Цифровая трансформация бизнес- и технологических процессов в строительстве наиболее слабо выражена по сравнению с другими отраслями. Это обусловлено проектной деятельностью строительных организаций, в ходе которой данные необходимые для цифровой трансформации не накапливаются непрерывно, а могут быть собраны на разных этапах реализации проекта в период его выполнения. Данные с датчиков безопасности, информационные модели зданий, изображения и видеоматериалы со строительных площадок является отправной точкой для цифровой трансформации строительной отрасли.
Заинтересованность финансовых структур в контроле за инвестициями и крупных игроков строительного рынка в контроле и повышении качества работы субподрядчиков заставляет строительные компании двигаться в сторону цифровой трансформации бизнеса, то есть активно оцифровывать и накапливать имеющиеся данные с целью дальнейшего применения алгоритмов машинного обучения и искусственного интеллекта для оптимизации процесса строительства на всех этапах от проектирования и контроля качества до безопасности и оптимизации сроков и бюджетов.
Что нам стоит дом построить?
По данным исследований McKinsey Global Instituteза 2017 год менее 16% компаний в сфере строительства и производства стройматериалов используют так или иначе технологии искусственного интеллекта, и в ближайшие 3 года ожидается рост расходов на внедрение решений ИИ в данном секторе экономики на менее чем 2%.
На данный момент наряду с общевостребованными межотраслевыми задачами, успешно решаемыми алгоритмами машинного обучения такими как финансовое моделирование, планирование бюджетов и сроков производства, оценка активов и рисков, оптимизация процессов закупок и логистики, обработка текстовых и голосовых сообщений на стадии продаж и согласования документов, можно выделить ряд специфических областей применения машинного обучения и искусственного интеллекта: планирование и дизайн, безопасность, а также мониторинг и обслуживание строительного объекта.
В области планирования и дизайна наряду с системами 3D моделирования разработаны программы, позволяющие проектировать одновременно с конструкцией здания его внутреннюю электротехническую инфраструктуру с учетом сроков выполнения работ на каждом этапе строительства и всех возможных параметров здания. Такое комплексное автоматическое проектирование достигается с помощью генеративного проектирования, в котором программное обеспечение использует машинное обучение для изучения всех возможных вариантов размещения инфраструктурных объектов, быстро генерируя альтернативные проекты и проверяя их совместимость с учетом сроков работ по каждому объекту и архитектуры здания. Любые изменения в ходе процесса согласования могут быть оперативно внесены в проект, поэтому генеративный дизайн может также повысить эффективность процесса разработки проекта, улучшить планирование и координацию между заинтересованными сторонами.
О безопасности и не только
Строительная отрасль и строительные площадки являются наиболее травмоопасными, поэтому контроль за безопасностью обслуживающего персонала, а также мониторинг и прогноз рисков на строительном объекте является одной из приоритетных задач для строительных компаний. Данный комплекс задач может быть решен на основе всех накопленных данных со строительных площадок предыдущих проектов, включая не только документацию, но и аудио-, видео- материалы, которые при помощи алгоритмов машинного обучения могут быть трансформированы с системы автоматического выявления и предупреждения потенциальных опасностей на строительной площадке. При помощи алгоритмов распознавания изображений может осуществляться поиск рабочих без защитных касок и жилетов на строительном объекте. Анализ конструкций поможет избежать потенциально опасных ситуаций, связанных с падениями, ударами электрическим током и т.п. На основе накопленных знаний могут быть разработаны алгоритмы, которые могут прогнозировать риск возникновения нежелательных событий в ходе строительства, например, инфильтрацию воды, обрушений конструкций и т.д.
Мониторинг и обслуживание строительного объекта может проводится как на стадии уже сданного в эксплуатацию объекта, так и на стадии строительства. Уже разработаны системы управления коммерческими и офисными зданиями по типу «умного» дома, предоставляющие работникам внутри здания устанавливать комфортную температуру и освещенность в офисе, что позволяет экономить энергозатраты для компании арендодателя. Контроль за процессом строительства в режиме реального времени может осуществляться при помощи дронов, роботов и алгоритмов машинного обучения, позволяющих производить оценку готовности каждого архитектурного и технического компонента строительного объекта и сокращать цикл и сроки на принятие решений о корректировке плана строительства. Отдельной сферой применения машинного обучения и искусственного интеллекта может в будущем стать применение автономных транспортных средств, управляемой удаленно людьми при помощи отслеживания всей строительной площадки, взаимодействия техники и объектов в режиме реального времени.
Камни преткновения
Стоит отметить некоторые ограничивающие факторы для успешной разработки и применения систем искусственного интеллекта в строительстве. Уже сейчас в строительной отрасли есть достаточно много компаний-поставщиков отдельных автоматизированных решений в строительной отрасли от процесса проектирования до логистики и планирования, но часто эти информационные системы несовместимы друг с другом, что является ограничением для создания эффективных систем машинного обучения и искусственного интеллекта. Потенциал решений на основе искусственного интеллекта может быть реализован только через интеграцию всех источников разнородных данных. Для этого необходимо создание единой платформы для агрегации, хранения и доступа к данным из всех информационных систем строительных компаний.
Естественным ограничивающим фактором для применения искусственного интеллекта в строительстве является сложность и уникальность каждого строительного объекта. Искусственный интеллект не является моделью естественного человеческого интеллекта, поэтому искусственный интеллект помогает людям, но не заменяет их, особенно в строительстве, где каждый проект уникален и зависит от многих внешних факторов, учесть которые и оперативно обрабатывать сложно даже самой совершенной информационной системе.
Дополнительным ограничивающим фактором для внедрения искусственного интеллекта является стоимость. Использование автономных транспортных средств и робототехники может увеличить количество сданных в эксплуатацию строительных объектов, но цена их при этом будет выше. Капитальные вложения в оборудование нового поколения наряду с инвестициями в разработку систем управления на основе искусственного интеллекта представляют собой крупные авансовые инвестиции для компаний, что может оказаться нецелесообразным для многих компаний в отрасли, которые тратят только 1% дохода на совершенствование технологического процесса строительства. Таким образом, преимущества от внедрения систем искусственного интеллекта в будущем смогут получить только достаточно крупные и развитые строительные компании.
Несмотря на упомянутые ограничения, машинное обучение и искусственный интеллект обладают неограниченным потенциалом применения в строительной отрасли. Внедрение автономной строительной техники, роботов и систем генеративного проектирования позволит повысить эффективность строительства, безопасность и качество. Вместе с тем, для реализации в строительстве потенциала больших данных через алгоритмы машинного обучения и искусственного интеллекта необходимо накопление критической массы данных по различным строительным проектам и интеграция различных информационных систем строительных компаний. Но без четкого бизнес-обоснования рентабельности и инвестиций, проекты цифровой трансформации могут стать неэффективны в использовании времени и ресурсов, что может послужить разочарованию, увеличить скептицизм в отношении больших данных и машинного обучения.
Источник: Арендатор.ру
