Фасадный онлайн калькулятор расчёта материалов и комплектующих для СФТК
Каталог товаров
Каталог товаров
Сервисы
- Готовые решения
- Выбор цвета
- Калькулятор
- Полезная информация
- О СФТК
- Видео
- Альбомы технических решений
+7 (495) 080-02-07 +7 (916) 093-15-17
Уважаемые клиенты мы разработали фасадный онлайн калькулятор для самостоятельного расчёта стоимости материалов и комплектующих для утепления домов с помощью проверенной и сертифицированной системы СФТК (мокрый фасад).
Все товары в калькуляторе сертифицированы для использования в системе СФТК, подходят для утепления фасадов и лично проверены нами на работах по утеплению фасадов.
Корректность работы калькулятора одобрена всеми представленными производителями товаров и фасадных систем.
Калькулятор содержит как Готовые решения для различных типов фасадных систем, так и позволяет создавать, сохранять и отправлять на почту свои наборы.
Делайте расчёт, консультируйтесь, заказывайте материалы!
Готовые решения
Отделка фасада без утеплителя
1.Без утеплителя, Акриловая штукатурка
2.Без утеплителя, Силиконовая штукатурка
3.Отделка фасада с утеплителем
4.С утеплителем ППС, Минеральная штукатурка и краска
5.С утеплителем ППС, Акриловая штукатурка
6.С утеплителем ППС, Силиконовая штукатурка
7.
С утеплителем ППС, Клинкерная плитка
8.С утеплителем МВП, Минеральная штукатурка и краска
9.С утеплителем МВП, Силоксановая штукатурка
10.С утеплителем МВП, Силиконовая штукатурка
11.С утеплителем МВП, Клинкерная плитка
Без утеплителя, Камешковая штукатурка
13.Без утеплителя, Клинкерная плитка
14.Утеплитель ЭППС, Камешковая штукатурка
15.Утеплитель ЭППС, Клинкерная плитка
Вы можете рассчитать отделку фасада и цоколя, либо только отделку фасада или только цоколя
Очистить всё
Основание УтеплительТолщина утеплителя
2030405080100120150170180200240250340мм
Площадь утеплителя
м2
Финишный слойПлощадь штукатурки
м2
Площадь клинкера
м2
Комплектующие элементыДлина внешних углов
м
Длина примыканий
м
Длина капельников
м
ПроизводительФасад Показать / Скрыть
Цоколь
Очистить всё
Основание УтеплительТолщина утеплителя
2030405080100120150170180200240250340мм
Площадь утеплителя
м2
Финишный слойм2
Площадь клинкера
м2
Комплектующие элементыДлина внешних углов
м
Длина примыканий
м
Длина капельников
м
ПроизводительЦоколь Показать / Скрыть
Оценка стоимости отделки фасада
Посчитайте сами или закажите у нас обследование дома
и составление индивидуального плана работ с материалами.
Расчет
в три щелчка Зная материал стен,
утеплитель и тип покрытия.
Сметный
калькулятор Расчет сметы, если вам
известны все детали.
Экспертный
расчет Скажите, чего хочется.
Пришлите размеры и фото.
Калькуляторы и собственные расчеты привязаны к прайс-листу.
Расчет в 3 щелчка:
стоимость работ и материалов
Укажите основание, утеплитель и финишный слой.
8 из 10 расчетов попадают в яблочко!
1:Основа
Легкий бетон
Бетон
Кирпич
Керамический блок
Несъёмная опалубка
Брус, бревно
Каркас
2:Утеплитель
Базальтовый
ППС
ЭППС
Без утеплителя
3:Финиш
Декоративная штукатурка
Планкен, вагонка
Фиброцементные плиты
Бетонная и клинк.
Натуральный камень
Лицевая кладка
Сметный калькулятор
Если вы знаете все детали предстоящих работ.
Добавляйте и удаляйте нужные разделы.
Отмечайте работы.
Комментируйте разделы.
Пункты работ снабжены подсказкой.
Стоимость рассчитывается при указании объёма.
Смету можно скачать в виде Excel-таблицы.
Добавить раздел
итого: 0 р.
Скачать смету
Наш платный выезд, экспертиза, составление плана работ
Используйте правильную технологию и своих строителей.
Прикрепить файлы
Утепление фасада с отделкой Отделка штукатуркойи лепным декором Отделка кирпичом
и плиткой
ruФасадный калькулятор | ABCB
В качестве кода, основанного на характеристиках, NCC предлагает различные способы, с помощью которых проект здания может соответствовать минимальным стандартам энергоэффективности.
Одним из вариантов является подход «считается удовлетворительным».
В этом видеоролике рассказывается об использовании Калькулятора фасадов для проверки проекта здания с использованием стандартов «Считается удовлетворяющим» и положений, содержащихся в J1.5 первого тома NCC.
Изменения в требованиях к характеристикам остекления NCC расширили ваши возможности по подтверждению общего соответствия фасада здания.
Это позволяет использовать более однородные типы остекления на всех аспектах фасада, используя положения, признанные удовлетворяющими.
Хотя это обеспечивает большую гибкость конструкции, правильные расчеты требуют ввода более подробной информации для проверки соответствия.
Калькулятор фасадов применяется к зданиям классов 3-9, а также к помещениям общего пользования зданий класса 2.
В нем также можно разместить здания смешанного назначения.
Калькулятор доступен на веб-сайте ABCB. Это видео проведет вас через процесс.
Использование этого калькулятора не является обязательным. Вы можете использовать любой метод для подтверждения своих расчетов, если он соответствует требованиям для подтверждения пригодности, описанным в
, пункт A5.2 NCC.
Калькулятор следует использовать вместе с NCC, который содержит определенное значение ряда терминов, используемых инструментом.
Одним из существенных изменений в NCC 2019 является то, что теперь вы должны рассчитывать тепловое сопротивление фасада в целом, а не предъявлять отдельные требования к стенам и окнам, хотя непрозрачные элементы стен по-прежнему должны соответствовать минимальному общему значению R-значения «заднего упора». требования.
Еще одно изменение заключается в том, что теперь можно «торговать» производительностью между северным, южным, восточным и западным аспектами, используя путь соответствия «Deemed to Satisfy».
Даже если один аспект не соответствует минимальным требованиям, фасад в целом может соответствовать.
Калькулятор фасадов, основанный на Excel, поможет вам со всеми этими расчетами.
Используйте навигационную ленту в верхней части страницы или вкладки внизу для перемещения по калькулятору.
Выпадающие поля серого цвета, в отличие от белых полей, которые требуют ввода данных.
ABCB хочет, чтобы этот калькулятор был полезным и эффективным инструментом. Как только нам станет известно о каких-либо проблемах, мы будем перечислять их на вкладке «Известные проблемы» до тех пор, пока они не будут устранены.
Поэтому, если у вас возникнут трудности, загляните сюда или в «Помощь».
Время от времени будут появляться контекстные подсказки, которые помогут вам заполнить калькулятор. При необходимости эти всплывающие окна можно перетащить в сторону.
Теперь мы пройдемся по калькулятору, показав, в качестве примера, его использование при проектировании теоретического здания общежития для студентов в Мельбурне.
Всего 7 шагов.
Шаг 1… Введите общую информацию о здании.
Калькулятор должен открыться на странице «Общая информация». Если нет, то он доступен с первого цветного квадрата на ленте.
На этой странице введите данные о себе…
… и здании…
… включая классификацию… климат… и количество этажей над землей.
Информацию о климатических зонах и связанных ресурсах можно получить, щелкнув карту на этом экране или посетив веб-сайт ABCB.
Шаг 2… Введите информацию о системе остекления.
Щелкните информационный квадрат системы остекления на ленте.
Введите данные, создав уникальную ссылку для каждой системы остекления…
… и выберите Система…
… Стекло…
… и Типы рам из раскрывающихся меню.
Когда вы выбираете тип стекла, калькулятор автоматически заполняет значение U-значения стекла и коэффициент усиления солнечного тепла из встроенной пользовательской библиотеки.
Наконец, введите общие значения системы U и SHGC.
Эти значения зависят от размера окна и характеристик обрамления, включая подрамник.
Эту информацию можно получить у поставщика окон, в базе данных WERS или рассчитать самостоятельно.
Одним из важных аспектов калькулятора является наличие настраиваемой пользовательской библиотеки.
Хотя некоторые общие значения вводятся заранее, калькулятор предназначен для расширения со временем. Вы можете создать свою собственную библиотеку значений при использовании калькулятора.
Эти значения могут относиться как к отдельным элементам фасада, так и к целой стеновой системе.
Некоторые данные будут вам известны, а некоторые нужно будет получить от поставщиков.
Все пользовательские элементы в библиотеке будут автоматически добавлены в соответствующее раскрывающееся меню калькулятора.
Шаг 3… Введите информацию о стене.
Делается это на следующей вкладке – Стеновые системы.
Здесь вы вводите информацию о непрозрачной стене, чтобы рассчитать ее тепловое сопротивление и влияние теплового моста.
Здесь доступны два метода расчета.
Первый — ввести информацию из пользовательской библиотеки. В этом примере мы будем использовать предварительно установленный профиль стены с известным значением Total System R, равным девяти десятым квадратным метрам по Кельвину на ватт. (0,9 м2КВт)
К этому добавим толщину стены и коэффициент солнечного поглощения.
Если вы еще не знаете общее системное R-значение стены, второй метод позволяет вам вместо этого рассчитать его путем «создания» информации из внешнего слоя плюс до 6 дополнительных слоев.
Опять же, к отдельным материалам и определенным данным можно получить доступ из пользовательской библиотеки с дополнительной информацией, которую необходимо ввести, например, толщину слоя, толщину каркаса, ширину и площадь, а также детали термического разрыва.
В этом примере мы будем использовать сплошной бетонный внешний слой с воздушным пространством толщиной 20 мм, изоляцией из стекловаты и облицовкой из гипсокартона.
Выберите уровень вентиляции на втором уровне. Это повлияет на термическое сопротивление воздушной прослойки и всех слоев снаружи.
После выбора уровня вентиляции инструмент рассчитает его эффект и объединит два и три слоя, при этом общее значение двух слоев будет показано в слое 3.
Уровень 2 отображается как ноль.
Основываясь на всей этой информации, калькулятор вычислит системные R- и U-значения.
После завершения эта нестандартная стена теперь может быть добавлена как определяемая пользователем система в пользовательской библиотеке…
… для будущего использования в разделе «Системы стен» на этой вкладке.
Шаг 4… Введите информацию о затенении.
Существует также вкладка для входа в систему затенения, где вы вводите тип затенения — горизонтальное или обеспечиваемое каким-либо другим типом устройства — и размеры.
В этом рабочем примере нет информации о затенении.
Шаг 5 … Оцените, соответствует ли проект минимальным требованиям, которые считаются удовлетворяющими.
Затем перейдите на вкладку «Площадь остекления стены плюс результаты».
Эта страница состоит из трех разделов. Первую…
… и третью из этих панелей можно включать и выключать для экономии места на экране.
Во второй панели введите площади как застекленных, так и непрозрачных элементов фасада.
Автоматически используя уникальные ссылки, которые вы ввели на предыдущих листах, калькулятор покажет значения общего фасада U и фасадной солнечной проводимости, значения остекления и
Средние R-значения стен.
Эти результаты будут отображаться в виде единиц измерения на панели Wall Glazing Area, при этом соответствующие результаты отображаются в зеленых полях, а несоответствующие результаты — в красных полях.
Помните, что при вводе данных на этой странице вы можете использовать заданное остекление, затенение или ссылку на стену только один раз для каждого аспекта. Если вы введете одну и ту же ссылку более одного раза, калькулятор не даст правильных результатов для фасада.
Если стена и/или остекление являются внутренними, отметьте ячейку «внутренняя стена». Это будет означать, что для этой конструкции проверяются только требования U-значения.
Общее соответствие, основанное на методе 1 — значение U и пропускание солнечной энергии — и методе 2 — значение U и значение энергии переменного тока — показано графически на панели результатов.
В этом примере оболочка не соответствует требованиям к коэффициенту теплопередачи или пропусканию солнечного света ни по методу 1, ни по методу 2. Непрозрачные компоненты стены также не соответствуют требованиям к минимальному общему коэффициенту сопротивления обратного хода, изложенным в таблице J1. .5a Кодекса, поэтому предложенный проект не соответствует минимальным требованиям, которые считаются удовлетворяющими.
На третьей панели этой вкладки показаны значения эталонного здания, которые потребуются JV3, на основе данных, которые вы ввели в другом месте.
Если общее соответствие достигнуто, переходите сразу к Шагу 7.
Если нет…
Шаг 6… Внесите изменения в выбранные конструкции или материалы, чтобы здание соответствовало требованиям.
С помощью калькулятора можно проверить влияние различных изменений конструкции.
Сюда могут входить…
… сокращение тепловых мостов…
… модернизация изоляции…
… пересмотр конструкции окна и затенения…
… или другие изменения конструкции.
(пауза)
Когда ввод калькулятора отражает окончательные настройки проекта…
Шаг 7… Сообщите о результатах.
Калькулятор может генерировать отчет, обобщающий результаты.
Чтобы войти на эту вкладку, вам необходимо принять правовую оговорку. Помните, что вся информация должна быть проверена и сверена с проектной документацией для оценки соответствия.
Дополнительные сведения о Калькуляторе фасадов, включая дополнительные примеры, приведены в Руководстве по энергоэффективности, том 1, и в других источниках на веб-сайте ABCB.
Использование ИИ для автоматической оценки состояния фасада | Алессандро Патиччио | Casavo
Использование искусственного интеллекта для оценки того, находится ли здание в хорошем состоянии или нет Всякий раз, когда новая недвижимость представляется вниманию специалистов Casavo, она проходит последовательность шагов, которые мы резюмируем как процесс оценки приемлемости .
Этот процесс направлен на определение того, имеет ли данное имущество право на приобретение, а именно, может ли Casavo получить прибыль от покупки, ремонта и замены его на рынке.
Список факторов, определяющих, соответствует ли объект требованиям или нет, очень длинный. В качестве примера, наши специалисты учитывают лишь несколько важных аспектов:
- Цена
- Местонахождение
- Статус ремонта
- Находится ли недвижимость в здании с лифтом
- … и многое другое
Само собой разумеется, что оценка всех этих условий при выполнении на большом количестве объектов утомительна, затратна и требует много времени.
Чтобы облегчить и ускорить все это, в Casavo мы работаем над автоматизацией процесса оценки приемлемости, предоставляя нашим специалистам автоматическую обратную связь о свойствах, которые представлены их вниманию.
Элементом внимания в этом процессе является статус здания , в котором находится недвижимость.
Действительно, Casavo предпочитает приобретать дома, расположенные в зданиях с фасадом в хорошем состоянии, в основном по двум причинам:
- Их легче продать
- Casavo не может напрямую ремонтировать фасад здания
Эти причины вынуждают Casavo выбрасывать имущество, на фасаде которого имеются признаки деградации, такие как трещины, граффити или облупившаяся краска.
Вот почему мы придумали инструмент, который может автоматически оценить, находится ли фасад здания в хорошем состоянии или нуждается в ремонте , просто взглянув на его изображение.
Инструмент, названный в честь Покемона Клойстер , представляет собой систему на основе машинного обучения, которая была обучена на наборе данных, содержащем изображения фасадов. Глядя на особенности каждого изображения, Клойстер может сказать, хорош ли фасад или плох.
Изображение Клойстера, взято с pokemon.comДавайте погрузимся в работу системы!
Как вы знаете, моделям машинного обучения нужны данные.
В этом случае наши данные состоят из изображений фасадов.
Поэтому нам нужен был способ собрать как можно больше изображений. И не только это, нам нужны были размеченные изображения, а именно по каждой собранной картинке мы хотели знать состояние изображаемого фасада.
В Интернете полно фотографий фасадов, вы можете просто погуглить заранее собранные наборы данных.
Однако есть пара причин, по которым их не хватило для наших экспериментов:
- Они не были промаркированы, а именно мы могли собрать много фотографий фасадов, но не хватало информации о состоянии каждого из них. .
- Общедоступные наборы данных содержат фотографии домов и зданий, сделанные в США, где архитектура и дизайн домов значительно отличаются от городов, в которых работает Casavo.
- Просто просмотрев их, мы обнаружили, что большинство фотографий, которые мы смогли собрать, были смещены в сторону фасадов в хорошем состоянии, что создало проблему Дисбаланс классов .
Было ясно, что нам пришлось приложить много усилий в процессе сбора данных.
В частности, нам нужны были новые источники данных, а также их маркировка.
И здесь в игру вступила сила всего нашего Брокера племени !
Пока команда машинного обучения просматривала сеть в поисках соответствующих изображений и маркировала их (одну за другой!), остальные члены Племени принимали участие в сборе данных, физически обходя город, в котором они жили, и делая снимки. фасадов, а также предоставление информации об их состоянии.
Пример разрушенного фасада. Фотография сделана Паоло Ферретти, техническим менеджером Tribe Brokers.Таким образом, нам удалось собрать последовательное количество размеченных данных, которые мы могли использовать для обучения нашей модели!
Давайте поговорим о самой пикантной части: алгоритме магии.
Задача, с которой мы столкнулись, была задачей компьютерного зрения. В настоящее время все типичные подходы к задачам Computer Vision основаны на использовании Deep Learning, семейства методов машинного обучения, основанных на нейронных сетях.
Глубокое обучение поражает тем, что вы можете составить свою собственную нейронную сеть по своему усмотрению или в соответствии с вашими потребностями, выбирая из множества строительных блоков. Для задач, связанных с изображениями, вы обычно выбираете сверточные нейронные сети, класс нейронных сетей, которые извлекают функции из изображений, применяя операции свертки к входным данным.
Операция свертки на изображении, кредиты Sumit SahaТем не менее, нейронные сети представляют собой довольно сложные модели с множеством параметров. С одной стороны, эти параметры позволяют им быть чрезвычайно гибкими и способными к обучению даже самым сложным задачам. С другой стороны, чтобы настроить каждый из этих параметров, вам нужно много данных. Чего у нас не было, так как большая часть сбора данных велась вручную.
К счастью, разработчики глубокого обучения могут использовать широкий спектр предварительно обученных моделей. Это нейронные сети, которые были обучены другим задачам и получили постоянный объем знаний, которые можно использовать для решения конкретной проблемы, с которой сталкивается разработчик.
В нашем случае мы начали с MobileNetV2, известной архитектуры, предварительно обученной на ImageNet, огромных наборах данных изображений, поступающих из разных доменов.
Когда у вас есть предварительно обученная магистраль, которая используется для извлечения признаков из изображений наших домов, мы просто прикрепляем к ней головку бинарной классификации и обучаем ее параметры только для того, чтобы отличать хорошие фасады от ухудшенных.
В Casavo стандартом для разработки глубокого обучения является Pytorch Lightning , структура, которая реорганизует стандартный код Pytorch, чтобы «отделить науку от техники» (цитируя их собственный репозиторий). Pytorch сама по себе является широко используемой библиотекой для разработки приложений глубокого обучения благодаря своей полноте, универсальности и обширному сообществу. Lightning расширяет возможности PyTorch, удаляя шаблонный код и разделяя его на модули, что делает приложения машинного обучения более масштабируемыми.
Как уже упоминалось, когда вы имеете дело с машинным обучением, вы также имеете дело с данными. И работа с данными может быть сложной из-за их размера, местоположения и случайных изменений. Вот почему мы используем Data Version Control (DVC), инструмент, который помогает нам отслеживать и сохранять различные версии наших данных, как мы это делаем с кодом. DVC пригодился, когда мы хотели повторно запустить старые эксперименты с данными, которые они изначально должны были видеть, но также был полезен для отслеживания эволюции нашего набора данных по мере продвижения нашего проекта.
Что не так привлекательно в нейронных сетях, так это то, что им требуется много вычислительной мощности, что затрудняет их обучение на наших ноутбуках. По этой причине разработчики в основном полагаются на облачные ресурсы для обучения своих алгоритмов.
Чтобы автоматизировать все утомительные настройки облачных экземпляров, мы внедрили Непрерывное машинное обучение (CML).
CML — это библиотека с открытым исходным кодом, которая реализует CI/CD в проектах машинного обучения. Мы использовали его для запуска новых облачных инстансов, запуска конвейеров обучения и закрытия инстансов сразу после завершения этапа обучения. Это делается гладко и с помощью простых рабочих процессов, которые могут быть запущены, среди прочего, действиями GitHub.
Точно так же крайне важно отслеживать результаты всех запусков, которые мы запускали, чтобы организовывать эксперименты, отслеживать их показатели и эффективно сравнивать их. Для этого на помощь пришел MLflow . MLflow — это простая в использовании платформа, которая предоставляет набор API для регистрации результатов ваших экспериментов. Он позволяет записывать гиперпараметры, показатели обучения и сохранять модели.
После регистрации MLflow можно запросить, чтобы выбрать наиболее эффективную модель в соответствии с заданной пользователем метрикой и использовать ее для целей вывода.
И последнее, но не менее важное: мы хотели, чтобы Cloyster был легко доступен в Casavo, чтобы люди могли им пользоваться. На этапе развертывания мы использовали BentoML — платформу, которая обеспечивает быстрое обслуживание ваших алгоритмов машинного обучения в масштабе.
Благодаря изначальной поддержке Pytorch BentoML чрезвычайно прост в использовании. С помощью BentoML вы можете создавать сервисы, раскрывающие API, которые затем можно запрашивать для вывода. Затем сервисы могут быть автоматически контейнеризированы, поскольку BentoML может генерировать образ докера, включая все необходимые зависимости. После создания образа мы просто развернули его в нашей производственной среде.
На данный момент Cloyster запущен и работает, и его можно использовать для автоматического просмотра множества фотографий в поисках фасадов, которые могут нуждаться в ремонте.
Cloyster — это всего лишь один пример того, как мы используем технологии в Casavo.