Sistema de Soporte de Decisiones de Sistemas de Sistemas Habilitado por IA: AI-LCA Integrado en BIM para el Diseño de Fachadas Reforzadas con Fibra Resilientes y Sostenibles
Autores: Al-Jamal, Mohammad Q.; Alsarhan, Ayoub; Aljamal, Qasim; AlJamal, Mahmoud; Khassawneh, Bashar S.; Al Nuaim, Ahmed; Al Nuaim, Abdullah
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Sistema de Soporte de Decisiones de Sistemas de Sistemas Habilitado por IA: AI-LCA Integrado en BIM para el Diseño de Fachadas Reforzadas con Fibra Resilientes y Sostenibles
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Sostenible
Resiliente
Basado en datos
Mejorado por IA
Evaluación del ciclo de vida
Optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 3
Citaciones: Sin citaciones
Las comunidades sostenibles y resilientes dependen cada vez más de sistemas de construcción interdependientes y basados en datos, donde las elecciones de materiales, el rendimiento energético y los impactos del ciclo de vida deben optimizarse conjuntamente. Este estudio presenta un marco de apoyo a la decisión de sistema de sistemas (SoS) listo para gemelos digitales que integra la simulación energética de edificios habilitada por BIM con un pipeline de evaluación del ciclo de vida mejorado por IA (AI-LCA) para optimizar sistemas de fachada de concreto reforzado con fibra (FRC) para edificios inteligentes. La LCA convencional a menudo se basa en inventarios y es estática, lo que limita su utilidad para la toma de decisiones de SoS bajo variabilidad operativa. Para abordar esta brecha, desarrollamos modelos de sustitución de aprendizaje automático (Bosques Aleatorios, Aumento de Gradiente y Redes Neuronales Artificiales) para realizar una predicción dual del rendimiento mecánico de la fachada y los indicadores del ciclo de vida (emisiones de CO2, energía incorporada y uso de agua), lo que permite una exploración rápida de alternativas de diseño. Fusionamos mediciones experimentales de FRC, inventarios ambientales abiertos y simulaciones energéticas vinculadas a BIM en un conjunto de datos unificado que captura el comportamiento acoplado material-edificio. Los modelos logran un alto rendimiento predictivo (hasta un 99.2% de precisión), y la atribución de características identifica el tipo de fibra, la fracción de volumen y el régimen de curado como impulsores clave de los resultados del ciclo de vida. Los análisis de escenarios muestran que las configuraciones optimizadas reducen el carbono incorporado mientras mejoran las trayectorias de eficiencia energética cuando se propagan a través de flujos de trabajo de BIM, apoyando la selección de fachadas conscientes del carbono y resilientes. En general, el marco permite la optimización escalable de SoS al proporcionar predicciones rápidas y acopladas para decisiones de diseño de fachadas en entornos construidos inteligentes.
Descripción
Las comunidades sostenibles y resilientes dependen cada vez más de sistemas de construcción interdependientes y basados en datos, donde las elecciones de materiales, el rendimiento energético y los impactos del ciclo de vida deben optimizarse conjuntamente. Este estudio presenta un marco de apoyo a la decisión de sistema de sistemas (SoS) listo para gemelos digitales que integra la simulación energética de edificios habilitada por BIM con un pipeline de evaluación del ciclo de vida mejorado por IA (AI-LCA) para optimizar sistemas de fachada de concreto reforzado con fibra (FRC) para edificios inteligentes. La LCA convencional a menudo se basa en inventarios y es estática, lo que limita su utilidad para la toma de decisiones de SoS bajo variabilidad operativa. Para abordar esta brecha, desarrollamos modelos de sustitución de aprendizaje automático (Bosques Aleatorios, Aumento de Gradiente y Redes Neuronales Artificiales) para realizar una predicción dual del rendimiento mecánico de la fachada y los indicadores del ciclo de vida (emisiones de CO2, energía incorporada y uso de agua), lo que permite una exploración rápida de alternativas de diseño. Fusionamos mediciones experimentales de FRC, inventarios ambientales abiertos y simulaciones energéticas vinculadas a BIM en un conjunto de datos unificado que captura el comportamiento acoplado material-edificio. Los modelos logran un alto rendimiento predictivo (hasta un 99.2% de precisión), y la atribución de características identifica el tipo de fibra, la fracción de volumen y el régimen de curado como impulsores clave de los resultados del ciclo de vida. Los análisis de escenarios muestran que las configuraciones optimizadas reducen el carbono incorporado mientras mejoran las trayectorias de eficiencia energética cuando se propagan a través de flujos de trabajo de BIM, apoyando la selección de fachadas conscientes del carbono y resilientes. En general, el marco permite la optimización escalable de SoS al proporcionar predicciones rápidas y acopladas para decisiones de diseño de fachadas en entornos construidos inteligentes.