде Tangl Value были настроены справочники отбора и схема расчета. Справочники представляют собой иерархически организованные структуры правил, сопоставляющие параметры информационной модели (включая автоматически заполненный параметр «FD_Наименование материала») с позициями классификатора ОКС. Для каждой позиции справочника задаются привязки к характеристикам BIM-элементов, включая наименование параметра и его значение.
Результатом работы системы стало автоматизированное формирование структурированной ВОР. Система корректно агрегировала количественные показатели по этажам и дисциплинам, исключив элементы с недостаточным уровнем информационного наполнения (LOI).
Сравнительный анализ методов
Для наглядной оценки эффективности предложенного подхода было проведено сравнение традиционного (ручного) метода формирования ВОР и разработанного автоматизированного метода (таблица 2).
Таблица 2
Сравнительная оценка методов формирования ВОР
|
Критерий оценки |
Традиционный метод (ручной) |
Предлагаемый автоматизированный метод |
|
Время подготовки данных модели |
4÷6 часов |
5÷10 минут |
|
Вероятность человеческой ошибки |
Высокая (до 10÷15%) |
Минимальная (1÷2%) |
|
Актуализация при изменении модели |
Требует полного пересчета |
Автоматическая (секунды) |
|
Соответствие классификатору ОКС |
Зависит от квалификации инженера |
Гарантировано настройкой справочников |
|
Трудоемкость на 1000 элементов |
2÷3 часа |
5÷10 секунд |
|
Повторяемость/ воспроизводимость результатов |
Низкая/трудоемкая |
Высокая |
Использование отечественного ПО Tangl Value гарантирует соответствие расчетов текущему законодательству РФ, поддержку форматов ФГИС ЦС и требований государственной экспертизы, что особенно актуально в условиях курса на импортозамещение и технологический суверенитет в строительной отрасли [17]. Внедрение предложенного подхода позволяет сократить время подготовки тендерной и сметной документации с нескольких недель до часов и повысить точность ведомостей объемов работ до 95–98%.
Рис. 4. Пример результата формирования ведомости объема работ (ВОР) в ПО Tangl Value
Оценивая итоги проделанной работы, можно с уверенностью говорить о том, что предложенный алгоритм выигрывает у классических подходов сразу по нескольким направлениям. За счет передачи рутинной работы машине удается сократить трудозатраты инженера почти на 90%, попутно сводя к минимуму риск случайных ошибок ручного ввода.
Кроме того, вынесение классификатора в отдельный CSV-файл делает инструмент весьма гибким: пользователю не нужно вмешиваться в программный код, чтобы подстроить правила под специфику нового объекта. Важную роль играет и скорость вычислений. Благодаря индексированию данных даже тяжелые информационные модели, включающие свыше пяти тысяч элементов, обрабатываются быстрее чем за тридцать секунд. Наконец, прямая связь с экосистемой ПО Tangl Value решает задачу импортозамещения и гарантирует, что итоговые расчеты будут отвечать актуальным российским нормативам.
Разумеется, у созданного решения есть определенные ограничения. Его корректная работа напрямую зависит от того, насколько качественно собрана исходная модель: если проектировщик изначально не назначил материалы геометрии или сделал это некорректно, программа не сможет их распознать. Также до начала расчетов придется потратить время на ручную сборку эталонного файла-справочника. На текущем этапе инструмент может сталкиваться с трудностями при обработке объектов со сложной нестандартной параметризацией, например, при работе с адаптивными компонентами.
Для успешного внедрения предложенного инструмента в реальную деятельность проектных организаций целесообразно придерживаться нескольких базовых правил: На старте критически важно унифицировать параметры. Атрибут «FD_Наименование материала» должен обязательно присутствовать у всех расчетных элементов, для чего удобнее всего задействовать корпоративный Файл общих параметров (ФОП).
Параллельно BIM-отделу потребуется сформировать единый корпоративный CSV-справочник, который свяжет типовые проектные решения с действующими сметными нормами. Этот реестр лучше всего разместить в Среде общих данных (СОД), чтобы профильные специалисты могли оперативно его обновлять. Перед непосредственным запуском скрипта инженерам стоит проверять модель на наличие элементов без назначенных материалов, иначе неизбежно падение точности итоговой ведомости.
Сам процесс работы с плагином логично встроить во внутренний регламент компании как обязательный шаг при подготовке модели к количественному анализу. Это позволит не разрывать цепочку данных между стадиями проектирования и осмечивания. Разумеется, реализация такого подхода потребует проведения внутреннего обучения для инженеров-проектировщиков и BIM-координаторов. При соблюдении этих несложных организационных мер компания сможет существенно ускорить работу с цифровыми моделями и сделать процесс выпуска ВОР по-настоящему автоматизированным.
Заключение
В ходе исследования разработано и программно реализовано решение для автоматизации обработки параметрических данных BIM-модели. Созданный plug-in для Autodesk Revit на языке C# обеспечивает надежное и быстрое заполнение пользовательских параметров на основе внешних правил классификации, решая проблему разрозненности данных в многослойных конструкциях.
Основные результаты исследования:
- Разработан алгоритм автоматизированного заполнения параметров BIM-модели на основе анализа категориальной принадлежности элементов и материалов с использованием индексированных структур данных для оптимизации производительности.
- Реализован программный модуль (plug-in) для Autodesk Revit, обеспечивающий многоуровневое извлечение материалов из экземпляров и типов элементов, сопоставление с внешними правилами и запись результатов с использованием транзакционного механизма Revit API.
- Проведено тестирование на моделях различной сложности (до 5000 элементов), показавшее высокую производительность решения (230–235 элементов/сек) и устойчивость к некорректным данным.
- Выполнена интеграция с отечественной платформой Tangl Value, подтвердившая возможность бесшовного формирования структурированных ВОР в соответствии с требованиями классификатора ОКС и российских нормативных стандартов.
- Сравнительный анализ показал сокращение трудоемкости на 85–90%, повышение точности расчетов до 95–98% и обеспечение воспроизводимости результатов.
Апробация разработанного инструмента совместно с комплексом ПО Tangl Value наглядно подтвердила его прикладную ценность. Обработанная плагином модель легко конвертируется в готовые ведомости, благодаря чему проектировщики избавляются от львиной доли рутины, а влияние человеческих ошибок на итоговые количественные показатели сводится к минимуму.
В перспективе функционал программы планируется существенно расширить. Например, алгоритм можно обучить самостоятельно генерировать черновые правила для CSV-справочников путем анализа уже загруженных в проект библиотек семейств. Учитывая текущие отраслевые тренды, не менее актуальной задачей выглядит адаптация этого подхода под логику работы отечественных ТИМ-платформ, таких как Renga и NanoCAD BIM. Помимо этого, авторы рассматривают возможность добавления внутренних проверок качества самой информационной модели (LOD/LOI) и перехода к облачной архитектуре. Последнее должно сильно упростить коллективную работу над проектом, если специалисты распределены по разным офисам.
В целом, полученные результаты доказывают, что грамотное использование параметрического моделирования способно радикально ускорить предварительную подготовку данных для последующих сметных расчетов. Созданный программный продукт уже сейчас готов к реальной эксплуатации и может быть рекомендован к внедрению в повседневную практику проектных бюро и строительных организаций.
