Racionalización de fachadas: Clustering K-Means para optimización de paneles

Problema

Este proyecto surgió de una consultoría para un arquitecto que planteó dudas sobre la factibilidad de fabricación de una panelización altamente diferenciada. El desafío era claro: este tipo de panelizaciones pueden volverse imprácticas de fabricar debido al gran número de piezas únicas.

Este proyecto explora una estrategia algorítmica para reducir la complejidad de la panelización preservando la intención geométrica original de una superficie de forma libre.

La panelización inicial resultó en 14,000 paneles únicos, haciendo la fabricación inviable.

Panelización original


Enfoque

El flujo de trabajo de racionalización se basa en describir la geometría de los paneles como datos, agrupar paneles similares y reemplazarlos con geometrías representativas.

1. Panelización base

Se generó una panelización hexagonal sobre una superficie base de forma libre, produciendo un gran número de geometrías de paneles únicos.

Panelización base


2. Extracción de vectores de características

Cada panel fue descrito usando un vector de características geométricas que aprovecha la secuencia consistente de vértices hexagonales para extraer las características de forma de los hexágonos irregulares. Estas características incluyen ángulos, longitudes de aristas y diagonales, y relaciones entre ellas, proporcionando una forma cuantitativa de describir las formas de los paneles independientemente de su posición en la superficie y compararlas.

Cálculo de vector de características


3. Clustering con K-Means

Los paneles fueron agrupados en el espacio de características usando el algoritmo de clustering K-means, identificando conjuntos de paneles geométricamente similares distribuidos en la superficie.

Clustering K-means


4. Paneles representativos

Para cada cluster, se generó un panel representativo que actúa como geometría de reemplazo para todos los paneles en ese grupo.

Paneles representativos


5. Reemplazo de paneles

Todos los paneles originales fueron reemplazados por su panel representativo correspondiente, reduciendo dramáticamente el número de geometrías únicas mientras se mantiene la lógica general de la superficie.

Panelización racionalizada


6. Análisis de desviación

Se realizó un análisis de desviación para evaluar el error geométrico introducido por el proceso de racionalización y verificar que el sistema optimizado sigue de cerca la superficie base original.

Visualización de desviación

El análisis muestra que la mayoría de los paneles tienen baja desviación, confirmando la efectividad del enfoque de clustering.

Análisis de desviación


Resultados

  • Paneles originales: 14,000
  • Tipos de paneles únicos después de la racionalización: 150

El flujo de trabajo demuestra cómo el clustering basado en características puede usarse para racionalizar sistemas de panelización complejos, permitiendo geometrías más amigables para fabricación mientras se controla la desviación geométrica.

El algoritmo completo está implementado como una definición estructurada de Grasshopper:

Definición de Grasshopper

Descargar definición de Grasshopper

Próximos cursos

Ver todos →

Cargando cursos...

¿Te interesa un proyecto similar?

Escríbenos y platícanos sobre tu proyecto. Te ayudamos a encontrar la mejor solución.