Консультант по организационному и инфраструктурному планированию рассказывает, как строители сегодня используют технологии в проектах.
Ангус Фрост
Ангус Фрост — старший IT-консультант в чикагской Burger Consulting Group, фирме, специализирующейся на строительных технологиях. Мнения автора являются его собственными.
Бизнес зациклился на искусственном интеллекте, и отрасль тяжелого гражданского строительства не является исключением. Как человек, который следит за этой отраслью, я полностью согласен, что интеграция ИИ в этот сектор — не просто хорошая идея, а действительно необходимость, обусловленная необходимостью повышения эффективности, снижения затрат и повышения безопасности.
Но как в сфере, где ошибки могут стоить жизни, ориентироваться в цикле ажиотажа и определять, где инновации в области ИИ достаточно зрелы, чтобы представлять ценность?
Что отличает подрядчиков по строительству тяжелых и гражданских объектов от других строительных компаний, так это еще большая зависимость от рабочей силы, большого парка оборудования, производства материалов и грузоперевозок. Все эти области демонстрируют огромный потенциал для улучшения с помощью ИИ, но прогресс был неравномерным. Вот взгляд на зрелость различных вариантов использования ИИ в строительстве тяжелых гражданских объектов и на то, как эти технологии меняют отрасль.
Планирование и дизайн
Одно из самых ранних применений ИИ в крупном гражданском строительстве — планирование и проектирование проектов. Инструменты планирования с использованием ИИ позволяют выполнять анализ «что если» и выявлять потенциальные риски проекта быстрее, чем это было возможно раньше.
Например, крупная строительная компания, работающая над расширением 8 миль шоссе на Восточном побережье, смогла получить более 25 миллионов долларов за счет бонусов за завершение работ и экономии на рабочей силе и материалах за счет запланированной оптимизации.
Инструменты проектирования на базе ИИ, такие как системы BIM, используют алгоритмы машинного обучения для создания подробных 3D-моделей строительных проектов. Эти модели способствуют лучшей визуализации, позволяя заинтересованным сторонам выявлять потенциальные проблемы до начала строительства.
Вывод: Хотя BIM в крупном гражданском строительстве в США все еще используется недостаточно, его ценность доказана во многих странах за пределами США. Внедрение этих типов инструментов происходит медленно, но все же растет, а поставщики в этой сфере демонстрируют растущий уровень зрелости.
Управление безопасностью и оценка рисков
Безопасность является первостепенной задачей в отрасли тяжелого гражданского строительства. ИИ улучшает управление безопасностью посредством мониторинга в реальном времени и прогнозной аналитики. Например, камеры и датчики, управляемые ИИ, могут обнаруживать небезопасное поведение или условия на объекте и оповещать руководителей.
Действительно, крупный американский подрядчик по строительству крупногабаритных конструкций недавно сократил количество зарегистрированных инцидентов на 28% и сократил потери рабочего времени на 35% с помощью этой технологии.
Безопасность в траншеях представляет особый интерес для OSHA и Национальной ассоциации подрядчиков коммунальных служб. Это область, где раннее предупреждение с помощью технологий на основе ИИ может оказать существенное влияние. Подобно адаптивному торможению в автомобилях, датчики на основе ИИ на тяжелом оборудовании могут обнаруживать рабочих на пути движения техники и предупреждать оператора об остановке оборудования.
Кроме того, при наличии хороших кумулятивных данных инспекций алгоритмы ИИ могут анализировать исторические данные для прогнозирования и снижения потенциальных рисков. Такие факторы, как погода, текучесть кадров, частота обучения технике безопасности и отставание проекта от графика, оказывают влияние на потенциальные инциденты безопасности.
Вывод: Хотя сама технология является передовой, ее широкое внедрение все еще растет. Основными препятствиями являются высокая начальная стоимость внедрения и необходимость комплексного обучения рабочей силы. Однако компании, внедрившие ИИ для обеспечения безопасности, сообщают о меньшем количестве несчастных случаев и улучшении соблюдения правил безопасности.
Автоматизированное строительное оборудование
Автоматизация в строительстве стремительно развивается, и ИИ играет решающую роль в разработке автономного оборудования. Дроны, роботизированные руки и автономные транспортные средства, управляемые ИИ, используются для таких задач, как обследование площадок, транспортировка материалов, оптимизированная выемка/засыпка и даже строительные задачи, такие как кладка кирпича и сварка.
Компания Ajax Paving из Флориды использует автономные транспортные средства для решения проблемы нехватки рабочей силы . Один оператор может управлять несколькими машинами на разных рабочих площадках, не теряя времени на поездки между ними.
Конечно, технологии управления машинами, которые существуют уже некоторое время, являются ранним примером автоматизации.
Заключение: Автоматизированное оборудование — это новая технология со значительным потенциалом. Текущие приложения в основном находятся на пилотных стадиях или используются в контролируемых средах. Хотя более широкое внедрение существует за пределами США. По мере того, как технология ИИ развивается и становится более экономически эффективной, ожидается, что ее внедрение будет расти.
Оптимизация цепочки поставок
ИИ трансформирует управление цепочками поставок в строительстве, оптимизируя логистику и управление запасами. Алгоритмы машинного обучения могут прогнозировать спрос на материалы, определять наиболее эффективные маршруты поставок и управлять уровнями запасов в режиме реального времени.
Например, AGIS, крупный подрядчик по строительству инфраструктуры и горнодобывающей промышленности в Бразилии, использует автоматизацию цепочки поставок для оптимизации доставки материалов на рабочие площадки.
Это сокращает задержки и гарантирует, что материалы будут доступны, когда это необходимо. Этот вариант использования является хорошим примером того, насколько важно иметь хорошие данные, поскольку преимущество, которое вы получаете, исчезает, если ваши данные плохие.
Заключение: Оптимизация цепочки поставок с использованием ИИ набирает обороты, особенно среди крупных строительных компаний. Хотя технология уже зрелая, ее внедрение требует интеграции с существующими системами планирования ресурсов предприятия и сотрудничества с поставщиками.
Контроль и обеспечение качества
Обеспечение высококачественного строительства имеет решающее значение для успеха проекта. ИИ помогает контролировать качество, анализируя изображения и данные со строительных площадок для выявления дефектов или отклонений от плана и спецификаций проекта. Например, системы компьютерного зрения могут обнаруживать трещины в бетоне или несоответствия в элементах конструкции. Хотя для вертикального строительства существуют решения на основе ИИ, инструменты для использования в крупном гражданском строительстве все еще являются новыми. Одним из примеров является Университет Дрекселя, который добился больших успехов в технологии визуализации дорожного покрытия для обнаружения трещин .
Заключение: ИИ для контроля качества является относительно зрелым и внедряется в различных проектах. Основной проблемой является интеграция систем ИИ с традиционными процессами обеспечения качества и потребность в квалифицированном персонале для интерпретации данных, сгенерированных ИИ.
Решения, принимаемые с помощью ИИ
Количество решений, которые команда проекта должна принять в любой день, чтобы проект не выходил за рамки графика, бюджета и был в безопасности, ошеломляет. Эти решения принимаются как с хорошими данными или поддержкой принятия решений, так и без них.
Системы поддержки принятия решений на основе искусственного интеллекта предоставляют руководителям строительных работ информацию и рекомендации, основанные на анализе данных в режиме реального времени, который может включать внешние источники данных.
Эти системы могут прогнозировать результаты проекта, предлагать распределение ресурсов и выявлять потенциальные задержки или перерасход бюджета. Отраслевые ассоциации используют генеративный ИИ, чтобы помочь предоставить своим членам более подробную и конкретную информацию, необходимую для поддержки их деятельности, с помощью виртуальных помощников.
Вывод: Доступность и эффективность этих методов сильно различаются, и многое зависит от качества входных данных и способности менеджеров понимать представленные данные, доверять им и действовать в соответствии с рекомендациями, выработанными ИИ.
Хотя потенциал ИИ в крупном гражданском строительстве значителен, несколько проблем мешают его полному внедрению. К ним относятся высокая стоимость технологий ИИ, потребность в квалифицированном персонале, проблемы конфиденциальности данных и сопротивление изменениям в отрасли. Однако продолжающееся развитие ИИ в этом секторе предполагает, что многие области использования ИИ выйдут за рамки цикла ажиотажа.
Sourse: www.constructiondive.com
