Theoretical framework for data mining of construction defects in BIM models.

No mercado de construção civil, o BIM ou Modelagem da Informação da Construção, deixou de ser um modismo com poucos pioneiros, para ser a peça central da tecnologia do mercado de Arquitetura, Engenharia e Construção (AEC), abordando aspectos de projeto, construção e operação de edifícios. Além das informações de projeto, pode-se agregar ao modelo BIM dados externos oriundos da execução, avaliação e manutenção da construção. Cresce, com isso, o número de informações que podem ser armazenadas nos modelos e a oportunidade para identificação de padrões não explícitos, relacionados à geometria e topologia de seus componentes. Para análise destas informações, faz-se necessária a utilização de técnicas que permitam o seu processamento. Dentre as técnicas existentes para a descoberta de conhecimento em bases de dados está o KDD (Descoberta de Conhecimento em Bases de Dados) e, especificamente, a mineração de dados. Focando especificamente os dados oriundos do registro de defeitos da construção e considerando que o modelo BIM não é um repositório de dados no qual técnicas padrão podem ser aplicadas diretamente, esta pesquisa teve como objetivo o desenvolvimento de um arcabouço teórico que define os pontos relevantes para a utilização de técnicas de mineração de dados de defeitos construtivos em modelos BIM, fornecendo uma base conceitual para a sua aplicação prática. Acredita-se que a aplicação de mineração de dados em modelos BIM pode propiciar a identificação de padrões que são influenciados de alguma forma pela geometria dos elementos construtivos, padrões estes que podem ser úteis tanto para a análise de problemas de qualidade de execução, quanto para produtividade, manutenção, pós-ocupação, entre outros. Além da proposta de arcabouço teórico para mineração de dados em modelo BIM, esta pesquisa propôs um conjunto de componentes BIM para registro de informações de defeitos de construção, bem como uma proposta para categorização das relações entre os defeitos e os componentes do modelo BIM, de forma a tornar explícitas informações relevantes para mineração de seus dados.In the construction market, BIM - Building Information Modeling is no longer a fad adopted by few pioneers, but the centerpiece of technology in the Architecture, Engineering and Construction market (AEC), addressing aspects of design, construction and operation of buildings. In addition to engineering design information, the BIM model allows for storage and management of information from the construction process, facilities operations and building maintenance. Alongside with this, the amount of information stored in models and the opportunity to identify patterns related to geometry and topology of construction components also increase. For the analysis of this information, the use of appropriate data processing techniques is essential. Use of KDD (Knowledge Database Discovery) and Data Mining are among the existing techniques used for knowledge extraction in large databases. While focusing on data from construction defects and considering that a BIM model is not a standard data repository, in which standard data mining techniques could be applied directly, this research aimed to develop a theoretical framework that defines the requirements and procedures for the use of Data Mining Techniques for construction defects in BIM models, while providing a conceptual basis for its practical application. It is based on the concept that the application of data mining in BIM models is able to retrieve patterns that are influenced by the geometry of building elements and that these patterns can be useful for analyzing issues of construction quality, productivity, maintenance, and post-occupancy, among others. In addition to the proposition of a theoretical framework, this research developed a standard set of BIM components for the record of construction defects data, and suggested a structure for the categorization of correlations between defects and BIM components, with the purpose of clearly identifying relevant information for the data mining process