Modularization of Tekla Structures Assemblies with Hierarchical Clustering

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorNieminen, Lassi
dc.contributor.authorRämö, Joel
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.supervisorMarttinen, Pekka
dc.date.accessioned2023-08-27T17:05:03Z
dc.date.available2023-08-27T17:05:03Z
dc.date.issued2023-08-21
dc.description.abstractThe objective of this thesis was to investigate the potential for automating design tasks within the building information modelling software Tekla Structures, created by Trimble Solutions Oy. A particular focus was placed on exploring the feasibility of deconstructing current assembly objects to enable partial assembly matching functionality. In Tekla Structures, assemblies are collections of objects that depict interconnected parts with shared attributes, such as assembly location or manufacturing specifications, differentiating them from other model objects. The implementation of partial assembly search functionality could enhance the precision of tasks that involve reutilizing information from previous modeling endeavors. The analyzation of the partial matching workflow showed that Tekla Structures most notably lacked functionality for partitioning assemblies into modules. We proceeded to review the methods that could be used to modularize assemblies into cohesive modules, which could then be compared against other assemblies to find partial similarity. Without existing data of modularized assemblies to utilize learning based methods, the thesis was set to be limited to deterministic algorithms. The final design for the prototype was thus to implement a deterministic clustering algorithm, which could modularize an assembly object into sensible groups of objects. The results of the modularization could then be matched against multiple source assemblies using existing mapping functionality. During the prototype implementation phase various agglomerative hierarchical clustering methods were evaluated, as well as different distance calculation metrics and clustering result evaluation methods. The results showed that based on expert evaluation, the most cohesive modules would be found by measuring the distances based on similarity of object bounding box location, using an average linkage function with agglomerative hierarchical clustering method, and determining the final number of clusters with Silhouette Index. The prototype showed good results when modules were distinguishable from the main structure of the assembly through either geometrically dense cluster or by handwritten rule. The main challenges were related to assemblies with dispersed object distributions.en
dc.description.abstractTämän diplomityön tavoitteena oli selvittää suunnittelutyön automatisointimahdollisuuksia Trimble Solutions Oy:n kehittämässä rakennustietomallinnusohjelmistossa Tekla Structuresissa. Erityistä huomiota kiinnitettiin nykyisten assembly-objektien paloittelun toteutettavuuden tutkimiseen osittaisten assemblyjen hyödyntämiseksi. Tekla Structuresissa assemblyt ovat objektikokoelmia, jotka kuvaavat toisiinsa linkittyneitä osia, joilla on jokin yhdistävä tekijä, kuten kokoonpanon sijainti tai valmistusspesifikaatiot. Osittaisten assemblyjen käyttöönotto voisi parantaa mallinnustyön tehokkuutta ja tarkkuutta. Assembly-objektien paloitteluun liittyvää prosessia analysoidessa osoittautui, että Tekla Structuresista puuttui ensisijaisesti toiminnallisuus kokoonpanojen paloitteluun moduuleiksi. Työ alkoi kirjallisuuskatsauksella vastaaviin tutkimuksiin, joilla assemblyt voitaisiin jaotella järkeviksi moduuleiksi, joita voitaisiin verrata muihin assemblyihin osittaisen samankaltaisuuden löytämiseksi. Ilman olemassa olevaa dataa valmiiksi paloitelluista assemblyistä koneoppimiseen perustuvien menetelmien hyödyntämiseksi, diplomityö rajattiin deterministisiin algoritmeihin. Prototyypin lopulliseksi tavoitteeksi muodostui deterministinen klusterointialgoritmi, joka voisi moduloida assembly-objektin järkeviksi objektiryhmiksi. Paloittelun tuloksia voitaisiin sitten etsiä toisista assembly-objekteihin käyttämällä olemassa olevaa kartoitustoimintoa. Prototyypin toteutusvaiheessa arvioitiin erilaisia agglomeratiivisia hierarkkisia klusterointimenetelmiä, erilaisia etäisyyslaskentamittareita sekä klusterointitulosten arviointimenetelmiä. Tulokset osoittivat, että asiantuntija-arvioinnin perusteella yhtenäisimmät moduulit löydettäisiin mittaamalla etäisyydet objektien rajauslaatikon sijainnin samankaltaisuuden perusteella, käyttämällä keskimääräistä linkitysfunktiota hierarkkisessa klusterointimenetelmässä ja määrittämällä klusterien lopullinen lukumäärä siluetti-indeksillä. Prototyyppi osoitti hyviä tuloksia, kun moduulit erottuivat assemblyn päärakenteesta joko geometrisesti tiheän klusterin tai käsin kirjoitetun säännön avulla. Suurimmat haasteet liittyivät assemblyihin, joiden osat olivat hajaantuneet.fi
dc.format.extent54
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/122776
dc.identifier.urnURN:NBN:fi:aalto-202308275117
dc.language.isoenen
dc.programmeMaster’s Programme in Computer, Communication and Information Sciencesfi
dc.programme.majorComputer Sciencefi
dc.programme.mcodeSCI3042fi
dc.subject.keywordhierarchical clusteringen
dc.subject.keywordassembly modularizationen
dc.subject.keywordtekla structuresen
dc.subject.keyworddesign reuseen
dc.titleModularization of Tekla Structures Assemblies with Hierarchical Clusteringen
dc.titleTekla Structuresin assembly-objektien paloittelu hierarkkisella klusteroinnillafi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Rämö_Joel_2023.pdf
Size:
2.68 MB
Format:
Adobe Portable Document Format
Download
Collections
[dipl] Perustieteiden korkeakoulu / SCI