Строительная отрасль сталкивается с серьезными проблемами. За некоторыми поверхностными проблемами, вызванными COVID, такими как нехватка материалов, задержки доставки, влияющие на проекты, кроется нечто гораздо худшее. Рост производительности труда в строительной отрасли вырос всего на 1% за последние два десятилетия по сравнению с 2,8% роста производительности для всей мировой экономики. Быстро растут и другие секторы, такие как розничная торговля, которая заново открыла себя для цифровой области и производство, которое процветает благодаря промышленной автоматизации и оцифровке. Одна из причин такого отставания заключается в том, что строительная отрасль медленно осваивает новые технологии и вкладывает средства в оцифровку. Такая трансформация может быть сложной, отчасти потому, что не всегда ясно, каковы инновационные возможности или которые принесут наибольшую операционную и коммерческую ценность.

Искусственный интеллект (ИИ) - это термин, используемый для описания, когда машины имитируют решение человеческих проблем путем выявления закономерностей и тенденций в данных для выполнения задач, которые обычно требуют человеческого интеллекта. Их разнообразные возможности автоматизации означают, что они могут упростить и оптимизировать этапы планирования, проектирования и строительства. Искусственный интеллект был успешно внедрен во многих других отраслях и может повысить производительность строительных секторов до 60%, добавив 1,6 триллиона долларов в стоимости, что составляет примерно 2% мировой экономики. Некоторые компании увидели эксплуатационные, экологические и коммерческие преимущества ИИ и уже начали принимать меры по внедрению этой возможности.

Взяв пример с историй успеха в розничной торговле и финансах, строительным компаниям следует инвестировать в ИИ и машинное обучение, чтобы сократить расходы, повысить производительность, эффективность процессов и персонала, а также увеличить маржу.

Генеративный дизайн

Информационное моделирование зданий (BIM) - это процесс и инструменты для создания цифровых представлений зданий и управления ими. BIM легко доступен и используется многими строительными компаниями. Программное обеспечение на основе трехмерных моделей дает профессионалам в области архитектуры, проектирования и строительства (AEC) представление об эффективном планировании, проектировании и строительстве зданий и инфраструктуры. Autodesk Revit позволяет пользователям проектировать целые здания и внутренние компоненты в соответствии с графиками работы и спецификациями. Система сначала получает четко определенные цели проектирования, после чего она исследует несколько вариантов потенциальных решений, чтобы найти оптимальный сценарий проектирования. Задача строительных компаний, использующих Revit, состоит в том, чтобы обеспечить совместимость различных моделей и отсутствие конфликтов при добавлении проектов других команд. Building System Planning запустила надстройку для Autodesk Revit, GenMEP, которая решает эту проблему. Программное обеспечение фокусируется на механических, электрических и сантехнических аспектах BIM для трассировки электрических систем в модели, при этом учитывается сложность форм и геометрии, чтобы гарантировать, что слишком много кабелей не попадут на один и тот же маршрут. Еще одним подмножеством GenMEP, разработанным BuildingSP, является ClashMEP, который обнаруживает конфликты в реальном времени между различными моделями, такими как настенные и электрические кабели. ИИ в этом аспекте может упростить и ускорить операции за счет оптимизации конструкций и обеспечения совместимости между моделями. Это упростит этап проектирования строительства, что поможет повысить производительность и эффективность процесса.

Робототехника

Робототехника, основанная на машинном обучении, является отличным инструментом для улучшения контроля и управления площадкой, помогая решать задачи на месте и контролировать здания после завершения. Doxel использует роботов и дронов с камерами и датчиками LiDAR для мониторинга и сканирования рабочих площадок, собирая данные, которые можно использовать для повышения производительности строительства. Данные обрабатываются с использованием алгоритмов для измерения установленных в настоящее время объемов конструкции и темпов производства строительства путем сравнения с параметрами планирования и проектирования клиента. Komatsu также использует камеры и беспилотные летательные аппараты для обеспечения точной и актуальной информации о ходе проекта и условиях на объекте, измерения производительности на месте и повышения эффективности, точности и качества окончательной сборки. Обычное обследование рабочей площадки 20 000 м² может занять до 3 дней, но с помощью дронов Komatsu трехмерное облако точек может быть доступно в течение 30 минут.

Компания Building Robotics создала Comfy, который собирает данные из существующих систем управления зданием (BMS) и рассматривает запросы пользователей на горячий или холодный воздух для регулирования и оптимизации температуры в различных частях здания. Со временем приложение определяет закономерности и предпочтения в зависимости от времени суток, чтобы автоматически регулировать температуру на основе этих тенденций. Это увеличивает экономию средств и повышает энергоэффективность коммерческих помещений, сокращая выбросы углерода и воздействие на окружающую среду.

Оптическое распознавание символов (OCR)

Оптическое распознавание символов - это электронное преобразование изображений рукописного или напечатанного текста в машинно-кодированный текст. Вместо того, чтобы вручную вводить или перерисовывать документы, технология OCR может преобразовывать изображения в редактируемые и доступные для поиска данные. Это ускоряет и упрощает поиск документов и чертежей в базах данных, а также внесение изменений, экономя время и сокращая расходы. Одно приложение, Egnyte9, использует OCR для сканирования, нумерации и именования листов, а также для связывания связанных листов вместе, что значительно экономит время и деньги строительным компаниям и упрощает группировку проектов и поиск архивных проектов. Учитывая обилие неструктурированных текстовых данных, создаваемых во время строительного проекта, инструменты оптического распознавания текста, подобные этим, могут помочь упростить и оптимизировать управление проектом, предоставляя доступ к соответствующей информации одним касанием.

Аналитика и статистика

ИИ может определять характеристики ранее успешных заявок и воспроизводить их, чтобы повысить успешность компании в тендерном процессе. Алгоритмы анализируют элементы успешных предыдущих заявок и собирают данные, которые можно использовать для прогнозирования вероятности сценариев, увеличения маржи и увеличения стоимости проекта. Dodge Data & Analytics использовала обработку естественного языка (NLP) для оценки предыдущих проектов и данных вместо того, чтобы каждый раз начинать с нуля, создавая проекты, которые с наибольшей вероятностью увенчаются успехом в увеличении маржи и прибыли.

Другой пример - Dassault Systèmes, которая объединила аналитику двумя способами - EXALEAD и NETVIBES - для управления расширенными операциями в строительстве. EXALEAD собирает данные из нескольких источников и объединяет их для нас в трехмерные модели, в то время как NETVIBES берет данные из СМИ и новостных статей и адаптирует их к операциям организации для создания стратегий проектирования. Эти решения принимают большие объемы данных и сортируют их в значимую информацию, которую можно использовать для глубокого понимания и улучшения процессов разработки продуктов, а также для анализа отраслевых тенденций. Оба решения предлагают интеллектуальный анализ данных и создание аналитических данных для эффективного выполнения стратегии проектирования и, следовательно, повышения эффективности строительных работ.

Калькуляторы углерода

Калькуляторы углерода - это интересная новая технология, которая позволяет прогнозировать воплощенные углеродные затраты проекта. Используя BIM схемы и исторические данные об углероде из предыдущих строительных проектов, Winvoc и UWE Bristol в настоящее время тестируют систему искусственного интеллекта для прогнозирования заложенного углерода в строительстве (ASPEC). ASPEC выполняет аналитику для выявления гипотетических проектных спецификаций что, если, которые снизят воплощенный углерод в проекте за счет выбора различных материалов. Это, в свою очередь, приведет к снижению воздействия на окружающую среду, отходов материалов и повышению скорости реализации проекта.

Эллиотт Вуд и Институт инженеров-строителей (IStructE) создали калькулятор углерода на основе Excel, применимый к проекту любого масштаба. Этот инструмент может рассчитать углеродный след балки или колонны в течение нескольких минут или базовой конструкции в течение получаса, введя спецификации материалов и количества. Затем калькулятор определяет, где в проекте находятся горячие точки углерода, и нацеливает эти горячие точки на альтернативные подходы либо в дизайне, либо в спецификации материалов, чтобы ограничить углеродный след проекта.

Калькулятор углерода, протестированный Balfour Beatty, работает в более долгосрочном масштабе по сравнению с Winvoc и IStructE, позволяя пользователям вводить информацию из листов экологических деклараций продуктов и проверенных и зарегистрированных документов о воздействии на окружающую среду на протяжении всего жизненного цикла продукта. или материал. Это позволяет выбирать оптимальный дизайн на основе выбросов углерода на протяжении всего жизненного цикла здания, а не только на этапе строительства. В настоящее время на стадии бета-тестирования, первоначальные тесты показывают потенциальную воплощенную экономию углерода до 14% за счет более осознанного выбора конструкции.

Компания Карбон Ре использовала калькуляторы углерода в сочетании со скоростями подачи, данными датчиков и параметрами управления, чтобы предоставить количественные рекомендации по снижению массы выделяемого СО2 в расчете на полезную теплотворную способность (кгCO2 / сверхвысокого качества), что привело к снижению затрат на топливо и выбросов.

Заключительные мысли

В строительной отрасли доступно и разрабатывается множество программных продуктов и проектов искусственного интеллекта и машинного обучения, которые можно использовать для повышения производительности, снижения затрат и обеспечения устойчивого развития и роста. Широта и сложность строительного сектора и множество ручных задач делают его главным кандидатом на автоматизацию, предлагая преимущества преодоления нехватки рабочей силы, повышения производительности персонала и ускорения стадии проектирования. Поскольку в будущем потребность в высококачественном и доступном жилье будет расти в связи с ростом населения и повышенным спросом, ИИ и машинное обучение будут играть ключевую роль в удовлетворении этих ожиданий и проблем, а также в сокращении затрат, улучшении прибыльности и сокращении сроков реализации проектов. .

Нынешний образ мышления строительной отрасли сопротивляется инвестированию в эти технологии и предпочитает традиционные способы строительства. Страх перед неизвестностью, соображения безопасности и сопротивление изменениям в настоящее время являются препятствиями для внедрения ИИ в строительстве, но по мере развития технологий использование ИИ становится все более важным требованием для отраслей, которые хотят расти. Это препятствие можно преодолеть, признав, что автоматизация - это то, что дополняет и дополняет людей и помогает облегчить некоторые из менее трудоемких задач, чтобы повысить производительность труда, но существует потребность в большей культуре и сдвиге мышления в сторону открытости, экспериментирования. и принятие.