Posamezniki in podjetja po vsem svetu vsako leto porabijo več kot deset bilijonov evrov za dejavnosti, povezane z gradbeništvom. Del te ogromne količine porabe v panogi omogoča hitro premikajoč se tehnološki napredek, ki zdaj zadeva že domala vsa področja tega ekosistema. V ospredje pa zadnja leta, sodeč po poročilu družbe McKinsey z naslovom Novo stanje v gradbenem sektorju: Kako disruptivne ideje oblikujejo največji ekosistem na svetu, prihajajo rešitve, ki vključujejo umetno inteligenco (AI).
Umetna inteligenca v gradbeništvu ima potencial, da pomaga podjetjem v tem segmentu uresničiti vrednost v celotnem življenjskem ciklu projekta, vključno z načrtovanjem, ponudbami in financiranjem, nabavo in gradnjo, poslovanjem in upravljanjem sredstev ter preoblikovanjem poslovnega modela. Umetna inteligenca v gradbeništvu pomaga industriji kot celoti premagati nekatere izmed naših najtežjih izzivov, vključno z varnostnimi pomisleki, pomanjkanjem delovne sile ter prekoračitvami stroškov in urnikov.
Ker se ovire za vstop na trg vztrajno nižajo in se napredek na področju umetne inteligence, strojnega učenja in analitike pospešuje, se pričakuje, da bo imela umetna inteligenca (pa tudi viri, usmerjeni k umetni inteligenci) v prihodnjih letih pomembnejšo vlogo pri gradnji.
V gradbeništvu je umetna inteligenca izraz za opis, kdaj stroj posnema človeške kognitivne funkcije, kot so reševanje problemov, prepoznavanje vzorcev in učenje. Strojno učenje je področje umetne inteligence, ki uporablja statistične tehnike, da računalniškim sistemom omogoči "učenje" iz podatkov, ne da bi bili izrecno programirani. Stroj postane boljši pri razumevanju in zagotavljanju vpogledov, ko je izpostavljen več podatkom. Program strojnega učenja lahko na primer spremlja in ocenjuje napredek v načrtu ocenjevanja, da zgodaj prepozna tveganja v urniku za izvedbo gradbenih opravil. Algoritmi lahko postavljajo vprašanja o meritvah prostornine rezanja in polnjenja, času obratovanja in izpadu stroja, vremenskih vzorcih, prejšnjih projektih ali poljubnem številu vnosov, da ustvarijo oceno tveganja in ugotovijo, ali je treba človeka, ki z njim upravlja, obveščati o anomalijah.
Strojno učenje kot pametni pomočnik
Možnosti uporabe strojnega učenja in umetne inteligence v gradbeništvu so ogromne. Zahteve za informacije, odprta vprašanja in naročila za spremembe so standard v industriji. Strojno učenje je kot pametni pomočnik, ki lahko natančno pregleda to goro podatkov. Nato vodje projektov opozori na kritične stvari, ki potrebujejo njihovo pozornost. Več aplikacij že uporablja AI na ta način. Njegove prednosti segajo od običajnega filtriranja neželene elektronske pošte do naprednega nadzora varnosti.
Gradbena podjetja bi lahko z analizo podatkov v realnem času povečala produktivnost za kar 50 odstotkov
Večina gradbenih projektov, predvsem, če so ti ogromni, presega proračun kljub zaposlovanju najboljših projektnih skupin. Umetne nevronske mreže je mogoče uporabljati pri projektih že za napovedovanje prekoračitev stroškov na podlagi dejavnikov, kot so velikost projekta, vrsta pogodbe in raven usposobljenosti projektnih vodij. Zgodovinske podatke, kot so načrtovani začetni in končni datumi, uporabljajo napovedni modeli za predvidevanje realnih časovnih okvirov za prihodnje projekte. Umetna inteligenca osebju pomaga na daljavo dostopati do gradiva za usposabljanje v resničnem življenju, kar jim pomaga hitro izboljšati svoje sposobnosti in znanje. To skrajša čas, potreben za vključitev novih virov v projekte. Posledično je izvedba projekta hitrejša.
Učenje iz vsake ponovitve, dokler ne nastane idealen model
Informacijsko modeliranje stavb (BIM) je proces, ki temelji na 3D-modelih in daje arhitektom, inženirjem in gradbenikom vpogled v učinkovito načrtovanje, oblikovanje, gradnjo in upravljanje zgradb in infrastrukture. Za načrtovanje in oblikovanje konstrukcije projekta morajo 3D-modeli upoštevati arhitekturne, inženirske, mehanske, električne in vodovodne (MEP) načrte ter zaporedje dejavnosti posameznih ekip. Izziv je zagotoviti, da se različni modeli med seboj ne "spopadajo".
Industrija uporablja strojno učenje v obliki generativnega oblikovanja, ki ga poganja umetna inteligenca, za prepoznavanje in ublažitev sporov med različnimi modeli, ki so jih ustvarile različne ekipe, da prepreči predelavo. Obstaja programska oprema, ki uporablja algoritme strojnega učenja za raziskovanje vseh različic rešitve in ustvarjanje alternativ oblikovanja. Ko uporabnik nastavi zahteve v modelu, programska oprema za generativno načrtovanje ustvari 3D-modele, optimizirane za omejitve, in se uči iz vsake ponovitve, dokler ne nastane idealen model.
Ima AI ključ do reševanja nadproračunskih gradbenih projektov?
Neko podjetje za gradbeno inteligenco je bilo ustanovljeno leta 2017 z obljubo, da imajo njegovi roboti in umetna inteligenca ključ do reševanja poznih in nadproračunskih gradbenih projektov. Podjetje uporablja robote za avtonomno zajemanje 3D-skeniranja gradbišč in nato te podatke vnaša v globoko nevronsko mrežo, ki razvršča, kako napredujejo različni podprojekti. Če se zdi, da stvari niso v skladu s časovnico, lahko vodstvena ekipa posreduje pri reševanju majhnih težav, preden te postanejo velike.
Vsak gradbeni projekt prinaša določeno tveganje, ki se pojavlja v številnih oblikah, kot so tveganje glede kakovosti, varnosti, časa in stroškov. Večji ko je projekt, večje je tveganje, saj je na deloviščih več podizvajalcev, ki vzporedno delajo na različnih področjih. Danes obstajajo rešitve umetne inteligence in strojnega učenja, ki jih izvajalci uporabljajo za spremljanje in razvrščanje tveganj na delovišču, tako da lahko projektna skupina osredotoči svoj omejeni čas in vire na največje dejavnike tveganja. Umetna inteligenca se uporablja za samodejno dodeljevanje prednosti težavam. Tudi podizvajalce se danes že lahko ocenjuje na podlagi ocene tveganja, tako da lahko gradbeni vodje tesno sodelujejo z visoko tveganimi ekipami na način, da zmanjšujejo tveganja.
Samovozeči gradbeni stroji za izvajanje ponavljajočih se nalog
Obstajajo podjetja, ki ponujajo samovozeče gradbene stroje za izvajanje ponavljajočih se nalog učinkoviteje kot ljudje. Gre na primer za opravila, kot so vlivanje betona, zidanje, varjenje in rušenje. Izkopavanja in pripravljalna dela izvajajo avtonomni ali polavtonomni buldožerji, ki lahko s pomočjo človeškega programerja pripravijo delovišče do natančnih specifikacij. To sprosti človeško delovno silo za gradbena dela in skrajša skupni čas, potreben za dokončanje projekta. Vodje projektov lahko tudi spremljajo delo na delovišču v realnem času. Uporabljajo prepoznavanje obraza, kamere in podobne tehnologije za ocenjevanje produktivnosti delavcev in skladnosti s postopki.
Gradbeni delavci umrejo na delovnem mestu petkrat pogosteje kot drugi delavci. Neko podjetje za gradbeno tehnologijo je na primer že ustvarilo algoritem, ki analizira fotografije z delovišč, jih pregleda za morebitna varnostna tveganja, na primer, da delavci ne nosijo zaščitne opreme, nato slike poveže s svojimi zapisi o nesrečah. Podjetje pravi, da lahko potencialno izračuna ocene tveganja za projekte, tako da se lahko izvedejo varnostni sestanki, ko zazna povečano grožnjo.
Umetna inteligenca bo obravnavala tudi pomanjkanje delovne sile
Pomanjkanje delovne sile in želja po povečanju nizke produktivnosti industrije silita gradbena podjetja k vlaganju v umetno inteligenco in podatkovno znanost. Poročilo McKinseyja iz leta 2017 pravi, da bi lahko gradbena podjetja z analizo podatkov v realnem času povečala produktivnost za kar 50 odstotkov. Gradbena podjetja so začela uporabljati umetno inteligenco in strojno učenje za boljše načrtovanje porazdelitve dela in strojev med delovnimi mesti.
Robot, ki nenehno ocenjuje napredek dela ter lokacijo delavcev in opreme, omogoča vodjem projektov, da takoj povedo, katera delovišča imajo dovolj delavcev in opreme za dokončanje projekta v skladu z načrtom, in katera morda zaostajajo ter bi tja lahko oziroma morali namestiti dodatno delovno silo.
Gradbena podjetja pa se vedno bolj zanašajo na tovarne zunaj gradbišča, v katerih delajo avtonomni roboti, ki sestavljajo sestavne dele zgradbe, ki jih nato sestavijo ljudje na kraju, kjer bodo objekti stali. Strukture, kot so stene, lahko avtonomni stroji učinkoviteje dokončajo v slogu tekočega traku kot njihovi človeški dvojniki, pri čemer človeški delavci prepustijo dokončanju podrobnega dela, kot so vodovod, ogrevanje, prezračevanje in hlajenje ter električni sistemi, ko je struktura sestavljena.
Vsako delovno mesto je lahko vir podatkov za umetno inteligenco
V času, ko se vsak dan ustvari ogromna količina podatkov, so sistemi AI izpostavljeni neskončni količini podatkov, iz katerih se je treba vsak dan učiti in jih izboljševati. Vsako delovno mesto postane potencialni vir podatkov za AI. Podatki, ustvarjeni iz slik, posnetih z mobilnimi napravami, videoposnetkov z droni, varnostnih senzorjev, informacijskega modeliranja stavb (BIM) in drugih, so postali zbirka informacij. To predstavlja priložnost za strokovnjake v gradbeni industriji in stranke, da analizirajo in izkoristijo vpoglede, pridobljene iz podatkov s pomočjo AI in sistemov strojnega učenja.
Zanimivo pa je, da lahko tudi upravniki stavb uporabljajo umetno inteligenco še dolgo po zaključku gradnje. Z zbiranjem informacij o strukturi prek senzorjev, dronov in drugih brezžičnih tehnologij napredna analitika in algoritmi, ki jih poganja AI, pridobijo dragocene vpoglede v delovanje in zmogljivost zgradbe, mostu, ceste in skoraj vsega v grajenem okolju. Tako je mogoče AI uporabljati za spremljanje nastajajočih težav, določanje, kdaj je treba izvesti preventivno vzdrževanje, ali celo za usmerjanje človeškega vedenja za optimalno varnost in varnost.
Robotika, umetna inteligenca in internet stvari lahko znižajo stroške gradnje za do 20 odstotkov. Kljub napovedim velike izgube delovnih mest umetna inteligenca verjetno ne bo nadomestila človeške delovne sile. Namesto tega bo spremenila poslovne modele v gradbeništvu, zmanjšala drage napake, zmanjšala poškodbe na delovnem mestu in naredila gradbene operacije učinkovitejše.
