Modellstruktur og
datakvalitet
En modell er bare så god som dataene i den. Vi bygger opp objekter, egenskaper og struktur slik at modellen faktisk kan brukes, ikke bare se riktig ut.
Utfordringen
Geometri er bare halve modellen
En modell kan se helt riktig ut visuelt, og likevel være vanskelig å bruke videre, til mengdeuttrekk, analyser, samordning eller forvaltning.
Det som avgjør om modellen fungerer som arbeidsverktøy, ikke bare som bilde, er strukturen under: hvordan objekter er bygget opp, navngitt og fylt med informasjon.
Geometri uten informasjon
Objekter som ser riktige ut, men som mangler egenskapene som trengs for mengdeuttrekk, analyser eller automatisering videre i prosessen.
Inkonsekvent navngiving
Når objekter, lag og parametere navngis forskjellig fra fag til fag eller fil til fil, blir samordning og kontroll vesentlig mer tidkrevende.
Struktur som ikke følger behovet
Etasjer, soner og systemer satt opp uten tanke på hvordan modellen skal brukes videre, gjør at strukturen må bygges om senere, ofte sent i prosjektet.
Slik jobber vi
Struktur som holder over tid
Vi går inn på modellnivå, i samarbeid med fagmiljøene, og bygger opp eller rydder i strukturen, uten å overta selve prosjekteringen.
Objektstruktur og klassifisering
Vi setter opp eller går gjennom hvordan objekter er klassifisert, slik at modellen kan filtreres, telles og kobles til relevante systemer.
Egenskaper og parametere
Vi definerer og fyller property sets med den informasjonen mottaker faktisk trenger, ikke bare det modelleringsverktøyet gir som standard.
Kvalitetskontroll mot krav
Vi sjekker modellen mot prosjektets modellkrav eller informasjonskrav (EIR), og peker på konkret hva som må justeres for at den oppfyller dem.
Der oppsettet er repeterende, automatiserer vi det med egne skript, slik at struktur og navngiving blir likt hver gang. Se hvordan vi jobber med parametrisk design →
Usikker på om modellen holder mål?
Send oss et eksempel og kravene modellen skal møte, så ser vi på hva som skal til.