Строительство отстает от других секторов в инновациях и производительности. В этом посте рассматриваются приложения, в которых ИИ может помочь преодолеть разрыв.

К 2030 году миру потребуется потратить 57 триллионов долларов на инфраструктуру и жилье, чтобы освободить место для мигрантов из сельских районов в города. На инфраструктуру и строительство, в которых занято 7% трудоспособного населения мира, возьмет на себя основную часть этой ответственности. Однако в строительном секторе есть непреодолимые препятствия для производительности. Для завершения крупных проектов обычно требуется на 20 процентов больше времени, чем запланировано, и до 80 процентов превышения бюджета. В последние два десятилетия производительность труда в строительной отрасли оставалась неизменной на уровне 1%. Финансовая прибыль подрядчиков часто бывает относительно низкой и нестабильной. Не меньшее беспокойство вызывает доля рабочих со смертельным исходом (самая высокая из всех других секторов).

Традиционно строительная отрасль совершенствуется постепенно. Каждый проект уникален, из-за чего невозможно масштабировать новые идеи. Внедрение новых технологий нецелесообразно. В этом посте мы рассмотрим несколько приложений, в которых искусственный интеллект может помочь отрасли совершить скачок.

Делаем управление строительными проектами предсказуемым.

Слишком много переменных, которые могут вывести выполнение из-под контроля в секторе инженерных, закупок и контрактов. Нехватка рабочей силы, ненастная погода, перебои с поставками и разрешения регулирующих органов - вот некоторые параметры, которые способствуют присущей изменчивости в управлении проектами. Каждый проект считается уникальным. Отсутствие стандартизации замедлило процесс оцифровки. Ежедневные отчеты, чертежи, контракты по-прежнему в значительной степени зависят от бумажной связи. Информационный поток между подрядчиками и специалистами по планированию проектов носит неустойчивый и медленный характер. Горизонт планирования подрядного подрядчика часто ограничивается следующими 7 днями. В большинстве случаев управление проектами носит реактивный характер. Персонал среднего звена занимается повседневной тушением пожаров.

Мы можем использовать машинное обучение для составления прогнозов на день и неделю вперед. Каждый сайт получает список действий, которые, как ожидается, начнутся в этот день. На панели мониторинга в реальном времени перечислены действия с высоким риском перерасхода средств и времени. Источники операционных данных в строительстве ограничены. Однако большинство сайтов регистрируют уровни инвентаризации для калькуляции стоимости проекта. Аналогичным образом, прогресс проекта отслеживается с помощью инструментов планирования. ИИ может объединять такие потоки данных и комбинировать их с погодными и историческими показателями для прогнозирования будущих результатов. Это позволит подрядчикам и руководителям участков получить реалистичное представление и расставить приоритеты для вмешательств.

Индивидуальное обучение рабочих-фронтовиков

Рост производительности труда в строительстве за последние два десятилетия не наблюдался. Развитие отрасли невозможно без инвестиций в человеческий капитал. По сравнению с другими отраслями, в строительстве высока доля трудовых мигрантов. Неформальные каналы найма, от которых в значительной степени зависят многие мигранты-строители и рынки труда, являются препятствием на пути к справедливой и безопасной рабочей среде. Новые участники проводят первые пять-семь лет в качестве учеников. В течение этого периода они меняют сделки, когда появляется возможность. Подмастерье экономически уязвимы и имеют миграционные долги. Большинство учеников-подмастерьев владеют только местным диалектом, что ограничивает их способность повышать квалификацию, понимать свои основные права или даже получать свидетельства о своих навыках.

Разговорный ИИ произвел революцию в обучении. Персонализированные приложения для изучения языков научили более 100 миллионов новых языков. в строительный сектор. Персонализированные боты могут научить рабочего работать с бетонным вибратором, например, что приведет к сертификации от компании, которая производит такой вибратор. Мы можем адаптировать курс к индивидуальному темпу обучения и его родному языку. Платформы обучения также могут быть средством поиска и набора персонала, заменяя непрозрачные неформальные каналы, используемые в настоящее время. Это может сделать набор персонала прозрачным как для рабочего, так и для служащего.

Ключевым моментом в обучении кадров является сотрудничество: правительство, преподаватели, производители и строительные фирмы. ИИ может играть роль ключевого фактора, обеспечивая персонализацию, масштабируемость и простоту развертывания.

Автоматизация аудитов безопасности с обнаружением объектов

20% всех несчастных случаев со смертельным исходом среди рабочих приходится на строительный сектор. Эта статистика еще более мрачная, если учесть, что только 7% всех рабочих заняты в строительном секторе. Благодушное мышление привело к тому, что травмы стали частью работы. Безопасность часто недоукомплектована персоналом: один инспектор управляет персоналом из 500 сотрудников, разбросанных по всему объекту.

Падения, удары током и обрушения составляют 60% всех несчастных случаев на производстве в строительном секторе. Мы можем использовать компьютерное зрение для выявления основных условий, вызывающих такие аварии. В большинстве проектов есть камеры наблюдения, чтобы предотвратить воровство. Мы можем обработать этот поток, чтобы обнаруживать отдельных рабочих в пределах ограничивающей рамки. Впоследствии мы можем классифицировать ограничивающую рамку на основе наличия или отсутствия каски и ремней безопасности. Мы можем повторять автоматизированный процесс каждую минуту и ​​регистрировать все небезопасные события. Мы также можем обучить модели классификации изображений определять характер выполняемой деятельности, например. изгиб стержней, бетонирование и т. д. Мы можем настроить Mask-RCNN на обнаружение разливов воды, препятствий и других подобных небезопасных условий. Все такие события и связанные с ними метаданные агрегируются по всем каналам, и в реальном времени заинтересованный персонал получает отчет или предупреждение для дальнейших действий.

Есть ограничения: ложное обнаружение, неправильная классификация, препятствия в поле зрения и слабая освещенность. В настоящее время мы не можем полностью автоматизировать. Однако мы можем усилить аудит и соблюдение нормативных требований. Мы можем снизить нагрузку на инспектора на 80%. Это даст ему время сосредоточиться на обучении и расширении возможностей передовой команды.

Совместное объединение контрактов для достижения совершенства

В целом строительную отрасль можно разделить на два сегмента. Крупные транснациональные компании, участвующие в крупных инфраструктурных и жилищных проектах, и более мелкие разрозненные строительные компании. Производительность отдельных подразделений часто вдвое ниже, чем у крупных. Финансовая отдача и сроки проектов, реализуемых небольшими фирмами, остаются неопределенными.

Одним из важнейших компонентов выполнения проекта является управление контрактами. Мы должны оценивать подрядчиков по таким критериям, как прошлые результаты, финансовое состояние, сертификаты и соответствие требованиям HSSE. У более мелких фирм нет доступа к сети поставщиков, не говоря уже о том, чтобы у них были собственные навыки управления сложными отношениями и контрактами. Неэффективное заключение договоров приводит к тому, что фирмы теряют от 5% до 40% стоимости сделки.

Розничная электронная коммерция растет на 20% в годовом исчислении. К 2020 году он, вероятно, превысит 4,2 триллиона долларов. Двусторонние платформы Платформа покупатель-продавец может изменить ситуацию с контрактами. Тартапы, публичные компании, транснациональные гиганты пытаются войти в эту сферу, чтобы использовать свою логистику, присутствие в сети и глубокие знания о продуктах. Однако ключевым аспектом, отсутствующим в таких платформах, является поддержка внутренних процессов, связанных с заключением контрактов. Небольшим организациям и отделам нужны инструменты для составления бюджета, предварительного выбора, оценки, управления ставками и выдачи заказов на поставку продавцам. Некоторые более крупные фирмы могут иметь существующую ERP и нуждаться в интеграции с платформой электронной коммерции. Ни одна из существующих платформ не предлагает такой функциональности.

Строительные фирмы подходят к каждому проекту как к уникальному делу. Платформа черпает свою силу в ее способности организовывать и структурировать информацию. Отсутствие общих стандартов создает дополнительные препятствия. Мы не можем избавиться от этой проблемы, разработав тщательно продуманные формы заказов на поставку и попросив неукомплектованные сотрудники заполнить их.

Алгоритмы Natural Language Understanding сегодня являются ключевой частью нескольких приложений, от автозаполнения до обработки страховых требований и фильтрации спама. Помимо финансовых данных, большинство строительных контрактов существует в виде неструктурированной информации. Если нам нужно организовать эту информацию, мы должны иметь возможность извлекать информацию из неструктурированных текстовых документов. Мы уже видим некоторые заявки, расширяющие возможности параюридических групп по комплексной проверке юридических документов. Подобные подходы помогут нам организовать беспорядочные контракты на строительство в разных проектах путем извлечения именованных сущностей и отношений. Беспроблемные и прозрачные транзакции на платформах существенно повысят эффективность и снизят стоимость. Платформа может использовать свои знания, полученные в результате миллионов аналогичных транзакций, для помощи в написании контрактных спецификаций, установления руководящих принципов для оценки, сопоставления покупателей и продавцов и отсеивания неполных и неоднозначных заказов.

Электронная коммерция B2B огромна, она примерно в два раза больше, чем B2C. Он к 2020 году достигнет 6 триллионов долларов. Строительные контракты в этом сегменте мало используются.

Съемка и проверка с помощью фотограмметрии

Одним из первых мероприятий в любом строительном проекте является межевание земли. Геодезисты, работающие с теодолитами, записывают местность в виде сетки точек. В крупных и разрозненных инфраструктурных проектах это трудоемкая и трудоемкая деятельность в сложных условиях. Компьютерное зрение, а именно фотограмметрия, произвело революцию в этой области. Камеры с дронов фиксируют последовательность изображений, которые затем обрабатываются с использованием позиционных метаданных, чтобы объединить их в массив трехмерных координат. За 8-часовую смену дрон (с дополнительными батареями) может покрыть столько местности, сколько геодезист сможет охватить за 2 месяца. На этапе предварительного проектирования время имеет существенное значение, и подходы компьютерного зрения работают на два порядка быстрее, создают трехмерную сетку с более высоким разрешением и не страдают от ручных ошибок.

Применение фотограмметрии выходит за рамки съемки. 3D-камера, установленная на светильниках, может создавать внутренние виды зданий. Мы можем сравнить измеренные заводские размеры с исходной конструкцией и автоматически обнаруживать отклонения. В модернизированной конструкции мы можем считывать размеры прямо из 3D-вида. Мы также используем фотограмметрию для проведения аудитов технического обслуживания таких объектов, как ветряные электростанции и мосты. Мы можем сравнивать структурные размеры во времени и обнаруживать аномальную деформацию.

Некоторые интересные работы в этой области были направлены на создание макета из панорамных изображений RGB. Другие используют стереоскопические и монокулярные фотографии для оценки глубины поля. Уровни точности в некоторых современных подходах составляют порядка ± 5–10 см на метр. Мы пока не можем использовать эти проверки размеров. Тем не менее, мы можем создавать приложения для использования панорамного изображения со смартфона, определения планировки комнаты, использования макета для представления вариантов меблировки для домовладельца на выбор.

Строительная отрасль созрела для сбоев. Однако есть существенные проблемы. Цифровая трансформация в компаниях идет медленно. Принятие инноваций за пределы экспериментального внедрения происходило медленнее. Прозрачность данных ограничена. В сегменте b2c поставщики решений должны вмешаться и создать целую вертикаль.

Несмотря на это, строительный сектор предлагает беспрецедентные масштабы. Если мы будем терпеливы, чтобы настроить взаимодействие с пользователем и достичь соответствия продукта рынку, приложения могут изменить жизни миллионов людей. Искусственный интеллект будет играть ключевую роль в этих продуктах.

Сталкивались ли вы с некоторыми проблемами строительного сектора, описанными в этом посте? Я хотел бы услышать ваше мнение о том, как расставлять приоритеты в решениях. Вы работаете над решением некоторых из этих проблем? Было бы хорошо услышать ваш рассказ. Пожалуйста, напишите мне в LinkedIn.