MJOP “gewoon” uit een BIM model laten genereren

Het was een behoorlijk puzzel maar het is gelukt! lnformatie voor planmatig onderhoud volledig uit een BIM model.

“Hoe kan Eigen Haard de informatie uit de BIM modellen gaan gebruiken voor beheer?”

Het doel: bestaande processen en datastromen worden geoptimaliseerd, nauwkeuriger, sneller en je werk wordt een stuk leuker. Dit is waar Eigen Haard nu mee bezig is. De eerste resultaten zijn veelbelovend.

We delen graag onze ervaringen!

Diane van Herpen onderzoekt waar de BIM modellen (die ze toch al kregen) kunnen worden toegepast in beheer. Vanaf eind 2018 schrijft Eigen Haard de Aedes ILS (informatieleveringspecificatie) voor bij het maken van BIM-modellen. Dat doen ze bij alle nieuwbouwprojecten en grootschalige renovaties.

Als eerste logische toepassing is het opstellen van een MJOP (MeerJaren Onderhouds Plan) nu uitgewerkt. Daar is de Aedes ILS met name ook voor opgesteld. We zijn meer toepassingen aan het onderzoeken (bijv. WWS punten generen, vullen van cartotheek), maar hier laten we zien hoe we nu zonder veel denk- zoek- en handwerk een nauwkeurige MJOP kunnen opstellen. Eigen Haard doet dat niet alleen! FIMBLE is gevraagd om hierin te ondersteunen en te adviseren. En niet onbelangrijk: we doen het gelijk samen Thijs Stoof van GroenWest. Thijs is één van de kerngebruikers van O-prognose. Een software-programma dat zowel Eigen Haard als GroenWest gebruiken voor de MJOP. Voor O-prognose gebruik je een elementenlijst. Die is vaak specifiek per corporatie opgesteld en daar hangen specifieke coderingen aan.

Uitdaging één: generieke modellen, software onafhankelijk

Je wilt natuurlijk niet dat je BIM-modellen (die je krijgt bij nieuwbouw of renovatie) helemaal daarop moeten worden aangepast. Stel je stapt over op een ander softwarepakket: dan moet je al je BIM-modellen daarop aanpassen.

Dus moet je iets verzinnen, zodat de data uit BIM te vertalen zijn naar de coderingen die nodig zijn voor O-prognose. Oftewel mapping…

“Waarom niet gewoon het BIM model inladen in O-prognose, daar is toch een optie voor?”

Daar hebben we uiteraard naar gekeken. We liepen hier al snel tegen enkele beperkingen aan. De data die worden uitgelezen uit het BIM model (Ifc-bestand) komen qua naamgeving niet overeen met O-prognose.

Naast de naamgeving heeft het uitlezen van de juiste hoeveelheden ook beperkingen. De hoeveelheden die O-prognose ophaalt zijn gebaseerd op de BaseQuantities uit het BIM-model. Dat zijn meestal niet de hoeveelheden die we zoeken voor onze MJOP. Juist daarvoor hebben we de Aedes-ILS opgesteld die voorschrijft wat wel de juiste en benodigde hoeveelheden zijn voor planmatig onderhoud. En O-prognose die hoeveelheden uit de datavelden wilt halen is (nog?) niet mogelijk. We hopen natuurlijk dat O-prognose door gaat ontwikkelen en straks direct aansluit op de Aedes-ILS. Maar we willen nu al een slag maken.

Uitdaging twee: meerdere O-Prognose elementen uit een object halen

Met de standaardkoppeling van O-prognose kan een object uit Ifc maar één keer gekoppeld of gebruikt worden als element in O-Prognose. Concreet betekent dit dat je bijvoorbeeld voor schilderwerk de afwerklaag zou moeten modelleren. Dat kan niet de bedoeling zijn.

Dus de Ifc-importfunctie bleek (nog) niet te voldoen voor het doel: opstellen van een MJOP.

Oplossing voor uitdagingen: een tussenstap. Eerst een mapping maken.

We hebben voor alle elementen die we in de MJOP willen opnemen een vertaling gemaakt waardoor we die kunnen vinden in het BIM model op basis van de properties (voorschriften in de AEDES-ILS). Dus welke invulwaardes van de parameters maken samen een uniek recept wat bij een specifiek O-Prognose element hoort.

Om de juiste vertaling te maken van de objecten in het BIM model naar de elementenlijst hebben beide Excel-bestanden samengevoegd en hierin een mapping gemaakt. In deze mapping zijn de beschikbare parameter per object in het BIM model vertaald naar een element in O-prognose. Een object “Boeiboord” incl. onderstaande parameter maakt het object een bepaald O-Prognose element.
Om de juiste vertaling te maken van de objecten in het BIM model naar de elementenlijst hebben beide Excel-bestanden samengevoegd. In deze mapping zijn de beschikbare parameters per object in het BIM model vertaald naar een element in O-prognose. Een object “Hekwerk” incl. parameters maakt een bepaald O-Prognose element.

Nu halen we met Solibri al die elementen die aan de criteria voldoen uit het BIM-model. Hiervoor gebruiken we verschillende Classifications en Information Takeoffs. Het resultaat hiervan exporteren we in een Excel.

Hiermee kunnen we een vertaling maken naar de specifieke coderingen die nodig zijn voor de elementen in O-prognose (template voor O-prognose). We hebben de informatie in Solibri zo georganiseerd dat we met een “tover Excel” (lees: VBA script) een omzetting hebben gemaakt naar de O-Prognose template. Hierdoor kunnen we nu ook een element meerdere keren voor laten komen voor verschillende handelingen. Een kozijn levert zo de afmetingen voor het schilderwerk en de hoeveelheden voor bijvoorbeeld het vervangen. Afwerklagen modelleren is dan niet nodig.

Zo vallen de puzzelstukjes op zijn plaatst. Resultaat: de werkvoorbereiders kunnen met een paar drukken op de knop een MJOP opstellen.

  • Met standaard ITO’s en classificaties de elementen uit een BIM met Solibri exporteren naar een Excel.
  • Laden in de tover-excel, waarmee we het omzetten naar de coderingen en Template die ingeladen kan worden in O-prognose.

Het klinkt heel simpel, maar er zitten meer uitdagingen in. Van een woningtoegangsdeur in een gesloten portiek wil je bijvoorbeeld alleen de hoeveelheden schilderwerk grenzend aan het portiek. De binnenkant schildert de huurder zelf. Voor een algemene toegangsdeur is dat weer anders. Die schilder je als corporatie aan twee zijden. Ook hier hebben we oplossingen voor gevonden die we nu aan het finetunen zijn. Daar in een volgend blog meer over.

Wil je meer weten of je voordeel doen met onze ervaringen? Neem dan contact met ons op. Nu we dit kunstje kunnen is het ook makkelijker om dit specifiek te maken voor andere O-prognose gebruikers.