Науковий вісник НГУ

Інтегрована BIM–AI модель подієво-орієнтованого управління будівництвом

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №2 2026

Останнє оновлення: 25 квітня 2026

Опубліковано: 30 листопада -0001

Перегляди: 1430

Authors:

М. О. Бородін*, orcid.org/0000-0003-0513-3876, Український державний університет науки та технології, м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

І. М. Ільєв, orcid.org/0000-0002-9515-7734, Український державний університет науки та технології, м. Дніпро, Україна

Т. В. Ткач, orcid.org/0000-0002-9433-7514, Український державний університет науки та технології, м. Дніпро, Україна

О. В. Нестерова, orcid.org/0000-0003-1035-6572, Український державний університет науки та технології, м. Дніпро, Україна

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2026, (2): 112 - 120

https://doi.org/10.33271/nvngu/2026-2/112

Abstract:

Мета. Дослідження спрямоване на розробку інтегрованої подієво-орієнтованої системи управління будівельними процесами, що поєднує технології BIM, цифрових двійників та алгоритмів штучного інтелекту для підвищення гнучкості й надійності планування в умовах невизначеності.

Методика. Використане поєднання інформаційного моделювання будівель (BIM), формалізації подій за принципом «подія – умова – дія», а також математичного апарату скінченних автоматів та оптимізаційних алгоритмів розміщення задач. Для прогнозування тривалості робіт застосовані методи машинного навчання, а інтеграція із цифровим двійником забезпечила синхронізацію планових і фактичних даних.

Результати. Побудована архітектура системи, що реагує на події у режимі реального часу, забезпечуючи динамічну адаптацію календарного плану будівництва. Сформована формалізована модель управління, що дозволяє автоматизувати переходи між станами задач й оптимізувати використання ресурсів. На умовних кейсах продемонстроване скорочення загальної тривалості виконання робіт до 5 % у порівнянні із традиційними календарними графіками, а також підвищення прозорості управлінських рішень.

Наукова новизна. Запропонована інтегрована BIM–AI модель подієво-орієнтованого управління, що поєднує автоматне моделювання, алгоритми машинного навчання й принципи цифрових двійників для формування адаптивних календарних планів. Уперше розроблена архітектура системи, здатна функціонувати в гібридному режимі із використанням edge-пристроїв для забезпечення автономності при збої центральної системи.

Практична значимість. Результати дослідження можуть бути використані для підвищення ефективності організації будівництва в умовах високої невизначеності, зокрема при відновленні інфраструктури України. Запропонована система дозволяє знизити ризики затримок, оптимізувати розподіл ресурсів і розширити можливості фахівців-будівельників шляхом автоматизації рутинних процесів контролю й планування.

Ключові слова: будівництво, подієво-орієнтоване управління, цифровий двійник, штучний інтелект, планування

References.

1. Wang, Y., Liao, S., Gong, Z., Deng, F., & Yin, F. (2024). Enhancing Construction Management Digital Twins Through Process Mining of Progress Logs. Sustainability, 16(22), 10064. https://doi.org/10.3390/su162210064

2. El Mokhtari, K., Panushev, I., & McArthur, J. J. (2022). Development of a Cognitive Digital Twin for Building Management and Operations. Frontiers in Built Environment, 8, 856873. https://doi.org/10.3389/fbuil.2022.856873

3. Jiang, Y., Su, S., Zhao, S., Zhong, R. Y., Qiu, W., Skibniewski, M. J., Brilakis, I., & Huang, G. Q. (2024). Digital twin-enabled synchronized construction management: a roadmap from Construction 4.0 towards future prospect. Developments in the Built Environment. https://doi.org/10.1016/j.dibe.2024.100512

4. Su, S., & Zhong, R.Y. (2023). Digital twin and its potential applications in construction industry: State-of-art review and a conceptual framework. Advanced Engineering Informatics. https://doi.org/10.1016/j.aei.2023.102030

5. Chen, K. (2020). Enhancing construction safety management through edge computing: framework and scenarios. Journal of Information Technology in Construction (ITcon), 25, 438-451. https://doi.org/10.36680/j.itcon.2020.025

6. Kartsakli, E., Salient, O., Roig, J. P., Pérez-Romero, J., Vilà, I., & Bartzoudis, N. (2024). Advanced edge computing architecture for AI-driven automation and slicing in beyond 5G. Proceedings of IEEE/ACM International Conference on Utility and Cloud Computing (UCC). https://doi.org/10.1109/UCC63386.2024.00052

7. Alizadehsalehi, S., & Yitmen, I. (2023). Digital twin-based progress monitoring management model through reality capture to extended reality technologies (DRX). Smart and Sustainable Built Environment, 12(1), 200-236. https://doi.org/10.1108/SASBE-01-2021-0016

8. Pan, Y., & Zhang, L. (2021). Automated process discovery from event logs in BIM construction projects. Automation in Construction, 127, 103713. https://doi.org/10.1016/j.autcon.2021.103713

9. Chen, C., Gu, H., Lian, S., Zhao, Y., & Xiao, B. (2022). Investigation of edge computing in computer vision-based construction resource detection. Buildings, 12(12), 2167. https://doi.org/10.3390/buildings12122167

10.      Hsieh, C-C., Chen, H-M., Chen, W-Y., & Wu, T-Y. (2024). Integration of construction progress monitoring results using AI image recognition from multiple cameras onto a BIM. Proceedings of the 41 ^st International Symposium on Automation and Robotics in Construction (ISARC), (pp. 691-698). Lille, France. Retrieved from https://www.iaarc.org/publications/2024_proceedings_of_the_41st_isarc_lille_france/integration_of_construction_progress_monitoring_results_using_ai_image_recognition_from_multiple_cameras_onto_a_bim.html

11.      Moshood, T. D., Rotimi, J., Shahzad, W., & Bamgbade, J. A. (2024). Infrastructure digital twin technology: A new paradigm for future construction industry. Technology in Society, 77, 102519. https://doi.org/10.1016/j.techsoc.2024.102519

12.      Tuli, S., Mirhakimi, F., Pallewatta, S., Zawad, S., Casale, G., Javadi, B., …, & Jennings, N.R. (2023). AI augmented Edge and Fog computing: Trends and challenges. Journal of Network and Computer Applications, 216, 103648. https://doi.org/10.1016/j.jnca.2023.103648

13.      Kineber, A. F., Elshaboury, N., Oke, A. E., Aliu, F., Abunada, Z., & Alhusban, M. (2024). Revolutionizing construction: A cutting-edge decision-making model for artificial intelligence implementation in sustainable building projects. Heliyon, 10(17), e37078. https://doi.org/10.1016/j.heliyon.2024.e37078

14.      Chong, H.-Y., Yang, X., Goh, C. S., & Luo, Y. (2025). BIM and AI Integration for Dynamic Schedule Management: A Practical Framework and Case Study. Buildings, 15(14), 2451. https://doi.org/10.3390/buildings15142451

15.      Zeibak-Shini, R., Elias, A., Shaked, O., & Shohet, I. M. (2025). BIM-Based Hybrid Scheduling for High-Rise Buildings. Proceedings of CCC 2025, (pp. 185-194). Zadar, Croatia. https://doi.org/10.22260/CCC2025/0024

16.      Du, S., Hou, L., Zhang, G., Tan, Y., & Mao, P. (2024). BIM and IFC Data Readiness for AI Integration in the Construction Industry: A Review Approach. Buildings, 14(10), 3305. https://doi.org/10.3390/buildings14103305

17.      Al-Sinan, M. A., Bubshait, A. A., & Aljaroudi, Z. (2024). Generation of Construction Scheduling through Machine Learning and BIM: A Blueprint. Buildings, 14(4), 934. https://doi.org/10.3390/buildings14040934

18.      Wei, H.-H., Zhang, Y., Sun, X., Chen, J., & Li, S. (2023). Intelligent robots and human–robot collaboration in the construction industry: A review. Journal of Intelligent Construction, 1(1), 9180002. https://doi.org/10.26599/JIC.2023.9180002

19.      Yang, L. (2023). A Comprehensive Review of Artificial Intelligence Applications in Building Information Modelling (BIM) and Future Perspectives. Journal of Computer Technology and Applied Mathematics, 2(2). https://doi.org/10.70393/6a6374616d.323635

20.      Wang, X., Yu, H., McGee, W., Menassa, C. C., & Kamat, V. R. (2023). Enabling Building Information Model-Driven Human-Robot Collaborative Construction Workflows with Closed-Loop Digital Twins. arXiv Preprints. https://doi.org/10.48550/arXiv.2306.09639

21.      Zeng, N., Liu, Y., & König, M. (2023). 4D BIM-Enabled Look-Ahead Scheduling for Early Warning of Off-Site Supply Chain Disruptions. Journal of Construction Engineering and Management, 149(1). https://doi.org/10.1061/(ASCE)CO.1943-7862.0002433

22.      Zhang, J., Zhao, B., Yang, G., Zhou, X., Huang, Y., Gao, C., Chen, X., & Chen, D. M. (2025). AI-empowered digital twin modelling for high-precision building defect management integrating UAV and GeoBIM. Building Simulation. https://doi.org/10.1007/s12273-025-1332-9

23.      Armaki, M. E. G., Javid, A. A. S., & Omrani, S. (2025). Dynamic BIM-Driven Framework for Adaptive and Optimized Construction Projects Scheduling Under Uncertainty. Buildings, 15(17), 3004. https://doi.org/10.3390/buildings15173004

24.      Baduge, S. Kr., Thilakarathna, S., Perera, J. S., Arashpour, M., Sharafi, P., Teodosio, B., Shringi, A., & Mendis, P. (2022). Artificial intelligence and smart vision for building and construction 4.0: Machine and deep learning methods and applications. Automation in Construction, 141, 104440. https://doi.org/10.1016/j.autcon.2022.104440

25.      Love, P.E.D., Fang, W., & Matthews, J. (2022). Explainable Artificial Intelligence: Precepts, Methods, and Opportunities for Research in Construction. arXiv Preprints. https://doi.org/10.48550/arXiv.2211.06579

• < Попередня
• Наступна >