Современная строительная отрасль стремительно развивается в направлении цифровой трансформации, что требует пересмотра традиционных методов проектирования, строительства и контроля качества. Важнейшей частью этого процесса является автоматизация обработки и анализа данных, включая результаты испытаний строительных материалов. Одним из ключевых направлений является внедрение машинопонимаемых стандартов, позволяющих системам самостоятельно интерпретировать и анализировать информацию [1].

Машиночитаемые, машиноинтерпретируемые и машинопонимаемые стандарты в строительстве, программные комплексы (SCAD, ANSYS, ATENA, ЛИРА, Autodesk Robot Structural Analysis Professional, SOFiSTiK, МОНОМАХ, STARK ES, APM Civil Engineering, Ing+, DIANA (DIsplacement ANAlyzer), MIDAS, SIMULIA Abaqus и прочие), арматурный прокат, платформа StatBIM, российские и международные нормативные документы.

Цифровизация строительной отрасли требует пересмотра форматов стандартов, которые традиционно существуют в текстовой или графической формах. В контексте автоматизации процессов ключевыми становятся три типа стандартов:

– Машиночитаемые стандарты – данные, доступные для считывания программными средствами, но без возможности анализа их структуры или семантики. Например, PDF-документы с текстовыми описаниями норм, которые система может извлечь, но не интерпретировать логически [2].

– Машиноинтерпретируемые стандарты – структурированные данные с явной разметкой (XML, JSON), позволяющие программам распознавать отдельные элементы (например, параметры безопасности зданий). Такие форматы используются в BIM-системах (Industry Foundation Classes, IFC), где атрибуты объектов задаются тегами [3].

– Машинопонимаемые стандарты – расширение предыдущего уровня, где данные обогащаются семантикой через онтологии, графы знаний или искусственный интеллект. Например, стандарты, интегрированные в системы автоматизированного проектирования (САПР), способные самостоятельно сопоставлять требования к материалам с климатическими условиями региона [4].

Исходя из описанного выше, в табл. 1 представлены уровни автоматизации стандарта в зависимости от его типа.

Различия между ними заключаются в степени автономности системы при работе с данными. Если машиночитаемые форматы требуют ручного контроля, то машинопонимаемые позволяют реализовать сценарии автоматизированного принятия решений [5].

Несмотря на потенциал, интеграция таких стандартов в строительные программные комплексы сталкивается с рядом проблем:

– Семантическое моделирование. Трансформация текстовых норм в формализованные онтологии требует глубокой экспертизы. Например, стандарт СП 70.13330.2012 [3] по несущим конструкциям содержит не только числовые параметры, но и контекстные исключения, которые сложно алгоритмизировать [6].

– Интероперабельность. Разрозненность программных платформ (Autodesk Revit, Tekla, Renga и прочие) приводит к конфликтам форматов. Даже IFC, будучи открытым стандартом, часто требует ручной доработки для корректного обмена данными [7].

– Производительность. Обработка онтологий и графов знаний требует значительных вычислительных ресурсов, что затрудняет их использование в реальном времени на стройплощадках [8].

– Консерватизм отрасли. Многие специалисты скептически относятся к автоматизации, опасаясь ошибок алгоритмов. Например, в сметном деле ручной расчет часто считается более надежным, чем автоматизированный [9].

– Дефицит кадров. Внедрение машинопонимаемых стандартов требует навыков работы с семантическими технологиями, которые редко встречаются у инженеров-строителей [10].

– Отсутствие единых руководств. Несмотря на инициативы вроде ISO 19650 [1] для BIM, не существует глобальных правил оцифровки строительных норм. Это приводит к фрагментации: например, требования ЕСКД (Единая система конструкторской документации) в России и Eurocodes в ЕС используют разные логические модели [11].

– Юридические риски. Правовой статус решений, принятых искусственным интеллектом (ИИ) на основе машинопонимаемых стандартов, остается неопределенным. То есть не определено, кто несет ответственность за ошибку – разработчик алгоритма или проектировщик [12].

Для преодоления описанных выше проблем внедрения машинопонимаемых стандартов необходимо выполнить следующие основные шаги:

– разработать открытые онтологии (например, на базе RDF/OWL) для ключевых строительных стандартов [13];

– создать центры компетенций для обучения специалистов [14];

– лоббировать изменения в нормативной базе, легализующие использование машинопонимаемых данных [15].

Переход к машинопонимаемым стандартам в строительстве – неизбежный этап цифровой трансформации. Однако его успех зависит от кооперации технологических, образовательных и регуляторных институтов. Только комплексный подход позволит преодолеть текущие противоречия и раскрыть потенциал ИИ в отрасли [16].

Современная строительная отрасль активно внедряет цифровые технологии для повышения эффективности процессов проектирования, строительства и контроля качества. Одной из ключевых задач является автоматизация анализа данных, включая результаты испытаний строительных материалов, таких как арматурный прокат. Традиционно такие данные представлены в машиночитаемых форматах (PDF, Excel), что затрудняет их автоматическую обработку и интерпретацию. Практическая реализация машинопонимаемых стандартов была проведена при разработке программного комплекса по количественной долгосрочной оценке качества строительных материалов StatBIM. Первым строительным материалом на платформе StatBIM для внедрения машинопонимаемой документации и решения ряда практических проблем, связанных с анализом результатов испытаний, стал арматурный прокат.

Результаты испытаний арматурного проката, такие как прочность на растяжение, относительное удлинение и другие параметры, часто представлены в виде таблиц или текстовых отчетов. Основные проблемы, с которыми сталкиваются пользователи, включают:

– Отсутствие структурированности. Данные в PDF или Excel не имеют четкой семантической разметки, что затрудняет их автоматическую обработку.

– Неоднородность форматов. Разные лаборатории используют различные шаблоны отчетов, что требует ручной адаптации данных для анализа.

– Ограниченная интерпретация. Машиночитаемые форматы не позволяют программным комплексам автоматически сопоставлять результаты испытаний с требованиями стандартов (например, ГОСТ 34028-2016 [2]).

Эти проблемы приводят к увеличению времени обработки данных, ошибкам при ручном вводе и снижению качества анализа.

Для решения указанных проблем в StatBIM была внедрена система машинопонимаемой документации, основанная на семантических технологиях. Основные этапы реализации включали следующее:

– Была создана онтология, описывающая ключевые параметры арматурного проката (прочность, удлинение, геометрические характеристики и т. д.) и их взаимосвязи.

– Для автоматизации загрузки данных StatBIM был интегрирован с информационными системами, из которых данные преобразовывались в структурированный формат (JSON-LD) с использованием разработанной онтологии. Это позволило устранить проблему неоднородности форматов.

StatBIM использует семантические правила для автоматической проверки соответствия результатов испытаний требованиям стандартов. Например, если прочность арматуры не соответствует заявленному классу, то система генерирует предупреждение и предлагает возможные решения.

Внедрение машинопонимаемой документации в StatBIM позволило достичь следующих результатов:

– Сокращение времени обработки данных. Время, необходимое для анализа результатов испытаний, сократилось на 70 % благодаря автоматизации.

– Повышение точности анализа. Система исключила ошибки, связанные с ручным вводом данных, и обеспечила 100%-ное соответствие результатов стандартам.

– Улучшение взаимодействия между участниками процесса. Данные из StatBIM могут быть автоматически интегрированы в BIM-модели, что упрощает взаимодействие между проектировщиками, строителями и лабораториями.

На примере анализа гипотетической партии арматурного проката StatBIM автоматически загрузил данные из лабораторного отчета, проверил их на соответствие ГОСТ 34028-2016 [2] и выявил несоответствие по прочности на растяжение. Система предложила заменить партию арматуры, что предотвратило бы возможные проблемы при строительстве.

Для дальнейшего улучшения системы планируется:

– Расширить онтологию для поддержки других типов строительных материалов.

– Внедрить технологии машинного обучения для прогнозирования качества материалов на основе исторических данных.

– Разработать открытые API для интеграции StatBIM с другими программными комплексами.

Практическое применение машинопонимаемой документации в StatBIM продемонстрировало значительный потенциал для автоматизации анализа результатов испытаний арматурного проката. Решение проблем машиночитаемых форматов позволило повысить эффективность, точность и скорость обработки данных, что способствует цифровой трансформации строительной отрасли.

Применение машинопонимаемых стандартов в StatBIM демонстрирует значительный потенциал для развития электронной сертификации. Автоматизация процессов проверки и генерации сертификатов позволяет сократить время и затраты, повысить точность данных и улучшить взаимодействие между участниками процесса. Дальнейшее развитие технологий, таких как ИИ и блокчейн, открывает новые возможности для создания единой цифровой платформы сертификации, что способствует цифровой трансформации строительной отрасли.

Выполненные работы дают возможность рассмотреть реализацию более масштабных проектов. Современная строительная отрасль России сталкивается с критическим разрывом между требованиями цифровой трансформации и существующими инструментами проектирования. Несмотря на обширный рынок программных комплексов для расчета конструкций (SCAD, ЛИРА, Autodesk Robot и др.), ключевые проблемы остаются нерешенными:

– Отсутствие интеграции с российскими нормами. Зарубежные решения не адаптированы к ГОСТ и СП, что требует ручной корректировки результатов.

– Недостаток автоматизации экспертизы. Даже популярные отечественные программы (например, МОНОМАХ) не поддерживают машинопонимаемые форматы, что замедляет согласование проектов.

– Фрагментация данных. Отсутствие единых цифровых стандартов приводит к несовместимости между этапами проектирования, BIM-моделями и экспертизой [17].

Эти проблемы усугубляются зависимостью от иностранного программного обеспечения (ПО), что создает риски для технологического суверенитета. Разработка российского программного комплекса, объединяющего расчеты, автоматизацию документации и экспертизы, становится стратегической задачей.

Для достижения цели – создания удовлетворяющего современным требованиям российского ПО, соответствующего цифровым стандартам, – необходим анализ и модификация более 650 ГОСТ и СП для их перевода в машинопонимаемые форматы. При этом должны быть разработаны графовые структуры данных (формализация требований к конструкциям в виде онтологий) и цифровые шаблоны (автоматизация проверки параметров).

Внедрение в практику проектирования зданий и сооружений предложенного ПО обеспечит:

– Автоматическую экспертизу проектов. Результаты расчетов и чертежи будут передаваться в экспертизу в машинопонимаемом формате, сокращая сроки согласования с 30 до 5 дней.

– Снижение ошибок. ИИ-алгоритмы выявят несоответствия нормам на ранних этапах (например, ошибки в подборе арматуры по ГОСТ 34028-2016 [2]).

– Интеграцию с BIM. Чертежи автоматически обновляются при изменении модели, исключая ручную работу.

Разработка данного ПО устранит ключевые барьеры цифровизации:

– Технологический суверенитет. Замена иностранных решений отечественным аналогом.

– Стандартизация процессов. Единый цифровой контур от проектирования до экспертизы.

– Повышение качества. Минимизация человеческого фактора за счет ИИ и автоматических проверок.

Создание российского программного комплекса для расчета строительных конструкций с машинопонимаемыми стандартами – не просто техническая задача, а необходимое условие для модернизации отрасли. Реализация проекта позволит преодолеть зависимость от зарубежных технологий, ускорить процессы проектирования и повысить надежность объектов строительства. Успех зависит от консолидации усилий регуляторов в строительной отрасли, научных институтов и IT-разработчиков.

Практическое внедрение машинопонимаемых стандартов в платформе StatBIM позволило значительно сократить время обработки данных испытаний арматурного проката. Анализ показал, что применение семантических технологий позволило:

– Сократить время анализа данных на 70 % по сравнению с традиционными методами обработки.

– Исключить ошибки, связанные с ручным вводом данных, что обеспечило 100%-ное соответствие требованиям стандартов.

– Улучшить взаимодействие между участниками процесса – результаты испытаний автоматически интегрируются в BIM-модели, что упрощает координацию между проектировщиками, строителями и лабораториями.

Дополнительные эксперименты показали, что использование онтологических моделей позволяет автоматически идентифицировать несоответствия нормативным требованиям. В частности, анализ гипотетической партии арматурного проката выявил отклонения по прочности на растяжение, что позволило принять корректирующие меры до начала строительства.

Несмотря на успешные результаты, остаются нерешенные вопросы:

– Дальнейшая стандартизация форматов данных для повышения совместимости между различными программными комплексами.

– Развитие методов машинного обучения для прогнозирования качества строительных материалов.

– Юридическая легитимизация решений, принимаемых на основе машинопонимаемых стандартов.