1 - توضیحات مشخص و تعریف واژه های کاربردی

1 - 1 - مهندسی الگوریتمیک

در توضیحی کوتاه، با استناد به قابلیت­های برنامه­نویسی در خصوص مدیریت داده­ها، اطلاعات و المان­ها (Objects)، فرایند­های مهندسی را در بازه ­های زمانی کوتاه­تر و با دقت بالاتری می توان انجام داد. به طور مثال، در پروژه های بزرگ-مقیاس و پیچیده، تصمیمات اساسی که عمده­ ی هزینه ها را نیز رقم می زنند و اتخاذ مسیر درست در این خصوص، مستلزم در نظر گرفتن لایه های بسیاری از اطلاعات است، به همین واسطه بهینه تر شده و با توجه به کاهش خطا و افزایش سرعت در رسیدن به این سطح از کیفیت تصمیم گیری، زمان در هر سه حوزه ­ی طراحی، مهندسی و ساخت، کاهش خواهد یافت. شناخت الگوریتم های اشاره شده در طراحی، مهندسی و بهینه سازی و ساخت تا حتی بهره برداری (اشاره به Project Lifecycle)، یکی از مواردی است که در خصوص این Webinar مد نظر قرار خواهد گرفت. همچنین در این بررسی، موارد مورد نظر به عنوان بستر استفاده از برنامه­ نویسی و الگوریتمیک کردن فرایندها اشاره خواهد شد.

1 - 1 - 1 - طراحی مولد (Generative Design)

طراحی مولد به عنوان یکی از رویکردهای روزآمد در مهندسی کردنِ طراحی طی سال های اخیر و با تکیه بر روند توسعه و دقت در شبیه سازیِ نزدیک به واقعیت به عنوان یکی از گرایشات در شرکت ها و دانشگاه های برتر بدل شده است. از این رو، با مدیریت داده ها، هر آنچه که گزینه های طراحی را براساس روابط میان پارامترهای موثر بر و متاثر از طرح، به سمت نمونه ای بهینه تر هدایت کند، به عنوان طرحی با هزینه و زمان کمتر شناخته می شود. نکته اساسی در جریان الگوریتم های مولد طرح، ایجاد فضایی برای اعمال روابط متناسب با نیازهای پروژه و دریافت طرح نهایی با توجه به این روابط است. به طور مثال، قابلیت سناریونویسی­ های مختلف در خصوص اثر وزنیِ فاکتورهای متفاوت در روند طراحی تا اجرا براساس اولویت های دستگاه مدیریت، یکی از موارد مهم در استفاده از Generative Design است که با تکیه بر الگوریتم های مولد می توان اثر سناریوهای مختلف را در قالب تغییر زمان و هزینه انجام هر فرایند، به صورت لحظه ای و پیش از نهایی کردن تصمیمات مورد بررسی قرار داد.

1 - 1 - 2 - هوش مصنوعی و یادگیری ماشین (AI & Machine Learning)

از سال 1950 که نخستین الگوریتم های یادگیری ماشین (MLs) ابداع شد، تا به امروز که شاهد نفوذ این تکنولوژی در عرصه های مختلف هستیم، همواره روند نقش پذیری داده های لایه ای روی فرایندهایی که با آنها سروکار داریم ادامه داشته است. یکی از موارد مهمی که این روزها بواسطه ی این دانش پیشرفت و تغییر و تحول را به خویش می­بیند، سه گانه ­ی طراحی، مهندسی و ساخت است. هریک از صنایع مختلف به تناسب این نقش پذیری و اهمیت بهینه سازی در تصمیمات، به نوعی با تکیه بر این الگوریتم های پیشرفته ساماندهی فعالیت های فرایند محور و تصمیمات نهایی را بر این اساس برنامه ریزی کرده اند. در واقع MLs، در گونه های مختلف یادگیری (Learning)، نظیر Supervised L، Unsupervised L، Reinforcement L و Transferred L، با استفاده از الگوریتم های متفاوت و مدل های ساختاری، از نمونه های ساده خطی نظیر Regression تا موارد پیچیده و چندلایه، برآمده از Deep Learning، با بررسی داده های موجود و دریافتی، به تحلیل های متنوعی می پردازند. این تحلیل ها در تصمیمات مختلف از کلاس­ بندی و طبقه بندی اطلاعات با ویژگی های مشابه تا الگوهای پیچیده نظیر شناخت، پرداخت و پیش­بینی و تولید محتوی، قابل توجه اند. در Webinar پیشِ رو، در خصوص پروژه های حوزه صنعت ساختمان و پژوهش های مبتنی بر AI، همچنین به تلاش های تیم Ardaena در این خصوص اشاره خواهد شد.