Tirer profit des informations alphanumériques des maquettes BIM via des plateformes cloud collaboratives pour réaliser de l'extraction de données, relever des quantités, renseigner et valider des codifications, valider la connectivité des systèmes.
Objectifs
-
Se familiariser avec la nature et la structure des informations alphanumériques dans les modèles BIM (propriétés, paramètres, classifications)
-
Consulter, extraire et analyser efficacement les données des maquettes via plateformes cloud
-
Réaliser des relevés et quantitatifs fiables à partir des modèles
-
Valider la connectivité et la cohérence des systèmes et réseaux électromécaniques
-
Appliquer ou valider des systèmes de codification standards en lien avec la gestion d'actifs
-
Valider la préparation des données BIM pour alimenter les systèmes de gestion post-construction (GMAO, Gestion d’espaces, etc.)
- Explorer comment l’intelligence artificielle peut aider à tirer profit des données non géométriques et discuter de ses limites et des risques qui y sont associés
Contenu
MODULE 1 : FONDEMENTS DES INFORMATIONS ALPHANUMÉRIQUES
- Distinction géométrie / attributs
- Nature des informations alphanumériques : propriétés, attributs, paramètres
- Niveaux d'information embarquée et maturité des données
- Structure des données dans formats natifs ou ouverts (IFC)
- Impact de la qualité des données sur le projet et sur l'exploitation et la livraison
- Données manquantes, incohérentes ou invalides
- Frugalité des données
- Exigences d’information et plan d’exécution BIM : définition de ce qui doit être renseigné
MODULE 2 : CONSULTATION ET RELEVÉS DE QUANTITÉS
- Principes d’interrogation de base de données (ponctuelle et globale)
- Comment l’intelligence artificielle peut faciliter l’interrogation dans un langage naturel
- Principes des relevés de quantités BIM vs métrés traditionnels : avantages et limites
- Types de quantités : géométriques calculées vs propriétés saisies
- Extraction de quantités : par catégories, types, phases
- Tableaux de bord de quantités en temps réel
- Vérification croisée géométrie vs données
- Export vers outils d'estimation et contrôle de coûts
MODULE 3 : CODIFICATION ET CONNECTIVITÉ
- Systèmes de classification internationaux (Uniclass, OmniClass, UniFormat) ou locaux
- Comparaison des systèmes selon contexte et usage
- Renseignement et validation des codifications d’équipements, systèmes et autres
- Codification et propriétés pour gestion d'actifs : numérotation d'équipements, modèles, garanties, etc.
- Cohérence de codification multidisciplinaire
- Contrôles qualité automatisés de codification
- Validation et cohérence des connectivités des systèmes et réseaux électromécaniques
- Comment l’intelligence artificielle peut aider à déceler les incohérences ou valeurs manquantes dans une base de données
MODULE 4 : EXTRACTION ET ANALYSE COMPLÉMENTAIRE DE DONNÉES
- Techniques d'extraction (rapports, exports, requêtes)
- Comment l’intelligence artificielle rend accessible certaines formes d’extraction (pyRevit et code python)
- Formats d'export (Excel, CSV, JSON, COBie)
- Connexions avec des outils tiers pour analyses complémentaires
- Nettoyage et normalisation des données extraites
- Techniques d'analyse : tableaux croisés dynamiques, filtres, visualisations
- Consolidation de données multi-sources (plusieurs modèles/disciplines)
Méthodologie
Diverses approches seront exploitées afin de maximiser l’engagement cognitif des apprenantes et apprenants :
- 25 % Exposé et retours d’expérience
-
35 % Discussions
- 40 % Pratique
FORMATION OFFERTE AUSSI SUR DEMANDE POUR UN GROUPE DE MINIMUM 5 PERSONNES
Polytechnique Montréal C.P.6079, succ. Centre-ville Montréal Québec Canada H3C 3A7
