File size: 5,060 Bytes
c226a30 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 | # Construction Intelligence AI
**Prototipo independiente de portafolio** que integra modelos de machine learning, lectura documental y auditoría de cantidades BIM en un dashboard interactivo. Construido con Python, Streamlit, Plotly, PyTorch, scikit-learn, RapidOCR y IfcOpenShell.
> **Alcance:** demostración con datos públicos y cotizaciones ficticias. No es un sistema implementado en una constructora ni una integración activa con Revit/Dynamo o Rhino/Grasshopper. Los resultados no sustituyen validación comercial, fiscal ni técnica.
## Qué demuestra
- **Cotizaciones estructuradas:** lectura de PDF de demostración, extracción de folio, cliente, conceptos, cantidades y precios; cálculo determinista de importes; edición, aprobación humana y exportación JSON/CSV.
- **Document AI:** comparación de regresión logística y red MLP para clasificar *líneas ya transcritas* de recibos públicos CORD v1.
- **OCR neuronal:** RapidOCR frente a configuraciones Tesseract, con clasificación posterior y alertas.
- **Forecasting:** experimentos LSTM/GRU frente a persistencia sobre los índices PPI estadounidenses FRED WPU101 y WPU08; no representan precios en MXN.
- **BIM:** auditoría y extracción de cantidades de un modelo IFC público; reglas de coherencia y partidas bloqueadas en caso de alerta.
## Resultados experimentales (con alcance y límites)
| Tarea | Resultado observado | Interpretación |
|---|---|---|
| Forecasting acero | LSTM MAE 5.965 vs persistencia 7.825, mejora observada 23.77% | Prueba temporal de un paso; experimento exploratorio tras revisar varias veces ese periodo |
| Clasificación de líneas CORD v1 | MLP accuracy 91.77%, F1 macro 83.56% | Texto transcrito; **no** es exactitud end-to-end desde fotografía |
| RapidOCR | 40 de 51 líneas emparejadas (~78.4%) | Emparejamiento textual aproximado en solo 5 recibos, no CER/WER |
| IFC público | 123 elementos, 357 mediciones y 16 alertas | Evidencia de auditoría; no conexión directa a Revit o Rhino |
La regresión logística se eligió para el clasificador por **validación** (macro F1 81.44% vs 81.16% de MLP); el desempeño en prueba se muestra como referencia. La madera conserva el método de persistencia.
## Instalación en Windows
1. Tener Python 3.10 u 3.11 disponible.
2. Abrir una terminal PowerShell en esta carpeta.
3. Ejecutar:
```powershell
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
.\.venv\Scripts\python.exe -m streamlit run app.py
```
Abrir `http://localhost:8501`. La primera instalación puede descargar paquetes y modelos OCR.
## Demostración rápida: cotización con discrepancia
1. En el menú elegir **Cotizaciones estructuradas**.
2. Cargar `demos/cotizacion_demo_error.pdf`.
3. Revisar el ejemplo: 2 unidades × 3,000 = 6,000, pero el documento reporta 5,990.
4. Mostrar las alertas, corregir el dato con autorización del revisor y exportar el registro estructurado.
5. Comparar con `demos/cotizacion_demo_correcta.pdf`.
Es una plantilla de demostración con formato conocido: no se afirma que extraiga cualquier cotización de proveedor.
## Estructura
```text
app.py Dashboard Streamlit
quotation_pipeline.py Extracción + validaciones deterministas
quotation_ui.py Interfaz editable de cotizaciones
data/ Métricas y resultados públicos procesados
models/ Pesos y clasificador de demostración
assets/ Evidencia gráfica de experimentos
demos/ Cotizaciones sintéticas y JSON de ejemplo
schemas/ Contrato JSON de cotización
tests/ Pruebas automatizadas de reglas de cotización
experimentos/ Scripts históricos de entrenamiento exploratorio
```
## Pruebas
```powershell
.\.venv\Scripts\python.exe -m unittest discover -s tests -v
```
## Procedencia y ética
- FRED: índices WPU101 y WPU08 — [Federal Reserve Economic Data](https://fred.stlouisfed.org/).
- Recibos CORD v1 — [dataset público](https://huggingface.co/datasets/Heliosoph/CORD); las imágenes reproducidas son de sus ejemplos públicos; revisar sus términos/licencia para reutilización.
- Modelo BIM IFC de acceso público, con cantidades observadas en el experimento.
- Los PDFs en `demos/` son **ficticios**, sin datos de clientes reales.
Los módulos de OCR, clasificación, forecasting y BIM se evalúan con métricas distintas: no existe una “precisión global” de este prototipo. Para utilizarlo en producción se requieren documentos reales autorizados, pruebas independientes, protección de datos, monitoreo y validación humana de cifras.
## Colab
Los scripts de `experimentos/` documentan versiones **anteriores** del entrenamiento de series temporales. Los resultados finales del dashboard corresponden a experimentos posteriores con retornos logarítmicos y auditoría de métricas: **no** se presenta esos scripts históricos como reproducción exacta de los pesos empaquetados.
|