• شماره ركورد
    31852
  • پديد آورنده

    زهرا محمودي

  • عنوان
    مدل‌ هوش مصنوعي Arch(D)Tect براي تشخيص خطاها و تطبيق با ضوابط طراحي در نرم‌افزار رويت
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    فناوري معماري
  • سال تحصيل
    1400
  • تاريخ دفاع
    1403/7/4
  • استاد راهنما
    دكتر احمد اخلاصي - دكتر مرتضي رهبر
  • استاد مشاور
    -
  • دانشكده
    معماري و شهرسازي
  • چكيده
    فرآيندهاي طراحي معماري و ساخت‌وساز مستلزم توجه دقيق به جزئيات است، به‌گونه‌اي كه حتي كوچك‌ترين اشتباهات مي‌توانند به مشكلات قابل‌توجهي در طول چرخه عمر ساختمان منجر شوند. در فرايند بررسي دستي نقشه‌هاي طراحي به منظور اطمينان از رعايت مقررات، مهندسان، معماران، اساتيد و دانشجويان وقت زيادي را صرف اطمينان از مطابقت پروژه‌هاي خود با هر قاعده طراحي مي‌كنند. اين فرآيند هرچند ضروري است، اما وقت و انرژي زيادي را صرف مي‌كند; منابعي كه مي‌توانند در جهت افزايش خلاقيت و نوآوري استفاده شوند. اين رساله به معرفي ابزار هوش مصنوعي "ArchDtect" مي‌پردازد؛ ابزاري كه به طور ويژه براي معماران و مهندسان طراحي شده است تا فرآيند شناسايي خودكار نواقص طراحي در مدل‌هاي ساختماني Autodesk Revit را تسهيل كند. ابزار ArchDtect با بهره‌گيري از پتانسيل هاي موجود در الگوريتم هاي هوش مصنوعي در تعامل با مدل BIM در جريان كار طراحي، دقت و كارايي در شناسايي مسائل متعددي از جمله نقض قوانين، تعارضات فضايي و ... را به‌طور چشمگيري افزايش مي‌دهد. اين ابزار علاوه بر كاهش زمان و انرژي مورد نياز براي بررسي دستي خطاها، قادر است گزارش‌هاي جامعي توليد كند كه فرآيند اصلاح و تطبيق مدل‌ها با استانداردهاي ساختماني را تسهيل مي‌نمايد. در نهايت، ArchDtect به‌عنوان گامي مهم در جهت به‌كارگيري هوش مصنوعي در فرآيند طراحي معماري شناخته مي‌شود و به متخصصان اين حوزه كمك مي‌كند تا زمان را بهينه‌تر مديريت كرده، ريسك‌ها را كاهش دهند و كيفيت كلي پروژه‌ها را ارتقا بخشند.
  • تاريخ ورود اطلاعات
    1403/10/08
  • عنوان به انگليسي
    Developing the Arch(D)Tect AI Model for Detecting Design Errors in Revit Software
  • تاريخ بهره برداري
    9/26/2025 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    زهرا محمودي

  • چكيده به لاتين
    Architectural design and construction processes require meticulous attention to detail, as even the smallest errors can lead to significant issues throughout a building’s lifecycle. In the manual review of design plans toensurecompliancewithregulations, engineers, architects, professors, and students spend a considerable amount of time ensuring that their projects adhere to every design rule. While this process is essential, it consumes a great deal of time and energy—resources that could be better used to enhance creativity and innovation. This thesis introduces the AI tool ”ArchDtect,” specifically designed for architects and engineers to facilitate the automatic detection of design flaws in Autodesk Revit building models. ArchDtectleveragesAIalgorithmswithinthedesignworkflowtosignificantlyimprovetheaccuracy and efficiency in identifying various issues, including rule violations, spatial conflicts, and more. In addition to reducing the time and effort required for manual error checks, the tool can generate comprehensive reports that simplify the process of correcting and aligning models with building standards. Ultimately, ArchDtect is recognized as a significant step towards integrating AI into the architectural design process, helping professionals in the field to better manage their time, reduce risks, and enhance the overall quality of their projects.
  • كليدواژه هاي فارسي
    الگوريتم شناسايي , فناوري مدلسازي اطلاعات ساختمان , مبحث 4 , رويت , هوش مصنوعي
  • كليدواژه هاي لاتين
    Detective algorithm , Autodesk Revit , compliance percentage , Building Code , AI , Building Information Modeling(BIM)
  • Author
    Zahra Mahmoudi
  • SuperVisor
    Dr. Ahmad Ekhlasi - Dr. Morteza Rahbar