Всем привет !
Когда то давно, первые решения проекта PromCore, тестировались на строительной системе КУБ2.5. КУБ 2.5 давно уникальная безригельная домостроительная система, в которой собраны все самые оптимальны решения за многие десятилетия развития теории железобетона с 60х по 90е годы XX века. И в теории данной системой можно уже проверять софт, а не наоборот.
🔹За многие годы работы над модернизацией системы КУБ2.5 для компании Главстрой, средний расход по объектам ЖК Столичный составлял 139 кг/м3. Средних расход по плитам перекрытия 125 кг/м3.
🔹Нейросеть FEMnet 2.0 не обучалась примерам с системой КУБ2.5, но мы решили ее протестировать на ней.
🔹Новая нейросеть FEMnet справилась с этой задачей на отлично. И больше всего поразил результат по расходам армирования, они совпадают с высокой точностью.
🔹Центральные колонны красные и для них не найдено армирование, так как программа рассчитана для монолитных каркасов , в которых максимальное армирование ограничивается 10% с учетом перехлеста, т.е. по факту оно должно не превышать 5%. А в сборных колоннах КУБ2.5 % армирование достигает 9.5% на нижних ярусах.
🔹Текущая доступная версия FEMnet 1.0 в программе PromCore 3, не совсем справляется с КУБ2.5. Довольно сильно искажает результаты армирования, до 20%.
Когда то давно, первые решения проекта PromCore, тестировались на строительной системе КУБ2.5. КУБ 2.5 давно уникальная безригельная домостроительная система, в которой собраны все самые оптимальны решения за многие десятилетия развития теории железобетона с 60х по 90е годы XX века. И в теории данной системой можно уже проверять софт, а не наоборот.
🔹За многие годы работы над модернизацией системы КУБ2.5 для компании Главстрой, средний расход по объектам ЖК Столичный составлял 139 кг/м3. Средних расход по плитам перекрытия 125 кг/м3.
🔹Нейросеть FEMnet 2.0 не обучалась примерам с системой КУБ2.5, но мы решили ее протестировать на ней.
🔹Новая нейросеть FEMnet справилась с этой задачей на отлично. И больше всего поразил результат по расходам армирования, они совпадают с высокой точностью.
🔹Центральные колонны красные и для них не найдено армирование, так как программа рассчитана для монолитных каркасов , в которых максимальное армирование ограничивается 10% с учетом перехлеста, т.е. по факту оно должно не превышать 5%. А в сборных колоннах КУБ2.5 % армирование достигает 9.5% на нижних ярусах.
🔹Текущая доступная версия FEMnet 1.0 в программе PromCore 3, не совсем справляется с КУБ2.5. Довольно сильно искажает результаты армирования, до 20%.
🔥8👍2⚡1👏1
Всем привет !
🔹В свежем исследовании проекта PromCore, наконец- то была найдена постоянная зависимость армирования плоских плит перекрытий.
🔹 Средний расход в плоских плитах перекрытия подчиняется зависимости 14.2*L+40.3. Где L - это средний пролет между пилонами с 20% отклонением.
🔹 Для доказательства информацию генерировали 3 нейросети: FEMnet 2.0, SmartPylon, SmartCity. Сбор и анализ полученных данных выполняла нейросеть ChatGPT o4 и ChatGPT 4.5.
🔹 В общей сложности в течении 5 минут было сгенерировано 100 схем расположения пилонов со всей арматурой по двум разным архитектурным планам зданий.
🔹 Общий объем проанализированной информации нейросетями составил 100 Гб
🔹 Все же есть зависимость формы здания на расход.
🔹 К сожалению за многие годы получить такие данных от живых специалистов не получалось , так как два разных конструктора армируют дома с разными подходами и разными расходами.
🔹Все подробности всего исследования в подробной статье.
🔹В свежем исследовании проекта PromCore, наконец- то была найдена постоянная зависимость армирования плоских плит перекрытий.
🔹 Средний расход в плоских плитах перекрытия подчиняется зависимости 14.2*L+40.3. Где L - это средний пролет между пилонами с 20% отклонением.
🔹 Для доказательства информацию генерировали 3 нейросети: FEMnet 2.0, SmartPylon, SmartCity. Сбор и анализ полученных данных выполняла нейросеть ChatGPT o4 и ChatGPT 4.5.
🔹 В общей сложности в течении 5 минут было сгенерировано 100 схем расположения пилонов со всей арматурой по двум разным архитектурным планам зданий.
🔹 Общий объем проанализированной информации нейросетями составил 100 Гб
🔹 Все же есть зависимость формы здания на расход.
🔹 К сожалению за многие годы получить такие данных от живых специалистов не получалось , так как два разных конструктора армируют дома с разными подходами и разными расходами.
🔹Все подробности всего исследования в подробной статье.
👍12🔥2
Всем привет !
🔹 PromCore 4 готов почти на 100%. Осталось добавить пару фич и исправить несколько багов, найденных в ходе финального бета-тестирования.
🔹 Новая версия станет доступна предварительно 5 мая.
🔹 С 5 мая новая версия будет доступна в течение 60 дней всем пользователям бесплатно.
🔹 Всем кто когда-либо отправлял запрос на доступ к программе, повторный запрос отправлять нет необходимости, доступ представиться автоматически.
🔹 По истечению 60 дней, с 5 июля вернется стандартная форма предоставления доступа.
🔹После майских праздников будет проведен стрим с демонстрацией новых функций. Но вместе с выходом новой версии будет доступен подробный видеоролик с демонстрацией новых возможностей.
🔹 PromCore 4 готов почти на 100%. Осталось добавить пару фич и исправить несколько багов, найденных в ходе финального бета-тестирования.
🔹 Новая версия станет доступна предварительно 5 мая.
🔹 С 5 мая новая версия будет доступна в течение 60 дней всем пользователям бесплатно.
🔹 Всем кто когда-либо отправлял запрос на доступ к программе, повторный запрос отправлять нет необходимости, доступ представиться автоматически.
🔹 По истечению 60 дней, с 5 июля вернется стандартная форма предоставления доступа.
🔹После майских праздников будет проведен стрим с демонстрацией новых функций. Но вместе с выходом новой версии будет доступен подробный видеоролик с демонстрацией новых возможностей.
👍10🔥2🎉1
Всем привет !
🔹В версии PromCore 4, все расчеты и процессы автоматизации моделирование новых инструментов, перейдут на GPU. В связи с этим подготовлена статья в которой приведены сравнительные тесты времени расчета и моделирования небольшого 12-ти этажного здания.
🔹В статье данные по более чем 200 наиболее популярным видеокартам за крайние 13 лет. С 2012 года средняя производительность GPU выросла с уровня GT 630 (2012) до RTX 5090 (2025), обеспечив ~100× прирост скорости вычислений.
🔹Для сравнения, производительность CPU за тот же период увеличилась с Intel i7-3770K (6474 PassMark) до AMD Ryzen 9 7950X (63621 PassMark), то есть в ~10×.
🔹GPU выигрывают за счёт масштабируемой параллельной архитектуры и быстродействующей памяти, тогда как CPU ограничены ростом тактовых частот и тепловым пакетом.
🔹В версии PromCore 4, все расчеты и процессы автоматизации моделирование новых инструментов, перейдут на GPU. В связи с этим подготовлена статья в которой приведены сравнительные тесты времени расчета и моделирования небольшого 12-ти этажного здания.
🔹В статье данные по более чем 200 наиболее популярным видеокартам за крайние 13 лет. С 2012 года средняя производительность GPU выросла с уровня GT 630 (2012) до RTX 5090 (2025), обеспечив ~100× прирост скорости вычислений.
🔹Для сравнения, производительность CPU за тот же период увеличилась с Intel i7-3770K (6474 PassMark) до AMD Ryzen 9 7950X (63621 PassMark), то есть в ~10×.
🔹GPU выигрывают за счёт масштабируемой параллельной архитектуры и быстродействующей памяти, тогда как CPU ограничены ростом тактовых частот и тепловым пакетом.
👍9🔥2
Всем привет !
В преддверии релиза 4 версии программы команда PromCore решила параллельно изучить возможности еще большего улучшения нейросети FEMnet 2.0. Для этого мы еще собрали несколько миллионов данных обучения и получили интересные данные.
🔹Мы нашли около 25 000 данных которые искажали данные обучения всех версий нейросетей.
🔹Улучшение возможно и значительно, но с улучшением растет и размер нейросети. В течении нескольких месяцев выйдет еще одна новая нейросеть FEMnet 3.0. Для сравнения размерностей нейросетей:
- FEMnet 1.0 (PromCore 3) - 1 000 000 параметров
- FEMnet 2.0 (PromCore 4) - 4 800 000 параметров
- FEMnet 3.0 (PromCore 4) - 19 240 000 параметров
🔹Версия нейросети FEMnet 3.0 соответственно медленнее по сравнению с FEMnet 2.0, но не в 4 раза, мы переписали значительную часть движка генерации данных для конечных элементов, реализовали более лучший параллелизм данных. Пользователь на стартовом окне программы будет выбирать какую нейросеть он хочет использовать в основной программе. Изменить выбор в режиме работы с нейросетью будет невозможно, придется возвращаться на стартовое окно.
🔹Нейросеть FEMnet 3.0 станет еще больше, примерно 300 Мб, больше чем сама программа PromCore.
🔹 FEMnet 3.0 стал и намного капризнее к выделению памяти на GPU во время работы. Пришлось переписать весь движок в который раз под 3.0. Так же эта версия нейросети выжимает все соки из Vulkan API.
🔹Новая архитектура нейросетей подстраивается под развитие GPU , в основном от Nvidia. С выходом линейки видеокарт 5000 серии появилось много проблем, с которыми ранее пользователи не сталкивались. Часто можно было прочитать что тот или иной драйвер ломает систему, проблемы не прошли мимо и проекта PromCore. Проблема в том что Vulkan API имеет не очень стабильную SwapChain. Не будем подробно описывать эту технологию. Nvidia и Vulkan обещают починить в короткие сроки. В чем заключается проблема для пользователя, из-за того что Vulkan дает значительный прирост для нейросети FEMnet 2.0 по сравнению с DirectX, при сворачивании программы в трей, GPU выдает «device lost» и не может связать обратно картинку из буфера. Поэтому новую версию PromCore нельзя будет свернуть в трей ОС. Данная функция будет отключена, пока Nvidia не решит проблему в драйверах.
🔹Этот пост написан больше к тому, что новая архитектура программ с расчетами и моделированием на GPU сталкиваются с новыми проблемами. И о данных проблемах нет информации в интернете, проект начинает проходить этап когда мы сталкиваемся с проблемами первыми среди разработчиков ПО. Так сказать первопроходцы в мире параллелизма на GPU среди BIM/CAD.
В преддверии релиза 4 версии программы команда PromCore решила параллельно изучить возможности еще большего улучшения нейросети FEMnet 2.0. Для этого мы еще собрали несколько миллионов данных обучения и получили интересные данные.
🔹Мы нашли около 25 000 данных которые искажали данные обучения всех версий нейросетей.
🔹Улучшение возможно и значительно, но с улучшением растет и размер нейросети. В течении нескольких месяцев выйдет еще одна новая нейросеть FEMnet 3.0. Для сравнения размерностей нейросетей:
- FEMnet 1.0 (PromCore 3) - 1 000 000 параметров
- FEMnet 2.0 (PromCore 4) - 4 800 000 параметров
- FEMnet 3.0 (PromCore 4) - 19 240 000 параметров
🔹Версия нейросети FEMnet 3.0 соответственно медленнее по сравнению с FEMnet 2.0, но не в 4 раза, мы переписали значительную часть движка генерации данных для конечных элементов, реализовали более лучший параллелизм данных. Пользователь на стартовом окне программы будет выбирать какую нейросеть он хочет использовать в основной программе. Изменить выбор в режиме работы с нейросетью будет невозможно, придется возвращаться на стартовое окно.
🔹Нейросеть FEMnet 3.0 станет еще больше, примерно 300 Мб, больше чем сама программа PromCore.
🔹 FEMnet 3.0 стал и намного капризнее к выделению памяти на GPU во время работы. Пришлось переписать весь движок в который раз под 3.0. Так же эта версия нейросети выжимает все соки из Vulkan API.
🔹Новая архитектура нейросетей подстраивается под развитие GPU , в основном от Nvidia. С выходом линейки видеокарт 5000 серии появилось много проблем, с которыми ранее пользователи не сталкивались. Часто можно было прочитать что тот или иной драйвер ломает систему, проблемы не прошли мимо и проекта PromCore. Проблема в том что Vulkan API имеет не очень стабильную SwapChain. Не будем подробно описывать эту технологию. Nvidia и Vulkan обещают починить в короткие сроки. В чем заключается проблема для пользователя, из-за того что Vulkan дает значительный прирост для нейросети FEMnet 2.0 по сравнению с DirectX, при сворачивании программы в трей, GPU выдает «device lost» и не может связать обратно картинку из буфера. Поэтому новую версию PromCore нельзя будет свернуть в трей ОС. Данная функция будет отключена, пока Nvidia не решит проблему в драйверах.
🔹Этот пост написан больше к тому, что новая архитектура программ с расчетами и моделированием на GPU сталкиваются с новыми проблемами. И о данных проблемах нет информации в интернете, проект начинает проходить этап когда мы сталкиваемся с проблемами первыми среди разработчиков ПО. Так сказать первопроходцы в мире параллелизма на GPU среди BIM/CAD.
Хабр
Vulkan. Руководство разработчика. Swap chain
Я продолжаю публиковать переводы руководства к Vulkan API (cсылка на оригинал — vulkan-tutorial.com ), и сегодня хочу поделиться переводом новой главы — Swap chain из раздела Drawing a triangle,...
👍8❤3
Всем привет !
Иногда публикуем нейросети которыми пользуемся, возможно кому то будет интересно.
🔹Данная нейросеть отлично генерирует текст во всех возможных комбинациях материалов и ситуаций.
🔹Есть небольшое число бесплатных генераций.
Иногда публикуем нейросети которыми пользуемся, возможно кому то будет интересно.
🔹Данная нейросеть отлично генерирует текст во всех возможных комбинациях материалов и ситуаций.
🔹Есть небольшое число бесплатных генераций.
🔥5👍2
Всем привет !
Сегодня в 00:00 по Мск станет доступна новая версия PromCore 4.0.0.57. Она уже доступна для скачивания. Для тех у кого уже есть клиент, он предложит скачать новую версию при запуске. С 5.05.2025 года у всех, кто когда либо запрашивал доступ новая версия доступна на 62 дня, ничего дополнительно запрашивать не нужно. Что нового в версии PromCore 4:
🔹 Новая нейросеть FEMnet 2.0, в статье подробная информация по ней со всеми сравнениями.
🔹 Реализована технология GPU Batching для FEM.
🔹 Новая система управления, редактирования и взаимодействия с элементами.
🔹 Возможность экспортировать из Revit целые городские застройки.
🔹 Возможность сохранять/загружать в программе городские застройки.
🔹 Новая нейросеть SmartCity, она является гибридом с нейросетью FEMnet 2.0 - ее задача найти в модели - здания, заармировать все плоские плиты перекрытий в каждом здании, стены и найти сжимающие напряжения в пилонах. В целом инструмент не отличается от уже существующего инструмента с классическим решателем.
🔹До 400% увеличенная производительность FPS, за счет лучше многопоточной обработки геометрии на CPU в каждом кадре.
🔹Увеличился размер программы до 300 Мб, ранее программа занимала около 100 Мб.
🔹Увеличился размер нейросетей на жестком диске, теперь это около 65 Мб.
🔹У программы теперь существует фильтр слабых ПК, пользователи у которых видеокарты не поддерживают Vulkan API или объем видео памяти ниже 4 Gb, не смогут использовать программу.
🔹Все основные механики программы переведены на GPU. Число ядер CPU теперь только немного влияют на FPS при работе в пространстве модели.
🔹В новой версии на производительность всех вычислений с помощью нейросетей влияет только вычислительная мощность вашего GPU.
🔹Так же реализовано около 100 изменений не глобального характера.
Теперь проект может сосредоточиться на новом решении для следующей версии PromCore. Оно будет новым для проекта, ранее мы его не показывали и не говорили о нем.
Сегодня в 00:00 по Мск станет доступна новая версия PromCore 4.0.0.57. Она уже доступна для скачивания. Для тех у кого уже есть клиент, он предложит скачать новую версию при запуске. С 5.05.2025 года у всех, кто когда либо запрашивал доступ новая версия доступна на 62 дня, ничего дополнительно запрашивать не нужно. Что нового в версии PromCore 4:
🔹 Новая нейросеть FEMnet 2.0, в статье подробная информация по ней со всеми сравнениями.
🔹 Реализована технология GPU Batching для FEM.
🔹 Новая система управления, редактирования и взаимодействия с элементами.
🔹 Возможность экспортировать из Revit целые городские застройки.
🔹 Возможность сохранять/загружать в программе городские застройки.
🔹 Новая нейросеть SmartCity, она является гибридом с нейросетью FEMnet 2.0 - ее задача найти в модели - здания, заармировать все плоские плиты перекрытий в каждом здании, стены и найти сжимающие напряжения в пилонах. В целом инструмент не отличается от уже существующего инструмента с классическим решателем.
🔹До 400% увеличенная производительность FPS, за счет лучше многопоточной обработки геометрии на CPU в каждом кадре.
🔹Увеличился размер программы до 300 Мб, ранее программа занимала около 100 Мб.
🔹Увеличился размер нейросетей на жестком диске, теперь это около 65 Мб.
🔹У программы теперь существует фильтр слабых ПК, пользователи у которых видеокарты не поддерживают Vulkan API или объем видео памяти ниже 4 Gb, не смогут использовать программу.
🔹Все основные механики программы переведены на GPU. Число ядер CPU теперь только немного влияют на FPS при работе в пространстве модели.
🔹В новой версии на производительность всех вычислений с помощью нейросетей влияет только вычислительная мощность вашего GPU.
🔹Так же реализовано около 100 изменений не глобального характера.
Теперь проект может сосредоточиться на новом решении для следующей версии PromCore. Оно будет новым для проекта, ранее мы его не показывали и не говорили о нем.
🔥6👍1
Media is too big
VIEW IN TELEGRAM
Всем привет !
Команда PromCore с 2016 года занимается разработкой полноценного ИИ архитектора на уровне мастерпланирования. Сначала подразумевалось что данная работа будет выглядеть как дневник разработчика. Но после определённых событий было принято решение скрыть от публичности всю проводимую работу. И в какой то момент пришлось приостановить работу в направлении архитектурных решений, из-за того что конструктивные были более сложной задачей. Поэтому в 2019 году приоритет был на КР. Но архитектурные решения не были остановлены.
За эти годы были изучены многие решения / модели / прототипы, почти все они относятся к университетским решениям. Мы их оценили по 10 бальной шкале, укажем лучшие:
🔹CityGen (2023, диффузия) - 9.0 балов.
🔹COHO (2024, граф-MAE) - 8.3 балов.
🔹CityDreamer (2024, 3D-GAN + NeRF) - 7.3 балов.
🔹UrbanWorld (2024, гибрид LLM + diff)- 7.0 балов.
🔹ESGAN (2023, conditional GAN) - 6.2 балов.
🔹GlobalMapper (2023, VAE+GAT) - 6.0 балов.
🔹RL-Planner (2023, GNN + RL) - 6.2 балов.
🔹Pix2PixHD-Plan (2021, cGAN) - 5.3 балов.
Самая лучшая нейронная модель генератора застройки - это CityGen. Ее можно переобучить с генерации высоток под 3-60 этажей и заменить шум на генерацию под конкретную местность. Но даже она не идеальная модель. И генерация застройки это всего лишь небольшой процент от всех задач мастер планирования. Поэтому итоговая нейронная сеть это целая экосистема различных нейросетей, которые обмениваются друг с другом различными данными.
🔤 🔤 🔤 🔤 🔤 🔤 - Наша новая искусственная нейронная сеть для автоматизации создания мастерпланов жилой застройки в программе PromCore. Почему выбрано название Phobos в 2019 году ?
📘 Это аббревиатура:
Planning
Housing
Optimization &
Building
Orchestration
System
📗 Phobos - заимствовал своё имя у мифологического бога страха. Наша нейросеть призвана «разбудить» в архитекторе древний инстинкт осторожности перед неизведанным: она создаёт предпосылки серьёзных перемен в профессии, освобождая человека от рутинных операций и стимулируя переосмысление своей роли. Страх перед новым глубоко заложен в нашей ДНК — он помогал нашим предкам выжить, а сегодня побуждает нас смелее принимать инновации в мастерпланировании.
Команда PromCore с 2016 года занимается разработкой полноценного ИИ архитектора на уровне мастерпланирования. Сначала подразумевалось что данная работа будет выглядеть как дневник разработчика. Но после определённых событий было принято решение скрыть от публичности всю проводимую работу. И в какой то момент пришлось приостановить работу в направлении архитектурных решений, из-за того что конструктивные были более сложной задачей. Поэтому в 2019 году приоритет был на КР. Но архитектурные решения не были остановлены.
За эти годы были изучены многие решения / модели / прототипы, почти все они относятся к университетским решениям. Мы их оценили по 10 бальной шкале, укажем лучшие:
🔹CityGen (2023, диффузия) - 9.0 балов.
🔹COHO (2024, граф-MAE) - 8.3 балов.
🔹CityDreamer (2024, 3D-GAN + NeRF) - 7.3 балов.
🔹UrbanWorld (2024, гибрид LLM + diff)- 7.0 балов.
🔹ESGAN (2023, conditional GAN) - 6.2 балов.
🔹GlobalMapper (2023, VAE+GAT) - 6.0 балов.
🔹RL-Planner (2023, GNN + RL) - 6.2 балов.
🔹Pix2PixHD-Plan (2021, cGAN) - 5.3 балов.
Самая лучшая нейронная модель генератора застройки - это CityGen. Ее можно переобучить с генерации высоток под 3-60 этажей и заменить шум на генерацию под конкретную местность. Но даже она не идеальная модель. И генерация застройки это всего лишь небольшой процент от всех задач мастер планирования. Поэтому итоговая нейронная сеть это целая экосистема различных нейросетей, которые обмениваются друг с другом различными данными.
📘 Это аббревиатура:
Planning
Housing
Optimization &
Building
Orchestration
System
📗 Phobos - заимствовал своё имя у мифологического бога страха. Наша нейросеть призвана «разбудить» в архитекторе древний инстинкт осторожности перед неизведанным: она создаёт предпосылки серьёзных перемен в профессии, освобождая человека от рутинных операций и стимулируя переосмысление своей роли. Страх перед новым глубоко заложен в нашей ДНК — он помогал нашим предкам выжить, а сегодня побуждает нас смелее принимать инновации в мастерпланировании.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥4🤔3👏1
Всем привет !
🔹С помощью данного API теперь возможно создавать пользовательские плагины для различных программ, которые формируют модель с расширением prmt для программы PromCore.
🔹Формат prmt легко открыть блокнотом
🔹С помощью данного API теперь возможно создавать пользовательские плагины для различных программ, которые формируют модель с расширением prmt для программы PromCore.
🔹Формат prmt легко открыть блокнотом
👍3
Часто в BIM среде можно услышать что BIM мертв в России, что государство его убило. Но видя этот рейтинг, возникает чувство диссонанса, как может умнейшее среди Европейских и западных стран делать "хуже" чем все остальные.
1. Проблема BIM-сообщества в России.
У некоторых сторонников BIM существует иллюзия, что где-то за рубежом всё идеально, а в России всё безнадёжно. В действительности же это во многом устаревший маркетинговый миф, уходящий корнями во времена активного продвижения Autodesk. На этом мифе уже сложно выехать, поскольку рынок и технологии давно изменились. Подобные подходы чаще применяются в малоразвитых (в контексте цифровизации) регионах, где критическое мышление не так распространено.
2. Проблема масштабов
На протяжении нескольких лет в России идеи BIM продвигали по сингапурскому сценарию. Однако Сингапур — это компактный город-государство, сопоставимый по численности населения с Санкт-Петербургом (около 5,5 млн человек).
🔹Многие «витринные» BIM-проекты в Сингапуре действительно ориентированы на туристические зоны (например, Marina Bay Sands, аэропорт Чанги и др.).
➖Сингапурский опыт можно условно сравнить лишь с реализацией BIM на уровне одного-двух столичных округов, например ЦАО или СЗАО Москвы.
➖В азиатских странах (Сингапур, Южная Корея, Таиланд) метро зачастую типовое, трёхуровневое, без яркой архитектурной индивидуальности — «мечта конструктора», где BIM-проекты проще масштабировать.
➖Попробуйте применить сингапурские методы, скажем, в Нижегородской области, и станет очевидно, что задача кардинально меняется из-за иных условий, расстояний и неоднородной инфраструктуры.
3. Проблема централизации больших стран
Россия:
🔺13 часовых поясов, 89 субъектов, каждый со своими региональными нормами в строительстве и экспертизой.
🔺Множество инстанций и уровней власти
США:
🔹Официально 6 часовых зон на континенте плюс несколько «заморских» территорий, однако если считать их все, можно говорить о 9+ часовых поясах.
🔹50 штатов + округ Колумбия, порой с противоречащим строительным законодательством.
В обеих странах консерватизм застройщиков и подрядчиков ведёт к тому, что они сопротивляются переводу процессов в BIM и продолжению «бумажной» традиции. Это делает ситуацию в России и США поразительно похожей.
4. Обоснование инвестиций
Россия:
🔺Застройщики и подрядчики часто не видят прямого финансового эффекта от BIM на этапе строительства.
🔺Основной объём строительства приходится на жильё и социальные объекты, где маржинальность невысока, а оптимизация процессов не всегда является приоритетом.
США:
🔹Многие компании вне крупных инфраструктурных проектов считают, что затраты на внедрение BIM (обучение персонала, покупку ПО, перестройку бизнес-процессов) не окупаются.
🔹При этом основная статья финансирования в США — инфраструктура (автомагистрали, мосты и т. п.), где BIM действительно востребован и инвестируется на уровне государство за счет дотаций.
Таким образом, в обоих государствах есть проблемы с чётким экономическим обоснованием: когда приоритет — объекты с невысокой маржинальностью, инвестировать в BIM сложнее. BIM в обоих государствах востребован в дотационных секторах.
5. Проблема кадров: BIM на стройке:
Эта проблема актуальна во всём мире. Считается, что массовое использование рабочих-мигрантов в России мешает эффективному внедрению BIM. Но в США и Канаде тоже трудится много мигрантов из Мексики (включая выходцев из Узбекистана, Таджикистана). В арабских странах на стройках заняты индийцы, пакистанцы и бенгальцы, зачастую без начального образования.
➖Языковой барьер и низкий уровень цифровых навыков делают BIM-модель бесполезной, если рабочие не умеют с ней взаимодействовать.
➖Даже высококвалифицированные арабские и азиатские специалисты нередко удивляются детализации российских технических требований, полагая, что их чрезвычайно сложно соблюдать на практике.
➖В некоторых азиатских регионах проблема образования стоит так остро, что речь порой идёт не о компьютерной грамотности, а о доступе к питьевой воде.
6. Итог:
Он простой, государство перестало адекватно прислушиваться к такому сообществу.
1. Проблема BIM-сообщества в России.
У некоторых сторонников BIM существует иллюзия, что где-то за рубежом всё идеально, а в России всё безнадёжно. В действительности же это во многом устаревший маркетинговый миф, уходящий корнями во времена активного продвижения Autodesk. На этом мифе уже сложно выехать, поскольку рынок и технологии давно изменились. Подобные подходы чаще применяются в малоразвитых (в контексте цифровизации) регионах, где критическое мышление не так распространено.
2. Проблема масштабов
На протяжении нескольких лет в России идеи BIM продвигали по сингапурскому сценарию. Однако Сингапур — это компактный город-государство, сопоставимый по численности населения с Санкт-Петербургом (около 5,5 млн человек).
🔹Многие «витринные» BIM-проекты в Сингапуре действительно ориентированы на туристические зоны (например, Marina Bay Sands, аэропорт Чанги и др.).
➖Сингапурский опыт можно условно сравнить лишь с реализацией BIM на уровне одного-двух столичных округов, например ЦАО или СЗАО Москвы.
➖В азиатских странах (Сингапур, Южная Корея, Таиланд) метро зачастую типовое, трёхуровневое, без яркой архитектурной индивидуальности — «мечта конструктора», где BIM-проекты проще масштабировать.
➖Попробуйте применить сингапурские методы, скажем, в Нижегородской области, и станет очевидно, что задача кардинально меняется из-за иных условий, расстояний и неоднородной инфраструктуры.
3. Проблема централизации больших стран
Россия:
🔺13 часовых поясов, 89 субъектов, каждый со своими региональными нормами в строительстве и экспертизой.
🔺Множество инстанций и уровней власти
США:
🔹Официально 6 часовых зон на континенте плюс несколько «заморских» территорий, однако если считать их все, можно говорить о 9+ часовых поясах.
🔹50 штатов + округ Колумбия, порой с противоречащим строительным законодательством.
В обеих странах консерватизм застройщиков и подрядчиков ведёт к тому, что они сопротивляются переводу процессов в BIM и продолжению «бумажной» традиции. Это делает ситуацию в России и США поразительно похожей.
4. Обоснование инвестиций
Россия:
🔺Застройщики и подрядчики часто не видят прямого финансового эффекта от BIM на этапе строительства.
🔺Основной объём строительства приходится на жильё и социальные объекты, где маржинальность невысока, а оптимизация процессов не всегда является приоритетом.
США:
🔹Многие компании вне крупных инфраструктурных проектов считают, что затраты на внедрение BIM (обучение персонала, покупку ПО, перестройку бизнес-процессов) не окупаются.
🔹При этом основная статья финансирования в США — инфраструктура (автомагистрали, мосты и т. п.), где BIM действительно востребован и инвестируется на уровне государство за счет дотаций.
Таким образом, в обоих государствах есть проблемы с чётким экономическим обоснованием: когда приоритет — объекты с невысокой маржинальностью, инвестировать в BIM сложнее. BIM в обоих государствах востребован в дотационных секторах.
5. Проблема кадров: BIM на стройке:
Эта проблема актуальна во всём мире. Считается, что массовое использование рабочих-мигрантов в России мешает эффективному внедрению BIM. Но в США и Канаде тоже трудится много мигрантов из Мексики (включая выходцев из Узбекистана, Таджикистана). В арабских странах на стройках заняты индийцы, пакистанцы и бенгальцы, зачастую без начального образования.
➖Языковой барьер и низкий уровень цифровых навыков делают BIM-модель бесполезной, если рабочие не умеют с ней взаимодействовать.
➖Даже высококвалифицированные арабские и азиатские специалисты нередко удивляются детализации российских технических требований, полагая, что их чрезвычайно сложно соблюдать на практике.
➖В некоторых азиатских регионах проблема образования стоит так остро, что речь порой идёт не о компьютерной грамотности, а о доступе к питьевой воде.
6. Итог:
Он простой, государство перестало адекватно прислушиваться к такому сообществу.
👍9⚡1
Всем привет !
🔹Новый драйвер Nvidia добавляет технологию Nvidia smooth motion (генерация кадров на уровне драйвера) для Vulkan API версии 1.0 и выше.
🔹Теперь пользователи с видеокартами Nvidia серии 5000 могут ощутить 2х кратный прирост FPS в программе PromCore.
🔹Дядя Хуанг обещает что будет и поддержка видеокарт 4000 серии, но пока этого не произошло.
🔹В свежем драйвере NVIDIA GeForce Graphics Driver версии 576.40 так же произошло очередное урезание Vulkan API, которое ощущается только на очень больших моделях в программе PromCore. Надеемся что Nvidia снова в очередной раз все починит в новых обновлениях драйверов.
🔹Новый драйвер Nvidia добавляет технологию Nvidia smooth motion (генерация кадров на уровне драйвера) для Vulkan API версии 1.0 и выше.
🔹Теперь пользователи с видеокартами Nvidia серии 5000 могут ощутить 2х кратный прирост FPS в программе PromCore.
🔹Дядя Хуанг обещает что будет и поддержка видеокарт 4000 серии, но пока этого не произошло.
🔹В свежем драйвере NVIDIA GeForce Graphics Driver версии 576.40 так же произошло очередное урезание Vulkan API, которое ощущается только на очень больших моделях в программе PromCore. Надеемся что Nvidia снова в очередной раз все починит в новых обновлениях драйверов.
🔥3
Всем привет !
При раскладке арматуры в плите перекрытия у конструктора часто возникает вопрос. Этот вопрос не совсем технический. Сколько времени потратить на раскладку арматуры одной секции жилого здания ? Как правило, это не более 1 дня. За это день он должен оценить границы цветовых зон изополей, число зон не должно превышать то число, которое конструктор физически может потратить на моделирование и оформление чертежа.
И в этой схеме работ, чем больше зон можно выделить, тем выше трудоемкость.
💲Так как оплата труда проектировщика крайние 20 лет менее 1% от коммерческой стоимости объекта, то конструктор выбирает схему дополнительного армирования с минимальным числом зон армирования.
❓ Теперь вопрос, на сколько влияет унификация зон , по сути их размер, на расход армирования.
В новой версии PromCore с помощью новой нейросети SmartCity, ответ на этот вопрос займет 5 секунд.
📋 При размере дополнительных зон 300 мм и шаге армирования 100, расход в плите перекрытия составил 78.8 кг/м3
📋 При размере дополнительных зон 1200 мм и шаге армирования 100, расход в плите перекрытия составил 86.6 кг/м3
📋 При размере дополнительных зон 2000 мм и шаге армирования 100, расход в плите перекрытия составил 95.2 кг/м3
📊Итоги:
- При уменьшении числа зон предварительно в 2 раза, расход в плитах увеличился на 20% или 16.4 кг/м2. На одну секцию жилого 17 этажного здания удорожание составляет около 9 000 000р.
- Экономия на м2 проектирования обратно пропорциональна рациональности принимаемым решениям.
При раскладке арматуры в плите перекрытия у конструктора часто возникает вопрос. Этот вопрос не совсем технический. Сколько времени потратить на раскладку арматуры одной секции жилого здания ? Как правило, это не более 1 дня. За это день он должен оценить границы цветовых зон изополей, число зон не должно превышать то число, которое конструктор физически может потратить на моделирование и оформление чертежа.
И в этой схеме работ, чем больше зон можно выделить, тем выше трудоемкость.
💲Так как оплата труда проектировщика крайние 20 лет менее 1% от коммерческой стоимости объекта, то конструктор выбирает схему дополнительного армирования с минимальным числом зон армирования.
В новой версии PromCore с помощью новой нейросети SmartCity, ответ на этот вопрос займет 5 секунд.
📋 При размере дополнительных зон 300 мм и шаге армирования 100, расход в плите перекрытия составил 78.8 кг/м3
📋 При размере дополнительных зон 1200 мм и шаге армирования 100, расход в плите перекрытия составил 86.6 кг/м3
📋 При размере дополнительных зон 2000 мм и шаге армирования 100, расход в плите перекрытия составил 95.2 кг/м3
📊Итоги:
- При уменьшении числа зон предварительно в 2 раза, расход в плитах увеличился на 20% или 16.4 кг/м2. На одну секцию жилого 17 этажного здания удорожание составляет около 9 000 000р.
- Экономия на м2 проектирования обратно пропорциональна рациональности принимаемым решениям.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥2
Media is too big
VIEW IN TELEGRAM
Вы когда-нибудь задумывались, сколько времени на самом деле требуется для проверки концепции на работоспособность? В моем тесте PromCore проглотил обычный план этажа Pinterest и вывел полностью рассчитанный армированный каркас еще до того, как сопоставимая модель Revit успела закончить загрузку.
🌐 Узнайте больше о PromCore
➡️ Инструкция по запуску программы
🌐 Узнайте больше о PromCore
➡️ Инструкция по запуску программы
🔥8⚡2👍2