Resumen de Desarrollo de modelos de generación de viviendas en solares basados en diseño generativo y en técnicas de aprendizaje automático
Ignacio Pérez
1. Introducción o motivación de la tesis: El sector de la Arquitectura, Ingeniería y Construcción (AEC) es esencial para la infraestructura global y el desarrollo urbano, pero ha tenido dificultades para mejorar su productividad en comparación con otras industrias. Este problema se debe principalmente a la complejidad inherente de los proyectos de construcción, que involucran a múltiples partes interesadas y largos plazos de ejecución. El progreso se ve además limitado por la dependencia de métodos tradicionales, la comunicación fragmentada, los altos costos iniciales, la resistencia al cambio y la falta de procesos estandarizados.
La planificación urbana enfrenta sus propios desafíos debido a la convergencia de múltiples disciplinas y al estancamiento en el crecimiento de la productividad dentro del sector AEC. Los procesos de diseño actuales empleados por los planificadores urbanos no han experimentado mejoras significativas, lo que resalta la necesidad de una innovación digital en este ámbito.
Sin embargo, el potencial de la digitalización es considerable. La integración de tendencias como el modelado BIM, automatizaciones basadas en herramientas o tecnologías como el diseño computacional, análisis de datos avanzados, inteligencia artificial (IA) y soluciones en la nube puede mejorar notablemente la colaboración, la coordinación y la eficiencia. Las lecciones aprendidas del éxito de la industria manufacturera con principios lean y automatización también pueden ser aplicadas.
2.Contenido de la investigación: La tesis explora los desafíos de la productividad y la digitalización en el sector de la Arquitectura, Ingeniería y Construcción (AEC), con un enfoque en desarrollar estrategias innovadoras para la planificación urbana. Comienza delineando los objetivos de la investigación y revisando los conceptos fundamentales, la literatura y las tendencias del mercado relacionadas con herramientas y metodologías digitales en el sector AEC.
Un aspecto clave de la investigación es la creación de una metodología de diseño generativo para la planificación urbana, que incorpora modelos paramétricos y procesos de optimización para mejorar la eficiencia y la automatización. Este enfoque se prueba a través de aplicaciones prácticas, incluidos estudios de caso en Viena y Málaga, que demuestran el potencial de las herramientas desarrolladas para mejorar la planificación urbana en comparación con los métodos tradicionales.
La tesis también introduce un plug-in para Rhino diseñado para implementar estas estrategias digitales, con un enfoque en la usabilidad y funcionalidad. La investigación concluye con un resumen de los hallazgos, implicaciones para la industria y sugerencias para futuras investigaciones, respaldadas por un repositorio de código abierto en GitHub para fomentar el desarrollo y la colaboración adicionales.
3.Conclusión: La tesis concluye que la planificación urbana, una disciplina tradicionalmente laboriosa, puede beneficiarse significativamente de la aplicación de metodologías de diseño generativo. Al automatizar tareas clave de diseño, el enfoque propuesto agiliza el proceso de planificación, mejorando tanto la eficiencia como la calidad del diseño. La integración de modelado paramétrico 3D y optimización permite generar múltiples soluciones de diseño que cumplen con las normativas de zonificación, al tiempo que ofrecen flexibilidad y adaptabilidad a los contextos locales. Esta metodología ha sido validada a través de estudios en Viena y Málaga, demostrando su capacidad para producir diseños urbanos innovadores, funcionales y adecuados al entorno.
Los resultados de los estudios en Viena y Málaga resaltan varios beneficios clave del enfoque de diseño generativo, como el aumento de la automatización y la eficiencia, la mejora en la interacción con los usuarios y la capacidad de generar una amplia variedad de opciones de diseño. Esta flexibilidad permite a los planificadores urbanos explorar soluciones más innovadoras adaptadas a entornos específicos. La tesis enfatiza que esta metodología no solo optimiza los procesos de planificación urbana, sino que también promueve la colaboración y una mejor toma de decisiones, al proporcionar representaciones visuales claras de los resultados del diseño. En general, la investigación demuestra el potencial del diseño generativo para moldear el futuro del desarrollo urbano, ofreciendo soluciones escalables y sostenibles para la creciente complejidad de las ciudades.
4. Bibliografía: 1. Zhang, X., & Zhao, Y. (2022). The future of generative design in architecture. Architectural Science Review, 65(2), 134-146.
2. Han, Z., Yan, W., & Liu, G. (2021). A performance-based urban block generative design using deep reinforcement learning and computer vision. In Proceedings of the 2020 DigitalFUTURES: The 2nd International Conference on Computational Design and Robotic Fabrication (CDRF 2020) (pp. 134-143). Springer.
3. Habraken, N., & Bok, A. (2021). Generative design: Transforming the architectural practice. Architectural Design, 91(1), 58-65.
4. Jacobs, J. (2021). Design and Data in Urban Environments. Architectural Press.
5. Rasmussen, M., Schütte, T., & Nielson, K. (2021). Advances in CAD software for construction: A review of the state of the art. Automation in Construction, 125, 103616.
6. Shiode, N., & Burnett, J. F. (2021). Advancements in Urban Planning: Quarter-scale methodologies. International Journal of Urban Planning, 8(2), 67-82.
7. Ahmed, M., & Smith, R. (2020). Generative design for urban environments: Current trends and future prospects. Journal of Urban Design, 25, 365-381.
8. Karakiewicz, J., & Khosrowshahi, F. (2020). Community Engagement through Digital Platforms. Urban Design International, 25, 213-228.
9. Nagy, D., Villaggi, L., & Benjamin, D. (2018). Generative urban design: Integrating financial and energy goals for automated neighborhood layout. In Proceedings of the Symposium for Architecture and Urban Design Design, Delft, the Netherlands (pp. 265-274).
10. Taneja, K., & Menassa, R. J. (2019). Evaluating the impact of CAD software on project timelines. Journal of Information Technology in Construction, 24, 86-101.
11. Miller, P., & Davis, J. (2019). The Impact of Digitalization on Urban Planning. Journal of Urban Technology, 26, 55-73.
12. Nagy, Z., Schlueter, A., & Gabor, A. E. (2018). Quarter-scale planning and its impact on urban development. Urban Planning Journal, 5(3), 123-135.
13. Jiao, L., & Li, D. (2018). Digital Urban Planning: Theories and Applications. Journal of Urban Technology, 25, 33-47.
14. Ghaffarianhoseini, A., & Berardi, U. (2017). The Role of Digital Tools in Urban Planning. Smart Cities, 2, 80-95.
15. Moscovitz, O., & Barath, S. A GENERATIVE DESIGN APPROACH TO URBAN SUSTAINABILITY RATING SYSTEMS DURING EARLY-STAGE PLANNING.
