Утверждены новые требования к IFC-моделям для согласования АГР
Опубликован проект нормативных требований к информационным моделям в формате IFC, которые будут применяться при согласовании архитектурно-градостроительных решений (АГР). Документ регламентирует формат передачи данных, структуру модели, правила моделирования и требования к информационному наполнению.
Новые правила начнут действовать с 2 апреля 2026 года.
Разберем ключевые положения документа.
1. Формат и технические параметры моделей
2. Структура ЦИМ для АГР
Цифровая информационная модель АГР формируется как единый консолидированный файл, объединяющий три раздела:
Модель должна быть корректно привязана к городской системе координат.
Используются:
Перед передачей модель необходимо проверить на коллизии. Допустимое расхождение для разделов АР, ПС и БиО — не более 80 мм согласно матрице пересечений.
Наименования уровней (этажей) должны строго соответствовать установленному шаблону, например:
С01_1_этаж_основной.
4. Информационные атрибуты
Особое внимание уделяется национальному расширению данных. В рамках экспертизы учитываются только параметры со специальными префиксами:
При этом стандартные наборы свойств IFC (например, с префиксами Pset_ и Qto_) при рассмотрении АГР во внимание не принимаются.
5. Технико-экономические показатели
Информационная модель должна позволять автоматически формировать основные технико-экономические параметры объекта.
Помимо IFC-файлов необходимо предоставить XML-ведомость, содержащую:
Каждый дисциплинарный файл подлежит юридическому подтверждению:
Соблюдение данных требований становится обязательным условием для получения свидетельства об утверждении АГР. Несоответствие формата или структуры модели может стать основанием для отклонения материалов.
Для компаний, уже работающих в BIM-среде и использующих IFC в рамках экспертизы, переход на новые регламенты не вызывает существенных сложностей. Однако важно заранее проверить шаблоны, структуру атрибутов и процессы экспорта моделей.
Новые правила начнут действовать с 2 апреля 2026 года.
Разберем ключевые положения документа.
1. Формат и технические параметры моделей
- Допустимый формат — исключительно IFC 4 в представлении Reference View, в кодировке STEP Physical File (IFC SPF).
- Соответствие стандарту — модель должна быть сформирована по схеме IFC 4.0.2.1 в соответствии с ГОСТ Р 10.0.02-2019.
- Размер файла — рекомендуется ограничивать один дисциплинарный файл объемом до 500 Мб.
- Правила именования — название IFC-файла должно включать пять обязательных идентификаторов:
- шифр объекта,
- номер корпуса,
- номер секции,
- шифр ЦИМ,
- шифр стадии.
2. Структура ЦИМ для АГР
Цифровая информационная модель АГР формируется как единый консолидированный файл, объединяющий три раздела:
- ЦИМ ПС — планировочная организация земельного участка (границы, рельеф, функциональные зоны);
- ЦИМ БиО — благоустройство и озеленение территории (покрытия, элементы озеленения, зонирование);
- ЦИМ АР — архитектурные и объемно-планировочные решения (надземная и подземная части, стены, проемы, лестницы и т.д.).
Модель должна быть корректно привязана к городской системе координат.
Используются:
- местная система координат Москвы,
- Балтийская система высот,
- заданный угол поворота относительно истинного севера.
Перед передачей модель необходимо проверить на коллизии. Допустимое расхождение для разделов АР, ПС и БиО — не более 80 мм согласно матрице пересечений.
Наименования уровней (этажей) должны строго соответствовать установленному шаблону, например:
С01_1_этаж_основной.
4. Информационные атрибуты
Особое внимание уделяется национальному расширению данных. В рамках экспертизы учитываются только параметры со специальными префиксами:
- RusSet_ — для наборов свойств,
- RUS_ — для параметров внутри наборов.
При этом стандартные наборы свойств IFC (например, с префиксами Pset_ и Qto_) при рассмотрении АГР во внимание не принимаются.
5. Технико-экономические показатели
Информационная модель должна позволять автоматически формировать основные технико-экономические параметры объекта.
Помимо IFC-файлов необходимо предоставить XML-ведомость, содержащую:
- высоту застройки,
- площадь земельного участка,
- суммарную поэтажную площадь в габаритах наружных стен,
- количество квартир.
Каждый дисциплинарный файл подлежит юридическому подтверждению:
- предоставляется файл усиленной квалифицированной электронной подписи (УКЭП),
- либо оформляется информационно-удостоверяющий лист (ИУЛ), если подписание всех файлов УКЭП невозможно.
Соблюдение данных требований становится обязательным условием для получения свидетельства об утверждении АГР. Несоответствие формата или структуры модели может стать основанием для отклонения материалов.
Для компаний, уже работающих в BIM-среде и использующих IFC в рамках экспертизы, переход на новые регламенты не вызывает существенных сложностей. Однако важно заранее проверить шаблоны, структуру атрибутов и процессы экспорта моделей.
Цифровые двойники на стройке: как BIM снижает количество ошибок при монтаже
Строительная отрасль традиционно считалась одной из самых консервативных. Однако в последние годы ситуация быстро меняется: технологии информационного моделирования (BIM) всё активнее используются не только на этапе проектирования, но и непосредственно на строительной площадке.
К 2026 году специалисты отрасли отмечают новую тенденцию — применение цифровых моделей для контроля строительно-монтажных работ и снижения количества ошибок при реализации проектов.
Почему на этапе монтажа возникает так много ошибок
Монтажные работы — один из самых сложных этапов строительства. Здесь одновременно взаимодействуют несколько подрядчиков, инженерные системы пересекаются, а любые неточности в проектной документации быстро превращаются в реальные проблемы на объекте.
По отраслевым оценкам, до 30% рабочего времени на стройплощадке может уходить на устранение коллизий, которые можно было выявить ещё на стадии проектирования.
Основные причины:
- двухмерные чертежи не всегда позволяют увидеть пересечения инженерных сетей;
- ошибки и неточности накапливаются по мере усложнения проекта;
- координация между подрядчиками часто выполняется вручную.
Как BIM и цифровые модели меняют ситуацию
Технологии информационного моделирования позволяют работать не просто с чертежами, а с полноценной цифровой моделью здания.
Такая модель содержит:
- геометрию всех конструкций и инженерных систем;
- информацию о материалах и элементах;
- данные о последовательности работ;
- зоны ответственности подрядчиков.
Для монтажных бригад это означает более точное понимание расположения элементов, а для руководителей проектов — возможность контролировать процесс в цифровой среде.
Экономический эффект внедрения BIM
Стоимость создания информационной модели обычно составляет 1–3% от бюджета проекта.
При этом применение BIM позволяет:
- снизить количество переделок на стройке;
- сократить простои из-за ошибок в документации;
- оптимизировать логистику материалов и оборудования.
Роль цифровых моделей в ближайшие годы
Государство постепенно расширяет применение технологий информационного моделирования в строительстве. BIM уже активно используется в проектах государственного заказа, а в ближайшие годы требования к использованию цифровых моделей могут распространяться на более широкий круг объектов.
Одновременно развивается инфраструктура отрасли:
- появляются отечественные BIM-платформы;
- формируются библиотеки строительных элементов;
- растёт количество специалистов, работающих с информационными моделями.
Что мешает внедрению BIM?
Несмотря на очевидные преимущества, переход на информационное моделирование требует серьёзных организационных изменений.
Компании сталкиваются с несколькими задачами:
- обучение специалистов работе с BIM-системами;
- перестройка внутренних процессов проектирования;
- организация обмена данными между участниками проекта.
Тем не менее общий вектор развития отрасли очевиден: цифровые модели постепенно становятся стандартом для строительства, а компании, внедряющие BIM-подход сегодня, получают серьёзное преимущество в будущих проектах.
ИИ в инженерной среде: от поиска информации к управлению инженерными данными
Еще несколько лет назад применение искусственного интеллекта в проектировании обсуждалось в основном в контексте футуристических концепций — автоматической генерации зданий, “нейросетевых архитекторов” и полной замены инженерной работы алгоритмами. На практике развитие отрасли пошло по гораздо более прикладному сценарию.
Сегодня ИИ начинает использоваться прежде всего как инструмент работы с инженерными данными. Основная задача — не заменить специалиста, а сократить объем рутинных операций, ускорить доступ к информации и повысить повторное использование накопленного опыта компании.
В инженерной среде это особенно важно, поскольку современный проект представляет собой не просто набор чертежей, а огромный объем взаимосвязанных данных: BIM-модели, нормативная документация, спецификации, архивы прошлых проектов, переписка, замечания экспертизы, исполнительная документация и эксплуатационные данные.
Проблема инженерных данных
В большинстве организаций знания распределены крайне неравномерно.
Часть информации находится в нормативной базе, часть — в CAD/BIM-моделях, часть — в архивах прошлых проектов. При этом значительная доля практического опыта вообще не формализована и хранится у конкретных специалистов.
На крупных объектах инженер тратит значительное количество времени не на проектирование как таковое, а на:
— поиск нормативных требований
— проверку типовых решений
— сопоставление разделов
— поиск аналогичных узлов
— анализ коллизий
— проверку актуальности документации
По мере роста сложности объектов объем подобных операций начинает расти быстрее, чем производительность команд.
RAG и работа с нормативной базой
Одним из первых направлений внедрения ИИ в инженерной среде стали RAG-системы (Retrieval-Augmented Generation).
Фактически речь идет о создании интеллектуального слоя поверх корпоративной базы знаний. Вместо ручного поиска по СП, ГОСТ, PDF-документам и архивам инженер формирует запрос на естественном языке, а система извлекает релевантные фрагменты нормативной документации и проектных материалов.
Ключевой эффект здесь связан не с “генерацией ответа”, а с качеством поиска и контекстной обработкой данных.
Например, система может:
— находить требования СП по конкретному типу объекта
— сопоставлять инженерные разделы
— искать типовые решения из прошлых проектов
— учитывать параметры объекта при подборе информации
Это особенно важно в проектах, где количество нормативных ограничений и междисциплинарных связей постоянно растет.
Векторный поиск и повторное использование решений
Следующий этап — работа с проектными архивами.
Традиционно архив проектной организации представляет собой большой набор папок, файлов и BIM-моделей, доступ к которым сильно зависит от структуры хранения и памяти сотрудников.
Современные подходы используют векторные представления данных (embeddings), позволяющие искать не по названию файла, а по смыслу содержимого.
На практике это дает возможность:
— находить похожие технические решения
— искать аналогичные узлы и BIM-элементы
— сопоставлять текущий проект с ранее реализованными объектами
— использовать накопленные проектные данные повторно
Фактически архив начинает работать как инженерная база знаний, а не как “склад документации”.
Для крупных организаций это становится одним из ключевых факторов масштабируемости проектирования.
Еще одно направление — автоматический анализ BIM-моделей.
Классические BIM-инструменты уже умеют искать геометрические коллизии, однако ИИ позволяет выйти за пределы простых пересечений объектов.
Современные алгоритмы начинают учитывать:
— контекст инженерных систем
— тип объекта
— проектные ограничения
— типовые ошибки проектирования
— нормативные несоответствия
В перспективе это позволяет перейти от “поиска пересечений” к интеллектуальной проверке проектных решений.
Особенно актуально это для крупных промышленных объектов с большим количеством взаимосвязанных инженерных систем.
Scan-to-BIM и работа с облаками точек
Одно из наиболее быстро развивающихся направлений — интеграция ИИ с технологиями лазерного сканирования.
Современные сканеры позволяют получать облака точек высокой плотности, содержащие цифровую копию существующего объекта. Однако обработка этих данных вручную остается крайне трудоемкой задачей.
ИИ начинает использоваться для:
— распознавания конструктивных элементов
— классификации инженерных систем
— автоматического выделения трубопроводов и оборудования
— формирования BIM-структуры на основе сканов
Это существенно ускоряет реконструкцию, обследование и создание цифровых двойников существующих объектов.
По сути, инженерные организации начинают переходить от файловой модели работы к модели, где основным активом становятся структурированные данные и знания.
Сегодня ИИ начинает использоваться прежде всего как инструмент работы с инженерными данными. Основная задача — не заменить специалиста, а сократить объем рутинных операций, ускорить доступ к информации и повысить повторное использование накопленного опыта компании.
В инженерной среде это особенно важно, поскольку современный проект представляет собой не просто набор чертежей, а огромный объем взаимосвязанных данных: BIM-модели, нормативная документация, спецификации, архивы прошлых проектов, переписка, замечания экспертизы, исполнительная документация и эксплуатационные данные.
Проблема инженерных данных
В большинстве организаций знания распределены крайне неравномерно.
Часть информации находится в нормативной базе, часть — в CAD/BIM-моделях, часть — в архивах прошлых проектов. При этом значительная доля практического опыта вообще не формализована и хранится у конкретных специалистов.
На крупных объектах инженер тратит значительное количество времени не на проектирование как таковое, а на:
— поиск нормативных требований
— проверку типовых решений
— сопоставление разделов
— поиск аналогичных узлов
— анализ коллизий
— проверку актуальности документации
По мере роста сложности объектов объем подобных операций начинает расти быстрее, чем производительность команд.
RAG и работа с нормативной базой
Одним из первых направлений внедрения ИИ в инженерной среде стали RAG-системы (Retrieval-Augmented Generation).
Фактически речь идет о создании интеллектуального слоя поверх корпоративной базы знаний. Вместо ручного поиска по СП, ГОСТ, PDF-документам и архивам инженер формирует запрос на естественном языке, а система извлекает релевантные фрагменты нормативной документации и проектных материалов.
Ключевой эффект здесь связан не с “генерацией ответа”, а с качеством поиска и контекстной обработкой данных.
Например, система может:
— находить требования СП по конкретному типу объекта
— сопоставлять инженерные разделы
— искать типовые решения из прошлых проектов
— учитывать параметры объекта при подборе информации
Это особенно важно в проектах, где количество нормативных ограничений и междисциплинарных связей постоянно растет.
Векторный поиск и повторное использование решений
Следующий этап — работа с проектными архивами.
Традиционно архив проектной организации представляет собой большой набор папок, файлов и BIM-моделей, доступ к которым сильно зависит от структуры хранения и памяти сотрудников.
Современные подходы используют векторные представления данных (embeddings), позволяющие искать не по названию файла, а по смыслу содержимого.
На практике это дает возможность:
— находить похожие технические решения
— искать аналогичные узлы и BIM-элементы
— сопоставлять текущий проект с ранее реализованными объектами
— использовать накопленные проектные данные повторно
Фактически архив начинает работать как инженерная база знаний, а не как “склад документации”.
Для крупных организаций это становится одним из ключевых факторов масштабируемости проектирования.
Еще одно направление — автоматический анализ BIM-моделей.
Классические BIM-инструменты уже умеют искать геометрические коллизии, однако ИИ позволяет выйти за пределы простых пересечений объектов.
Современные алгоритмы начинают учитывать:
— контекст инженерных систем
— тип объекта
— проектные ограничения
— типовые ошибки проектирования
— нормативные несоответствия
В перспективе это позволяет перейти от “поиска пересечений” к интеллектуальной проверке проектных решений.
Особенно актуально это для крупных промышленных объектов с большим количеством взаимосвязанных инженерных систем.
Scan-to-BIM и работа с облаками точек
Одно из наиболее быстро развивающихся направлений — интеграция ИИ с технологиями лазерного сканирования.
Современные сканеры позволяют получать облака точек высокой плотности, содержащие цифровую копию существующего объекта. Однако обработка этих данных вручную остается крайне трудоемкой задачей.
ИИ начинает использоваться для:
— распознавания конструктивных элементов
— классификации инженерных систем
— автоматического выделения трубопроводов и оборудования
— формирования BIM-структуры на основе сканов
Это существенно ускоряет реконструкцию, обследование и создание цифровых двойников существующих объектов.
По сути, инженерные организации начинают переходить от файловой модели работы к модели, где основным активом становятся структурированные данные и знания.