KR20230020131A - 강화학습 기반 mep 설계 자동화 방법 및 시스템 - Google Patents

강화학습 기반 mep 설계 자동화 방법 및 시스템 Download PDF

Info

Publication number
KR20230020131A
KR20230020131A KR1020210101798A KR20210101798A KR20230020131A KR 20230020131 A KR20230020131 A KR 20230020131A KR 1020210101798 A KR1020210101798 A KR 1020210101798A KR 20210101798 A KR20210101798 A KR 20210101798A KR 20230020131 A KR20230020131 A KR 20230020131A
Authority
KR
South Korea
Prior art keywords
design
mep
space
model
path
Prior art date
Application number
KR1020210101798A
Other languages
English (en)
Other versions
KR102592565B1 (ko
Inventor
박준우
배한국
이지호
Original Assignee
박준우
배한국
이지호
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 박준우, 배한국, 이지호 filed Critical 박준우
Priority to KR1020210101798A priority Critical patent/KR102592565B1/ko
Publication of KR20230020131A publication Critical patent/KR20230020131A/ko
Application granted granted Critical
Publication of KR102592565B1 publication Critical patent/KR102592565B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/16—Cables, cable trees or wire harnesses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Biophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

강화학습 기반 MEP 설계 자동화 방법 및 시스템이 개시된다. 일 실시예에 따른 설계 자동화 시스템에 의해 수행되는 MEP 설계 자동화 방법은, BIM 모델로부터 기계설비 시스템을 배치하기 위한 MEP 설계공간을 지정하는 설계공간 지정단계; 상기 지정된 MEP 설계공간에서 상기 기계설비 시스템을 배치하기 위한 객체의 건축물 설계 조건을 만족하는 자원의 최종 도달 위치, 자원을 공급하는 설비 및 자원을 공급하는 설비의 위치를 결정하는 탐색 목표 지정 단계; 상기 결정된 자원의 최종 도달 위치에 기초하여 상기 지정된 MEP 설계공간에서 상기 객체와 관련하여 설정된 시점과 종점을 이용하여 MEP 설계 자동화를 위한 학습 모델을 통해 시점과 종점을 연결하는 객체의 경로를 탐색하는 경로탐색 단계; 및 상기 탐색된 경로에 따라 도출된 최적 설계안을 기반으로 생성된 MEP 모델의 MEP 설계 결과를 출력하는 MEP 모델 생성 단계를 포함할 수 있다.

Description

강화학습 기반 MEP 설계 자동화 방법 및 시스템{METHOD AND SYSTEM FOR AUTOMATING MEP DESIGN BASED ON REINFORCEMENT LEARNING}
아래의 설명은 건축물의 MEP 설계 및 평가를 위한 기술에 관한 것으로, 3차원 공간을 조성하고 자동으로 건축 설비의 배치 경로를 설계하는 방법 및 시스템에 관한 것이다.
기존 건축 설계는 주로 CAD와 같은 2차원 설계도구를 사용하여 도면을 제작하는 방식으로 진행되고 있다. 그 중에서도 MEP 설계의 경우, 건축 도면과 구조 도면을 고려하여 복합적인 공간 산출 및 설계가 필요하기 때문에, 구조 도면까지 설계가 된 기본설계(Design Development) 단계에서 수행된다. 이 과정은 다수의 도면을 복합적으로 확인하여 설계를 진행하기 때문에, 전문적인 지식을 필요로 하며 시간과 비용, 인력이 많이 소모된다. 또한, 설계 시 시공 불가능한 위치에 배관 등이 배치되거나, 다른 자재와 간섭이 발생하는 경우 등 설계 오류가 빈번하게 발생한다.
기존 설계의 문제점을 해결하기 위하여, BIM(Building Information Modeling)의 도입이 제안되었다. BIM은 설계, 시공, 유지관리에 걸친 건축물 생애주기 전반에서 활용할 수 있는 3차원 건축물 정보 모델이다. 하지만 이론적으로 BIM 기반 설계는 설계 초기 단계부터 많은 공정별 전문가들이 참여해야 하기 때문에 실무적 접근성, 활용성에 있어서 상당한 제약이 있으며 여전히 실무에서는 2차원 CAD 도면을 활용하고 있다.
기존 방식이 가진 문제점을 해결하고자, 자동으로 MEP 설계를 수행하는 기술이 요구되고 있다.
3차원 가상 공간에서 건축물의 배관 종류, 경로를 탐색하여 MEP 설계를 자동화할 수 있다. 더욱 상세하게는, 설비 종류 선택, 두 개 이상의 경로의 복합적 탐색, 각 객체의 제원에 따른 적합한 설계를 자동화할 수 있는 방법 및 시스템을 제안한다.
설계 자동화 시스템에 의해 수행되는 MEP 설계 자동화 방법은, BIM 모델로부터 기계설비 시스템을 배치하기 위한 MEP 설계공간을 지정하는 설계공간 지정단계; 상기 지정된 MEP 설계공간에서 상기 기계설비 시스템을 배치하기 위한 객체의 건축물 설계 조건을 만족하는 자원의 최종 도달 위치, 자원을 공급하는 설비 및 자원을 공급하는 설비의 위치를 결정하는 탐색 목표 지정 단계; 상기 결정된 자원의 최종 도달 위치에 기초하여 상기 지정된 MEP 설계공간에서 상기 객체와 관련하여 설정된 시점과 종점을 이용하여 MEP 설계 자동화를 위한 학습 모델을 통해 시점과 종점을 연결하는 객체의 경로를 탐색하는 경로탐색 단계; 및 상기 탐색된 경로에 따라 도출된 최적 설계안을 기반으로 생성된 MEP 모델의 MEP 설계 결과를 출력하는 MEP 모델 생성 단계를 포함할 수 있다.
상기 학습 모델은, MEP 설계 자동화를 위하여 에이전트(Agent)가 객체(Object)의 현재 상태(State) 및 행동(Action)에 따른 보상(Reward) 값에 따라 최적의 행동을 취할 수 있도록 학습하는 강화학습 모델이고, 상기 경로탐색 단계는, 상기 강화학습 모델을 통해 반복적으로 경로를 탐색함에 따라 객체 간 충돌 및 간섭이 발생하지 않는 성공 사례 데이터를 획득하고, 상기 획득된 성공 사례 데이터를 포함하는 적어도 하나 이상의 시나리오를 획득하고, 상기 획득된 적어도 하나 이상의 시나리오 중에서 강화학습의 보상값에 기초하여 가장 높은 점수를 획득한 시나리오를 최적의 설계안으로 선택하는 단계를 포함할 수 있다.
상기 경로탐색 단계는, 상기 탐색된 경로와 객체의 성질 및 위치, 경로가 탐색된 대상 공간 정보를 고려하여 필요 송풍량, 전압, 유량의 필요 조건을 계산하고, 필요 조건에 적합한 송풍기, 펌프의 용량과 파이프, 덕트의 규격을 결정하는 단계를 포함할 수 있다.
상기 경로탐색 단계는, 상기 성공 사례 데이터의 수집에 실패한 경우 실패 사례 데이터를 기반으로 경로 탐색 실패 원인을 탐색하고, 상기 탐색된 경로 탐색 실패 원인을 통해 설계공간을 수정하는 단계를 포함할 수 있다.
상기 설계공간 지정 단계는, 사용자로부터 BIM 모델링 툴을 이용하여 생성된 BIM 모델 데이터를 입력받고, 상기 입력받은 BIM 모델로부터 건축물의 형상 데이터, 구조 부재 데이터, 재료 데이터를 포함하는 건축물 정보를 인식하고, 상기 입력받은 BIM 모델로부터 상기 입력받은 BIM 모델에 포함된 룸 지정 정보를 기반으로 룸 공간 및 기계설비 시스템을 배치하기 위한 설비 공간을 포함하는 공간 정보를 구분하고, 수도시설, 공조시설, 전기시설 및 소방시설을 포함하는 기계 설비 시스템을 배치하기 위한 설비 공간을 도출하는 단계를 포함하고, 상기 탐색 목표 지정 단계는, 상기 입력받은 BIM 모델을 통해 인식된 건축물 정보를 기반으로 탐색목표 지점의 위치, 탐색목표 지점개수에 따라 설비 방식, 요구 출력 및 필요 유량을 포함하는 건축물 설계 조건을 자동으로 산출하고, 상기 산출된 건축물 설계 조건에 기초하여 유량 및 전력 공급 방식, 유량 및 전력 공급 위치, 유량 및 전력 필요 사양을 포함하는 유량 및 전력 설비 정보를 결정하고, 배관 방식, 덕트 설계 시 각 룸 공간의 송풍량 및 송풍 방식을 포함하는 배관 설비 정보를 결정하는 단계를 포함하고, 상기 MEP 모델 생성 단계는, 상기 도출된 최적 설계안에 따라 배치된 각 객체를 BIM 모델에 적용하여 MEP 설계 모델을 생성하고, 상기 생성된 MEP 설계 모델을 2차원 도면으로 재생성하는 단계를 포함할 수 있다.
본 발명은 BIM 모델에 구현된 건축 및 구조 객체를 고려하여 MEP 설계 모델을 자동으로 생성할 수 있으며, 이를 통하여 설계 시간의 단축과 설계 오류의 최소화가 가능하다.
본 발명은 다수의 설계안을 도출하고 비교, 평가를 통하여 최적의 설계안을 도출함으로써 시공성 향상 및 비용 절감이 가능하다.
도 1은 일 실시예에 따른 설계 자동화 시스템의 MEP 설계 자동화 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 있어서, BIM 모델로부터 MEP 설계공간을 도출하는 동작을 설명하기 위한 예이다.
도 3은 일 실시예에 있어서, 덕트 설계 동작을 설명하기 위한 예이다.
도 4는 일 실시예에 있어서, 최적의 시나리오 도출 및 객체를 생성하는 동작을 설명하기 위한 예이다.
도 5는 일 실시예에 따른 설계 자동화 시스템의 구성을 설명하기 위한 블록도이다.
도 6은 일 실시예에 있어서, 강화학습을 이용하여 경로를 탐색하는 동작을 설명하기 위한 예이다.
도 7은 일 실시예에 따른 설계 자동화 시스템의 MEP 설계 자동화 방법을 설명하기 위한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 설계 자동화 시스템의 MEP 설계 자동화 동작을 설명하기 위한 도면이다.
설계 자동화 시스템은 MEP 설계를 자동화하기 위한 것으로, 주어진 건축물의 BIM 모델에서 배관, 덕트, 전기 및 소방 시설 등 유체 및 전류의 이동 경로를 고려한 MEP 설계가 필요한 경우, 필요 기계설비와 경로를 자동으로 설계할 수 있다.
설계 자동화 시스템은 3차원 건축물 모델을 입력받는 동작(110), 설계공간 지정 동작(120), 탐색 목표 지정 동작(130), 강화학습 기반 경로탐색 동작(140), MEP 모델 생성 동작(150)으로 구성될 수 있다. 이때, 설계공간은 수도, 공조시설, 전기, 소방시설 등 기계설비/기계설비 시스템을 배치하는데 필요한 공간을 통칭한다.
설계 자동화 시스템은 3차원 건축물 모델을 입력받을 수 있다. 이때, 3차원 건축물 모델은 BIM 모델링 툴을 이용하여 생성된 것일 수 있다. 예를 들면, 사용자가 건축물에 대한 BIM 모델을 생성하고자 할 때, BIM 모델링 툴을 이용하여 형상 데이터, 구조 부재 데이터, 재료 데이터를 포함하는 건축물 정보를 입력할 수 있고, 입력된 건축물 정보에 기초하여 BIM 모델이 생성될 수 있다. 또한, 사용자로부터 BIM 모델링 툴을 이용하여 건축물 정보에 기초하여 BIM 모델을 생성함에 따라, 룸(room)을 지정하기 위한 룸 지정 정보를 구분할 수 있다. 여기서 룸 지정 정보란, 건축물 정보에 기초하여 생성된 BIM 모델에 공간 정보를 구분하기 위하여 룸을 지정하는 것일 수 있다. 설계 자동화 시스템은 사용자로부터 BIM 모델링 툴을 이용하여 생성된 BIM 모델 데이터를 입력받을 수 있다.
설계 자동화 시스템은 BIM 모델로부터 MEP 설계에 필요한 MEP 설계공간을 지정할 수 있다. 설계 자동화 시스템은 BIM 모델로부터 건축물의 형상 데이터, 구조 부재 데이터, 재료 데이터를 포함하는 건축물 정보를 인식할 수 있다. 설계 자동화 시스템은, 수도시설, 공조시설, 전기시설 및 소방시설을 포함하는 기계 설비 시스템을 배치하기 위한 설비 공간을 도출할 수 있다. 이러한 MEP 설계공간은 모든 시설을 통합하여 도출될 수 있고, 특정 시설이 필요한 공간을 할당할 수도 있다. 예를 들면, 설계 자동화 시스템은 BIM 모델로부터 MEP 설계에 필요한 MEP 설계공간을 자동으로 산정할 수 있다. 또는, 설계 자동화 시스템은 BIM 모델로부터 MEP 설계가 가능한 MEP 설계공간을 제공함에 따라 사용자에 의해 일부의 MEP 설계공간이 설정됨을 수신할 수 있다.
도 2를 참고하면, BIM 모델로부터 MEP 설계공간을 도출하는 동작을 설명하기 위한 예이다. 설계 자동화 시스템은 BIM 모델에 포함된 룸 지정 정보를 기반으로 룸 공간 및 기계설비 시스템을 배치하기 위한 공간 정보를 도출할 수 있다. 예를 들면, 설계 자동화 시스템은 BIM 모델에 포함된 룸 지정 정보에 기초하여 룸 공간을 도출할 수 있고, 도출된 룸 공간에 기초하여 설비 공간을 획득할 수 있다. 이때, 도출된 룸 공간을 통해 필요한 설비 시설의 요구 수준이 설정될 수 있으며, 설비 공간은 MEP 설비의 경로 탐색에 할당된 직접적인 공간으로 활용이 가능하다. 예를 들면, 설비 시설의 요구 수준은 룸 공간에 따라 허용 가능한 수준 정보가 제시될 수 있고, 제시된 허용 가능한 수준 정보에 기초하여 사용자 또는 컴퓨터로부터 입력된 수준 정보에 대응하는 설비 시설의 요구 수준이 설정될 수 있다.
설계 자동화 시스템은 산정된 MEP 설계공간에서 기계설비 시스템을 배치하기 위한 객체의 건축물 설계 조건을 만족하는 자원의 최종 도달 위치, 자원을 공급하는 설비 및 자원을 공급하는 설비의 위치 중 적어도 하나 이상을 결정하기 위한 탐색목표를 지정하는 동작을 수행할 수 있다. 다시 말해서, 설계 자동화 시스템은 유체 및 전기 등 공급 시설과, 유체 및 전기 등 자원의 최종 도달 위치, 자원을 공급하는 설비 정보, 자원을 공급하는 설비의 위치를 지정할 수 있다. 이때, 탐색목표 지점은 사용자에 의해 직접 지정될 수 있으며, BIM 모델에서 건축물의 형태 및 실(룸)의 면적과 위치 등의 정보를 기반으로, 탐색목표 지점의 위치, 탐색목표 지점 개수에 따라 설비의 방식, 요구 출력 및 필요 유량 등이 자동으로 산출될 수 있다.
설계 자동화 시스템은 MEP 설계 자동화를 위한 학습 모델에 지정된 MEP 설계공간에서 객체와 관련하여 설정된 시점과 종점을 입력 데이터로 입력받을 수 있다. 설계 자동화 시스템은 MEP 설계 자동화를 위한 학습 모델을 통해 지정된 MEP 설계공간에서 객체와 관련하여 설정된 시점과 종점에 대한 시점과 종점을 연결하는 객체의 경로를 탐색할 수 있다.
예를 들면, 학습 모델은 MEP 설계 자동화를 위하여 에이전트(Agent)가 객체(Object)의 현재 상태(State) 및 행동(Action)에 따른 보상(Reward) 값에 따라 최적의 행동을 취할 수 있도록 학습하는 강화학습 모델일 수 있다. 설계 자동화 시스템은 강화학습 모델을 이용하여 지정된 MEP 설계공간에서 회로의 시점과 종점을 연결하는 적어도 하나 이상의 시나리오를 획득할 수 있다. 강화학습 모델은, 공조 시설, 전기 시설, 수도 시설 및 소방 시설이 객체(Object) 간 충돌 및 간섭이 일어나지 않는 최적의 경로를 탐색하며, 유량 및 유속 등 설계 조건에 맞도록 객체를 배정할 수 있다. 여기서 객체는 공조시설을 구성하는 덕트, 송풍기 등과 수도시설을 구성하는 펌프, 배관 등 MEP 설비를 모두 포함할 수 있다.
설계 자동화 시스템은 경로 탐색에 성공한 다수의 시나리오를 도출할 수 있으며, 각 시나리오의 적합성을 평가하여 최적의 설계안을 제안할 수 있다. 도 3은 일 실시예에 있어서, 덕트 설계 동작을 설명하기 위한 예이다. 도 3은 덕트 설계의 예시를 나타낸 것으로, 하나의 룸에서 필요한 환기량이 32m3/min, 유속이 각각 4.4m/s, 지정된 탐색목표가 하나일 때, 해당 경로에 배치되는 객체(덕트)는 350mmx350mm로 결정될 수 있다. 이는 용도별 풍량, 풍속, 유량 계산법 등에 의거하여 계산이 가능하다. 이때, 설계 자동화 시스템에 각 계산식이 저장되어 있을 수 있다.
설계 자동화 시스템은 경로 탐색이 성공한 시나리오 중, 강화학습의 보상값(Reward)에 의거하여 가장 높은 점수를 얻은 시나리오를 최적의 설계안으로 도출할 수 있다. 설계 자동화 시스템은 강화학습 모델을 통해 반복적으로 경로를 탐색함에 따라 객체 간 충돌 및 간섭이 발생하지 않는 성공 사례 데이터를 획득하고, 획득된 성공 사례 데이터를 포함하는 적어도 하나 이상의 시나리오를 획득할 수 있다. 설계 자동화 시스템은 획득된 적어도 하나 이상의 시나리오 중에서 강화학습의 보상값에 기초하여 가장 높은 점수를 획득한 시나리오를 최적의 설계안으로 선택할 수 있다. 예를 들면, 설계 자동화 시스템은 도출된 최적의 설계안 리스트를 제시할 수 있고, 사용자로부터 제시된 설계안 리스트 중 어느 하나의 설계안이 선택될 수 있다.
설계 자동화 시스템은 도출된 최적 설계안을 기반으로 MEP 설계 결과를 출력할 수 있다. 설계 자동화 시스템은 기존 BIM 모델에 MEP 객체를 생성하여 모델링을 완성함에 따라 MEP 모델의 MEP 설계 결과를 출력할 수 있다. 설계 자동화 시스템은 MEP 설계 결과를 2D 도면으로 출력하여 활용할 수 있다.
도 4는 일 실시예에 있어서, 최적의 시나리오 도출 및 객체를 생성하는 동작을 설명하기 위한 예이다.
도 4는 강화학습 기반 MEP 자동 설계의 프로세스를 나타낸 것이다. 사용자(예를 들면, 설계자)로부터 건축, 구조 설계가 완료된 BIM 모델이 설계 자동화 시스템에 입력될 수 있다. 설계 자동화 시스템은 입력된 BIM 모델의 룸(Room) 공간, 그 외 보이드(Void) 공간을 탐색하여 MEP 설비 설치가 가능한 공간을 산정할 수 있다. 또한, 설계 자동화 시스템은 각 룸의 위치, 부피 등 공간 정보를 도출하여, 배관 및 덕트의 관경, 필요 유량 등을 결정할 수 있다. 이후 설계 자동화 시스템은 MEP 라우팅(Routing)을 위한 객체(예를 들면, 배관)의 시점(Start Point)과 종점(End Point)를 설정한 후, 강화학습 알고리즘을 기반으로 경로 탐색을 수행할 수 있다. 설계 자동화 시스템은 경로 탐색을 반복 수행하여, 경로 탐색에 성공한 사례 중 최적 설계 시나리오에 따라 위치 별로 관경, 형태가 적합한 BIM 객체를 배치하여 MEP 설계를 완료할 수 있다.
도 5는 일 실시예에 따른 설계 자동화 시스템의 구성을 설명하기 위한 블록도이다.
설계 자동화 시스템은 입력부(510), 구동부(520) 및 출력부(530)를 포함할 수 있다.
입력부(510)는 건축물의 BIM 모델 데이터를 입력받고 MEP 설계에 필요한 공간을 확정할 수 있다. 입력부(510)는 모델입력 모듈(511)과 공간정의 모듈(512)을 포함할 수 있다.
모델입력 모듈(511)은, 건축물의 BIM 모델 데이터를 받을 수 있으며 건축물의 형상 데이터뿐만 아니라 구조 부재 데이터, 재료 데이터 등 건축물이 가지는 건축물 정보를 인식할 수 있다. BIM 모델 데이터는 공간 정의 및 설계변경을 위한 기초 데이터로 활용될 수 있다.
공간정의 모듈(512)은 입력받은 BIM 모델로부터 기계설비 시스템을 배치하기 위하여 할당된 공간 정보와, 건축물의 전체 공간을 탐색할 수 있다. 탐색된 공간은 모두 3차원 공간 데이터로 재생성되어, 강화학습 시나리오를 도출하기위한 에이전트로 활용될 수 있다.
구동부(520)는, 입력부(510)에서 생성한 공간에서, 건축물이 요구하는 조건을 충족하는 회로를 설계할 수 있다. 구동부(520)는 조건정의 모듈(521), 경로탐색 모듈(522), 결과선별 모듈(523) 및 설계변경 모듈(524)을 포함할 수 있다.
조건정의 모듈(521)은 각 실(룸)의 크기, 필요 유량, MEP 설계공간 등의 정보를 BIM 모델로부터 도출하고 적합한 유량 및 전력 공급 방식, 공급 위치, 필요 사양 등을 결정할 수 있다. 예를 들면, 배관 설비 설계 시 배관 방식, 덕트 설계 시 각 실의 송풍량 및 송풍 방식 등이 자동으로 결정될 수 있으며, 시점과 종점이 설정될 수 있다.
경로탐색 모듈(522)은, 조건정의 모듈(521)에서 결정된 시점과 종점을 기준으로 회로설계를 실시할 수 있다. 회로설계는 강화학습 알고리즘을 기반으로 진행된다. 이때, 조건정의 모듈(521)에서 결정된 필요 조건에 따라, 객체 리스트 데이터 베이스를 기반으로 적합한 객체 배치가 가능하다.
객체 데이터 베이스는, 서로 다른 관경, 형태, 길이 등의 정보를 가지는 배관 및 덕트, 전기회로와 같이 경로에 배치될 객체를 포함할 수 있다. 또한, 객체 데이터 베이스는, 송풍기, 흡입구, 댐퍼, 변압기, 펌프 등 기계설비 시스템에 필요한 객체를 포함할 수 있다.
강화학습은 에이전트(Agent)가 객체(Object)의 현재 상태(State) 및 행동(Action)에 따른 보상(Reward) 값에 따라 최적의 행동을 취할 수 있도록 학습하는 방법이다. MEP 설계를 위해 할당된 공간을 의미하는 에이전트에 객체가 놓여진 상태에서 객체가 다음 행동을 진행하고, 객체의 다음 행동의 진행으로 인해 변화된 객체의 상태를 다시 인식하여 객체의 다음 행동을 결정하고, 객체의 상태에 따른 행동 결정을 반복함에 따라 보상값이 최대가 될 수 있는 행동을 학습할 수 있다.
도 6을 참고하면, 강화학습을 이용하여 경로를 탐색하는 동작을 설명하기 위한 예이다. 도 6에서는 덕트 설계 시 경로를 탐색하는 경우를 예를 들어 설명하기로 한다. 이때, 에이전트는 건축물에서 MEP 설계를 위해 할당된 공간이며, 객체는 시점(Start Point)에서 출발하여 종점(End Point)에 도달하는 것을 목표로 한다. 덕트 설계에서, 송풍기를 시점(Start Point), 도출구, 흡입구, 그릴 등을 종점(End Point)으로 설정될 수 있다. 여기서 객체(Object)는 덕트이며, 종점까지 도착하기 위한 경로가 탐색될 수 있다. 에이전트에 덕트가 놓여진 상태에서, 덕트는 다음 행동으로 앞 위치로 진행한다. 강화학습 모델은 행동으로 인해 변화된 덕트의 상태를 다시 인식하고, 다음 행동을 결정한다. 상태에 따른 행동 결정을 반복함에 따라, 보상값이 최대가 될 수 있는 행동을 학습하게 된다. 두 개 이상의 시점과 종점을 동시에 탐색할 수 있으며, 경로 탐색이 진행되는 동안 각 객체가 겹치거나 충돌하지 않고 경로를 최적화할 수 있다.
경로 최적화는 덕트, 파이프 등의 객체가 물리적으로 불가능한 경로로 설계되어 발생하는 오류를 사전에 탐지하고 우회하여 설계할 수 있는 방법이다. 또한 다수의 객체를 최단 경로로 배치함으로써 MEP 시공 비용을 최소화할 수 있다.
실시예에서 행동을 결정할 수 있는 보상값은 경로의 최적화뿐만 아니라, BIM 모델에서 각 존(Zone)이나 방(Room)에 필요한 유량, 설계에 따른 덕트계의 저항, 송풍기의 사양 및 시공 비용 등 공조시설 설계에 필요한 사항에 대하여, 비용을 최소화하거나 성능을 최대화할 수 있다.
경로탐색 모듈(522)은 탐색된 경로와 객체의 성질 및 위치, 대상 공간을 고려하여 필요 송풍량, 전압, 유량 등 필요 조건을 계산할 수 있다. 또한, 경로탐색 모듈(522)은 필요 조건에 적합한 송풍기, 펌프 등의 용량과 파이프, 덕트 등의 규격을 결정할 수 있다.
경로탐색 모듈(522)은 경로탐색 및 객체 선정을 반복하며, 다수의 성공 사례를 수집할 수 있다. 경로탐색 모듈(522)은 일정 이상 성공 사례 수집이 성공할 경우, 성공 사례 데이터를 결과선별 모듈(524)로 전송할 수 있다. 성공 사례 수집에 실패한 경우, 공간 데이터와 경로탐색 실패 데이터를 설계변경 모듈(524)로 전송한다.
결과선별 모듈(523)은 경로탐색 모듈(522)에서 전송된 성공 사례 데이터를 수집하고, 수집된 데이터를 평가하여 최적 결과를 도출할 수 있다. 평가 항목은 시공성, 시공 비용, 유지 비용 등으로 구성될 수 있으며, 평가 항목이 추가 및 삭제될 수 있다. 또한, 평가 항목은 필요에 따라 가중치가 부여될 수 있다.
설계변경 모듈(524)은 경로탐색 모듈(522)로부터 전송된 데이터를 기반으로 경로 탐색 실패 원인을 탐색하고, 설계공간을 수정할 수 있다. 예를 들면, 공간 정보에 따라 객체가 배치되어서는 안되는 위치 또는 객체의 크기 등이 존재함을 확인하여 경로 탐색 실패 원인을 파악할 수 있다. 이때 BIM 모델에서 설계 변경이 가능한 곳을 탐색하며, 변경 사항을 취합하여 공간정의 모듈(512)로 전송할 수 있다.
출력부(530)는 구동부(520)에 의해 도출된 최적 설계 결과를 기반으로 MEP 설계 모델 및 도면을 생성할 수 있다. 출력부(530)는 객체배치 모듈(531), 도면화 모듈(532)을 포함할 수 있다.
객체배치 모듈(531)은 결과선별 모듈(523)을 통해 도출된 최적 결과를 BIM 모델에 적용하여 MEP 설계를 완료할 수 있다. 예를 들면, 객체배치 모듈(531)은 결과선별 모듈(523)을 통해 도출된 최적 결과에 기초하여 객체를 BIM 모델에 배치하여 MEP 설계를 완료할 수 있다.
도면화 모듈(532)은 3차원으로 설계된 BIM 모델을 다수의 2차원 도면으로 재생성할 수 있다.
도 7은 일 실시예에 따른 설계 자동화 시스템의 MEP 설계 자동화 방법을 설명하기 위한 흐름도이다.
단계(710)에서 설계 자동화 시스템은 3차원 건축물 모델을 입력받을 수 있다. 사용자로부터 BIM 모델링 툴을 이용하여 생성된 BIM 모델 데이터가 입력될 수 있다.
단계(720)에서 설계 자동화 시스템은 설비 공간을 산출할 수 있다. 설계 자동화 시스템은 입력받은 BIM 모델로부터 건축물의 형상 데이터, 구조 부재 데이터, 재료 데이터를 포함하는 건축물 정보를 인식하고, 입력받은 BIM 모델로부터 입력받은 BIM 모델에 포함된 룸 지정 정보를 기반으로 룸 공간 및 기계설비 시스템을 배치하기 위한 설비 공간을 포함하는 공간 정보를 구분하고, 수도시설, 공조시설, 전기시설 및 소방시설을 포함하는 기계 설비 시스템을 배치하기 위한 설비 공간을 도출할 수 있다.
단계(730)에서 설계 자동화 시스템은 객체와 관련하여 설정된 시점과 종점 설정할 수 있다. 설계 자동화 시스템은 기계설비 시스템을 배치하기 위한 객체의 건축물 설계 조건을 만족하는 자원의 최종 도달 위치에 기초하여 시점과 종점이 설정될 수 있다. 또는, 예를 들면, 사용자에 의하여 객체와 관련하여 시점과 종점이 설정될 수 있다.
단계(740)에서 설계 자동화 시스템은 경로를 탐색할 수 있다. 설계 자동화 시스템은 객체와 관련하여 설정된 시점과 종점을 이용하여 MEP 설계 자동화를 위한 학습 모델을 통해 시점과 종점을 연결하는 객체의 경로를 탐색할 수 있다. 이때, 설계 자동화 시스템은 경로 탐색에 실패할 경우, 설비 공간을 재산출할 수 있다. 설계 자동화 시스템은 경로 탐색을 반복적으로 수행할 수 있다.
단계(750)에서 설계 자동화 시스템은 경로 탐색 결과를 평가할 수 있다. 설계 자동화 시스템은 경로 탐색에 성공한 다수의 시나리오를 도출할 수 있으며, 각 시나리오의 적합성을 평가하여 최적의 설계안을 제안할 수 있다. 예를 들면, 설계 자동화 시스템은 강화학습을 이용하여 경로 탐색을 수행함에 따라 강화학습의 보상값에 의거하여 가장 높은 점수를 얻은 시나리오를 최적의 설계안으로 도출할 수 있다.
단계(760)에서 설계 자동화 시스템은 객체를 배치할 수 있다. 설계 자동화 시스템은 도출된 최적 설계안에 따라 객체를 BIM 모델에 배치하여 MEP 설계 모델을 생성할 수 있다.
단계(770)에서 설계 자동화 시스템은 탐색된 경로에 따라 도출된 최적 설계안을 기반으로 생성된 MEP 모델의 MEP 설계 결과를 출력할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 설계 자동화 시스템에 의해 수행되는 MEP 설계 자동화 방법에 있어서,
    BIM 모델로부터 기계설비 시스템을 배치하기 위한 MEP 설계공간을 지정하는 설계공간 지정단계;
    상기 지정된 MEP 설계공간에서 상기 기계설비 시스템을 배치하기 위한 객체의 건축물 설계 조건을 만족하는 자원의 최종 도달 위치, 자원을 공급하는 설비 및 자원을 공급하는 설비의 위치를 결정하는 탐색 목표 지정 단계;
    상기 결정된 자원의 최종 도달 위치에 기초하여 상기 지정된 MEP 설계공간에서 상기 객체와 관련하여 설정된 시점과 종점을 이용하여 MEP 설계 자동화를 위한 학습 모델을 통해 시점과 종점을 연결하는 객체의 경로를 탐색하는 경로탐색 단계; 및
    상기 탐색된 경로에 따라 도출된 최적 설계안을 기반으로 생성된 MEP 모델의 MEP 설계 결과를 출력하는 MEP 모델 생성 단계
    를 포함하는 MEP 설계 자동화 방법.
  2. 제1항에 있어서,
    상기 학습 모델은,
    MEP 설계 자동화를 위하여 에이전트(Agent)가 객체(Object)의 현재 상태(State) 및 행동(Action)에 따른 보상(Reward) 값에 따라 최적의 행동을 취할 수 있도록 학습하는 강화학습 모델이고,
    상기 경로탐색 단계는,
    상기 강화학습 모델을 통해 반복적으로 경로를 탐색함에 따라 객체 간 충돌 및 간섭이 발생하지 않는 성공 사례 데이터를 획득하고, 상기 획득된 성공 사례 데이터를 포함하는 적어도 하나 이상의 시나리오를 획득하고, 상기 획득된 적어도 하나 이상의 시나리오 중에서 강화학습의 보상값에 기초하여 가장 높은 점수를 획득한 시나리오를 최적의 설계안으로 선택하는 단계
    를 포함하는 MEP 설계 자동화 방법.
  3. 제2항에 있어서,
    상기 경로탐색 단계는,
    상기 탐색된 경로와 객체의 성질 및 위치, 경로가 탐색된 대상 공간 정보를 고려하여 필요 송풍량, 전압, 유량의 필요 조건을 계산하고, 필요 조건에 적합한 송풍기, 펌프의 용량과 파이프, 덕트의 규격을 결정하는 단계
    를 포함하는 MEP 설계 자동화 방법.
  4. 제2항에 있어서,
    상기 경로탐색 단계는,
    상기 성공 사례 데이터의 수집에 실패한 경우 실패 사례 데이터를 기반으로 경로 탐색 실패 원인을 탐색하고, 상기 탐색된 경로 탐색 실패 원인을 통해 설계공간을 수정하는 단계
    를 포함하는 MEP 설계 자동화 방법.
  5. 제1항에 있어서,
    상기 설계공간 지정 단계는,
    사용자로부터 BIM 모델링 툴을 이용하여 생성된 BIM 모델 데이터를 입력받고, 상기 입력받은 BIM 모델로부터 건축물의 형상 데이터, 구조 부재 데이터, 재료 데이터를 포함하는 건축물 정보를 인식하고, 상기 입력받은 BIM 모델로부터 상기 입력받은 BIM 모델에 포함된 룸 지정 정보를 기반으로 룸 공간 및 기계설비 시스템을 배치하기 위한 설비 공간을 포함하는 공간 정보를 구분하고, 수도시설, 공조시설, 전기시설 및 소방시설을 포함하는 기계 설비 시스템을 배치하기 위한 설비 공간을 도출하는 단계
    를 포함하고,
    상기 탐색 목표 지정 단계는,
    상기 입력받은 BIM 모델을 통해 인식된 건축물 정보를 기반으로 탐색목표 지점의 위치, 탐색목표 지점 개수에 따라 설비 방식, 요구 출력 및 필요 유량을 포함하는 건축물 설계 조건을 자동으로 산출하고, 상기 산출된 건축물 설계 조건에 기초하여 유량 및 전력 공급 방식, 유량 및 전력 공급 위치, 유량 및 전력 필요 사양을 포함하는 유량 및 전력 설비 정보를 결정하고, 배관 방식, 덕트 설계 시 각 룸 공간의 송풍량 및 송풍 방식을 포함하는 배관 설비 정보를 결정하는 단계
    를 포함하고,
    상기 MEP 모델 생성 단계는,
    상기 도출된 최적 설계안에 따라 배치된 각 객체를 BIM 모델에 적용하여 MEP 설계 모델을 생성하고, 상기 생성된 MEP 설계 모델을 2차원 도면으로 재생성하는 단계
    를 포함하는 MEP 설계 자동화 방법.
KR1020210101798A 2021-08-03 2021-08-03 강화학습 기반 mep 설계 자동화 방법 및 시스템 KR102592565B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210101798A KR102592565B1 (ko) 2021-08-03 2021-08-03 강화학습 기반 mep 설계 자동화 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210101798A KR102592565B1 (ko) 2021-08-03 2021-08-03 강화학습 기반 mep 설계 자동화 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20230020131A true KR20230020131A (ko) 2023-02-10
KR102592565B1 KR102592565B1 (ko) 2023-10-24

Family

ID=85223470

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210101798A KR102592565B1 (ko) 2021-08-03 2021-08-03 강화학습 기반 mep 설계 자동화 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102592565B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043278B1 (ko) * 2019-05-02 2019-11-11 (주)디노 플랜트 시공 지원 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043278B1 (ko) * 2019-05-02 2019-11-11 (주)디노 플랜트 시공 지원 방법 및 시스템

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Will Y. Lin et al., Filtering of Irrelevant Clashes Detected by BIM Software Using a Hybrid Method of Rule-Based Reasoning and Supervised Machine Learning, applied sciences,* *
비특허문헌 3 *
신동선 외 5명, 선박 초기 설계 단계에서의 강화학습을 이용한 배관경로 설계, 대한조선학회논문집 Vol.57, No.4, 2020.8, pp. 191-197* *

Also Published As

Publication number Publication date
KR102592565B1 (ko) 2023-10-24

Similar Documents

Publication Publication Date Title
RU2543300C2 (ru) Система и способ для автоматизированного проектирования служб здания
US20220067227A1 (en) Automated Point Mapping Generation
US20110209081A1 (en) Methods and systems for constructing multi-dimensional data models for distribution networks
KR101989314B1 (ko) 배관 모델링 방법 및 이를 이를 구현하는 프로그램이 기록된 기록 매체
US7792662B2 (en) Automatic hose and harness routing method and system
US9176490B2 (en) Control program generation device, control program generation program, and control program generation method
JP6725432B2 (ja) 配管作業経路作成装置、配管作業経路作成方法およびプログラム
CN113366397B (zh) 规划系统中查管道一致记录的方法、规划系统和控制程序
CN108897969B (zh) 一种基于bim的设施维护自动调度的方法
US20190299409A1 (en) Method, system and computer program product for determining tuned robotic motion instructions
Singh et al. Automating the generation of 3D multiple pipe layout design using BIM and heuristic search methods
JP7448312B2 (ja) 自動ルーティング方法及び装置
JP6312949B2 (ja) 圧力損失決定装置、圧力損失決定プログラム及び圧力損失決定方法
US20240193329A1 (en) Cad device with utility element routing and related methods
KR102592565B1 (ko) 강화학습 기반 mep 설계 자동화 방법 및 시스템
KR102631323B1 (ko) 복수의 사물에 대한 공간 배치 자동 설계 방법, 및 복수의 사물에 대한 공간 배치 자동 설계 방법을 실행시키는 프로그램이 기록된 기록 매체
Radke et al. An automated approach for identification and resolution of spatial clashes in building design
KR102605041B1 (ko) 3차원 cad 모델 기반의 네비게이션 서비스 제공 방법 및 그 장치
KR102248977B1 (ko) 플랜트엔지니어링의 3차원 배관경로 자동 생성방법
KR101452927B1 (ko) 최적화된 케이블 포설경로 검출방법 및 장치
Bijl et al. A routing algorithm for building ventilation systems
WO2023067374A1 (en) A method and a system for detecting possible collisions of objects in an industrial manufacturing environment
CN119323073A (zh) 一种智能建筑管线布局方案优化方法、系统、介质及产品
Peng et al. Cost-Based Evaluation for Product Selective Disassemblability

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20210803

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230519

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20231010

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231018

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231019

End annual number: 3

Start annual number: 1

PG1601 Publication of registration