Optimización de plantas mediante algoritmos

Contenido

1. Módulo 1

   3 temas

   Fundamentos del diseño generativo

   Establecimiento de las bases algorítmicas y la lógica de datos para la distribución espacial automatizada.

   1. 1.1

      Del programa funcional al grafo de datos

      Transformar un programa de necesidades en una estructura de datos relacional para algoritmos.

   2. 1.2

      Parámetros de normativa y restricciones geométricas

      Codificar restricciones legales y físicas como límites computacionales infranqueables.

   3. 1.3

      Análisis de luz natural como motor de diseño

      Integrar simulaciones lumínicas en el bucle de optimización de la planta.

2. Módulo 2

   5 temas

   Algoritmos de distribución y optimización

   Profundización en las técnicas de IA y algoritmos evolutivos para la generación de alternativas de planta.

   1. 2.1

      Algoritmos evolutivos y búsqueda multi-objetivo

      Configurar motores de optimización para equilibrar requisitos contradictorios.

   2. 2.2

      Empaquetamiento espacial mediante algoritmos de packing

      Aplicar técnicas de 'Bin Packing' para la distribución eficiente de locales en un perímetro dado.

   3. 2.3

      Optimización de circulaciones y flujos

      Minimizar distancias de recorrido y optimizar núcleos de comunicación mediante análisis de redes.

   4. 2.4

      Machine Learning para la predicción de áreas

      Utilizar modelos predictivos para estimar necesidades espaciales futuras basadas en datos históricos.

   5. 2.5

      Evaluación económica de la eficiencia de planta

      Vincular la optimización geométrica con el ahorro de costes de construcción y operación.

3. Módulo 3

   4 temas

   Implementación y criterio profesional

   Integración de las herramientas de IA en el flujo de trabajo del estudio y toma de decisiones críticas.

   1. 3.1

      Integración en el flujo BIM

      Conectar los resultados algorítmicos con modelos de producción BIM para asegurar la constructibilidad.

   2. 3.2

      Curaduría de resultados y criterio de diseño

      Desarrollar la capacidad crítica para seleccionar y refinar las propuestas generadas por IA.

   3. 3.3

      Presentación de procesos generativos a clientes

      Comunicar el valor y la lógica detrás de un diseño optimizado algorítmicamente.

   4. 3.4

      Escalado de herramientas internas

      Crear una biblioteca de algoritmos propia para estandarizar la excelencia en el estudio.