Известно, что позитивные изменения в прогнозировании и планировании развития жилищного фонда, действенность государственной поддержки его воспроизводства, обеспечение доступности жилья, во многом определяются наличием актуальной и достоверной информации как о жилищных условиях домашних хозяйств, так и условиях заселения квартир и индивидуальных жилых домов, то есть плотности заселения жилых единиц, характеризующей интенсивность их использования. Такую информацию позволяет получить оценка условий заселения домохозяйств и жилых единиц по их типам, в зависимости соответственно от размера (числа членов в домохозяйстве) и вместимости (количества жилых комнат в жилой единице). Дифференциальная оценка условий заселения домохозяйств и жилых единиц по их типам и интегральная оценка условий заселения всей совокупности домохозяйств и жилых единиц в том или ином поселении, территориальном образовании и регионе могут стать важнейшими инструментами решения жилищной проблемы [1,2,3].

В настоящее время управление развитием жилищного фонда, в том числе и планирование строительства жилья, осуществляется в условиях отсутствия достаточной информации о жилищной обеспеченности населения и интенсивности использования существующего жилищного фонда. Это приводит к росту социальных обязательств государства в жилищной сфере, порождает необоснованные ожидания населения возможности улучшения жилищных условий с государственной поддержкой и за счет бюджета, не обеспечивает эффективного использования средств, направляемых в жилищную сферу [4].

В статье приведены результаты оценки, на основе данных переписей населения [5,6], условий заселения домохозяйств и жилых единиц по их типам в зависимости от размера и вместимости, которая выполнена с использованием специально разработанных для этих целей методологии, алгоритмов и матричного аппарата [1]. Показана актуальность и значимость результатов дифференциально-интегральной оценки условий заселения домохозяйств и жилых единиц, как индикаторов жилищной проблемы. Эти индикаторы позволяют определять: уровень обеспеченности жильём домохозяйств разного размера и плотность заселения жилых единиц разной вместимости; потребность в жилье для достижения требуемого уровня обеспеченности по типам домохозяйств; соответствие структуры жилых единиц по вместимости структуре домохозяйств по размеру. С их помощью может определяться структура однородных условий заселения домохозяйств, описываемых стандартными формулами заселения [7], а также влияние отдельных факторов на динамику условий заселения домохозяйств и жилых единиц.

Оценка условий заселения в городских и сельских населенных пунктах Российской Федерации домохозяйств и отдельных квартир по их типам в зависимости от размера и вместимости выполнена с использованием данных переписей населения в 2002 и 2010 годы [8]. Доля этих домохозяйств, в общем их количестве, в 2002 г. составляла 71,25%, в 2010г. – 70,22 [5,6]%. При подготовке исходных данных для оценки количество домохозяйств, состоящих из 4-х и более человек, определено как сумма количество домохозяйств, состоящих из 4-х человек и из 5-ти и более человек. Количество жилых комнат в квартирах, состоящих из 4-х и более комнат, принято на основании экспертных данных.

Матрицы распределения домохозяйств и квартир, подготовленные с использованием данных переписей населения, приведены в табл.1 и 2. В них информация об условиях заселения позиционируется в двухмерном измерении.

 

Таблица 1

Матрица распределения домохозяйств (Российская Федерация, городские и сельские населенные пункты, 2010 год), проценты

                                                                                                                                                                                                                                                                                        

Таблица 2

Матрица распределения домохозяйств (Российская Федерация, городские и сельские населенные пункты, 2002 год), проценты                                                                                                                                                                                                                                                                                        

К — число человек, входящих в состав домохозяйства, единиц (размер домохозяйства); Д — количество жилых комнат в жилой единице, единиц (вместимость жилой единицы).

 

На основании показателей распределения рассчитана структура домохозяйств по размеру (строка 1) и структура квартир по вместимости (столбец 2) и уровень их соответствия (табл.1 и 2). Результаты этих расчётов в графическом виде приведены на рис.1 и 2. Для однородных групп домохозяйств, по условиям заселения, определяемые формулами заселения стандартного вида в пределах от К=Д-3 до К=Д+3, (строка 7 и столбец 8, табл. 1 и 2) рассчитаны удельные веса каждой группы, в общем количестве домохозяйств (строка 6 и столбец 7, табл. 1 и 2).

Показатели условий заселения домохозяйств по типам в зависимости от их размера и формулы их заселения и показатели условий заселения жилых единиц по типам в зависимости от их вместимости и формулы их заселения приведены в табл. 3 (2002г.) и табл. 4. (2010г.). В этих таблицах приведены также средние значения показателей условий заселения для всей совокупности типов домохозяйств и жилых единиц. Средние значения показателей рассчитанные, исходя из условий заселения домашних хозяйств, равны средним значениям соответствующих показателей, рассчитанных исходя из условий заселения жилых единиц.

В Российской Федерации в период между переписями (2002—2010 годы) в городских и сельских населенных пунктах в отношении домохозяйств, проживающих в отдельных квартирах, уровень соответствия структуры жилых единиц по вместимости, структуре домохозяйств по размеру, далее уровень соответствия, увеличился с 57,74 до 64.80 процентов, то есть на 7,06% (рис.1 и 2). Этот уровень определён при условии заселении домохозяйств и жилых единиц описываемой формулой заселения (К=Д), предусматривающей, что на одного члена домохозяйства приходится одна жилая комната [7]. На величину уровней соответствия значительное влияние оказало то, что количество домохозяйств, состоящих из четырёх и более человек в 2002 г. было в 5,4 раза, а в 2010г. в 4,8 раза больше, чем количество жилых единиц вместимостью четыре и более комнаты. Соответственно количество домохозяйств, состоящих из двух человек в 2002г. было в 1,6 раза, а в 2010г. почти в 1,4 раза меньше, чем количество двухкомнатных квартир.

 Рис.1. Пирамида соответствия структуры жилых единиц структуре домохозяйств при стандарте заселения К=Д (2002 г.)

 

Рис.2. Пирамида соответствия структуры жилых единиц структуре домохозяйств при стандарте заселения К=Д (2010 г.)

 

В анализируемый период уровень соответствия структуры жилых единиц структуре домохозяйств, в отношении домохозяйств, состоящих из одного, двух, четырёх и более человек, повысился на 7,6%. В отношении домохозяйств из трёх человек – снизился на 0,54%. Отмеченная динамика связана с увеличение количества домохозяйств, проживающих в отдельных квартирах, с 34,46 до 37,05 млн. единиц (на 7,52%), а также изменением их структуры по размеру. Так, количество домохозяйств, состоящих из четырёх и более человек, уменьшилось с 8,92 до 8,13 млн. единиц, а их доля в общем количестве сократилась на 3,95%, а домохозяйств, состоящих из одного человека, увеличилось с 6,89 до 8,84 млн. единиц, а их доля в общем количестве возросла на 3,87%.

Распределения домохозяйств в зависимости от условий заселения, описываемых стандартными формулами заселения, приведены в табл. 1 и 2 (строка 6 и столбец 7). В целом изменения условий заселения домохозяйств в анализируемый период характеризуются следующими тенденциями. Прежде всего следует отметить, что произошло сокращение доли домохозяйств, имеющих условия заселения К<Д с 45,81 до 42,21 процентов (на 3,60%) и увеличение доли домохозяйств, имеющих условия заселения К=Д и К>Д, соответственно с 34,85 до 35,10 процентов (на 0,25%)и с 19,34 до 22,69 процентов (на 3,35%). Однако рост абсолютного количества домохозяйств, имеющих условия заселения К>Д, превысил снижение абсолютного количества домохозяйств, имеющих условия заселения К<Д, на 1,59 млн. единиц. Необходимо также отметить, что количество домохозяйств, имеющих наихудшие условия заселения (К<Д-2) не уменьшилось, а наилучшие (К> Д+2) – увеличилось.

Таблица 3

 

Таблица 4

Условия заселения домохозяйств по типам, в зависимости от их размера, характеризуются следующей трендом: чем меньше домохозяйство по размеру, тем больше потребление жилища, приходящегося на одного члена домохозяйства (человека) и наоборот: чем больше домохозяйство по размеру, тем меньше потребление жилища, приходящегося на человека. То есть удельное потребление жилища (в расчёте на одного члена домохозяйства) находится в обратно пропорциональной зависимости по отношению к размеру домохозяйства. У домохозяйств, проживающих в отдельных квартирах в городских и сельских населенных пунктах, значение показателя среднее количество жилых комнат в жилой единице, приходящееся на одного человека, в 2002 г. составило: 1,69; 1,03; 0,77; 0,58 комнаты, соответственно у домохозяйств, состоящих из одного, двух, трёх, четырёх и более человек. В 2010 г. потребление жилища в расчёте на одного человека у соответствующих домохозяйств было следующим: 1,72; 1,04; 0,75; и 0,51 комнаты. В период между переписям потребление жилища увеличилось у домохозяйств, состоящих из одного человека на 1,8%, из двух человек менее чем на 1% и уменьшилось у домохозяйств, состоящих из трёх человек на 2,6%, четырёх и более человек на 12,1%. То есть, в этот период жилищные условия населения, исходя из удельного потребления жилища, улучшились у малочисленных домохозяйств (из одного и двух человек) и ухудшились у домохозяйств, состоящих из трёх и из четырёх и более человек. Следует также отметить, что среднее количество жилых комнат в жилой единице, приходящееся на одного человека, у домохозяйств, состоящих из четырёх и более человек в 2002г. было в 2,9 раза меньше, чем у домохозяйств, состоящих из одного человека. Значение этого показателя в 2010г. возросло на 17% и уже было меньше в 3,4 раза.

Условия заселения жилых единиц по типам, в зависимости от их вместимости, характеризуются следующим трендом: чем меньше жилая единица, исходя из числа входящих в неё жилых комнат, тем меньше среднее количество жилых комнат в ней, которое приходится в расчёте одного проживающего. Значения этого показателя в 2002 г. составили: 0,52; 0,76; 0,93; 1,21 комнаты, соответственно в жилых единицах, состоящих из одной, двух, трёх, четырёх и более комнат, а в 2010 г. соответственно-- 0,53; 0,80; 0,99; 1,26 комнаты. Плотность заселения жилых единиц по типам, в зависимости от их вместимости, тем выше, тем меньше жилая единица и на оборот тем ниже, чем больше жилая единица. Значения этого показателя в 2002г. для жилых единиц, состоящих из одной, двух, трёх, четырёх и более комнат были соответственно равны: 1,93; 1,32; 1,08; 0,83 проживающих на одну комнату. В 2010г плотность заселения жилых единиц соответственно была равна: 1,90; 1,25; 1,01; 0,79 проживающих на одну комнату. В жилых единицах, состоящих из четырёх и более жилых комнат она в 2,3 (2002 г.) и в 2,4 (2010 г.) раза меньше, чем в жилых единицах, состоящих из одной комнаты. В анализируемый период в жилых помещениях всех типов имело место снижение плотности их заселения 1,9% до 6,4%. Условия заселения, описываемые формулой К=Д и выше имеют домохозяйства, состоящие из одного и двух человек. Жилые единицы, заселённые по формуле Д=К и ниже, – это квартиры состоящие из трёх, четырёх и более жилых комнат.

Использование разработанной методологии, системы показателей, алгоритмов их расчёта и матричного аппарата (далее инструменты) [1] показало возможность оценки на основе статистических данных условий заселения домохозяйств по их типам в зависимости от размера и жилых единиц по их типам в зависимости от вместимости. Эти инструменты позволяют оценивать изменения в обеспеченности жильем отдельных типов домохозяйств и в интенсивности использования жилищного фонда по типам жилых единиц. Дифференциально-интегральная оценка условий заселения домашних хозяйств и жилых единиц, то есть субъектов и объектов жилищных отношений, обеспечивает получение целостного представления о жилищных условиях населения, динамики их изменения по периодам и влияния на них основных факторов, к которым, прежде всего, относятся: изменение численности населения, количества домохозяйств и их структуры; движение жилищного фонда и изменение его структуры, в том числе и за счёт ввода в действие новых жилых домов; жилищная фильтрация [9,10,11,12].

Матричная модель распределения субъектов и объектов жилищных отношений позволяет, как отслеживать условия заселения домохозяйств и жилых единиц, так и изучать взаимовлияние заселения домохозяйств и жилых единиц в зависимости от их размеров и вместимости. Посредством её можно оценивать не только количество домохозяйств и численность граждан, у которых эти условия выше, ниже и в соответствии с нормативным уровнем, но и остроту потребности в дополнительном количестве жилья для отдельных типов домохозяйств. В результате появляется возможность оценки жилищной проблемы с учётом условий заселения домохозяйств и жилых единиц, а также посредством изменения этих условий, определять результативность тех или иных действий, направленных на её решение, разрабатывать нормативы [2].

Представляется целесообразным с использованием разработанных инструментов организовать мониторинг условий заселения домохозяйств и жилых единиц и на его основе отслеживать динамику улучшения жилищных условий домохозяйств и населения, и интенсивность использования жилых единиц и жилищного фонда в населенных пунктах, административно-территориальных образованиях, регионах и в стране в целом. Это обеспечит повышение уровня государственного управления развитием жилищного фонда и рациональным его использованием. Приведёт к развитию рынка недвижимости и росту эффективности использования бюджетных средств, направляемых в жилищную сферу.

Александр  СИДОРЕНКО, заместитель генерального директора ООО «Институт развития строительной отрасли»

Литература

1. Догодайло В., Сидоренко А. Интегрированная оценка условий заселения домашних хозяйств и жилых помещений // Экономическая политика. 2013. №6.
2. Сидоренко А. Д. Жилищное строительство в Республике Беларусь в 1996-2000 годы (Социально-экономические результаты и тенденции) – Минск: Ин-т социал-полит. исследований, 2001. – 144 с.
3. Ежегодный бюллетень жилищной и строительной статистики для Европы и Северной Америки: 1980,1990,1991,1993. Том ХХХVII 1993. – Нью-Йорк; Женева: ООН, 1995. – 209 с.
4. Стратегия-2020: Новая модель роста – новая социальная политика. Итоговый доклад о результатах экспертной работы по актуальным проблемам социально-экономической стратегии России на период до 2020 года. Книга 2. Глава 14. Государственная жилищная политика; под научн. ред. В.А. Мау, Я.И. Кузьминкова. — М. : Издательский дом «Дело» РАНХиГС, 2013. – 408 с.
5. Итоги переписи населения 2002 года. Том 14. Жилищные условия домашних хозяйств. Федеральная служба государственной статистики. М.: 2004.
6. Итоги переписи населения 2010 года. Том 9. Жилищные условия домашних хозяйств. Федеральная служба государственной статистики. М.: 2012.
7. Сводом правил «Градостроительство, планировка и застройка территорий городских и сельских поселений» (СП 42.13330.2011), введён в действие 20.05.2011 г.
8. А. Сидоренко, В. Догодайло. Оценка условий заселения домашних хозяйств и квартир в Российской федерации по данным переписей населения 2002 и 2010 годов. Урбанистика и рынок недвижимости. 2014. №1.
9. Устойчивое развитие современных крупных городов: теория, опыт, проблемы. Материалы международной научно-практической конференции. Минск, Минский НИИ социально-экономических и политических проблем, 2002. – 372 с.
10. Жилищная экономика. Пер. с англ.– М.; Дело,1996.– 224 с.
11. Кияненко К.В. Введение в проблематику современного рыночного жилища: Учебное пособие для архитектурных и строительных специальностей вузов. Вологда: ВоГТУ. 72 с.
12. Сидоренко А. Жилищная фильтрация и движение жилищного фонда // Архитектура и строительство. 2005. №2.

 

 

Руководитель направления по информационному моделированию компании «ПроГород» Марат Гайсин рассказывает об опыте внедрения отечественной ТИМ-системы в проектный контур.

  

  

Строительство любого объекта всегда начинается с идеи и представления о том, что это должно быть, каким целям служить, где должно быть расположено и что в себя включать. Сегодня воплотить идеи в жизнь помогают технологии: визуализация и цифровое моделирование объекта дают наглядную картинку будущего объекта. Современные технологии и техника значительно ускорили темпы строительства. Теперь не нужно ждать десятилетия, чтобы увидеть построенный дом. Помочь сделать проектирование и строительство эффективным могут технологии информационного моделирования (ТИМ).

«ПроГород» — компания в контуре государственной корпорации развития ВЭБ.РФ, созданная для реализации комплексных проектов освоения территории. Это первый государственный мастер-девелопер федерального уровня, рассматривающий для реализации проекты во всех регионах страны. 

Руководитель направления по информационному моделированию компании «ПроГород» Марат Гайсин (на фото), рассказывает об опыте внедрения отечественной ТИМ-системы в проектный контур, о том, почему BIM/ТИМ необходим, почему в «ПроГород» выбрали продукт компании Renga Software, в чем основные преимущества работы в Renga.

    

 

— Деятельность нашей компании нацелена на развитие городской среды и улучшение качества жизни людей в регионах России, — отметил топ-менеджер. — Внутри компании мы проводим разработку концепций будущего строительства, оцениваем площадки, на которых мы можем возвести жилые и социальные объекты. После того как проекты проходят стадию концепции и формирования бюджета, мы выбираем подрядные организации, которые разрабатывают проекты и рабочую документацию.

 

Почему ТИМ необходим: взгляд «ПроГород»

Компания «ПроГород» начала свою работу сравнительно недавно, но уже активно внедряет информационные технологии. Уход международных вендоров был вызовом для проектов, а санкции заставили компанию перейти на отечественное ПО.

Для внедрения и последующего эффективного применения ТИМ требуется некоторое время на переобучение и подборку квалифицированных кадров. Небольшим организациям, занимающимся проектированием, часто трудно найти кадры без увеличения затрат на оплату труда, что может усложнить переход на ТИМ. Внедрение трехмерного проектирования также требует приобретения ПО и настройки инфраструктуры. Для некоторых это может стать препятствием на пути к современным методам работы. Возможно, этим и объясняется небольшой процент проектировщиков, работающих в ТИМ, и, как следствие, отсутствие понимания того, в чем заключаются его главные преимущества.

В свою очередь крупные застройщики ценят прозрачность и точность в расходах, и ТИМ помогает им в этом. Проектировщики иногда ограничиваются видением объекта, не учитывают финансовые аспекты. Но ТИМ-система — инструмент не только для моделирования и получения чертежей. По сути, ТИМ — это путь к созданию цифрового двойника объекта, звена в цепи развития проекта — от концепции до разрешения на ввод и даже периода последующей эксплуатации.

 

Поиск российских решений и выбор Renga

При переходе на отечественный рынок мы рассмотрели продукты для нашей компании, учитывая следующие критерии:

1. Отечественный продукт в сфере ТИМ;

2. Наличие возможности совместной работы;

3. Возможность разработки основных разделов проектной документации;

4. Активное сообщество пользователей.

Исходя из этих критериев, мы выбрали Renga — ПО, объединяющее множество разделов. Особенно нас привлекли инструменты для разработки раздела «Архитектурные решения».

Мое знакомство с Renga произошло еще до начала работы в «ПроГород» — на первом потоке курса BIM-менеджмент, организатором которого является «Vysotskiy Consulting». В рамках этого курса проходило обучение Renga, и одна из моделей была собрана именно с помощью этого ПО.

Тем не менее переход оказался определенным вызовом. Нам пришлось осваивать новую программную среду и адаптироваться к новой методологии моделирования. В основном наш отдел занимается концепцией комплексной жилой застройки, что снижает требования к моделированию. При этом наша стратегия включает создание полноценного цифрового двойника проекта. Мы разработали классификатор, создали библиотечные элементы и планы квартир, настроили связи и выгрузку объемов из модели. На этапе концепции мы сегодня способны выгружать 80% — 90% тендерных объемов для типовых этажей.

 

Преимущества работы в Renga

Преимущества работы в Renga включают совместную работу в режиме реального времени (к слову, это реализовано компанией Renga Software при грантовой поддержке РФРИТ), объединение сотрудников и систематизацию данных. Ранее при обмене заданиями и планами могли возникать расхождения в данных из-за разной версионности или несвоевременных изменений.

BIM/ТИМ-система Renga позволяет создавать концепции застройки проектов с присвоением кодов классификатора. Полученные объемы данных позволяют корректно сформировать бюджет проекта. Инструмент «Сборка» дает возможность собирать части модели в группу для формирования библиотеки крупноузловых элементов здания, что ускоряет сборку концепции застройки. Успешно сформированные ведомости объема работ из моделей концепции доказывают эффективность применения ПО Renga для девелопера даже на стадии формирования концепции и сбора первичных объемов.

Важно отметить, что концепция Renga отличается от других ПО, особенно в области инженерного оборудования. Так, для создания любого типа инженерного оборудования в Renga реализован свой язык программирования — STDL.

   

От теории к практике: жилой комплекс «Город в Лесу» и проект «Междуреченск»

На данный момент в ПО Renga выполнено два проекта: концепция застройки новой очереди ЖК «Город "В лесу"» и проект жилого дома в Междуреченске (Кемеровская область).

Когда мы начали работать в Renga, сразу столкнулись с задачей проработки концепции будущей очереди ЖК «Город "В лесу"» для оценки финансовой модели. Мы формировали концепцию для нескольких очередей и вносили изменения по мере обсуждений. С получением данных об объеме работ появились новые идеи и корректировки. Мы внесли дополнения и доработки, при этом получив опыт работы с концепциями в Renga.

 

Рис. 1. Концепции застройки новой очереди ЖК «Город "В лесу"»

 

Затем мы разработали планировки и секции для 8 жилых зданий разной высоты. Мы создали классификатор, который автоматизировал переход данных из спецификаций в форму для бюджетирования, графиков, смет и тендерных процедур. Этот классификатор основан на управленческих практиках и статьях расходов, содержащих 11 глав. Каждому элементу в шаблоне проекта присвоен собственный код, который используется для подсчета затрат по всему проекту.

С введением классификатора мы значительно сократили время работы, уменьшив его с 1,5 недель до 1 дня. Классификатор адаптивен и позволяет легко добавлять новые блоки и позиции, это ускорило составление бюджета проекта в два раза.

Получение данных с помощью классификатора осуществляется благодаря стандартной функции выгрузки данных из информационной модели в формате CSV. Эта функция достаточно проста и в то же время недоступна в некоторых аналогичных системах информационного моделирования без написания дополнительных модулей.

В этом мы, безусловно, видим преимущество Renga в плане формирования базы данных элементов из информационной модели базовым набором инструментов.

 

Рис 2. Пример структуры классификатора

 

Благодаря использованию информационной модели для формирования бюджета проекта теперь мы можем оценивать металлоемкость и расход бетона с точностью от 80% до 90% на предпроектной стадии.

 

Рис. 3. Планировка одного из корпусов ЖК «Город "В лесу"»

 

Наш второй проект, жилой дом в Междуреченске (Кемеровская область), занял всего две недели. Мы использовали опыт работы над первым проектом и сформировали библиотеки окон, дверей и квартир.

Также завершили адаптацию стандартов проектирования и библиотеки квартир различной планировки, автоматизировав подсчет объемов проекта.

 

Рис. 4. Разработка концепции проекта «Междуреченск»

 

Рис. 5. Внутренняя библиотека преднастроенных крупноузловых элементов

 

Рис.6. Библиотека квартир различной комнатности для повторного применения

 

Рис. 7. Стандартный вид одной из квартир

 

Проработка модели на стадии концепции не предполагает полноценного моделирования внутренних инженерных систем из-за ограниченного времени. В связи с этим было принято решение использовать еще один инструмент внутри Renga — формулы. Проведя анализ собственных существующих проектов, мы обнаружили зависимость расхода элементов внутренних инженерных систем от пяти характерных параметров квартиры, которые наиболее точно описывают ее характеристики.

Сбор данных, написание формул, сравнение полученных данных с эталонной моделью заняли у нас около двух месяцев. Расхождение в плане штучных элементов не превышает 5%, а в линейных элементах — не более 10%. Данный показатель мы считаем успехом, так как в этом случае мы значительно сэкономили время и прорабатывали отдельно в модели только подвальные и первые этажи.

Перспективное направление для нас — формирование сборки квартир с включением в них элементов инженерных категорий и подчинение необходимых параметров элементов сборки параметрам самой сборки. Это позволит создавать сборки квартир с динамически изменяемым инженерным наполнением и применять результат, полученный на стадии концепции на дальнейших этапах разработки модели.

 

Рис. 8. Свойства сборки квартиры

 

Этот проект подтвердил, что при правильной методологии российское ПО позволяет быстро получать архитектурные концепции и данные для оценки объемов работ менее чем за месяц. Мы надеемся, что все будущие проекты нашей компании будут разрабатываться на российском ПО с использованием уже сформированных платформ и библиотек.

 

В качестве заключения

Внедрение программного комплекса Renga на пилотных проектах компании показало, что отечественные решения в области ТИМ могут конкурировать с иностранными по части визуализации различных конструктивных, архитектурных и инженерных решений.

Переход на отечественные системы ТИМ-моделирования российскими застройщиками может занять до четырех лет, но использование опыта ООО «ПроГород» в создании универсальной экосистемы в Renga уменьшит этот срок до полутора-двух лет. После завершения создания экосистемы ожидается, что точность обработки данных повысится на 30%, а время на сбор бюджета проекта уменьшится на 50%, подводит итог руководитель направления по информационному моделированию компании «ПроГород» Марат Гайсин.

С другими историями использования ПО Renga можно ознакомиться на сайте компании Renga Software в разделе Опыт пользователей.

 

Реклама. ООО «Ренга Софтвэа».  ИНН: 7801319560

 

 

 

 

 

Другие публикации по теме:

Эксперты рассказали об основных условиях внедрения ИИ в стройке

От лоскутной автоматизации к бесшовной цифровизации: IT-решениями на этапе проектирования поделились застройщики и эксперты на РСН–2024

Опубликован стандарт, устанавливающий требования к цифровым информационным моделям жилых зданий

Внедрение ТИМ в работе государственного заказчика: опыт BIM-Cluster и Красноярского края

Modulbau разработала BIM-семейство префаб-продукта для облегчения работы архитекторов и проектировщиков

Застройщики и IT-компании поделились кейсами применения ТИМ на конференции НОЗА и ЕРЗ.РФ