건축 및 구조 엔지니어링을 위한 AI
생성형 AI는 단 몇 초 만에 놀라운 건축 콘셉트를 만들어냅니다. 그런 다음 구조 팀은 그것이 시공될 수 없다는 것을 증명하느라 몇 주를 소비합니다. 건설 비용 편차의 80%는 시공 실수가 아니라 설계 변경에서 발생합니다.
Veriprajna는 이 격차를 메우는 맞춤형 AI 시스템을 구축합니다: 개념 설계 단계에서의 물리 기반 사전 검토, 실제 강재 조달에 맞춘 구조 최적화, 그리고 재작업을 유발하는 수작업 변환 오류를 제거하는 자동화된 BIM-해석 파이프라인.
$177B
설계 오류로 인한 연간 건설 재작업 비용
Trimble, 2025
80%
설계 변경에서 비롯된 비용 편차의 비율
FMI / 산업 분석
11.9%
2025년 강재 가격 상승률
ENR 20개 도시 평균
건축에서 엔지니어링으로의 인계 지점은 프로젝트가 정체되고, 예산이 초과되며, 일정이 무너지는 곳입니다. 실제로 이것이 어떤 모습인지 살펴봅니다.
라파엘 비뇰리(Rafael Viñoly)가 설계한 라스베이거스의 Vdara 호텔은 초승달 모양의 남향 유리 파사드를 특징으로 합니다. 오목한 기하 형상이 포물면 반사경처럼 작용하여 태양 복사열을 수영장 데크에 집중시켰습니다. 온도가 충분히 치솟아 플라스틱 라운지 의자를 녹이고 투숙객의 머리카락을 그을렸습니다. 물리는 단순했습니다: 오목 거울은 빛을 한 점에 모읍니다. 개념 설계 단계의 광선 추적 해석이었다면 이것을 밀리초 만에 잡아냈을 것입니다.
같은 건축가는 런던의 20 펜처치 스트리트("워키토키")에서 똑같은 오류를 반복했습니다. 이곳에서는 오목한 파사드가 햇빛을 집중시켜 그 아래 거리에 있던 재규어의 차체를 녹일 만큼 뜨거웠습니다. 두 건물, 같은 물리 실패, 같은 건축가, 그리고 설계 과정의 같은 공백.
두 건물 모두에서의 보수 조치는 비용이 많이 들고 미적으로도 타협적이었습니다: 무반사 필름, 외부 핀, 대형 파라솔. 이것들은 예외적인 사례가 아닙니다. 생성형 AI가 복잡한 곡면 기하 형상을 손쉽게 만들어낼 수 있게 되면서, 의도치 않은 환경 위험(집중된 태양광, 풍동 효과, 음향 집중)의 위험이 비례하여 증가합니다. 이러한 형태를 생성하는 도구들에는 물리 엔진이 없습니다. 그것들은 하중 경로가 아니라 픽셀을 만들어낼 뿐입니다.
기본 설계 승인 60~90일 후, 종합 건설업체가 건축가의 비전에 가격을 매깁니다. 그 통화는 예측 가능한 각본을 따릅니다: AI가 생성한 콘셉트가 평평한 강화유리(제곱피트당 $18-25) 대신 이중 곡면 유리(제곱피트당 $100-500)를 사용하기 때문에 파사드 비용이 예산의 3배입니다. 구조용 강재에는 16주의 리드타임이 걸리는 제철소 주문 전용 단면(W14x730, 누구 쓰실 분?)이 포함되어 있습니다. 접합 상세는 노무비를 세 배로 만드는 완전 용입 현장 용접을 요구합니다.
개발자는 당황합니다. 가치 공학이 시작됩니다. 건축가는 모든 변경에 저항합니다. 구조 엔지니어는 제안된 각 대안에 대해 ETABS를 다시 돌립니다. 각 반복은 해석에 4~8시간이 걸립니다. 열 번의 반복이면 부재 치수 재조정만으로 선임 엔지니어 2주의 시간을 의미합니다.
이 주기는 $50M 이상의 거의 모든 프로젝트에서 반복됩니다. 업계는 이것을 불가피한 것으로 받아들여 왔습니다. 그러나 그렇지 않습니다. 개념적 반복 단계에서 구조적 실현 가능성, 자재 가용성, 제작 복잡성을 점검하는 설계 프로세스는 VE 위기가 시작되기 전에 이를 제거합니다.
귀사의 건축가는 Revit에서 작업합니다. 귀사의 구조 팀은 ETABS에서 해석합니다. 모델을 한쪽에서 다른 쪽으로 옮기는 것은 수작업이고 오류가 발생하기 쉬운 과정이며, 귀사는 이를 매년 수백 번 반복합니다.
Revit에서의 IFC 내보내기는 일상적으로 해석 모델 데이터를 누락시킵니다. 접합 유형이 손실됩니다. 해석 오프셋이 초기화됩니다. 하중 할당이 사라집니다. 서드파티 교환 도구를 사용하더라도 BIM 저작 도구와 해석 소프트웨어 간 구조 모델 전송의 기본 품질은 신뢰할 수 없습니다. 귀사의 엔지니어들은 해석을 시작하기도 전에 변환 정리에만 모델당 2~4시간을 소비합니다.
이것을 프로젝트당 15~20회의 반복, 연간 30~50개의 프로젝트로 곱하면, 데이터 변환에 수천 시간의 선임 엔지니어 시간을 태우고 있는 셈입니다. 엔지니어링이 아닙니다. 설계가 아닙니다. 변환입니다.
기존 도구가 어디서 멈추고 맞춤형 작업이 어디서 시작되는지를 평가하기 위한 참고 자료입니다. 다음 기술 평가 회의에서 이것을 띄워 보십시오.
| 플랫폼 | 그것이 하는 일 | 강점 | 공백 |
|---|---|---|---|
| Autodesk Forma | AI 기반 부지 계획, 매싱, 환경 해석(태양, 바람, 에너지). Neural CAD for Buildings는 2026년 출시 예정. | 지배적인 BIM 생태계. 실시간 채광/탄소 해석. Revit 통합. | 매싱 수준에 한정됨. 구조 부재 치수 산정 없음. 실제 조달 데이터에 대한 비용 최적화 없음. |
| Altair SimSolid / PhysicsAI | 전체 CAD 어셈블리에 대한 메시 없는 FEA. AI 모델이 과거 데이터로부터 시뮬레이션 결과를 예측. | 복잡한 어셈블리를 몇 시간이 아닌 몇 분에. Siemens의 지원($10.6B 인수). 파사드와 접합부에 강점. | 엔터프라이즈 가격 책정. AEC 네이티브가 아닌 기계/자동차 중심. BIM 통합 없음. 조달 인식 없음. |
| TestFit | 다세대/상업용을 위한 AI 부지 계획. 10초 미만에 3,000개의 유효 계획안. | 빠른 반복. 유닛 믹스 및 주차 최적화. 주당 650건 이상의 거래 평가. | 부지 계획만 가능. 구조 엔지니어링 없음. 물리 시뮬레이션 없음. |
| Hypar | AI가 생성한 매싱, 그리드, 레이아웃을 활용한 파라메트릭 공간 계획. | 개발자 친화적. Revit으로 내보내기. 빠른 개념 레이아웃. | 공간 계획 중심. 구조 검증 없음. 비용 산정 없음. |
| Stru.ai | ETABS/SAP2000/RISA 워크플로를 자동화하는 AI 에이전트. 계산서를 생성하고 코드를 점검. | 네이티브 FEA 도구 통합. 코드 참조 출력(ACI/AISC). 40% 시간 절감 주장. | 기존 FEA를 감싸는 자동화 래퍼. 해석 시간 자체를 줄이지는 않음. 생성형 설계가 아님. |
| Tekla (Trimble) | 상세 작업을 위한 AI 모델 및 도면 어시스턴트. AI가 생성한 제작 도면 제안. | 강력한 제작 및 상세 워크플로. 자연어 모델링 명령. | 상세 작업 중심. 구조 설계나 최적화가 아님. |
| Nemetschek (Allplan/Vectorworks) | BIM 워크플로를 위한 AI 어시스턴트. 자동화된 설계 작업. 2026년: 에이전트형 AI 전략. | 멀티 브랜드 생태계. 설계에서 시공까지 연결된 데이터 흐름. | AI 기능은 보조적임(챗봇, 상세 작업). 물리 기반 검증이나 최적화 없음. |
| Big 4 / 대형 SI | 기술 컨설팅, 디지털 전환 프로그램, BIM 구현. | 브랜드 인지도. 대규모 팀. 확립된 엔터프라이즈 관계. | 그들은 플랫폼을 구현할 뿐 물리 엔진을 구축하지 않습니다. 참여 비용은 6~18개월 일정에 $500K-$5M+에 이릅니다. 구조 엔지니어링 도메인 깊이가 없습니다. |
| 맞춤형 구축 (Veriprajna) | 기업 특화 AI: 귀사의 프로젝트로 학습된 대리 모델, 직접 API 파이프라인, 조달 인식 최적화. | 귀사의 유형, 도구, 표준에 맞춰 구축. 온프레미스 배포. 구조 도메인 전문성. | 선반에서 사는 제품이 아닙니다. 대리 모델 학습에는 200개 이상의 과거 모델이 필요합니다. 12~20주 참여. |
각 역량은 귀사의 도구, 유형, 엔지니어링 표준에 맞춰 특별히 구축됩니다. 플랫폼이 아닙니다. 플러그인이 아닙니다. 귀사가 이미 운영하는 워크플로에 통합된 맞춤형 AI입니다.
우리는 귀사가 완료한 ETABS/SAP2000 해석으로 그래프 신경망(GNN) 대리 모델을 학습시킵니다. 이 모델은 귀사의 건물 유형에 특유한 구조 거동 패턴을 학습합니다: 강재 모멘트 프레임, 콘크리트 전단벽, 합성 바닥 시스템.
개념 설계 단계에서 대리 모델은 활용률, 변위 추정치, 부재 적정성 검토를 몇 시간이 아닌 몇 초 만에 반환합니다. 우리가 GNN 기반 아키텍처를 채택하는 이유는 구조 모델이 본질적으로 그래프(부재가 노드, 접합이 엣지)이고, 그래프상의 메시지 전달이 힘이 실제로 프레임을 통해 전파되는 방식을 반영하기 때문입니다.
대리 모델은 탐색 단계를 처리합니다. 귀사의 PE는 최종 검증을 처리합니다. StructGNN 연구의 학술 벤치마크는 프레임 변위와 힘에 대해 99% 이상의 정확도를 보여줍니다. 변동성이 더 큰 실제 프로젝트 데이터로 학습된 우리의 프로덕션 대리 모델은 일반적으로 활용률에 대해 0.97~0.99의 R-제곱을 달성합니다.
우리는 세 가지 제약 조건에 대해 동시에 구조용 강재 부재의 치수를 산정하는 다목적 최적화 엔진을 구축합니다: 구조적 적정성(AISC 360 검토), 자재 비용(중량 최소화), 그리고 조달 현실(서비스 센터 가용성 및 재고 길이).
최적화 엔진은 강화학습이 아니라 NSGA-II 진화 알고리즘을 사용합니다. 유전 알고리즘은 검증되었고 잘 이해되어 있으며, 건물 규모 문제에서 심층 RL의 수렴 불확실성 없이 다양한 파레토 최적해를 만들어냅니다. 우리는 공개된 압연 일정과 서비스 센터 데이터를 기반으로 AISC W-형강을 가용성 등급으로 분류한 다음, 구조적 수요가 진정으로 요구하지 않는 한 Tier 3(제철소 주문) 선택에 페널티를 부과합니다.
출력은 중량 절감 추정치, 조달 리드타임 영향, 추정 비용 차이가 포함된 시공 가능한 부재 일람표입니다. 내부 벤치마크에서 이 접근법은 일정에 치명적인 제철소 주문을 제거하면서도 기존 치수 산정 대비 9~15%의 강재 톤수 감소를 보여주었습니다.
우리는 IFC를 완전히 우회하고 귀사의 BIM 저작 도구와 해석 소프트웨어 간에 직접 API 통합을 구축합니다. 가장 일반적인 파이프라인(Revit-ETABS)의 경우, Revit API를 사용해 Revit 데이터베이스에서 해석 모델을 직접 추출하고 CSi OAPI를 사용해 이를 완전한 충실도로 ETABS에 밀어 넣습니다: 골조 연결성, 단면 할당, 재료 속성, 하중 정의.
왕복은 양방향으로 작동합니다. 해석 결과는 동일한 API를 통해 되돌아와 색상으로 구분된 활용률 오버레이로 Revit 모델을 갱신합니다. IFC 내보내기 없음, 수작업 정리 없음, 접합 유형 손실이나 초기화된 해석 오프셋 없음.
우리는 Revit-SAP2000, Revit-Robot, Tekla-STAAD 및 기타 도구 쌍에 대해서도 동일하게 구축합니다. 각 파이프라인은 귀사가 사용하는 특정 소프트웨어 버전과 엔지니어링 표준에 맞춰 맞춤 제작됩니다. 목표는 범용 통합이 아니라, 귀사의 팀이 더 이상 수동으로 점검하지 않을 만큼 신뢰하는 견고한 데이터 경로입니다.
우리는 기본 설계 단계에서 실행되는 실시간 비용 및 시공성 플래깅 시스템을 구축합니다. 이 시스템은 각 설계 반복을 조달 데이터베이스, 제작 복잡성 휴리스틱, 그리고 건축 코드 요구사항(ASCE 7-22, IBC 2024)에 대해 평가합니다.
구체적인 플래그에는 다음이 포함됩니다: 곡면 유리 페널티(평면 $18-25/제곱피트 대 곡면 $100-500/제곱피트), 현장 용접이 필요한 비표준 강재 접합, 제철소 주문 리드타임이 있는 단면, 단열재를 관통하는 강재 부재로 인한 열교, 그리고 오목한 파사드의 태양광 집중과 같은 환경 위험.
이것이 VE 위기를 예방하는 시스템입니다. 건축가의 콘셉트가 90일 후 시공업체 견적이 아니라 반복 3단계에서 시공성 플래그를 유발하면, 프로젝트는 몇 주의 재설계와 수십만 달러의 엔지니어링 재작업을 절약합니다. 이 시스템은 건축가의 판단을 대체하지 않습니다. 시공업체가 가진 것과 동일한 비용 및 실현 가능성 인식을 그들에게 제공하는 것입니다.
세 단계, 12~20주. 다년간의 전환 프로그램 없음. 플랫폼 마이그레이션 없음.
우리는 귀사의 설계-해석 워크플로를 처음부터 끝까지 매핑합니다. 건축가는 어디서 구조 팀에 인계합니까? 각 ETABS 반복에는 얼마나 걸립니까? 어떤 건물 유형이 귀사 프로젝트 물량의 80%를 차지합니까? 마찰이 가장 큰 인계 지점은 무엇입니까?
산출물: 각 병목에 대한 시간-비용 정량화가 포함된 우선순위화된 격차 분석. 이것이 2단계에서 무엇을 구축할지 결정합니다.
우리는 귀사의 워크플로에 필요한 맞춤형 AI 구성 요소를 구축합니다. 대리 모델 학습에는 귀사가 완료한 구조 해석 200~500건이 필요합니다. BIM-해석 파이프라인은 귀사의 특정 Revit/ETABS 버전과 기업 표준에 맞춰 구축됩니다. 조달 최적화 엔진에는 최신 AISC 가용성 데이터와 귀사가 선호하는 서비스 센터 관계가 채워집니다.
우리는 ML 엔지니어링과 소프트웨어 개발을 담당합니다. 귀사의 구조 팀은 도메인 검증을 제공합니다: 대리 모델 예측을 자신들의 엔지니어링 직관과 대조해 검토하고, 최적화 제약 조건이 귀사의 표준과 일치하는지 확인합니다.
귀사의 환경(온프레미스 또는 귀사의 클라우드 테넌트, 결코 우리 것이 아님)에 배포. 5~10개의 진행 중인 프로젝트에 대한 병행 검증: AI가 귀사의 표준 워크플로와 나란히 실행되고, 귀사의 엔지니어들이 결과를 비교합니다. 우리는 이러한 실제 프로젝트 비교를 바탕으로 정확도 임계값을 조정합니다.
산출물은 귀사의 팀이 이미 사용하는 도구에 통합된 작동하는 소프트웨어입니다. 독립형 플랫폼이 아닙니다. 새로운 로그인이 아닙니다. Revit 플러그인, ETABS 통합, 귀사의 기존 프로젝트 관리 스택 내 대시보드입니다.
귀사의 설계-해석 워크플로에서 AI 개입이 가장 높은 ROI를 가져올 곳을 평가합니다. 귀사의 현재 관행에 대한 여섯 가지 질문에 답하십시오.
우리는 귀사 자체의 완료된 프로젝트로 학습된 맞춤형 대리 모델을 구축합니다. 학습 데이터는 귀사의 기존 ETABS 또는 SAP2000 해석 결과에서 나옵니다: 귀사의 팀이 이미 실행한 수백 또는 수천 개의 구조 모델. 대리 모델은 귀사의 특정 건물 유형에 대한 구조 구성(부재 치수, 경간, 하중)과 해석 결과(활용률, 변위, 처짐) 사이의 관계를 학습합니다.
개념 설계 단계에서 대리 모델은 즉각적인 피드백을 제공합니다: "W24x68 보를 사용한 이 베이 간격은 중력 하에서 0.87의 활용률을 제공합니다; 풍하중 변위는 H/420입니다." 건축가나 설계자는 전체 FEA 실행을 기다리는 대신 이를 몇 초 만에 얻습니다.
설계가 안정화되면, 귀사의 엔지니어들은 여전히 인허가 제출을 위해 전체 ETABS 또는 SAP2000 해석을 실행합니다. PE는 언제나처럼 최종 계산 패키지에 날인합니다. 대리 모델은 현재 건축 팀과 엔지니어링 팀 사이에서 며칠씩 오가는 처음 15~20회의 반복을 처리합니다. 통합은 귀사의 기존 도구를 통해 이루어집니다: Revit 플러그인이 해석 모델을 추출하고, API를 통해 대리 모델로 보내며, 결과를 BIM 모델 위에 색상으로 구분된 오버레이로 반환합니다. 새로 배울 소프트웨어가 없습니다. 최종 산출물 워크플로에 대한 변경이 없습니다.
예, 다만 데이터 신선도에 대한 솔직한 유의사항이 있습니다. 강재 서비스 센터는 실시간 재고 API를 제공하지 않습니다. 가용성 데이터는 공개된 압연 일정, 서비스 센터 재고 목록(주간에서 월간으로 갱신됨), 그리고 제작업체의 과거 조달 패턴에서 나옵니다.
우리는 세 가지 등급으로 분류된 AISC 표준 W-형강을 중심으로 최적화 엔진을 구축합니다: 주요 서비스 센터에서 항상 가용한 Tier 1 단면(W10x12부터 W12x26, W14x22부터 W14x48, W16x26부터 W16x40, W18x35부터 W18x50, W21x44부터 W21x62, W24x55부터 W24x84), 흔히 재고로 보유되지만 며칠의 리드타임이 필요할 수 있는 Tier 2 단면, 그리고 8~16주의 리드타임으로 제철소 주문만 가능한 Tier 3 단면.
최적화 엔진은 기본적으로 Tier 1 선택을 따르며, 구조적 수요가 진정으로 요구할 때에만 Tier 2 또는 Tier 3로 이동합니다. 또한 절단 낭비를 최소화하기 위해 재고 길이(40피트 및 60피트 표준)를 반영합니다. 최근 12층 강재 모멘트 프레임의 내부 벤치마크에서, 이 접근법은 기존 엔지니어링 판단 대비 전체 강재 톤수를 9% 줄이는 동시에 모든 제철소 주문 단면을 제거하여 약 6주의 조달 리드타임을 절약했습니다. 유의사항: 가용성은 매주 변합니다. 우리는 제작업체 파트너십과 AISC 공개 데이터로 등급 데이터베이스를 구축하지만, 귀사의 조달 팀은 최종 구매 전에 여전히 서비스 센터 담당자와 함께 중요한 단면을 확인해야 합니다.
맞습니다. 그리고 우리는 우리의 도구를 PE 날인 계산의 대체물로 포지셔닝하지 않습니다. 그 어떤 건축 부서도 "AI가 안전하다고 했다"를 인허가 승인의 근거로 받아들이지 않을 것입니다. 면허를 가진 전문 엔지니어(PE)가 인허가를 위해 제출되는 모든 구조 계산에 대해 여전히 책임을 집니다.
우리의 도구는 PE의 최종 해석 상류에 위치합니다. 그것들은 탐색 단계를 처리합니다: 팀이 올바른 구조 시스템, 부재 치수, 횡력 저항 시스템을 찾는 기본 및 설계 발전 단계의 15~20회 설계 반복. 현재 각 반복에는 수 시간의 수동 ETABS 모델링과 해석이 필요합니다. 우리의 대리 모델은 이를 몇 초로 압축하여, PE가 더 많은 옵션을 탐색하고 최종 해석을 위한 더 나은 출발점에 도달하게 합니다.
최종 계산 패키지는 언제나 귀사의 면허 엔지니어가 귀사의 표준 FEA 소프트웨어를 사용해 작성합니다. 우리의 AI는 설계 공간을 좁힙니다; 귀사의 PE가 최종 답을 검증합니다. 이것은 업계가 이미 매싱 연구에 Forma 같은 도구를 사용하는 방식을 반영합니다: 아무도 인허가를 위해 Forma 모델을 제출하지 않지만, 그것은 초기 설계 단계에서 몇 주의 수동 반복을 절약합니다. 우리는 같은 원칙을 구조 엔지니어링에 적용합니다.
우리는 구조 모델 교환에 IFC를 완전히 피합니다. Revit에서의 IFC 내보내기는 일상적으로 해석 모델 데이터를 누락시킵니다. ArchiCAD IFC와 Tekla IFC는 서로 다른 관계 스키마를 사용합니다. Graphisoft의 Archicad-Revit 교환 추가 기능을 사용하더라도 구조 모델 전송의 기본 품질은 형편없습니다: 접합 유형이 손실되고, 해석 오프셋이 초기화되며, 하중 할당이 사라집니다.
대신, 우리는 귀사의 BIM 저작 도구와 해석 도구 간에 직접 API 통합을 구축합니다. Revit-ETABS(가장 일반적인 파이프라인)의 경우, Revit API를 사용해 골조 연결성, 단면 할당, 재료 속성, 하중 정의를 포함하여 Revit 데이터베이스에서 해석 모델을 직접 추출합니다. 이 데이터는 CSi가 ETABS v9 이래 유지해 온 CSi OAPI(Open Application Programming Interface)를 통해 ETABS로 들어갑니다. 왕복이 작동합니다: 해석 결과가 동일한 API를 통해 되돌아와 Revit 모델을 갱신합니다.
이것은 범용 IFC 워크플로보다 설정하는 데 더 많은 작업이 들지만, 신뢰할 수 있습니다. 우리는 이 파이프라인을 Revit 2024와 2025에 걸쳐 테스트했으며, 해석 모델은 강재 및 콘크리트 골조에 대해 100% 충실도로 전송됩니다. 동일한 접근법이 Revit-SAP2000, Revit-Robot, Tekla-STAAD에도 작동합니다. 각 파이프라인은 귀사가 사용하는 특정 도구 쌍에 맞춰 맞춤 제작됩니다.
일반적인 참여는 세 단계에 걸쳐 12~20주 동안 진행됩니다. 1단계(1~4주차): 파이프라인 감사. 우리는 귀사의 현재 설계-해석 워크플로를 처음부터 끝까지 매핑합니다. 건축가는 어디서 구조 팀에 인계합니까? 각 반복에는 얼마나 걸립니까? 어떤 건물 유형이 귀사 프로젝트 물량의 80%를 구성합니까? 어떤 FEA 도구와 BIM 플랫폼을 사용합니까? 우리는 마찰이 가장 큰 지점을 식별하고 각각의 시간 비용을 정량화합니다.
2단계(5~14주차): 구축 및 학습. 우리는 귀사의 워크플로에 필요한 맞춤형 AI 구성 요소를 구축합니다. 병목이 느린 구조 반복이라면, 귀사의 과거 해석 파일로 학습된 대리 모델을 구축합니다. 병목이 BIM-해석 변환이라면, API 파이프라인을 구축합니다. 병목이 가치 공학이라면, 조달 인식 최적화 엔진을 구축합니다. 학습 데이터는 귀사 자체의 완료된 프로젝트에서 나오며, 신뢰할 수 있는 대리 모델을 위해서는 일반적으로 200~500개의 구조 모델이 필요합니다. 우리는 ML 엔지니어링을 담당하고; 귀사의 구조 팀은 도메인 검증을 제공합니다.
3단계(15~20주차): 통합 및 검증. 우리는 귀사의 프로덕션 환경(온프레미스 또는 귀사의 클라우드 테넌트, 결코 우리 것이 아님)에 배포하고, 5~10개의 진행 중인 프로젝트에 대해 귀사의 표준 워크플로와 병행 검증을 실행하며, 귀사의 팀을 교육합니다. 산출물은 귀사의 팀이 배워야 할 독립형 플랫폼이 아니라, 이미 사용하는 도구에 통합된 작동하는 소프트웨어입니다. 비용은 범위에 따라 달라집니다. 단일 도구 쌍을 위한 BIM-해석 파이프라인은 약 $80K부터 시작합니다. 최적화 및 통합이 포함된 전체 대리 모델은 $200-400K에 이릅니다. 우리는 1단계 이후에 정확하게 범위를 산정합니다.
강재 모멘트 프레임(우리가 가장 많이 검증한 유형)에서, 300건 이상의 기업 특화 ETABS 실행으로 학습된 맞춤형 대리 모델은 부재 활용률에 대해 0.97~0.99, 층간 변위 예측에 대해 0.95~0.98의 R-제곱 값을 달성합니다. 이는 대리 모델의 예측이 ETABS가 계산할 값의 2~5% 이내라는 것을 의미합니다. 정규 격자에서의 중력 전용 하중의 경우, 정확도가 더 높습니다. 불규칙한 기하 형상이나 복잡한 횡력 저항 시스템(아웃리거 트러스, 벨트 월)의 경우, 정확도가 떨어지며 대리 모델은 이러한 경우를 전체 FEA 검토 대상으로 플래깅합니다.
우리는 홀드아웃 세트를 사용해 검증합니다: 귀사 과거 모델의 20%는 테스트용으로 따로 보관되며, 학습 중에는 결코 사용되지 않습니다. 대리 모델은 배포 전에 홀드아웃 세트에서 최소 정확도 임계값을 넘어야 합니다. 우리는 지속적인 검증도 실행합니다: 귀사의 팀이 대리 모델을 거친 프로젝트에 대해 전체 FEA를 실행할 때마다, 우리는 결과를 비교하고 편차가 5%를 초과하면 재학습합니다.
StructGNN 연구의 학술 벤치마크는 GNN 기반 구조 대리 모델이 프레임 구조의 변위와 힘에 대해 99% 이상의 정확도를 달성하고, 보지 못한 더 높은 구조로 일반화할 때 96%의 정확도를 보이는 것을 나타냅니다. 우리의 프로덕션 수치는 실제 프로젝트가 학술 벤치마크보다 변동성이 더 크기 때문에 약간 낮지만, 대리 모델과 FEA 사이의 격차는 숙련된 엔지니어의 초기 추측과 최종 해석 사이의 격차보다 일관되게 작습니다.
이 솔루션 페이지를 뒷받침하는 연구 기반입니다. 각 백서는 우리가 AEC 기업을 위해 구축하는 방식에 정보를 주는 기술적 깊이를 탐구합니다.
보상 함수에 물리, 재고, 비용 제약을 하드코딩한 구조 설계를 위한 심층 강화학습.
구조 검증을 위한 그래프 신경망과 물리 기반 신경망, 픽셀 기반 확률적 AI를 결정론적 계산으로 대체.
설계 재작업은 평균적인 프로젝트에 총 예산의 5~12%를 소모시킵니다. $100M 건물에서 이는 피할 수 있는 엔지니어링 및 재설계 비용 $5-12M에 해당합니다.
30분의 대화면 귀사의 설계-해석 워크플로에 추구할 가치가 있는 자동화 기회가 있는지 식별하기에 충분합니다.