Algoritmikus tervezés hatékonysági elemzése az építőiparban / Efficiency analysis of algorithmic design in the construction industry

Elsődleges fülek

Erre a témakiírásra nem lehet jelentkezni.
Nyilvántartási szám: 
23/05
Témavezető neve: 
Témavezető e-mail címe:
kapitany.kristof@emk.bme.hu
A témavezető teljes publikációs listája az MTMT-ben:
A téma rövid leírása, a kidolgozandó feladat részletezése: 
Bevezetés:
Az építőipar a digitalizáció korában jelentős átalakuláson megy keresztül. Az algoritmikus tervezés, a gépi tanulás, a mesterséges intelligencia és más technológiák lehetőséget kínálnak az építőipar számára a hatékonyságnövelésre és az erőforrások optimális felhasználására. A digitális technológiák alkalmazása az építőiparban azonban számos kihívással is jár, és ezekre a kihívásokra választ kell találni ahhoz, hogy az építőipar is a digitális átalakulás nyertese legyen. 
 
A kutatás témája az algoritmikus tervezés és a digitális technológiák hatékonyságnövelő hatásainak vizsgálata az építőiparban.
 
A kutatás fókusza:
    • az algoritmikus tervezési megközelítések és módszerek áttekintése, 
    • az algoritmikus tervezési folyamatok hatékonyságnövelő hatásainak elemzése,
    • az algoritmikus tervezési folyamatok és a digitális technológiák összevetése a hagyományos tervezési folyamatokkal 
az építőiparban.
 
A kutatás során az algoritmikus tervezési megközelítéseket és módszereket vizsgáljuk, mint például az automatizált építőmérnöki tervezés, a lézerszkennelt pontfelhők automatizált feldolgozása, és a digitális modellezés. A kutatás során előtérbe helyezzük a hatékonyságnövelést, az erőforrások optimális felhasználását és a költséghatékonyságot. Az eredmények hasznosak lehetnek az építőipar számára a tervezési idő csökkentése, a költségcsökkentés és a minőség javítása szempontjából. A kutatás eredményei hozzájárulhatnak a digitális átalakulás előnyeinek kiaknázásához az építőiparban, és segíthetnek az iparág szereplőinek megérteni és alkalmazni a digitális technológiákat a hatékonyság és az eredményesség növelése érdekében.
 
Várható eredmények:
A kutatás eredményei hozzájárulhatnak az építőipar hatékonyabbá tételéhez az algoritmikus tervezés és a digitális technológiák alkalmazásának fejlesztése révén. Az eredmények hasznosak lehetnek az építőiparban dolgozó szakembereknek, az oktatási intézményeknek és a kutatóknak.
 
Kutatási terv:
    1. A jelölt vizsgálja meg az algoritmikus tervezési megközelítéseket és módszereket az építőiparban az irodalmi áttekintés alapján.
    2. A jelölt azonosítsa az algoritmikus tervezési folyamatok hatékonyságnövelő hatásait, mint például a tervezési idő csökkentése, a költségcsökkentés és a minőség javítása, a digitális technológiák alkalmazásával összehasonlítva a hagyományos tervezési folyamatokkal.
    3. A jelölt dolgozzon ki egy vagy több hatékony algoritmust az építőipari tervezési folyamatok automatizálására és hatékonyabbá tételére.
    4. A jelölt tesztelje az új algoritmusok hatékonyságát, és hasonlítsa össze őket a hagyományos tervezési folyamatokkal a hatékonyságnövelő hatások szempontjából.
    5. A jelölt értékelje a kutatási eredményeket és javasolja a digitális technológiák további alkalmazásának lehetőségeit az építőiparban.
 
A kutatási téma lehetőséget kínál az építőmérnöki és földtudományi doktori hallgatók számára:
    • hogy elmélyítsék tudásukat az algoritmikus tervezés alkalmazásában az építőiparban. 
    • együttműködésre a BME más karaival, az Építőmérnöki Kar más tanszékeivel, illetve a Fotogrammetria és Térinformatika Tanszék ipari partnereivel. 
 
A kutatás eredményei elősegíthetik a hatékonyabb építési folyamatokat és a jobb minőségű építkezéseket, ami hozzájárulhat a digitális átalakulás sikeréhez az építőiparban.
 
***
 
Introduction:
The construction industry is undergoing significant transformation in the age of digitalization. Algorithmic design, machine learning, artificial intelligence, and other technologies offer opportunities for the construction industry to increase efficiency and optimize resource utilization. However, the application of digital technologies in the construction industry also comes with numerous challenges that need to be addressed in order for the construction industry to be a winner in the digital transformation. 
 
The research aims to investigate the efficiency-enhancing effects of algorithmic design and digital technologies in the construction industry.
 
Research focus:
    • Overview of algorithmic design approaches and methods,
    • Analysis of the efficiency-enhancing effects of algorithmic design processes,
    • Comparison of algorithmic design processes and digital technologies with traditional design processes 
in the construction industry.
 
During the research, we investigate algorithmic design approaches and methods such as automated engineering design, automated processing of laser-scanned point clouds, and digital modeling. Efficiency improvement, optimal resource utilization, and cost-effectiveness are emphasized in the research. The results can be useful for the construction industry in terms of reducing design time, cost reduction, and improving quality. The research findings can contribute to leveraging the benefits of digital transformation in the construction industry and help industry stakeholders understand and apply digital technologies to increase efficiency and effectiveness.
 
Expected outcomes:
The results of the research can contribute to making the construction industry more efficient by developing the application of algorithmic design and digital technologies. The findings can be useful for professionals, educational institutions, and researchers working in the construction industry.
 
Research plan:
    1. Investigate algorithmic design approaches and methods in the construction industry based on a literature review.
    2. Identify the efficiency-enhancing effects of algorithmic design processes, such as reduced design time, cost reduction, and quality improvement, compared to traditional design processes.
    3. Develop one or more effective algorithms to automate and optimize construction design processes.
    4. Test the efficiency of the new algorithms and compare them to traditional design processes in terms of efficiency-enhancing effects.
    5. Evaluate the research results and suggest further opportunities for applying digital technologies in the construction industry.
The research topic offers an opportunity for PhD students in civil engineering and earth sciences to:
    • deepen their knowledge of the application of algorithmic design in the construction industry.
    • collaborate with other faculties of BME, other departments of the Faculty of Civil Engineering, and industrial partners of the Department of Photogrammetry and Geoinformatics.
 
The results of the research could facilitate more efficient construction processes and better-quality constructions, which could contribute to the success of the digital transformation in the construction industry.
A téma meghatározó irodalma: 
1. Caetano, Inês, Luís Santos, and António Leitão. 2020. “Computational Design in Architecture: Defining Parametric, Generative, and Algorithmic Design.” Frontiers of Architectural Research 9 (2): 287–300. https://doi.org/10.1016/j.foar.2019.12.008.
2. Nguyen, Anh Tuan, Sigrid Reiter, and Philippe Rigo. 2014. “A Review on Simulation-Based Optimization Methods Applied to Building Performance Analysis.” Applied Energy 113: 1043–58. https://doi.org/10.1016/j.apenergy.2013.08.061.
3. Bushra, Nayab. 2022. “A Comprehensive Analysis of Parametric Design Approaches for Solar Integration with Buildings: A Literature Review.” Renewable and Sustainable Energy Reviews 168 (June): 112849. https://doi.org/10.1016/j.rser.2022.112849.
4. Costantino, D., M. Pepe, and A. G. Restuccia. 2021. “Scan-to-HBIM for Conservation and Preservation of Cultural Heritage Building: The Case Study of San Nicola in Montedoro Church (Italy).” Applied Geomatics, no. 2019. https://doi.org/10.1007/s12518-021-00359-2.
5. Gomaa, Mohamed, Jaroslav Vaculik, Veronica Soebarto, Michael Griffith, and Wassim Jabi. 2021. “Feasibility of 3DP Cob Walls under Compression Loads in Low-Rise Construction.” Construction and Building Materials 301 (June): 124079. https://doi.org/10.1016/j.conbuildmat.2021.124079.
6. Tang, Pingbo, Daniel Huber, Burcu Akinci, Robert Lipman, and Alan Lytle. 2010. “Automatic Reconstruction of As-Built Building Information Models from Laser-Scanned Point Clouds: A Review of Related Techniques.” Automation in Construction 9 (7): 829–43. https://doi.org/10.1016/j.autcon.2010.06.007.
7. Andriasyan, Mesrop, Juan Moyano, Juan Enrique Nieto-Julián, and Daniel Antón. 2020. “From Point Cloud Data to Building Information Modelling: An Automatic Parametric Workflow for Heritage.” Remote Sensing 12 (7): 1094. https://doi.org/10.3390/rs12071094
A téma hazai és nemzetközi folyóiratai: 
1. Automation in Construction (2023, Q1)
2. Construction and Building Materials (2023, Q1)
3. Periodica Polytechnica / Civil Engineering / Architecture (2023, Q3)
4. Additive Manufacturing (2023, Q1)
5. Journal of Cleaner Production (2023, Q1) 
6. Magazine of Concrete Research (2023, Q1)
7. Pollack Periodica (2023, Q3)
8. Vasbetonépítés
A témavezető utóbbi tíz évben megjelent 5 legfontosabb publikációja: 
    1. Kapitany, Kristof, Dániel Csanády, and Olivér Fenyvesi. 2022. “Stem Porosity Determination of Straws Using Conventional Laboratory Tests and Image Processing Methods.” Journal of Natural Fibers 19 (16): 13201–15. https://doi.org/10.1080/15440478.2022.2087130.
    2. Lublóy, Éva, Kristóf Kapitány, György L. Balázs, Tamás Földes, Viktor Hlavička, and Lili Hlavicka-Laczák. 2019. “CT and Laboratory Test of the Wall Panels after Fire Load.” Construction and Building Materials 211: 1105–16. https://doi.org/10.1016/j.conbuildmat.2019.03.148.
    3. Balázs, György L., Olivér Czoboly, Éva Lublóy, Kristóf Kapitány, and Árpád Barsi. 2017. “Observation of Steel Fibres in Concrete with Computed Tomography.” Construction and Building Materials 140: 534–41. https://doi.org/10.1016/j.conbuildmat.2017.02.114.
    4. Lublóy, Éva, György L. Balázs, Kristóf Kapitány, and Árpád Barsi. 2017. “CT Analysis of Core Samples from Fire-Damaged Concrete Structures.” Magazine of Concrete Research 69 (15): 802–10. https://doi.org/10.1680/jmacr.16.00490.
    5. Kapitány, Kristóf, and Árpád Barsi. 2016. “Fourier Transformation-Based CT Correction Method for Geomaterial Core Samples.” Journal of Materials in Civil Engineering 28 (1): 06015005. https://doi.org/10.1061/(asce)mt.1943-5533.0001349.
A témavezető fenti folyóiratokban megjelent 5 közleménye: 
    1. Balázs, György L., Olivér Czoboly, Éva Lublóy, Kristóf Kapitány, and Árpád Barsi. 2017. “Observation of Steel Fibres in Concrete with Computed Tomography.” Construction and Building Materials 140: 534–41. https://doi.org/10.1016/j.conbuildmat.2017.02.114.
    2. Lublóy, Éva, Kristóf Kapitány, György L. Balázs, Tamás Földes, Viktor Hlavička, and Lili Hlavicka-Laczák. 2019. “CT and Laboratory Test of the Wall Panels after Fire Load.” Construction and Building Materials 211: 1105–16. https://doi.org/10.1016/j.conbuildmat.2019.03.148.
    3. Lublóy, Éva, Dávid Ambrus, Kristóf Kapitány, and Árpád Barsi. 2015. “Air Void Distribution of Asphalts Determined by Computed Tomography.” Periodica Polytechnica Civil Engineering 59 (4): 503–10. https://doi.org/10.3311/PPci.7608.
    4. Lublóy, Éva, György L. Balázs, Kristóf Kapitány, and Árpád Barsi. 2017. “CT Analysis of Core Samples from Fire-Damaged Concrete Structures.” Magazine of Concrete Research 69 (15): 802–10. https://doi.org/10.1680/jmacr.16.00490.
    5. Majorosné Lublóy, Éva Eszter, György Balázs L., Tamás Földes, Kristóf Kapitány, and Viktor Hlavicka. 2018. “CT Alkalmazási Lehetőségei Az Építőanyagok Vizsgálatánál.” Vasbetonépítés 20 (4): 89–93. https://doi.org/10.32969/VB.2018.4.3.

A témavezető eddigi doktoranduszai

Státusz: 
elfogadott