KR20230163566A - 유틸리티 요소 라우팅을 갖는 cad 디바이스 및 관련 방법 - Google Patents
유틸리티 요소 라우팅을 갖는 cad 디바이스 및 관련 방법 Download PDFInfo
- Publication number
- KR20230163566A KR20230163566A KR1020237038343A KR20237038343A KR20230163566A KR 20230163566 A KR20230163566 A KR 20230163566A KR 1020237038343 A KR1020237038343 A KR 1020237038343A KR 20237038343 A KR20237038343 A KR 20237038343A KR 20230163566 A KR20230163566 A KR 20230163566A
- Authority
- KR
- South Korea
- Prior art keywords
- cad
- routing
- processor
- value
- paths
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 43
- 238000011960 computer-aided design Methods 0.000 claims description 136
- 238000010801 machine learning Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000009428 plumbing Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000005452 bending Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 description 35
- 238000010276 construction Methods 0.000 description 21
- 239000003795 chemical substances by application Substances 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000007781 pre-processing Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 239000004020 conductor Substances 0.000 description 6
- 239000004567 concrete Substances 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000003339 best practice Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012932 thermodynamic analysis Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 1
- 229920000168 Microcrystalline cellulose Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 208000017763 cutaneous neuroendocrine carcinoma Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000019813 microcrystalline cellulose Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000009417 prefabrication Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/09—Supervised learning
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/0985—Hyperparameter optimisation; Meta-learning; Learning-to-learn
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
CAD 디바이스는 규칙 및 CAD 요소를 갖는 데이터베이스를 저장하도록 구성된 메모리를 포함할 수 있다. CAD 디바이스는 메모리에 커플링되고, 라우팅을 위한 모델 및 규칙에 기초하여 CAD 파일에 대한 유틸리티 요소 경로를 생성하고 CAD 파일과 함께 유틸리티 요소 경로를 디스플레이하도록 구성된 프로세서를 포함할 수 있으며, 각각의 유틸리티 요소 경로는 데이터베이스로부터의 하나 이상의 CAD 요소를 갖는다.
Description
관련 출원
본 출원은 2021년 4월 7일에 출원된 이전 출원된 동시 계류중인 출원 제63/171,702호에 기초하며, 이 출원의 전체 내용은 참조에 의해 여기에 포함된다.
기술 분야
본 개시는 건축 설계 분야에 관한 것이며, 보다 구체적으로, 건축 설계도를 위한 컴퓨터 지원 설계 및 관련 방법에 관한 것이다.
현대의 건물 구축은 잘 계획된 기업이고, 잘 알려진 지도는 건축 제도(architectural drawing) 또는 건축 설계도(architectural plan)이다. 1800년대에, 건축 제도는 청사진으로 진화하여 사본의 손쉬운 재현을 가능하게 하였다. 현대 건물에 대한 건축 제도는 구조적 요소 및 여러 가지 유틸리티(utilities)를 포함하여 복잡하다. 실제로, 단순한 단독 가정의 경우, 건축 제도는 20개 이상의 상세한 대형 포맷 페이지를 포함할 수 있다.
물론, 고층 빌딩 또는 대형 산업 설비에 대한 건축 제도는 복잡도를 기하학적으로 증가시킨다. 실제로, 고층인 경우, 수백만 개의 구조적 요소가 있을 수 있다. 컴퓨터 지원 설계(computer-aided design; CAD) 시스템의 출현으로, 이러한 복잡한 설계들은 3차원(3D)으로 디지털 렌더링되고 CAD 파일에 저장된다. 더욱이, 일반적인 CAD 파일은 구조 데이터 및 기계/전기/배관(Mechanical/Electrical/Plumbing; MEP) 데이터(즉, 설계 내의 MEP 서비스의 라우팅)를 포함한다.
일반적으로, CAD 디바이스는 복수의 규칙(예를 들어 라우팅 규칙, 그룹화 규칙, 간격 규칙 및 규제 규칙) 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하도록 구성된 메모리를 포함할 수 있다. CAD 디바이스는 메모리에 커플링되고 라우팅을 위한 모델 및 복수의 규칙에 기초하여 CAD 파일에 대한 복수의 유틸리티 요소 경로를 생성하도록 구성된 프로세서를 포함할 수 있다. 각각의 유틸리티 요소 경로는 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함할 수 있다. 프로세서는 CAD 파일과 함께 복수의 유틸리티 요소 경로를 디스플레이하도록 구성될 수 있다.
특히, 프로세서는 강화 학습 모델을 포함하는 라우팅을 위한 모델을 생성하고, 강화 학습 모델에 대한 복수의 에이전트를 생성하고 - 각각의 에이전트는 지점 간(point-to-point) 경로와 연관됨 - , 복수의 규칙의 위반에 기초하여 보상 함수를 생성하도록 구성될 수 있다. 프로세서는 복수의 평가 값들에 기초하여 보상 함수를 생성하도록 구성될 수 있다. 복수의 평가 값은 비용 값 및 복잡도 값을 포함할 수 있다.
일부 실시예에서, 프로세서는 복수의 입력 값 및 복수의 출력 값에 기초하여 지도 학습 모델을 포함하는 라우팅을 위한 모델을 생성하도록 구성될 수 있다. 복수의 입력 값은 지원성 값, 복잡도 값, 및 치수 값을 포함할 수 있고, 복수의 출력 값은 비용 값 및 유지보수 값을 포함할 수 있다. 프로세서는 복수의 하이퍼 파라미터에 기초하여 라우팅을 위한 모델을 생성하도록 구성될 수 있다. 복수의 하이퍼 파라미터는, 예를 들어, 분기(branching) 계수 및 벤딩(bending) 계수를 포함할 수 있다.
또한, CAD 파일은 복수의 요소를 포함할 수 있고, 프로세서는 복수의 요소를 처리하여 복수의 기하학적 형상을 생성하도록 구성될 수 있으며, 각각의 기하학적 형상은 예를 들어 연관된 메타데이터 값을 갖는다. 프로세서는 복수의 기하학적 형상에서 최단 경로를 찾기 위해 그래프 기반 검색 경로 찾기 알고리즘을 실행하도록 구성될 수 있다. 프로세서는 복수의 유틸리티 요소 경로의 서브세트를 단일 유틸리티 요소 경로로 결합하도록 구성될 수 있다. 예를 들어, 복수의 유틸리티 요소 경로는 배관 경로, 전기 경로, 및 기계 경로를 포함할 수 있다.
다른 양태는 CAD 디바이스를 동작시키기 위한 방법에 관한 것이다. 방법은 복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하는 단계, 및 라우팅을 위한 모델 및 복수의 규칙에 기초하여 CAD 파일에 대한 복수의 유틸리티 요소 경로를 생성하는 단계를 포함할 수 있다. 각각의 유틸리티 요소 경로는 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함할 수 있다. 방법은 CAD 파일과 함께 복수의 유틸리티 요소 경로를 디스플레이하는 단계를 포함할 수 있다.
도 1은 본 개시에 따른 CAD 시스템의 제1 예시적인 실시예의 개략도이다.
도 2는 본 개시에 따른, CAD 시스템의 제2 예시적인 실시예의 개략도이다.
도 2는 본 개시에 따른, CAD 시스템의 제2 예시적인 실시예의 개략도이다.
CAD 건축 제도는 건설 프로젝트에서 전형적이다. 그럼에도 불구하고, 설계 엔지니어는 일반적으로 건축 제도에서 각각의 요소(element)를 수동으로 배치 및 설계해야 한다. 더 나아가, MEP와 같은 유틸리티 또는 산업용 배선/파이핑과 같은 프로세스에 대한 라우팅을 삽입할 때, 설계 엔지니어는 이러한 유틸리티 라우팅을 위한 공간을 찾는 것은 물론 코드 준수, 구축 비용, 및 유지관리 비용과 같은 많은 우려사항의 균형을 유지해야 한다.
설계 엔지니어들은 경험 및 규칙 검사 소프트웨어 도구의 조합을 사용하여 각각의 서브시스템이 만족시켜야 하는 요구사항을 평가하고 규제 표준에 대한 준수성을 검증하면서 각각의 유틸리티 서브시스템이 개별적으로 취해야 하는 경로를 수동으로 입력한다. 이 수동 프로세스는 시간 소모적일 수 있고, 다수의 옵션을 평가하고 그에 따라 최적의 접근법을 찾는 능력을 제한할 수 있다.
중간 내지 대형 프로젝트에서, 설계 시간의 상당 부분은 유틸리티 서브시스템과 설계 트레이드오프 사이의 조정 문제를 해결하는데 소비된다. 추가적으로, 예를 들어, 배관을 라우팅해야 하는 디바이스, 전력 및 제어부를 필요로 하는 디바이스, 방당 환기 요구사항, 산업용 모터 및 전기 디바이스의 동작 파라미터 등과 같은 요구사항은 프로젝트 수명 주기 전반에 걸쳐 변한다. 현재의 설계 프로세스의 경우, 변화에 응답하는 것은 설계 단계 동안 시간 소모적이고 비용이 많이 들 수 있다. 따라서, MEP 및 산업용 배선/파이핑 시스템을 설계하는 것은 복잡하고 도전적이며 시간 소모적인 프로세스이다.
본 개시는 기존의 기술들에 관한 이 문제에 대한 접근법을 제공할 수 있다. 특히, 본 개시는 CAD 건축 제도에서 하나 이상의 유틸리티(utilities)를 자동으로 라우팅하기 위해 기계 학습 기술을 활용할 수 있다. 본 개시는 예를 들어 분산형 클라우드 기반 생성 설계 시스템으로서 구현되는 다단계 제약된 최적화 시스템을 제공할 수 있다.
이제, 본 개시는 본 발명의 여러 실시예들이 도시된 첨부 도면들을 참조하여 이하에서 더 완전히 설명될 것이다. 그러나, 본 개시는 다수의 상이한 형태들로 구현될 수 있고, 본원에서 제시되는 실시예들로 제한되는 것으로 해석되지 않아야 한다. 오히려, 이러한 실시예들은 본 개시가 철저하고 완전하게 되고, 본 개시는 범위를 관련 기술분야의 통상의 기술자에게 완전히 전달하게 되도록 제공된다. 유사한 참조번호는 도면 전반에 걸쳐 유사한 요소를 지칭하고, 베이스(100)는 대안의 실시예에서 유사한 요소를 나타내는데 사용된다.
처음으로 도 1을 참조하면, 본 개시에 따른 CAD 시스템(100)이 이제 설명된다. 특히, CAD 시스템(100)은 예시적으로 건물 설계로 CAD 파일(102)을 수집(ingest)하도록 구성된 수집 모듈(101)을 포함한다. CAD 파일(102)은 로컬 또는 클라우드 호스팅될 수 있는 CAD 소프트웨어 내의 건물 설계 및 잠재적인 유틸리티 요소를 렌더링할 수 있다.
수집 모듈(101)은 건물 설계에 대한 시스템 요구사항을 결정하도록 구성된다. 시스템 요구사항은 설계되는 유틸리티 시스템에 관한 공간 제약 및 관련 정보의 집합을 포함한다. 정보는 시스템 요구사항들의 완전한 세트뿐만 아니라, 새로운 솔루션을 생성할 때 시스템이 보존해야 하는 솔루션의 기존 부분 모두를 포함한다. 다시 말하면, 유틸리티 중 일부는 미리 설계되어 더 이상 변경될 수 없다. 이 특성은 설계 시간에 새로운 정보가 이용가능하지 않을 때(예를 들어, 시스템이 충돌할 이동불가능한 구조적 요소의 위치) CAD 시스템(100)이 부분적으로 구축된 시스템/구축 스케줄의 설계 수정(즉, 순서 변경)을 필요로 할 때 이용될 수 있도록 의도된다.
정보 세트는 2개의 데이터 소스로부터 획득된다. 제1 데이터 소스는 소프트웨어 애드인(add-in)으로서 호스트 CAD 애플리케이션 내에서 직접 실행되는 도구 세트를 포함하는 CAD 통합 모듈(103)을 포함한다. 소프트웨어 애드인은 시스템의 라우팅 및 배치에 영향을 미치는 공간 제약의 구성을 가능하게 한다. 이 구성에서, CAD 프로젝트 파일은 필요한 시스템 요구사항 정보의 전부 또는 일부를 호스트한다. 라우팅 설계 생성을 위한 프로젝트를 준비할 때, 소프트웨어 애드인은 라우팅에 필요한 모든 관련 기하학 및 연관된 건물 정보 모델링(building information modeling; BIM) 정보를 식별한다. CAD 통합 모듈(103)은 본 명세서에서 논의된 기하학적 전처리 컴포넌트를 시작하기 전에 이 데이터를 내보내고 클라우드 저장소에 업로드하도록 구성된다. 다른 실시예에서, CAD 파일(102)은 통상적인 CAD 소프트웨어 인터페이스 외부의 CAD 시스템(100)에 업로드될 수 있다.
일부 실시예에서, CAD 시스템(100)은 독립형 호스트 CAD 애플리케이션 없이 동작할 수 있다. 예를 들어, CAD 시스템(100)은 CAD 애플리케이션 피처들을 선천적으로(예를 들어, 클라우드 인프라스트럭처 또는 원격 서버 내에서) 제공하고, 네이티브 CAD 애플리케이션 피처를 통한 후속 라우팅을 위한 공간적 및 비공간적 제약 및 규칙을 제공하도록 구성될 수 있다.
제2 데이터 소스는 시스템의 사이징 및 사양을 결정하는데 필요한 나머지 시스템 요구사항 정보를 제공하는 요구사항 데이터베이스(104)를 포함한다. 이 요구사항 데이터베이스(104)는 API(application programming interface)를 사용하여 기존의 외부 데이터베이스로부터 검색된다. 일부 실시예에서, 요구사항 데이터베이스(104)는 내부적으로 통합되고 액세스될 수 있다. 이 실시예에서, 사용자는 전용 사용자 인터페이스를 사용하여 요구사항 데이터베이스(104)에 액세스할 수 있다.
CAD 시스템(100)은 예시적으로 복수의 CAD 요소를 저장하도록 구성된 부품 데이터베이스(105)를 포함한다. 복수의 CAD 요소는, 예를 들어, 3D 모델들, 제조자 고유 식별자, 가격, 노동 비율 등과 같은 메타데이터를 포함하는 이용가능한 시스템 부품의 집합을 포함한다. 보다 빈번하게 변경될 수 있거나 또는 한 프로젝트로부터 다른 프로젝트로 변화될 수 있는 이 데이터의 일부(예를 들어, 가격, 규제 준수 등)는 보다 빈번한 업데이트를 용이하게 하기 위해 별도의 데이터베이스에 저장되거나 참조된 외부 데이터 소스로부터 검색될 수 있다.
CAD 시스템(100)은 CAD 파일(102) 및 복수의 CAD 요소에 기초하여 라우팅을 위한 모델을 생성하도록 구성된 기하학적 전처리 모듈(106)을 예시적으로 포함한다. 특히, 기하학적 전처리 모듈(106)은 구조적, 프로세스 및 트레이드 기하학적 구조, BIM 정보, 포인트 클라우드 데이터, 및 라우팅 구역과 같은 기하학적 프로젝트 정보를 CAD 시스템(100)에 의해 이용가능한 통합 포맷으로 변환하도록 구성된다.
기하학적 전처리 모듈(106)의 입력은 각각의 엘리먼트의 유형 및 재료에 관한 정보와 함께, 사이트 모델에서의 각각의 엘리먼트를 나타내는 기하학적 형상을 포함한다. 추가적으로, 입력은 비표준 참조 축을 따라 정렬될 필요가 있는 사이트의 영역을 나타내는 메쉬(예를 들어, 삼각형 메쉬)를 포함한다. 사이트 메쉬(site-meshe)는, SDF(signed or unsigned distance field)를 포함하는 여러 값들을 저장하는 조밀하고 균일한 그리드 뿐만 아니라, 사이트 상의 각각의 위치에서 어떤 종류의 지지 구조들이 사용될 수 있는지에 대한 정보와 같은, 효율적인 공간 질의를 위한 특수 데이터 구조로 변환된다.
다른 실시예에서, 상이한 공간적 파티셔닝 방식(예를 들어, 옥트리(octree))에 기초한 희소 그리드와 같은 다른 데이터 구조가 이 데이터를 저장하기 위해 사용될 수 있다. 이러한 데이터 구조에 대한 질의는, 생성 프로세스가 진행됨에 따른 효율적인 질의 및 업데이트를 위해, 지원 구조의 유형과 관련될 뿐만 아니라, 보다 일반적으로는 특정 규칙/제약이 적용가능한 볼륨에 관한 것이다.
CAD 시스템(100)은 예시적으로 복수의 규칙에 액세스하도록 구성된 규칙 모듈(107)(즉, 제약 관리 시스템 모듈)을 포함한다. 일부 실시예에서, 복수의 규칙이 규칙 모듈(107) 내에 저장되지만, 예시된 실시예에서, CAD 시스템은 복수의 규칙을 저장하도록 구성된 규칙 데이터베이스(108)를 포함한다. 특히, 규칙 모듈(107)은 사용자가 라우팅 생성 프로세스 동안 적용될 제약을 지정할 수 있도록 구성된다. 이러한 제약은 정부 위임 지역 산업 규칙 및 규정, 산업 모범 사례, 및 클라이언트 사양과 같은 많은 소스로부터 유래한다. 규칙은 스코프(scope)라고 불리는 사이트의 특정 부분/영역에 적용될 수 있다. 일부 실시예에서, 시스템 요구사항에 관한 모든 정보가 수집되면, 프로젝트 데이터가 클라우드 저장소에 업로드되고, 이어서 분산 작업 실행 시스템에 대한 요청이 이어져 설계 생성 파이프라인(design generation pipeline; DGP)을 개시한다. DGP는 라우팅, 그룹화, 디테일링(detailing), 스케줄링 및 최적화 모듈(109)을 포함한다.
CAD 시스템(100)은 예시적으로 분배 모듈(110)을 포함한다. 분배 모듈(110)은 시스템의 엔드포인트에서 지정된 요구사항에 기초하여, 시스템 요구사항을 만족시키는데 필요한 기본 시스템 분배 컴포넌트의 선택 및 할당을 수행하도록 구성된다.
CAD 시스템(100)은 예시적으로 라우팅을 위한 모델 및 복수의 규칙에 기초하여 CAD 파일(102)에 대한 하나 이상의 유틸리티 요소 경로를 생성하도록 구성된 라우팅 모듈(111)을 포함한다. 라우팅 모듈(111)은 CAD 파일(1002)에 대한 하나 이상의 유틸리티 요소 경로를 순차적으로 또는 동시에(즉, 병렬로) 생성하도록 구성된다. 예를 들어, 각각의 유틸리티 요소 경로는 배관 경로, 전기 경로, 또는 기계 경로(즉, MEP 경로)를 포함할 수 있다. 본원에서 논의되는 바와 같이, 각각의 유틸리티 요소 경로는 파이핑, 와이어 도관, 덕트, 및 다른 활성 컴포넌트와 같은 다수의 다양한 개별 부품을 포함할 수 있다.
일부 실시예에서, CAD 파일(102)에 대한 하나 이상의 유틸리티 요소 경로의 서브세트는 설계 요구사항으로 인해 사용자에 의해 변경불가능하거나 잠길 수 있다. 라우팅 모듈(111)은 서브세트를 잠근 상태로 유지하면서 이동가능 유틸리티 요소 경로에 대한 하나 이상의 유틸리티 요소 경로를 생성하도록 구성된다. 예를 들어, 일부 애플리케이션에서, 클라이언트에 의해 요구되는 유틸리티 요소 경로가 있을 수 있다. 여기서, 라우팅 모듈(111)은 요구된 경로가 제자리에 있는 것으로 시작하여 유틸리티 요소 경로들을 연결하기 위한 솔루션을 찾을 것이다.
물론, 유틸리티 요소 경로는 또한 전력 공급 및 분배, 정보 및 원격통신 시스템, 제어 시스템, 보안 및 액세스 시스템, 검출 및 경보 시스템, 내부 및 외부 조명, 가열 및 냉각, 폐수 제거, 식용 냉수 및 온수 공급, 물 회수 및 처리 시스템, 빗물, 표면 및 표면 하수 배수, 연료 가스 파이핑, 산업용 물 회로, 유압 시스템, 다른 액체(예를 들어, 오일, 수소, 액화 석유 가스, 다른 화학물), 산업용 압축 공기, 산업용 진공, 다른 가스(예를 들어, CO2, 헬륨, 산소 등), 환기/기후 제어, 배기 가스, 및 극한/특수 기후 제어를 포함할 수 있다.
기하학적 전처리 모듈(106)은 데이터 구조물을 라우팅 모듈(111)로 전송하도록 구성된다. 라우팅 모듈(111)은 , 예를 들어 분기 계수 및 벤딩 계수와 같은 프로세스 하이퍼 파라미터들의 세트에 기초하여, 시스템을 라우팅하기 위한 사이트의 적절한 영역을 찾기 위해 검색 프로세스를 수행하도록 구성된다. 물론, 하이퍼 파라미터는 추가적인 하이퍼 파라미터를 포함할 수 있다. 프로세스 하이퍼 파라미터들의 세트는 라우팅 모듈(111)을 위한 파라메트릭 공간을 정의한다. 라우팅 모듈(111)은 직선형 풀링된 파이핑의 연속적인 부분과 같은 오프-사이트 사전제작/조립체를 위해 세그먼트화 및 추출될 수 있는 시스템의 부분을 추가적으로 식별하도록 구성된다.
일부 실시예에서, 사용자는 라우팅 모듈이 항상 라우팅해야 하는 사이트(구역)(must-route zone), 구역이 단단한 벽을 포함하더라도 선택적으로 라우팅할 수 있는 구역(may-route zone), 및 무슨 수를 써서라도 라우팅을 회피하는 구역(no-route zone)의 특정 영역에 관한 정보를 제공함으로써 라우팅 모듈(111)에 높은 레벨의 영향을 미칠 수 있다. 또한, 라우팅 모듈(111)은 보다 조립 친화적이도록 설계에 영향을 미치는 파라미터를 통합하도록 구성될 수 있다.
CAD 시스템(100)은 예시적으로 다수의 서브시스템이 단일 캐리어에 의해 운송될 수 있는 경우, 유틸리티 요소의 적절한 크기를 계산하고 다수의 경로를 프로그래밍 방식으로 함께 집계하도록 구성된 그룹화 모듈(112)을 포함한다. 다르게 말하면, 유틸리티 요소 경로의 서브세트가 하나의 경로로 통합될 수 있는 경우, 그룹화 모듈(112)은 그렇게 하도록 구성된다.
CAD 시스템(100)은 예시적으로 특정 커플링, 피팅 및 필요한 구조적 지지를 포함하여 철저하게 결정될 수 있는 시스템 세그먼트로 경로를 공간적으로 배열하도록 구성된 디테일링 모듈(113)을 포함한다. 디테일링 모듈(113)은 또한 라우팅 모듈(111)로부터의 정보를 사용하여 오프사이트에서 사전 제작/조립되는 것으로 식별된 시스템의 부분을 별도로 생성하도록 구성된다. CAD 시스템(100)은 또한 전체 건설 시간과 필요한 자원을 최소화하는 것을 목표로 특정 건설 주문 요구사항을 기반으로 완전한 작업 스케쥴을 생성하도록 구성된 스케쥴링 모듈(114)을 포함한다. 예시된 실시예에서, 최적화 모듈(109)은 배포 모듈(110), 라우팅 모듈(111), 그룹화 모듈(112), 디테일링 모듈(113), 및 스케줄링 모듈(114)을 포함한다.
CAD 시스템(100)은 예시적으로 CAD 파일(102)과 함께 하나 이상의 유틸리티 요소 경로를 표시하도록 구성된 출력 모듈(115)을 포함한다. 일부 실시예에서, 출력 모듈(115)은 MEP 시스템 설계 문제에 대한 다수의 대안적인 솔루션의 시각화 및 비교를 생성하도록 구성된 시각화 모듈(116), 및 외부 CAD 도구 및/또는 데이터베이스로 설계 솔루션을 출력하거나 기존의 외부 CAD 도구 데이터베이스로 유틸리티 설계를 병합하도록 구성된 실현 모듈(117)을 포함한다.
일부 실시예에서, CAD 시스템(100)은 개별 설계를 평가하고 재료 비용, 건설 비용, 건설 시간, 건설 요구사항 및 유지관리 가능성(maintainability)과 같은 스칼라 또는 벡터 값을 생성하는 컴포넌트 세트를 갖는 평가자 모듈을 포함할 수 있다. 즉, 평가자 모듈은 CAD 파일(102)의 유틸리티 설계 및/또는 건물 설계의 성능 측면을 정량화하도록 구성된다. CAD 시스템(100)은 또한 평가자 모듈에 의해 제공되는 하나 이상의 평가 기준에 따라 상기 언급된 파라메트릭 공간에 걸쳐 다목적 최적화를 수행하도록 구성된 최적화 모듈을 포함할 수 있다.
CAD 시스템(100)은 제약된 다단계 최적화 작업흐름을 사용하여 다량의 다양하고 신뢰할 수 있는 트레이닝 데이터를 생성한다. 그 다음, 기계 학습을 사용하여 여러 모델을 다수의 모델을 트레이닝하고 설계 문제의 솔루션을 가속화한다. 특히, 라우팅 모듈(111), 그룹화 모듈(112) 및 디테일링 모듈(113)에서 제약된 솔루션 생성을 가속화하기 위해 강화 학습(reinforcement learning; RL)이 사용된다.
보다 구체적으로, 다중 라우팅 문제에 대한 적절한 솔루션을 찾는 라우팅 모듈(111)의 작업을 나타내는 에이전트를 사용할 것이다. 각각의 에이전트는 단일 지점 간 경로를 담당하고 동시에 각각의 경로의 일부분을 생성할 수 있다. 각각의 시간 단계에서 각각의 에이전트에 대한 상태 공간은, 그 자체 경로의 종료 지점, 부분 경로 솔루션; 부분적으로 생성된 기타 모든 경로에 대한 정보; 및 전체 사이트 기하학 구조를 포함한다. 결정 공간은 다음에 선택할 부품(예를 들어, 직선 파이프, 벤딩, 당김 지점), 부품 구성(예를 들어, 파이프 길이, 벤딩 정도), 그 경로를 또다른 에이전트와 병합할 기회, 에이전트 풀로부터 공통 경로를 분할할 기회이다. 보상 함수는 제약의 만족 또는 위반과 다른 평가자(예를 들어, 비용, 구축 시간 등)의 조합이다. 예를 들어, 의사결정 모델의 내부 표현은 딥 컨볼루션 신경망(Deep Convolutional Neural Network)이다. 이 시스템은 전체 설계 생성 프로시저에 대한 대리 모델도 제공하므로 외부 전역 최적화 프로세스가 보다 효율적으로 샘플링하는데 도움이 된다.
딥러닝은 평가자 모듈의 컴포넌트를 개별 설계 평가를 위한 대리 모델로 대체하는데 사용된다. 일례는 유지관리 가능성 평가자이다. 유지관리 가능성 샘플을 위한 컴퓨팅 평가자는 광선 추적과 같은 기술을 사용하여 지오메트리를 샘플링하여 도달가능성, 전체 높이 및 기타 인자를 계산하여 전체 점수를 계산한다. 기계 학습 평가자는 3D 컨볼루션 신경망을 사용하여 설계의 일부를 평가하고 인식가능한 피처를 기반으로 점수를 할당한다. 입력은 각각의 복셀에 존재하는 기하학적 구조의 유형을 설명하는 레이블이 있는 3D 복셀화된 기하학적 구조를 포함하며, 출력은 단일 실제 점수 값이다. 트레이닝 데이터세트는 컴퓨팅 평가자와 추가 사용자 특정 정보를 사용하여 생성된다.
일부 실시예에서, CAD 시스템(100)은 예를 들어 기계 및 전기 시스템 또는 전체 기계, 전기 및 배관을 동시에 설계하기 위해 동시에 다중 모듈을 사용함으로써 다분야 시스템 설계를 제공할 수 있다. 다른 실시예에서, CAD 시스템(100)은 개별 시스템에서만 동작할 수 있다(즉, 전기만, 기계만 또는 배관만 렌더링).
기하학적 전처리 모듈(106), 규칙 모듈(107), 분배 모듈(110), 라우팅 모듈(111), 그룹화 모듈(112), 디테일링 모듈(113), 스케줄링 모듈(114) 및 출력 모듈(115)이 모두 하나의 독립형 컴퓨팅 디바이스 또는 복수의 독립형 컴퓨팅 디바이스에 배포될 수 있다는 것이 이해되어야 한다. 다른 실시예에서, 이들 모듈은 모두 Amazon Web Services, Google Cloud Platform 또는 Microsoft Azure와 같은 클라우드 컴퓨팅 플랫폼(cloud computing platform; CCP)에 배포될 수 있다.
라우팅이 원격으로 수행되고 CAD 소프트웨어가 로컬 컴퓨팅 디바이스 상에서 실행되는 애플리케이션에서, CAD 소프트웨어는 원격 시스템에 대한 플러그인 소프트웨어 도관과 함께 동작할 수 있다. 특히, 수집 모듈(101) 및 출력 모듈(115)은 플러그인 소프트웨어 도관의 일부일 수 있다.
이하에서는, CAD 시스템(100)에서 전기 유틸리티 요소 경로를 생성하는 방법을 더 자세히 설명한다. 보다 구체적으로, 수집 모듈(101)은 시스템 요구사항을 생성하도록 구성된다. 시스템 요구사항은 전체 전기 개략적인 시스템도(예를 들어, 프로세스 흐름도(process flow diagram; PFD) 또는 파이핑 및 계장도(piping and instrumentation diagram; P&ID)의 일부), 태그, 모터 마력, 스타터 유형, 전압 및 배선 사양 등과 같은 전기실, 소스 및 부하에 사용할 수 있는 사이트 영역과 같은 전기 시스템 요구사항 상세를 포함할 수 있다.
부품 데이터베이스(105)는 예시적으로 도관, 케이블 트레이, 패스너, 커플링, 부속품, 스위치 및 지지 구조물의 일부와 같이 생성 설계 시스템에서 사용할 수 있는 모든 전기 및 기계 부품의 집합을 포함한다. 규칙 모듈(107)은 예를 들어 NEC(National Electrical Code)와 같은 적용가능한 지역 법률 규정으로부터 인코딩된 제약 및 규칙을 도출하고 업계 모범 사례 및 공통 클라이언트 요구사항으로부터 추출된 추가 항목을 보완하도록 구성된다.
분배 모듈(110)은 전원 공급/제어가 필요한 디바이스에 기초하여 전체 전기 시스템을 제어하기 위해 랙 내의 MCC(Motor Control Center) 및 PLC(Programmable Logic Controller)를 선택 및 할당하도록 구성된다. 랙이 구성되고 전기실에 공간이 할당된다. 전기실은 사이트 상에 적절하게 위치된다. 분배 모듈(110)은 또한 라우팅 종점(예를 들어, 조명 설비) 및 전환 지점을 예를 들어 지하와 지상 사이 및 벽/슬래브 내부와 벽/슬래브 외부 사이에 할당하는 역할을 담당한다.
라우팅 모듈(111)은 기하학적 전처리기에 의해 생성된 이산화된 그리드에서 최단 경로를 찾기 위해 그래프 기반 검색 경로 찾기 알고리즘(예를 들어, A*)을 실행하도록 구성된다. A* 경로 찾기 작업의 일부로서, 라우팅 모듈(111)은 ML 모델을 사용하여 그래프/그리드 상의 지점 간 비용 함수를 추정하고 경로 목적지에 대한 각각의 그래프/그리드 지점의 값 추정을 제공할 수 있다. 일 실시예에서, 맨해튼 거리는 목적지까지 남은 거리/비용의 근사치로서 사용된다.
일부 실시예에서, 사이트 기하학적 구조 및 전체 사이트 복잡도의 대략적인 표현을 입력으로 사용하는 3D CNN은 대략적인 장애물 및 라우팅가능/지원가능 영역의 존재를 고려하여 더 나은 추정치를 제공할 수 있다. 모델의 입력은 각각의 그리드 지점에 대해, 지원가능성 유형, SDF 값, 라우팅된 케이블 수, 및 사이트 치수를 포함할 수 있다. 모델의 출력은 부품/건설 비용 값 및 유지관리 가능성 점수 값을 포함할 수 있다. 이 모델에 대한 트레이닝 세트는 다양한 테스트 사이트를 사용하는 기존 컴퓨팅 파이프라인을 사용하여 합성적으로 생성될 수 있다. 일부 실시예에서, 솔루션 생성은 위에서 설명된 RL 기술과 유사할 수 있다.
경로는 MCC 및 PLC로부터 소싱될 수 있으며 사이트 어디에서나 전기 디바이스의 위치로 종단될 수 있다. 사이트 구조적 특성 및 선택적 기계 및 배관 특성을 나타내는 SDF는 기하학적 전처리 모듈(106)에 의해 제공되고 지원가능성 정보로 주석이 추가되므로 라우팅 모듈(111)은 지원될 수 있는 경로를 선택한다. 라우팅 모듈(111)은 해당 시점에 라우팅할 하나의 디바이스를 선택하고, 경로 찾기 알고리즘을 순차적으로 실행하도록 구성된다. 다른 실시예에서, 라우팅 모듈(111)은 경로 찾기 알고리즘과 동시에 하나 이상의 디바이스를 라우팅하도록 구성된다. 모든 경로는 동일한 케이블을 포함하는 경계 박스로 정의되는 레이스웨이 세그먼트라고 불리는 연결된 세그먼트 세트로 함께 결합된다. 각각의 레이스웨이 세그먼트는 컴포넌트가 준수해야 하는 모든 제약이 주석으로 표시된다.
그룹화 모듈(112)은 케이블 및 관련 배선관의 크기를 결정하고, 레이스웨이를 공유할 그룹으로 디바이스 세트 및 그들의 필요한 케이블을 할당하도록 구성된다. 그룹화 모듈(112)의 목적은 프로젝트 비용을 최소화하고, NEC 규칙을 준수하고, 사용자 설정 제약을 준수하고, 설치 가능한 솔루션을 생성하는 것이다. 먼저, 도체는 상호배타적인 세트로 분할되어 각각의 세트 내의 도체가 다른 세트 중 어느 것이 아닌 동일한 세트 내의 임의의 도체와 레이스웨이를 공유할 수 있다. 그 다음, 각각의 도체 세트에 대해 최적화 알고리즘이 비용을 최소화하는 최적의 도체 그룹을 찾는다. 그룹화 비용을 평가하기 위해, 관련 제약 조건에 따라 도체 및 레이스웨이 세그먼트의 크기가 결정된다.
디테일링 모듈(113)은 레이스웨이 세그먼트 내부의 일반 컴포넌트 제품군으로부터 레이스웨이의 랙을 조립하도록 구성된다. 디테일링 모듈(113)은 구획 레이아웃이라고 불리는 세그먼트 내의 레이스웨이의 이상적인 배치를 결정하도록 구성된다. 구획은 함께 그룹화될 수 있는 세그먼트의 레이스웨이의 서브섹션을 포함한다. 디테일링 모듈(113)은 커플링, 유니온, 도관 본체 및 엘보우를 포함하여 필요한 모든 피팅을 배치한 후, 레이스웨이 네트워크의 길이를 따라 지지대를 배치하고, 모델에서 주변 기하학적 구조에 부착하도록 구성된다.
구획 레이아웃은 동일한 랙 내부의 도관 및 트레이 배치를 결정한다. 레이스웨이의 위치는 랙을 떠날 때 충돌을 방지하고 이용가능한 공간 내부에 피팅되도록 선택된다. 특히, 피팅 배치를 위해 레이스웨이 세그먼트에 레이아웃이 제공되면 세그먼트의 기하학적 구조와 구획 레이아웃이 분석된다. 부품(예를 들어, 도관 스틱, 도관 본체, 트레이)은 사용자 정의 및 전기 코드 제약을 고려하여 선택되고, 크기를 정하고, 배치된다. 이 단계 동안 부품 간의 토폴로지 관계가 명시적으로 표현된다.
특히, 지지대 배치의 경우, 지지대 배치의 제1 단계는 각각의 지지대의 위치를 식별하는 것이다. 지지대는 건물 및 전기 코드에 따라, 그리고 각각의 벤딩 이전 및 이후에 사용자 정의 제약에 따라 배치해야할 뿐만 아니라, 예를 들어 X가 사용자 구성가능한 파라미터인 최소 X 피트 간격으로 배치되어야 한다. 지지대 위치가 선택되면, "트래피즈", "플로어스탠드", "스탠드오프" 등과 같이 배치할 특정 지지대 유형이 결정된다. 예를 들어, 특정 지지대 유형은 지지대 사양으로부터 결정되고, 이는 각각의 지지대 유형이 수직 대 수평 실행 랙과 같은 특정 시나리오와 호환되는 지지대의 우선순위 목록이다.
마지막으로, 지지대 유형과 위치가 선택되면 지지대 자체가 배치될 수 있다. 각각의 지지 유형은 지지할 위치, 배향 및 세그먼트/구획을 입력으로 사용하는 고유한 파라메트릭 모델을 갖는다. 그 다음, 이러한 파라메트릭 모델은 로드, 너트, 볼트, 크로스 멤버 등과 같은 지지대 내의 각각의 컴포넌트에 대한 특정 위치 및 변환을 계산하는데 사용된다. 그 다음, 이러한 컴포넌트 각각은 출력 모듈(115)로 출력된다.
디테일링 모듈(113)은 사이트의 상이한 위치들에서 시행되는 상이한 제약 세트들을 설명하도록 구성되고, 예를 들어 규칙 및 제약은 특정 위험 요구사항을 준수하기 위해 사이트 전체에 걸쳐 변할 수 있다. 스케줄링 모듈(114)은 전기 시스템을 조립하는데 필요한 건설 작업의 전체 세트를 정의하고, 각각의 작업을 완료하는데 필요한 시간과 자원을 추정하고, 동시에 수행될 수 있는 작업의 수를 제한하는 건설 순서 종속성을 시행하도록 구성된다. 평가자 모듈은 예를 들어 케이블 당김 장력, 케이블 벤딩 장력, 자재 비용, 건설 비용, 건설 시간, 유지관리 가능성과 같은 메트릭을 제공할 수 있다.
다음에서는, CAD 시스템(100)에서 배관 유틸리티 요소 경로를 생성하는 방법이 더 자세히 설명된다. 전기 유틸리티 요소 경로를 생성하기 위한 상기 설명된 방법의 특징부들이 이 방법에 통합될 수 있다는 것이 인식되어야 한다. 시스템 요구사항은 전체 배관 개략적인 시스템도(예를 들어, PFD 또는 P&ID), 주요 유체/가스 저장소의 위치, 운송되는 유체/가스의 유형, 필요한 흐름 특성(예를 들어, 유속) 및 소스 및 싱크의 위치와 같은 배관 시스템 요구사항 상세, 파이프 네트워크 열 팽창/수축을 위한 열적 요구사항, 및 시스템 피로 분석을 위한 진동 프로파일을 포함할 수 있다.
부품 데이터베이스(105)는 예시적으로 파이프, 밸브, 흐름 조절기 및 펌프의 일부와 같이 생성 설계 시스템에 이용가능한 모든 기계 부품을 포함한다. 규칙 모듈(107)은 UPC(Uniform Plumbing Code)로부터 인코딩된 제약 및 규칙을 도출하고 업계 모범 사례 및 공통 클라이언트 요구사항으로부터 추출된 추가 규칙을 보완하도록 구성된다. 분배 모듈(110)은 펌프 위치를 찾고, 싱크 크기를 정하고, 사이트에서 선택 및 할당하고, 기계실로 그룹화하도록 구성된다. 기계실은 사이트에 적절하게 위치된다.
라우팅 모듈(111)은 기하학적 전처리 모듈(106)에 의해 생성된 이산화된 그리드에서 최단 경로를 찾기 위해 그래프 기반 검색 경로 찾기 알고리즘을 실행하도록 구성된다. 파이핑 경로는 특정 소스에서 시작하여 사이트의 지정된 싱크대에서 종단될 수 있다. 사이트 구조적 특성과 선택적으로 기계적 및 전기적 특성을 나타내는 SDF는 기하학적 전처리 모듈(106)에 의해 제공되고 지원가능성 정보가 주석으로 표시되어, 라우팅 모듈(111)은 지원될 수 있는 경로를 선택한다. 라우팅 모듈(111)은 해당 시간에 라우팅할 하나의 덕트를 선택하고 경로 찾기 알고리즘을 순차적으로 실행하거나, 여러 경로를 병렬 또는 동시에 선택하도록 구성될 수 있다.
일부 실시예에서, 경로 중 일부는 콘크리트 구조물에 침지된 "슬래브 내(in-slab)" 또는 "벽 내(in-wall)" 도관 라우팅을 포함한다. 배관 시스템의 슬래브 내 및 벽 내 라우팅에는 콘크리트를 주조물에 붓기 전에 콘크리트 구조물의 철근 뼈대 내부에 유연한 도관의 부분의 위치결정이 수반된다. 유연한 도관은 견고한 도관에 비해 위치결정이 더 자유롭지만, 철근 콘크리트 구조물을 약화시키는 단단한 콘크리트 재료로부터 공간/볼륨을 뺀다. 따라서, 추가 엔지니어링 요구사항이 도입되고 슬래브의 어느 지점에서도 볼륨 단위당 도관 밀도가 주어진 임계값을 초과할 수 없다. 특정 경우에는 전용 형태의 라우팅 및 연관 데이터 구조물이 필요한다. 따라서, 유연한 도관을 스플라인 곡선으로 표현하고, 콘크리트 슬래브의 내부 볼륨을 3D 밀도 함수로 균일한 희소 그리드로 표현하는 방법이다. 라우팅 메커니즘은 슬래브를 통과하는 도관의 모든 종료 지점을 연결하기 위해 스플라인을 배치한 후, 해당 셀과 교차하는 도관의 양과 크기에 비례하는 밀도 값을 각각의 그리드 셀에 할당한다. 그리드의 임의의 지점에서 도관 밀도가 임계값을 초과함을 보장하기 위해 스플라인 제어 지점을 이동시키도록 최적화 프로시저가 진행된다.
다른 실시예에서, 라우팅 모듈(111)은 경로 찾기 알고리즘과 동시에 하나 이상의 덕트를 라우팅하도록 구성된다. 덕트는 더 큰 용량의 덕트의 트리로 집계되고/되거나 동일한 덕트를 연속하는 경계 박스로 정의된 연결된 덕트 세그먼트로 함께 결합될 수 있다. 각각의 세그먼트에는 컴포넌트가 준수해야 하는 모든 제약이 주석으로 표시된다.
이러한 응용의 경우, 그룹화 모듈(112)은 적절한 유속이 달성되도록 보장하기 위해 유틸리티 시스템에서 파이프의 정확한 크기를 계산한다. 디테일링 모듈(113)은 필요한 경우 일반 컴포넌트 제품군으로부터 파이프의 랙을 세그먼트로 조립하도록 구성된다. 시스템은 구획 레이아웃이라고 불리는 세그먼트 내의 파이프의 이상적인 배열을 결정한다. 그 다음, 디테일링 모듈(113)은 커플링, 유니온, 파이프 및 엘보우를 포함하여 필요한 모든 피팅을 배치한다. 그 다음, 디테일링 모듈(113)은 파이프 네트워크의 길이를 따라 적절한 지지대를 배치하여 모델에서 주변 기하학적 구조에 부착한다.
구획 레이아웃은 동일한 랙 내부의 파이프와 트레이의 배치를 결정한다. 배관 시스템의 위치는 랙으로부터 분기될 때 충돌을 방지하고 이용가능한 공간 내부에 피팅되도록 선택된다. 피팅 배치와 관련하여, 세그먼트에 레이아웃이 제공되면 세그먼트의 기하학적 구조와 구획 레이아웃이 분석된다. 부품(예를 들어, 파이프, 트레이)은 사용자 정의 및 배관 코드 제약을 고려하여 선택되고, 크기를 정하고, 배치된다. 이 단계 동안 부품 간의 토폴로지 관계가 명시적으로 표현된다. 지지대 배치와 관련하여 지지대 배치의 제1 단계는 각각의 지지대의 위치를 식별하는 것이다. 지지대는 일정한 간격으로 그리고 각각의 교차점 전후에 배치되어야 한다. 지지대 위치가 선택되면, "트래피즈", "플로어스탠드", "스탠드오프" 등과 같이 배치할 특정 지지대 유형이 결정된다. 특정 지지대 유형은 지지대 사양으로부터 결정되고, 이는 각각의 지지대 유형이 수직 대 수평 실행 랙과 같은 특정 시나리오와 호환되는 지지대의 우선순위 목록이다.
마지막으로, 지지대 유형과 위치가 선택되면 지지대 자체가 배치될 수 있다. 각각의 지지대 유형은 지지할 위치, 배향 및 세그먼트/구획을 입력으로 사용하는 고유한 파라메트릭 모델을 갖는다. 그 다음, 이러한 파라메트릭 모델은 로드, 너트, 볼트, 크로스 멤버 등과 같은 지지대 내의 각각의 컴포넌트에 대한 특정 위치 및 변환을 계산한다. 그 다음, 이러한 컴포넌트 각각은 실현 모듈(117)로 출력된다. 디테일링 모듈(113)은 사이트 상의 상이한 위치들에서 시행되는 상이한 제약들을 설명하도록 구성되며, 예를 들어 규칙 및 제약은 특정 위험 요구사항을 준수하기 위해 사이트 전체에 걸쳐 변할 수 있다.
스케줄링 모듈(114)은 배관 시스템을 조립하는데 필요한 건설 작업의 전체 세트를 정의하고, 각각의 작업을 완료하는데 필요한 시간과 자원을 추정하고, 동시에 수행될 수 있는 작업의 수를 제한하는 건설 순서 종속성을 시행하도록 구성된다. 평가자 모듈은 예를 들어 압력 강하, 열역학적 분석, 재료 비용, 건설 비용, 건설 시간 및 유지관리 가능성에 대한 내부 흐름 전산 유체 역학과 같은 메트릭을 제공할 수 있다.
기계 학습은 전산 유체 역학(Computational Fluid Dynamic; CFD) 및 열 시뮬레이션의 대용 모델로 사용될 수 있다. 예를 들어, 덕트 시스템의 토폴로지 구조물과 임계 치수는 그래프 신경망으로 인코딩될 수 있고 기존 CFD 및 열 분석에 의해생성된 적절한 데이터세트로 트레이닝될 수 있다. 데이터세트는 다음과 같이 튜플(tuple)을 포함할 것이다: 입력 데이터로서 HVAC 시스템의 그래프 구조 및 경계 조건(예를 들어, 공기 핸들링 장치의 출력에서 시스템 입구의 온도 및 압력); 출력 데이터로서 CFD 및 열 시뮬레이션을 사용하여 사전 평가된 모든 시스템 출구에서 대응하는 온도 및 압력 판독.
다음에서는, CAD 시스템(100)에서 기계적(예를 들어, 공기흐름 기계적) 유틸리티 요소 경로를 생성하는 방법이 더 상세히 설명된다. 상기 설명된 전기 유틸리티 요소 경로를 생성하는 방법과 상기 설명된 배관 유틸리티 요소 경로를 생성하는 방법의 특징부들이 이 방법에 통합될 수 있으며 그 반대의 경우도 가능하다는 점을 이해해야 한다. 시스템 요구사항은 전체 난방, 환기 및 공조(heating, ventilation, and air conditioning; HVAC) 개략적인 시스템도, 난방 및 냉방 부하, 노(furnace) 위치, 공기 여과, 가습 및 제습 장치, 에어컨, 필요한 흐름 특성(압력, 유속), 흡입구, 배출구, 레지스터 및 디퓨저의 위치를 포함할 수 있다.
부품 데이터베이스(105)는 예시적으로 덕트, 팬, 송풍기, 예열기, 노, 냉각기, 댐퍼, 흡입구 및 배출구의 일부와 같이 사용하기 위해 생성 설계 시스템에서 사용할 수 있는 모든 기계 부품을 포함한다. 규칙 모듈(107)은 ASHRAE 표준 90.1로부터 인코딩된 제약 및 규칙을 도출하고, 업계 모범 사례 및 공통 클라이언트 요구사항으로부터 추출된 추가 규칙을 보완하도록 구성된다. 분배 모듈(110)은 노, 예열기, 히터, 냉각기, 송풍기를 배치하고 크기를 정하고 선택되고 사이트에서 할당되고 기계실로 그룹화되도록 구성된다. 기계실은 사이트 상에 적절하게 위치된다.
라우팅 모듈(111)은 기계실로부터 소싱된 덕트 경로를 라우팅하고 사이트 내의 지정된 영역에서 종단되도록 구성된다. 사이트 구조적 특성과 선택적으로 배관 및 전기적 특성을 나타내는 SDF는 기하학적 전처리 모듈(106)에 의해 제공되고 지원가능성 정보로 주석이 표시되므로 라우팅 모듈(111)은 지원될 수 있는 경로를 선택한다. 라우팅 모듈(111)은 해당 시간에(대안적으로 동시에 또는 병렬로) 라우팅할 하나의 덕트를 선택하고 경로 찾기 알고리즘을 실행하도록 구성된다. 덕트는 더 큰 용량의 덕트 트리로 집계되고/되거나 동일한 덕트를 연속하는 경계 박스로서 정의된 연결된 덕트 세그먼트 세트로 함께 결합될 수 있다. 각각의 세그먼트에는 컴포넌트가 준수해야 하는 모든 제약이 주석으로 표시된다.
이러한 응용의 경우, 그룹화 모듈(112)은 적절한 공기흐름이 달성되도록 보장하기 위해 유틸리티 시스템에서의 덕트의 정확한 크기를 계산한다. 디테일링 모듈(113)은 필요한 경우 일반 컴포넌트 제품군의 덕트 랙을 세그먼트로 조립하도록 구성된다. 디테일링 모듈(113)은 구획 레이아웃이라고 불리는 세그먼트 내 덕트의 이상적인 배열을 결정하도록 구성된다. 디테일링 모듈(113)은 커플링, 유니온 및 엘보우를 포함하여 필요한 모든 피팅을 배치하도록 구성된다. 그 다음, 디테일링 모듈(113)은 파이프 네트워크의 길이를 따라 적절한 지지대를 배치하여 모델에서 주변 기하학적 구조에 부착한다.
구획 레이아웃은 동일한 랙 내부의 덕트와 트레이의 배치를 결정한다. 덕트 시스템의 위치는 랙으로부터 분기될 때 충돌을 방지하고 이용가능한 공간 내부에 피팅되도록 선택된다. 피팅 배치와 관련하여, 세그먼트에 레이아웃이 제공되면 세그먼트의 기하학적 구조와 구획 레이아웃이 분석된다. 부품(예를 들어, 덕트, 배기 장치)은 사용자 정의 및 기계 코드 제약을 고려하여 선택되고, 크기를 정하고, 배치된다. 이 단계 동안 부품 간의 토폴로지 관계가 명시적으로 표현된다. 지지대 배치와 관련하여 지지대 배치의 제1 단계는 각각의 지지대의 위치를 식별하는 것이다. 지지대는 일정한 간격으로 그리고 각각의 교차점 전후에 배치되어야 한다. 지지 위치가 선택되면, "트래피즈" 등과 같이 배치할 특정 지지대 유형이 결정된다. 특정 지지대 유형은 지지대 사양으로부터 결정되고, 이는 각각의 지지대 유형이 수직 대 수평 실행 랙과 같은 특정 시나리오와 호환되는 지지대의 우선순위 목록이다.
마지막으로, 지지대 유형과 위치가 선택되면 지지대 자체가 배치될 수 있다. 각각의 지지대 유형은 지지할 위치, 배향 및 세그먼트/구획을 입력으로 사용하는 고유한 파라메트릭 모델을 갖는다. 그 다음, 이러한 파라메트릭 모델은 로드, 너트, 볼트, 크로스 멤버 등과 같은 지지대 내의 각각의 컴포넌트에 대한 특정 위치 및 변환을 계산한다. 그 다음, 이러한 컴포넌트 각각은 실현 모듈(117)로 출력된다.
디테일링 모듈(113)은 사이트 상의 상이한 위치들에서 시행되는 상이한 제약들을 설명하도록 구성되며, 예를 들어 규칙 및 제약은 특정 위험 요구사항을 준수하기 위해 사이트 전체에 걸쳐 변할 수 있다. 스케줄링 모듈(114)은 HVAC 시스템을 조립하는데 필요한 건설 작업의 전체 세트를 정의하고, 각각의 작업을 완료하는데 필요한 시간과 자원을 추정하고, 동시에 수행될 수 있는 작업의 수를 제한하는 건설 순서 종속성을 시행하도록 구성된다. 평가자 모듈은 예를 들어 압력 강하, 공기 흐름, 열역학적 분석, 재료 비용, 건설 비용, 건설 시간 및 유지관리 가능성에 대한 전산 유체 역학과 같은 메트릭을 제공할 수 있다.
상기 설명된 라우팅 적용(즉,기계 유틸리티 라우팅, 전기 유틸리티 라우팅, 및 배관 유틸리티 라우팅) 중 어느 것에 적용되는 특징부 및 기계 학습 개념은 다른 라우팅 애플리케이션에도 동일하게 적용가능하다는 점을 이해해야 한다. 더욱이, 여기에 개시된 실시예 중 어느 하나의 특징부들은 다른 실시예와 결합될 수 있다.
이제 추가적으로 도 2를 참조하면, CAD 시스템(200)의 또다른 실시예가 이제 설명된다. CAD 시스템(200)의 이 실시예에서, 도 1과 관련하여 상기 이미 논의된 요소들은 100씩 증가하며 대부분 여기서는 더 이상 논의할 필요가 없다. 상기 설명된 CAD 시스템(100)의 임의의 특징부는 CAD 시스템(200)과 통합될 수 있다는 것이 이해되어야 한다.
이 CAD 시스템(200)은 예시적으로 CAD 디바이스(220), 및 네트워크(도시되지 않음, 예를 들어 로컬 영역 네트워크 또는 인터넷)를 통해 CAD 디바이스와 통신하는 컴퓨팅 디바이스(221)를 포함한다. 컴퓨팅 디바이스(221)는 예시적으로 개인용 컴퓨팅 디바이스를 포함하지만, 예를 들어 모바일 컴퓨팅 디바이스 또는 태블릿 컴퓨팅 디바이스를 포함할 수 있다.
예시된 실시예에서, 컴퓨팅 디바이스(221)는 후속 처리를 위해 CAD 파일(202)을 CAD 디바이스(220)에 업로드하도록 구성된다. 또한, 이 실시예에서, CAD 디바이스(220)는 CAD 파일(202)을 렌더링하고 뷰잉하기 위한 네이티브 CAD 소프트웨어를 동작시키도록 구성된다. CAD 파일(202)의 렌더링의 시각적 출력은 로컬 디스플레이 디바이스 상에 디스플레이하기 위해 컴퓨팅 디바이스(221)로 송신된다.
다른 실시예(도 1 참조)에서, 컴퓨팅 디바이스(221)는 CAD 소프트웨어를 로컬로 실행하고 처리를 위해 CAD 파일(202)을 CAD 디바이스(220)에 업로드하도록 구성된다. 컴퓨팅 디바이스(221)는 CAD 디바이스(220)와 통신하는 로컬 CAD 소프트웨어와 연관된 플러그인을 실행할 수 있다.
CAD 디바이스(220)는 예시적으로 복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하도록 구성된 메모리(222)를 포함한다. 특히, 복수의 규칙은 라우팅 규칙, 그룹화 규칙, 간격 규칙 및 규제 규칙(예를 들어 NEC, ASHRAE와 같은 표준 엔지니어링 코드에 따라 준수 MEP 시스템을 설명하는 규칙)을 포함할 수 있다. CAD 디바이스(220)는 예시적으로 메모리(222)에 커플링되고 적어도 복수의 규칙에 기초하여 라우팅을 위한 모델을 생성하도록 구성된 프로세서(223)를 포함한다.
라우팅을 위한 모델은 일부 실시예에서 기계 학습 모델을 포함할 수 있다. 또한, 기계 학습 모델은 초기에 예를 들어 지도 학습 프로세스와 같은 복수의 규칙에 의존하는 예시적인 라우팅 인스턴스를 사용하여 훈련될 수 있다.
일부 실시예에서, CAD 디바이스(220)는 서버 디바이스와 같은 독립형 컴퓨팅 디바이스를 포함한다. 다른 실시예에서, CAD 디바이스(220)는 클라우드 컴퓨팅 플랫폼 상의 자원을 포함할 수 있다. 프로세서(223)는 라우팅을 위한 모델 및 복수의 규칙에 기초하여 CAD 파일(202)에 대한 복수의 유틸리티 요소 경로를 생성하도록 구성된다. 각각의 유틸리티 요소 경로는 데이터베이스로부터 적어도 하나의 CAD 요소를 포함한다. 다르게 말하면, 프로세서(223)는 상기 상세한 바와 같이 지점간 유틸리티 요소 경로를 완료하기 위해 데이터베이스의 부품 저장소를 사용하도록 구성된다. 프로세서(223)는 컴퓨팅 디바이스(221) 상에 CAD 파일(202)과 함께 복수의 유틸리티 요소 경로를 디스플레이하도록 구성된다.
특히, 프로세서(223)는 RL 모델을 포함하는 기계 학습 모델을 생성하고, 강화 학습 모델을 위한 복수의 에이전트 - 각각의 에이전트는 지점간 경로와 연관됨 - 를 생성하고, 복수의 규칙의 위반에 기초하여 보상 함수를 생성하도록 구성된다. 프로세서(223)는 복수의 평가값에 기초하여 보상 함수를 생성하도록 구성된다. 복수의 평가 값은 예를 들어 비용 값 및 복잡도 값으로 구성된다.
일부 실시예에서, 프로세서(223)는 복수의 입력 값 및 복수의 출력 값에 기초하여 지도 학습 모델을 포함하는 기계 학습 모델을 생성하도록 구성된다. 복수의 입력 값은 예를 들어 지원성 값, 복잡도 값 및 치수 값을 포함한다. 복수의 출력 값은 예를 들어 비용 값 및 유지관리 값을 포함한다. 프로세서(223)는 복수의 하이퍼 파라미터에 기초하여 라우팅을 위한 기계 학습 모델을 생성하도록 구성된다. 예를 들어, 일부 실시예에서, 복수의 하이퍼파라미터는 분기 계수 및 벤딩 계수를 포함한다.
또한, CAD 파일(202)은 복수의 요소를 포함한다. 일부 실시예에서, 프로세서(223)는 복수의 요소를 처리하여 복수의 기하학적 형상을 생성하도록 구성되며, 각각의 기하학적 형상은 연관된 메타데이터 값(예를 들어, "벽", "기둥", "바닥" 및 기타 그러한 데이터와 같은 재료 특성, 형상 식별 특성)을 갖는다. 예를 들어, 복수의 기하학적 형상은 복수의 삼각형 메쉬를 포함할 수 있다. 다른 실시예에서, 이 정보는 다른 CAD/BIM 데이터 포맷(즉, Industry Foundation Classes 표준에 따름)으로 표현될 수 있으며, 시스템은 이를 사이트 기하학적 구조의 표현으로 사용할 수도 있다.
프로세서(223)는 그래프 기반 검색 경로 찾기 알고리즘(예를 들어, A*)을 실행하여 복수의 기하학적 형상에서 최단 경로를 찾도록 구성된다. 프로세서(223)는 복수의 유틸리티 요소 경로의 서브세트를 단일 유틸리티 요소 경로로 결합하도록 구성된다. 예를 들어, 복수의 유틸리티 요소 경로는 배관 경로, 전기 경로, 기계 경로를 포함할 수 있다.
또다른 양태는 CAD 디바이스(220)를 동작시키는 방법에 관한 것이다. 방법은 복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하는 단계, 및 CAD 파일(202) 및 복수의 CAD 요소에 기초하여 라우팅을 위한 기계 학습 모델을 생성하는 단계를 포함한다. 방법은 라우팅을 위한 기계 학습 모델 및 복수의 규칙에 기초하여 CAD 파일(202)에 대한 복수의 유틸리티 요소 경로를 생성하는 단계 - 각각의 유틸리티 요소 경로는 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함함 - , 및 CAD 파일과 함께 복수의 유틸리티 요소 경로를 디스플레이하는 단계를 더 포함한다.
본 개시의 수많은 수정예 및 다른 실시예는 상기 설명 및 관련 도면에 제시된 교시의 이점을 갖는 당업자라면 생각할 수 있을 것이다. 그러므로, 본 개시는 개시된 특정 실시예에 제한되지 않고, 수정예 및 실시예가 첨부된 청구범위의 범위 내에 포함되도록 의도된다는 것이 이해된다.
Claims (20)
- 컴퓨터 지원 설계(computer-aided design; CAD) 디바이스에 있어서,
복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하도록 구성된 메모리; 및
상기 메모리에 커플링된 프로세서로서,
라우팅을 위한 모델 및 상기 복수의 규칙에 기초하여 CAD 파일에 대한 복수의 유틸리티 요소 경로를 생성하고 - 각각의 유틸리티 요소 경로는 상기 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함함 - ,
상기 CAD 파일과 함께 상기 복수의 유틸리티 요소 경로를 디스플레이하도록 구성되는, 상기 프로세서
를 포함하는, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 프로세서는, 강화 학습 모델을 포함하는 상기 라우팅을 위한 모델을 생성하고, 상기 강화 학습 모델에 대한 복수의 에이전트를 생성하고 - 각각의 에이전트는 지점 간 경로와 연관됨 - , 상기 복수의 규칙의 위반에 기초하여 보상 함수를 생성하도록 구성되는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제2항에 있어서,
상기 프로세서는, 복수의 평가 값에 기초하여 상기 보상 함수를 생성하도록 구성되고, 상기 복수의 평가 값은 비용 값 및 복잡도 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 프로세서는, 복수의 입력 값과 복수의 출력 값에 기초한 지도 학습 모델을 포함하는 상기 라우팅을 위한 모델을 생성하도록 구성되고, 상기 복수의 입력 값은 지원성(supportability) 값, 복잡도 값, 및 치수 값을 포함하고, 상기 복수의 출력 값은 비용 값 및 유지관리 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 프로세서는, 복수의 하이퍼 파라미터에 기초하여 상기 라우팅을 위한 모델을 생성하도록 구성되고, 상기 복수의 하이퍼 파라미터는 분기(branching) 계수 및 벤딩(bending) 계수를 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 CAD 파일은 복수의 요소를 포함하고, 상기 프로세서는 상기 복수의 요소를 처리하여 복수의 기하학적 형상을 생성하도록 구성되고, 각각의 기하학적 형상은 연관된 메타데이터 값을 갖는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제6항에 있어서,
상기 프로세서는 상기 복수의 기하학적 형상에서 최단 경로를 찾기 위해 그래프 기반 검색 경로 찾기 알고리즘을 실행하도록 구성되는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 프로세서는 상기 복수의 유틸리티 요소 경로의 서브세트를 단일 유틸리티 요소 경로로 결합하도록 구성되는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제1항에 있어서,
상기 복수의 유틸리티 요소 경로는 배관 경로, 전기 경로 및 기계 경로를 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 컴퓨터 지원 설계(computer-aided design; CAD) 디바이스에 있어서,
복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하도록 구성된 메모리; 및
상기 메모리에 커플링된 프로세서로서,
CAD 파일 및 상기 복수의 CAD 요소에 기초하여 라우팅을 위한 기계 학습 모델을 생성하고 - 상기 기계 학습 모델은 강화 학습 모델을 포함함 - ,
상기 강화 학습 모델에 대한 복수의 에이전트를 생성하고 - 각각의 에이전트는 지점 간 경로와 연관됨 - ,
상기 복수의 규칙의 위반에 기초하여 보상 함수를 생성하고,
상기 라우팅을 위한 기계 학습 모델 및 상기 복수의 규칙에 기초하여 상기 CAD 파일에 대한 복수의 유틸리티 요소 경로를 생성하고 - 각각의 유틸리티 요소 경로는 상기 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함함 - ,
상기 복수의 유틸리티 요소 경로의 서브세트를 단일 유틸리티 요소 경로로 결합하도록 구성되는, 상기 프로세서
를 포함하는, 컴퓨터 지원 설계(CAD) 디바이스. - 제10항에 있어서,
상기 프로세서는 복수의 평가 값에 기초하여 상기 보상 함수를 생성하도록 구성되고, 상기 복수의 평가 값은 비용 값 및 복잡도 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제10항에 있어서,
상기 프로세서는 복수의 입력 값 및 복수의 출력 값에 기초한 지도 학습 모델을 포함하는 상기 기계 학습 모델을 생성하도록 구성되고, 상기 복수의 입력 값은 지원성 값, 복잡도 값, 및 치수 값을 포함하고, 상기 복수의 출력 값은 비용 값 및 유지관리 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제10항에 있어서,
상기 프로세서는 복수의 하이퍼 파라미터에 기초하여 상기 라우팅을 위한 기계 학습 모델을 생성하도록 구성되고, 상기 복수의 하이퍼 파라미터는 분기 계수 및 벤딩 계수를 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제10항에 있어서,
상기 CAD 파일은 복수의 요소를 포함하고, 상기 프로세서는 상기 복수의 요소를 처리하여 복수의 기하학적 형상을 생성하도록 구성되고, 각각의 기하학적 형상은 연관된 메타데이터 값을 갖는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제14항에 있어서,
상기 프로세서는 상기 복수의 기하학적 형상에서 최단 경로를 찾기 위해 그래프 기반 검색 경로 찾기 알고리즘을 실행하도록 구성되는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 제10항에 있어서,
상기 복수의 유틸리티 요소 경로는 배관 경로, 전기 경로 및 기계 경로를 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스. - 컴퓨터 지원 설계(computer-aided design; CAD) 디바이스를 동작시키는 방법에 있어서,
복수의 규칙 및 복수의 CAD 요소를 포함하는 데이터베이스를 저장하는 단계;
라우팅을 위한 모델 및 상기 복수의 규칙에 기초하여 CAD 파일에 대한 복수의 유틸리티 요소 경로를 생성하는 단계 - 각각의 유틸리티 요소 경로는 상기 데이터베이스로부터의 적어도 하나의 CAD 요소를 포함함 - ; 및
상기 CAD 파일과 함께 상기 복수의 유틸리티 요소 경로를 디스플레이하는 단계
를 포함하는, 컴퓨터 지원 설계(CAD) 디바이스를 동작시키는 방법. - 제17항에 있어서,
강화 학습 모델을 포함하는 상기 라우팅을 위한 모델을 생성하고, 상기 강화 학습 모델에 대한 복수의 에이전트를 생성하고 - 각각의 에이전트는 지점 간 경로와 연관됨 - , 상기 복수의 규칙의 위반에 기초하여 보상 함수를 생성하는 단계
를 더 포함하는, 컴퓨터 지원 설계(CAD) 디바이스를 동작시키는 방법. - 제18항에 있어서,
복수의 평가 값에 기초하여 상기 보상 함수를 생성하는 단계
를 더 포함하고, 상기 복수의 평가 값은 비용 값 및 복잡도 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스를 동작시키는 방법. - 제17항에 있어서,
복수의 입력 값 및 복수의 출력 값에 기초하여 지도 학습 모델을 포함하는 상기 라우팅을 위한 모델을 생성하는 단계
를 더 포함하고, 상기 복수의 입력 값은 지원성 값, 복잡도 값, 및 치수 값을 포함하고, 상기 복수의 출력 값은 비용 값 및 유지관리 값을 포함하는 것인, 컴퓨터 지원 설계(CAD) 디바이스를 동작시키는 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163171702P | 2021-04-07 | 2021-04-07 | |
| US63/171,702 | 2021-04-07 | ||
| PCT/CA2022/050535 WO2022213203A1 (en) | 2021-04-07 | 2022-04-07 | Cad device with utility element routing and related methods |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230163566A true KR20230163566A (ko) | 2023-11-30 |
Family
ID=83544885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237038343A KR20230163566A (ko) | 2021-04-07 | 2022-04-07 | 유틸리티 요소 라우팅을 갖는 cad 디바이스 및 관련 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20240193329A1 (ko) |
| EP (1) | EP4320541A1 (ko) |
| JP (1) | JP2024516117A (ko) |
| KR (1) | KR20230163566A (ko) |
| CN (1) | CN117425896A (ko) |
| CA (1) | CA3214681A1 (ko) |
| WO (1) | WO2022213203A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4425285A1 (en) * | 2023-02-28 | 2024-09-04 | Siemens Aktiengesellschaft | Automatic communication establishment between components of an industrial automation system |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8831920B2 (en) * | 2010-12-15 | 2014-09-09 | Fluor Technologies Corporation | Automated cabling layout systems and methods |
| EP3432172A1 (en) * | 2017-07-20 | 2019-01-23 | Bricsys NV | Predicting user desirability of a constructional connection in a building information model |
| EP3460685A1 (en) * | 2017-09-12 | 2019-03-27 | Bricsys NV | Improved semantic classification of an entity in a building information model |
| JP6849643B2 (ja) * | 2018-11-09 | 2021-03-24 | ファナック株式会社 | 出力装置、制御装置、及び評価関数と機械学習結果の出力方法 |
| EP3667523A1 (en) * | 2018-12-10 | 2020-06-17 | ABB Schweiz AG | Method of determining a three-dimensional layout of electrical connections of an electric component |
| EP3783519A1 (en) * | 2019-08-21 | 2021-02-24 | Bricsys NV | Automatic generation of an analytical model for analysis |
| US11100643B2 (en) * | 2019-09-11 | 2021-08-24 | Nvidia Corporation | Training strategy search using reinforcement learning |
| US20230342508A1 (en) * | 2020-06-29 | 2023-10-26 | Veev Group, Inc. | System, method and computer program product for building design automation including utility routing |
-
2022
- 2022-04-07 JP JP2023562254A patent/JP2024516117A/ja active Pending
- 2022-04-07 CN CN202280040717.1A patent/CN117425896A/zh active Pending
- 2022-04-07 KR KR1020237038343A patent/KR20230163566A/ko unknown
- 2022-04-07 US US18/554,519 patent/US20240193329A1/en active Pending
- 2022-04-07 EP EP22783739.0A patent/EP4320541A1/en active Pending
- 2022-04-07 WO PCT/CA2022/050535 patent/WO2022213203A1/en active Application Filing
- 2022-04-07 CA CA3214681A patent/CA3214681A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20240193329A1 (en) | 2024-06-13 |
| CA3214681A1 (en) | 2022-10-13 |
| JP2024516117A (ja) | 2024-04-12 |
| WO2022213203A1 (en) | 2022-10-13 |
| CN117425896A (zh) | 2024-01-19 |
| EP4320541A1 (en) | 2024-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | BIM-based framework for automatic scheduling of facility maintenance work orders | |
| JP5960062B2 (ja) | 自動建築設備設計のシステムおよび方法 | |
| Park et al. | Pipe-routing algorithm development: case study of a ship engine room design | |
| US20070285424A1 (en) | Generating annotation graphics in 2D form to model 3D elements | |
| KR101989314B1 (ko) | 배관 모델링 방법 및 이를 이를 구현하는 프로그램이 기록된 기록 매체 | |
| US10254745B2 (en) | Computer-implemented automated design, modeling and manufacturing system for a project | |
| US11681971B2 (en) | Rapid exploration of building design options for ventilation | |
| US8838420B2 (en) | Model management for computer aided design systems | |
| JP2017211987A (ja) | 配管の経路生成方法、複数の配管の経路生成方法、配管の経路生成装置、複数の配管の経路生成装置及びプログラム | |
| JP2007148650A (ja) | 設備配置計画支援システムと方法、およびプログラム | |
| Jessee et al. | Simultaneous packing and routing optimization using geometric projection | |
| US20240193329A1 (en) | Cad device with utility element routing and related methods | |
| Li et al. | Improving IFC-based interoperability between BIM and BEM using invariant signatures of HVAC objects | |
| CN108319751B (zh) | 地铁车站管线三维设备管线模型自动生成方法 | |
| Korman et al. | Prototype tool for mechanical, electrical, and plumbing coordination | |
| Liu et al. | An open-source and experimentally guided CFD strategy for predicting air distribution in data centers with air-cooling | |
| Tabesh et al. | Modeling and coordinating building systems in three dimensions: a case study | |
| Cho et al. | Automated building information models reconstruction using 2D mechanical drawings | |
| Medjdoub et al. | A constraint-based parametric model to support building services design exploration | |
| Zhu et al. | A KBE application for automatic aircraft wire harness routing | |
| Liang et al. | Realization of rule-based automated design for HVAC duct layout | |
| Zhang et al. | Research and application of intelligent layout design algorithm for 3d pipeline of nuclear power plant | |
| Tabesh et al. | Case study of constructability reasoning in MEP coordination | |
| Gross | Avoiding conflicts in architectural subsystem layout | |
| Singh | BIM-based automatic piping layout design and schedule optimization |