KaydedilenlerDerginizi ekleyin

Dergiler / Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2026 / Cilt: 9 Sayı: 3

İnşaat İlerleme İzlemesi (İİİ) Kapsamında Geometrik Veri Toplama Araçları Üzerine Kıyaslamalı Bir Yaklaşım

A Comparative Approach to Geometric Data Collection Tools within the Scope of Construction Progress Monitoring ((İİİ

Burak Çelikesir(ERCİYES ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ)0000-0001-7093-4296
Savaş Bayram(Erciyes University, Faculty of Engineering)0000-0002-0153-6750
Feride Maide Mizrakci(ERCİYES ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ)0009-0003-3584-5636
Sayfa
1762–1781
Yayın Tarihi
2026-06-16
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sistemlerin mesafe ölçümleri açısından, ortalama mutlak göreceli hata (OMGH) performans kriteri bazında; üç boyutlu BIM modeli için %2,02; Canvas Yazılımı için %2,28 ve HoloBuilder yazılımı için %9,72 hata payı elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Küresel inşaat sektörü, ekonominin yaklaşık %13,4’ünü oluşturmakta ve 2030 yılına kadar 15,2 trilyon dolar büyüklüğe ulaşması beklenmektedir.
📊
Temel Bulgular & Veri:Sektör imalatlarında seri ve modüler üretimin kısıtlı olması sebebiyle, İnşaat 4.0 gibi yeni nesil üretim kavramları da sınırlı kullanım alanı bulmaktadır.
💡
Sonuç & Katkı:Sistemlerin mesafe ölçümleri açısından, ortalama mutlak göreceli hata (OMGH) performans kriteri bazında; üç boyutlu BIM modeli için %2,02; Canvas Yazılımı için %2,28 ve HoloBuilder yazılımı için %9,72 hata payı elde edilmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:2030 Verileri
⚙️Değişkenler:İnşaat ilerlemesi · Lazer tarama · LiDAR

Özet

Küresel inşaat sektörü, ekonominin yaklaşık %13,4’ünü oluşturmakta ve 2030 yılına kadar 15,2 trilyon dolar büyüklüğe ulaşması beklenmektedir. Sektör imalatlarında seri ve modüler üretimin kısıtlı olması sebebiyle, İnşaat 4.0 gibi yeni nesil üretim kavramları da sınırlı kullanım alanı bulmaktadır. Ancak Yapı Bilgi Modellemesi (YBM) ile senkronize çalışan inşaat ilerlemesi takip sistemleri, son yıllarda literatüre önemli katkılar sunmaktadır. Bu çalışma kapsamında, inşaat ilerleme izlemesi (CPM) kapsamında, yeni nesil yazılımları yaygınlaştırmak amacıyla pratik ve maliyeti düşük sistemler ele alınmıştır. 3B YBM modelinden, 360° kamera ve HoloBuilder yazılımından, LiDAR sensör ve Canvas yazılımından elde edilen 60 ölçüm verisi, gerçek verilerle kıyaslanarak bu takip sistemlerinin performansları kıyaslanmıştır. Sistemlerin mesafe ölçümleri açısından, ortalama mutlak göreceli hata (OMGH) performans kriteri bazında; üç boyutlu BIM modeli için %2,02; Canvas Yazılımı için %2,28 ve HoloBuilder yazılımı için %9,72 hata payı elde edilmiştir.

Abstract

The global construction industry accounts for approximately 13.4% of the economy and is expected to reach a size of 15.2 trillion dollars by 2030. Due to the limited use of mass and modular production in the industry, next-generation production concepts such as Construction 4.0 are of limited use. However, construction progress tracking systems that work in synchronization with Building Information Modeling (BIM) have made significant contributions to the literature in recent years. Within the scope of construction progress monitoring (CPM), practical and cost-effective systems are discussed in this study in order to disseminate next generation software. The performances of these tracking systems are compared by comparing 60 measurement data obtained from 3D DEM model, 360° camera and HoloBuilder software, LiDAR sensor and Canvas software with real data. In terms of distance measurements of the systems, on the basis of the mean absolute relative error (MAPE) performance criterion; 2.02% for the three-dimensional BIM model, 2.28% for Canvas Software and 9.72% for HoloBuilder software were obtained.

🔖

Bu Makaleye Atıf Yap

Çelikesir, B., Bayram, S., Mizrakci, F. M. (2026). İnşaat İlerleme İzlemesi (İİİ) Kapsamında Geometrik Veri Toplama Araçları Üzerine Kıyaslamalı Bir Yaklaşım. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 9 Sayı: 3, 1762–1781. https://doi.org/10.47495/okufbed.1781673

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (42)

  1. Açıl Ş., Polat H. Sürdürülebilir yapı tasarımı; Yapı bilgi modelleme destekli bir alan çalışması. Online Journal of Art & Design 2023; 11(4): 354-369.
  2. Akdeniz E., Ofluoğlu S. Otel işletmelerinde varlık ve mahal yönetimi için BIM destekli tesis yönetimi uygulaması. Karesi Journal of Architecture 2023; 3(2): 75-99.
  3. Akıncı B., Boukamp F., Gordon C., Huber D., Lyons C., Park KA. Formalism for utilization of sensor systems and integrated project models for active construction quality control. Automation in Construction 2006; 15(2): 124–138.
  4. Alptekin A., Fidan Ş., Karabacak A., Çelik MÖ., Yakar M. Üçayak Örenyeri'nin yersel lazer tarayıcı kullanılarak modellenmesi. Türkiye Lidar Dergisi. 2019; 1(1): 16-20.
  5. Arif F., Khan WA. Smart progress monitoring framework for building construction elements using videography–MATLAB–BIM integration. International Journal of Civil Engineering 2021; 19(6): 717–732.
  6. Bayram S. Yapı bilgi modellemesi (YBM) kapsamında geleneksel metraj ile yazılımın karşılaştırılması. Yapı Bilgi Modelleme 2020; 2(2): 58-65.
  7. Bosche F., Haas CT. Automated retrieval of 3D CAD model objects in construction range images. Automation in Construction 2008; 17(4): 499–512.
  8. Braun A., Tuttas S., Borrmann A., Stilla U. Improving progress monitoring by fusing point clouds, semantic data and computer vision. Automation in Construction 2020; 116(4): 103210.
  9. De Myttenaere A., Golden B., le Grand B., Rossi F. Mean absolute percentage error for regression models. Neurocomputing 2016; 192(3): 38–48.
  10. Eiris R., Gheisari M., Esmaeili B. PARS: using augmented 360-degree panoramas of reality for construction safety training. International Journal of Environmental Research and Public Health 2018; 15(2): 1–21.
  11. Figueiredo FDB., Britto Silva JA., Rocha E. What is R2 all about? Leviathan – Cadernos de Pesquisa Política 2011; 60: 60-68.
  12. Golparvar-Fard M., Bohn J., Teizer J., Savarese S., Peña-Mora F. Evaluation of image-based modeling and laser scanning accuracy for emerging automated performance monitoring techniques. Automation in Construction 2011; 20(8): 1143–1155.
  13. HoloBuilder. 2025 https://www.holobuilder.com/
  14. Karagöz ME. BIM ile yapı yaklaşık maliyeti hesaplama önerisi. Yapı Bilgi Modelleme 2019; 1(1): 39-45.
  15. Karataş İ., Budak A. İnşaat sektöründe yalın inşaatın ve yapı bilgi modellemesinin birlikte kullanılmasının atıklara etkisi. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2023; 6(3): 2023-2033.
  16. Koparan B. İnşaat sektöründe dijital dönüşüm: Literatür temelli bir değerlendirme. International Journal of New Horizons in the Sciences 2025; 3(1): 53-63.
  17. Kopsida M., Brilakis I. Real-time volume-to-plane comparison for mixed reality–based progress monitoring. Journal of Computing in Civil Engineering 2020; 34(4): 04020016.
  18. KOSGEB. 2015 - 2018 Kobi Stratejisi ve Eylem Planı (KSEP). 2016 https://www.kosgeb.gov.tr/Content/Upload/Dosya/Mali%20Tablolar/KSEP/Kobi_Stratejisi_ve_Eylem_Plani_(2015-2018).pdf
  19. Lu Y., Gong P., Tang Y., Sun S., Li Q. BIM-integrated construction safety risk assessment at the design stage of building projects. Automation in Construction 2021; 124: 103553.
  20. Meredith JR., Mantel SJ. Project management: A managerial approach 11th ed. Wiley; 2021.
  21. Muñoz-La Rivera F., Mora-Serrano J., Valero I., Oñate E. Methodological-technological framework for Construction 4.0. Archives of Computational Methods in Engineering 2020; 28(2): 689–711.
  22. Occiptal. What is the relationship between Canvas, Structure Sensor, and Occipital? - Canvas FAQ. 2020.https://support.canvas.io/article/4-what-is-the-relationship-between-canvas-structure-sensor-and-occipital
  23. Oke AE., Ogunsemi DR., Adeeko O. Assessment of knowledge management among construction professionals in Nigeria. Journal of Construction Project Management and Innovation 2013; 3(2): 660–679.
  24. Omar T., Nehdi ML. Data acquisition technologies for construction progress tracking. Automation in Construction 2016; 70(10): 143–155.
  25. Oxford Economics. Future of Construction A Global Forecast for Construction to 2030. 2021 https://www.oxfordeconomics.com/resource/future-of-construction/
  26. Paneru S., Jeelani I. Computer vision applications in construction: Current state, opportunities & challenges. Automation in Construction 2021; 132(10): 113-121.
  27. Patel T., Guo BHW., Zou YA. Scientometric review of construction progress monitoring studies. Engineering, Construction and Architectural Management 2021; 35(8): 315-326.
  28. Pour Rahimian F., Seyedzadeh S., Oliver S., Rodriguez S., Dawood N. On-demand monitoring of construction projects through a game-like hybrid application of BIM and machine learning. Automation in Construction 2020; 110(6): 103-112.
  29. Rai NK., Saravanan D., Kumar L., Shukla P., Shaw, RN. RMSE and MAPE analysis for short-term solar irradiance, solar energy, and load forecasting using a recurrent artificial neural network. Applications of AI and IOT in Renewable Energy 2022; 55(3): 181–192.
  30. Reja VK., Varghese K., Ha QP. Computer vision-based construction progress monitoring. Automation in Construction 2022; 138(3): 104-125.
  31. Ricoh. 360-derece camera ricoh theta 2025. https://theta360.com/tr/
  32. Said H., Aktaş BN. Evaluating the multifaceted advantages of lean project management in SMEs: A qualitative analysis. International Review of Economics and Management 2024; 12(1): 113-141.
  33. Speichee M., Tenhaff K., Heinen S., Handoof H. Enabling industry 4.0 with holobuilder. Gesellschaft Für Informatik; 2015.
  34. Şimşek O. İnşaat projelerinde ileri teknoloji uygulamaları. Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, sayda no: 78, İstanbul, Türkiye, 2020.
  35. Turkan Y., Bosche F., Haas CT., Haas R. Automated progress tracking using 4D schedule and 3D sensing technologies. Automation in Construction 2012; 22(3): 414–421.
  36. Uncuoğlu E., Citakoglu H., Latifoglu L., Bayram S., Laman M., Ilkentapar M. Oner AA. Comparison of neural network, Gaussian regression, support vector machine, long short-term memory, multi-gene genetic programming and M5 Trees methods for solving civil engineering problems. Applied Soft Computing 2022; 129: 109623.
  37. Wire B. HoloBuilder announces partnership with boston dynamics | Business wire 2019. https://www.businesswire.com/news/home/20191119005414/en/HoloBuilder-Announces-Partnership-with-Boston-Dynamics
  38. Yıkıcı A. Dijital ikiz şehir fenomeni: Dünyadan örnekler ve Türkiye’deki yönelimler. Kent Akademisi 2023; 16(1): 138-163.
  39. Yıldırım A. Kentlerin sürdürülebilirliğinin sağlanmasında akıllı kent uygulamalarının rolü. Yakın Doğu Üniversitesi Sosyal Bilimler Dergisi 2022; 15(1): 98-124.
  40. Zotkin SP., Ignatova Ev., Zotkina IA. The organization of autodesk revit software interaction with applications for structural analysis. Procedia Engineering 2016; 153(2): 915–919.
  41. Zou PXW., Sunindijo RY., Dainty, ARJA. Mixed methods research design for bridging the gap between research and practice in construction safety. Safety Science 2014; 70(3): 316–326.
  42. Uncuoğlu E., Citakoglu H., Latifoglu L., Bayram S., Laman M., Ilkentapar M. Oner AA. Comparison of neural network, Gaussian regression, support vector machine, long short-term memory, multi-gene genetic programming and M5 Trees methods for solving civil engineering problems. Applied Soft Computing 2022; 129: 109623.