AUTHOR: Julia Ratajczak
TUTORS: Giovanni Franchi and Dietmar Siegele
INTERNSHIP: Fraunhofer Italia Research scarl
MASTER: Master in “Project management in construction works with BIM” a.a 2022/2023
La presente tesi descrive e valida il processo di automazione della progettazione nella fase iniziale del progetto BIM, concentrandosi sull’ottimizzazione dell’efficienza energetica e dell’illuminazione naturale negli edifici per uffici, nonché sull’interoperabilità del BIM tra vari software avanzati per l’analisi energetica e dell’illuminazione interna. Questa tesi è stata sviluppata all’interno del progetto di ricerca GENIUS (Genetic Algorithms for Optimizing Architectural Layouts for Energy Efficiency) condotto dall’Istituto di Ricerca Fraunhofer Italia Research a Bolzano, Italia.
Attualmente, gli architetti affrontano la sfida di esplorare diverse soluzioni di progettazione nella fase iniziale del progetto, spesso con obiettivi di ottimizzazione contrastanti. Per affrontare questa complessità, devono fare affidamento su strumenti e metodologie nella fase concettuale per valutare e ottimizzare il progetto, tenendo conto di molteplici aspetti delle prestazioni degli edifici. Il Design Parametrico, il Design Generativo e l’automazione del BIM offrono agli architetti nuove opportunità per lavorare su edifici complessi. Queste tecnologie consentono ai progettisti di migliorare i loro progetti, aumentare l’efficienza, migliorare le prestazioni e ridurre i tempi e i costi del progetto. Inoltre, per affrontare obiettivi contrastanti nel processo di progettazione, algoritmi di ottimizzazione multi-obiettivo vengono impiegati per identificare le soluzioni che soddisfano meglio le esigenze del progettista.
L’obiettivo principale del progetto GENIUS è lo sviluppo di un processo di progettazione assistita che utilizzi algoritmi di ottimizzazione multi-obiettivo (Multi-Objective Optimization – MOO) per identificare soluzioni architettoniche ottimizzate per gli uffici. L’algoritmo sviluppato durante la tesi ha come obiettivo ottimizzare la forma dell’edificio e il rapporto tra finestra e parete (Window-to-Wall Ratio – WWR), tenendo conto delle prestazioni energetiche e della luce naturale. L’ottimizzazione è stata condotta considerando l’approccio multi-obiettivo che massimizzava la luce naturale utilizzando il parametro di Autonomia Spaziale della Luce Diurna (Spatial Daylight Autonomy – sDA) e allo stesso tempo minimizzava il consumo energetico usando il parametro Intensità di Uso dell’Energia (Energy Use Intensity – EUI). Per consentire l’ottimizzazione al di fuori del software BIM, è stato creato un flusso di lavoro BIM-to-BIM, che analizza il modello iniziale dal software BIM e genera automaticamente un nuovo modello BIM ottimizzato. L’ottimizzazione viene eseguita sulla piattaforma Grasshopper utilizzando lo strumento di ottimizzazione (plugin Opossum) basato sul modello RBFOpt. Le soluzioni ottimizzate vengono analizzate dall’architetto utilizzando una dashboard interattiva in Power BI, che permette di identificare la migliore soluzione. Quella soluzione viene quindi ricreata dall’algoritmo e trasferita automaticamente nel software BIM (Autodesk Revit). La soluzione ottimizzata derivata da questo approccio fornisce una solida base per ulteriori progetti di layout per uffici, garantendo il rispetto dello standard EN 17037:2022 per la luce diurna negli edifici.
Figura 2. Flusso di lavoro algoritmico in Grasshopper per l’ottimizzazione dell’energia e della luce diurna.
Figure 2. Algorithmic workflow in Grasshopper for energy and daylight optimization.
Nella seconda fase, il processo utilizza la piattaforma Dynamo e Generative Design nel software BIM per ottimizzare le soluzioni degli spazi nell’ufficio. La pianificazione degli spazi tiene conto della creazione di stanze per uffici e spazi aperti con postazioni di lavoro. Le stanze vengono create nelle aree dei dipartimenti utilizzando un algoritmo di impacchettamento 2D. Nell’area degli spazi aperti, le postazioni di lavoro vengono create automaticamente secondo parametri predefiniti. Il numero massimo di scrivanie viene verificato in base agli standard di sicurezza antincendio utilizzando un algoritmo di ricerca del percorso. Lo strumento di Generative Design viene impiegato per ottimizzare lo spazio per uffici. Le soluzioni generate vengono poi valutate attraverso la visualizzazione interattiva dei dati nello strumento Power BI, e la soluzione selezionata viene aggiornata automaticamente nel modello BIM.
Il processo è stato testato attraverso un caso studio su un grande edificio ipotetico per uffici, localizzato a Bolzano. Il caso studio convalida la metodologia, con l’obiettivo generale di confermare la precisione e l’affidabilità dell’approccio proposto. Nella fase di validazione si è cercato di testare l’intero processo BIM-to-BIM, che comprende il modello BIM iniziale, le simulazioni energetiche e di luce naturale all’interno dell’ambiente Grasshopper, l’ottimizzazione multi-obiettivo, la formulazione della soluzione finale, la generazione automatica del modello BIM ottimizzato e la creazione della disposizione degli uffici e delle postazioni di lavoro utilizzando gli strumenti Dynamo e Generative Design.
Figura 3. L’edificio del caso studio progettato in Autodesk Revit e trasferito automaticamente a Grasshopper.
Figure 3. The case study building designed in Autodesk Revit and automatically transferred to Grasshopper.
Le considerazioni finali sono indirizzate ai risultati ottenuti durante il test dell’intero processo BIM-to-BIM. Nella prima fase, l’algoritmo ha ottimizzato la forma e il Rapporto Finestra-Parete (Window-to-Wall Ratio – WWR) dell’edificio del caso studio, considerando gli obiettivi di migliorare l’efficienza energetica e l’illuminazione naturale. L’algoritmo RBFOpt utilizzato per l’ottimizzazione multi-obiettivo ha gradualmente migliorato le prestazioni di luce naturale e di energia durante 200 iterazioni. Dalle soluzioni non dominate, sono state selezionate le soluzioni ottimali in base al ranking dell’ipervolume e dei punteggi normalizzati di Intensità di Uso dell’Energia (EUI) e Autonomia Spaziale della Luce Diurna (sDA). In totale, sono state identificate 3 migliori soluzioni per ciascun tipo di ranking.
Figura 4. I risultati dell’ottimizzazione nella prima fase.
Figure 4. The optimization results in the first phase.
Nella seconda fase sono stati valutati i risultati dell’ottimizzazione degli spazi considerando la luce naturale, basata sul parametro dell’Autonomia della Luce Diurna (DA). L’ottimizzazione delle stanze si concentra sulla compattezza e sui rapporti di impacchettamento, oltre a minimizzare le collisioni tra pilastri e stanze. L’ottimizzazione delle scrivanie mira al numero di scrivanie con percorsi di evacuazione approvati e alla minimizzazione delle distanze medie tra le scrivanie e le uscite d’emergenza. Le soluzioni generate possono essere facilmente analizzate utilizzando un dashboard interattivo, che visualizza i risultati dell’ottimizzazione attraverso grafici radar, offrendo una rappresentazione concisa dei punteggi di ciascun obiettivo. Ciascuna soluzione è stata valutata in base alla media dei punteggi normalizzati per ciascun obiettivo, contribuendo a identificare le soluzioni più efficaci.
Figura 5. I risultati dell’ottimizzazione nella seconda fase.
Figure 5. The optimization results in the second phase.
FOR INTERNATIONAL STUDENTS
This thesis describes and validates the automation of the design process in the initial phase of Building Information Modelling (BIM) projects, with a focus on optimizing energy efficiency and natural lighting in office buildings, as well as achieving BIM interoperability among various advanced software tools for energy analysis and interior lighting. This thesis was developed as part of the GENIUS research project (Genetic Algorithms for Optimizing Architectural Layouts for Energy Efficiency), conducted by the Fraunhofer Italia Research Institute in Bolzano, Italy.
Architects currently face the challenge of exploring different design solutions in the early project phase, often with conflicting optimization goals. To address this complexity, they must rely on tools and methodologies during the conceptual phase to assess and optimize the project, considering multiple aspects of building performance. Parametric Design, Generative Design, and BIM automation offer architects new opportunities to work on complex buildings. These technologies enable designers to enhance their projects, improve efficiency, boost performance, and reduce project time and costs. Furthermore, to address conflicting goals in the design process, multi-objective optimization algorithms are employed to identify solutions that best meet the designer’s needs.
The primary goal of the GENIUS project is to develop an assisted design process using multi-objective optimization algorithms (MOO) to identify optimized architectural solutions for offices. The algorithm developed during this thesis aims to optimize the building’s shape and the window-to-wall ratio (WWR), while considering energy performance and natural light. Optimization is conducted using a multi-objective approach that maximizes natural light using the Spatial Daylight Autonomy (sDA) parameter and minimizes energy consumption using the Energy Use Intensity (EUI) parameter. To enable optimization outside the BIM software, a BIM-to-BIM workflow was created, which analyses the initial BIM model and automatically generates a new optimized BIM model. Optimization is performed in the Grasshopper platform using the Opossum plugin, which is based on the RBFOpt model. The optimized solutions are analysed by the architect using an interactive dashboard in the Power BI tool to identify the best solution. The selected solution is then recreated by the algorithm and automatically transferred back to the BIM software (Autodesk Revit). The optimized solution derived from this approach provides a solid foundation for further office layout projects, ensuring compliance with the EN 17037:2022 standard for daylight in buildings.
In the second phase, the process utilizes the Dynamo and Generative Design platforms within the BIM software to optimize office space solutions. Space planning takes into account the creation of office rooms and open spaces with workstations. Rooms are created in department areas using a 2D packing algorithm. In open space areas, workstations are automatically generated based on predefined parameters. The maximum number of desks is verified against fire safety standards using a pathfinding algorithm. The Generative Design tool is employed to optimize office space. The generated solutions are then evaluated through interactive data visualization in the Power BI tool, and the selected solution is automatically updated in the BIM model.
The process was validated through a case study on a hypothetical large office building located in Bolzano. The case study validates the methodology, with the overall goal of confirming the accuracy and reliability of the proposed approach. During the validation phase, the entire BIM-to-BIM process was tested, including the initial BIM model, energy and natural lighting simulations within the Grasshopper environment, multi-objective optimization, formulation of the final solution, automatic generation of the optimized BIM model, and the creation of office layouts and workstations using Dynamo and Generative Design tools.
In conclusion, the final considerations are directed towards the results obtained during the testing of the entire BIM-to-BIM process. In the first phase, the algorithm optimized the shape and WWR of the case study building, with the goal of improving energy efficiency and natural lighting. The RBFOpt algorithm, used for multi-objective optimization, gradually improved natural lighting and energy performance over 200 iterations. From the non-dominated solutions, the selected optimal solutions were identified based on hypervolume ranking and normalized scores of EUI and sDA. In total, three best solutions were identified for each type of ranking.
In the second phase, the results of space optimization, considering natural lighting based on the parameter of Daylight Autonomy (DA), were evaluated. Room optimization focused on compactness and packing ratios, as well as minimizing collisions between columns and rooms. Desk optimization targeted the number of desks with approved evacuation paths and minimized average distances between desks and emergency exits. The generated solutions can be easily analysed using an interactive dashboard that displays optimization results through radar charts, providing a concise representation of scores for each objective. Each solution was evaluated based on the average normalized scores for each objective, contributing to the identification of the most effective solutions.