Преимущества искусственного интеллекта в строительстве

Во всем мире частные лица и предприятия тратят более $10 трлн в год на деятельность, связанную со строительством, и, согласно прогнозам, до 2023 года этот объем будет продолжать расти на 4,2%. В отчете 2020 года «Следующая норма в строительстве: как разрушение формирует крупнейшую в мире экосистему» ​​McKinsey отмечается, что все большее внимание уделяется решениям, основанным на искусственном интеллекте.

ИИ в строительстве может помочь игрокам осознать ценность на протяжении всего жизненного цикла проекта, включая проектирование, торги и финансирование, закупки и строительство, операции и управление активами, трансформацию бизнес-модели. Искусственный интеллект в строительстве помогает отрасли в целом преодолевать некоторые из самых сложных проблем, в частности проблемы безопасности, нехватку рабочей силы, а также перерасход средств и сроков.

Поскольку барьеры для выхода на рынок неуклонно снижаются, а достижения в области ИИ, машинного обучения и аналитики ускоряются, можно ожидать, что ИИ будет играть более значительную роль в строительстве в ближайшие годы.

Возможности применения машинного обучения и искусственного интеллекта в строительстве огромны. Запросы информации, открытые вопросы и заказы на изменение являются стандартными в отрасли. Машинное обучение похоже на умного помощника, который может тщательно изучить эту гору данных. Затем он предупреждает руководителей проектов о важных вещах, требующих их внимания. Некоторые приложения уже используют ИИ таким образом. Его преимущества варьируются от рутинной фильтрации спама до расширенного мониторинга безопасности. Рассмотрим 10 примеров ИИ в строительстве. 

Предотвращение перерасхода средств

Стоимость большинства мегапроектов выходит за рамки бюджета, несмотря на то, что в них работают лучшие проектные команды. Искусственные нейронные сети используются в проектах для прогнозирования перерасхода средств на основе таких факторов, как размер проекта, тип контракта и уровень компетентности менеджеров. 

Исторические данные, такие как запланированные даты начала и окончания, используются прогностическими моделями, чтобы представить реалистичные сроки для будущих проектов. Искусственный интеллект помогает сотрудникам удаленно получать доступ к реальным учебным материалам, что помогает им быстро повышать свои навыки и знания. Это сокращает время, необходимое для включения новых ресурсов в проекты. В результате реализация проекта ускоряется.

Генеративное проектирование зданий

Информационное моделирование зданий — это процесс на основе 3D-моделей, который дает профессионалам в области архитектуры, проектирования и строительства информацию для эффективного планирования, проектирования, строительства и управления зданиями и инфраструктурой. 

Чтобы спланировать и спроектировать строительство проекта, 3D-модели должны учитывать архитектурные, инженерные, механические, электрические и водопроводные планы и последовательность действий соответствующих групп. Задача состоит в том, чтобы разные модели из подкоманд не конфликтовали друг с другом.

Снижение риска

Каждый строительный проект сопряжен с риском, который проявляется во многих формах, таких как риск, связанный с качеством, безопасностью, временем и стоимостью. Чем крупнее проект, тем выше риск, поскольку на стройплощадках параллельно работают несколько субподрядчиков по разным профессиям. 

Сегодня существуют решения с искусственным интеллектом и машинным обучением, которые генеральные подрядчики используют для отслеживания и определения приоритетов рисков на стройплощадке, поэтому команда проекта может сосредоточить свое ограниченное время и ресурсы на самых больших факторах риска. ИИ используется для автоматического присвоения приоритета задачам.

Планирование проекта

Одна компания, занимающаяся строительной разведкой, запустила свою деятельность в 2017 году с обещанием, что ее роботы и искусственный интеллект станут ключом к решению запоздалых и сверхбюджетных строительных проектов. Компания использует роботов для автономного 3D-сканирования строительных площадок, а затем передает эти данные в глубокую нейронную сеть, которая классифицирует расстояние между различными подпроектами. 

Если что-то кажется неправильным, команда менеджеров может вмешаться, чтобы решить небольшие проблемы, прежде чем они перерастут в серьезные. Алгоритмы будущего будут использовать технику искусственного интеллекта, известную как «обучение с подкреплением». Этот метод позволяет алгоритмам учиться на основе проб и ошибок. Он может оценить бесконечное количество комбинаций и альтернатив, основанных на аналогичных проектах. Это помогает в планировании проекта, поскольку оптимизирует наилучший путь и со временем исправляет себя.

Создание более продуктивных рабочих мест

Есть компании, которые начинают предлагать беспилотную строительную технику для выполнения повторяющихся задач более эффективно, чем с помощью человеческого труда, такие как заливка бетона, кладка кирпича, сварка и снос. Земляные и подготовительные работы выполняются автономными или полуавтономными бульдозерами, которые могут подготовить рабочую площадку с помощью человека-программиста в соответствии с точными спецификациями. 

Это освобождает рабочих для самих строительных работ и сокращает общее время, необходимое для завершения проекта. Руководители проектов также могут отслеживать работу на стройплощадке в режиме реального времени. Они используют распознавание лиц, локальные камеры и аналогичные технологии для оценки производительности труда и соблюдения процедур.

Безопасность строительства

Строители погибают на работе в пять раз чаще, чем другие рабочие. Согласно OSHA, основными причинами смертей в частном секторе (за исключением дорожно-транспортных происшествий) в строительной отрасли являются падения, за которыми следуют удары каким-либо предметом, поражение электрическим током и попадание в ловушку. 

Бостонская строительная технологическая компания создает алгоритм, который анализирует фотографии с рабочих мест, сканирует их на предмет угроз безопасности, таких как отсутствие защитного снаряжения у рабочих, и сопоставляет изображения со своими записями о несчастных случаях. Компания заявляет, что потенциально может рассчитывать рейтинги рисков для проектов, чтобы можно было проводить брифинги по технике безопасности при обнаружении повышенной угрозы.

Решение проблемы нехватки рабочей силы

В отчете McKinsey за 2017 год говорится, что строительные компании могут повысить производительность на 50% с помощью анализа данных в реальном времени. Строительные компании начинают использовать искусственный интеллект и машинное обучение, чтобы лучше планировать распределение рабочей силы и техники по рабочим местам.

Робот, постоянно оценивающий ход выполнения работ и местонахождение рабочих и оборудования, позволяет руководителям проектов мгновенно определять, на каких рабочих местах имеется достаточно рабочих и оборудования для выполнения проекта в соответствии с графиком, а на каких есть места, где можно было бы задействовать дополнительную рабочую силу.

Выездное строительство

Строительные компании все чаще полагаются на внешние фабрики, укомплектованные автономными роботами, которые собирают вместе компоненты здания, которые затем собираются людьми на месте стройки. Такие конструкции, как стены, могут быть собраны в стиле сборочной линии с помощью автономных машин более эффективно, чем человеческие аналоги работы, оставляя рабочих-людей завершать детализацию работы, такую ​​как водопровод и электрические системы, когда конструкция собирается вместе.

Большие данные в строительстве

В то время, когда каждый день создается огромный объем данных, системы ИИ получают бесконечное количество данных, на которых можно учиться и улучшаться каждый день. Каждая рабочая площадка становится потенциальным источником данных для ИИ. 

Данные, полученные из изображений, снятых с мобильных устройств, видео с дронов, датчиков безопасности, информационного моделирования зданий и других, стали пулом информации. Это дает возможность профессионалам строительной отрасли и клиентам анализировать и извлекать выгоду из идей, полученных на основе данных с помощью систем искусственного интеллекта и машинного обучения.

Пост-строительство

Управляющие зданиями могут использовать ИИ еще долго после завершения строительства. Собирая информацию о конструкции с помощью датчиков, беспилотных летательных аппаратов и других беспроводных технологий, расширенная аналитика и алгоритмы на основе искусственного интеллекта позволяют получить ценную информацию о работе и характеристиках здания, моста, дорог и почти всего в искусственной среде. 

Это означает, что ИИ можно использовать для отслеживания возникающих проблем, определения необходимости профилактического обслуживания или даже управления поведением человека для обеспечения оптимальной безопасности.