Строительство будущего - как искусственный интеллект и машинное обучение меняют облик отрасли

Содержание

Консультация эксперта

Значение искусственного интеллекта (ИИ) и машинного обучения (МО) в строительной отрасли

Большое влияние на распространение новых технологий оказывает интеграция возможностей ИИ и МО в программные решения 1С, которые уже используются компаниями. Остановимся на этом моменте подробнее.

Понятие больших данных в строительстве

Искусственный интеллект в строительной отрасли нуждается в данных, которые используют для его обучения. Собранные данные (big data) позволяют ИИ выявлять закономерности, на основе которых он предсказывает возможные события, производит расчеты и выполняет другие операции.

Данные могут иметь структурированный вид, например, таблицы со спецификациями или неструктурированный — фото и видео со строительной площадки. Учитывая особенности big data, к ним нельзя применять типичные методы анализа, которые разработчики использовании при создании программного обеспечения до появления ИИ.

Какие источники поставляют большие данные для обработки:

• BIM-модели будущих объектов;
• Проектная документация в виде чертежей, смет, спецификаций на материалы;
• Графики выполнения работ на площадке.

Кроме того, их генерирует современное электронное оборудование. Большое количество информации можно собрать с устройств IoT (температура, вибрационная нагрузка, влажность воздуха и материалов), GPS-трекеров, лазерных сканеров, дронов.

Отдельным источником данных считаются ERP-системы, которые применяют при возведении объектов. В них накапливается информация об используемых материалах, стоимости работ и услуг, порядке взаимодействия с субподрядчиками и поставщиками.

Кроме того, в системах планирования можно получить все данные о реализованных проектах, соблюдении сроков при их возведении, влиянии внешних факторов на различные процессы.

Разберем на примерах, какие данные может использовать ИИ в строительной отрасли:

• Чертежи в формате CAD, BIM-модели, базы данных или таблицы со спецификацией на материалы, ведомости о запланированных и выполненных работах.
• Фото и видео со строительной площадки, журнал проведения работ, отчеты о переносе сроков или срыве поставок материалов.
• Данные с сенсоров о температуре бетонной смеси или застывающих монолитов, датчики деформации и усадки конструкций, счетчики затраченной электроэнергии.
• Трекеры на грузовых автомобилях и специальной техники, датчики подъема стрелы, открытия бака, опрокидывания кузова самосвала, счетчики топлива и пройденных километров.
• Данные о температуре и влажности воздуха, длительность светового дня, количество осадков и другие факторы, которые могут смещать графики выполнения работ и влиять на их качество.

Данные о температуре и влажности воздуха, длительность светового дня, количество осадков и другие факторы, которые могут смещать графики выполнения работ и влиять на их качество.

Основная задача накопления и анализа больших данных — извлечение из них данных. которые важны для строительных процессов.

Это дает преимущества:

• Компания может оптимизировать технологические процессы, разработать более эффективную технологию производства затрат;
• Подрядчик снижает затраты на покупку материалов, может предсказать задержки и заранее распределить процессы.
• Специалисты службы безопасности могут видеть опасные места на площадке и устранять потенциальные проблемы до их возникновения.
• Мониторинг зданий дает возможность предсказать деструктивные изменения до аварий объектов.

Руководитель строительства, инвестор и другие участники процесса получают объективную информацию, на основе которой могут принимать управленческие решения. Все это позволяет повышать качество строительства с одновременным снижением издержек и сроков работ.

Компании, которые внедрили ИИ для анализа больших данных, получают конкурентное преимущество на рынке. Подрядчики могут предложить свои услуги по меньшей цене, не жертвуя качеством и надежностью объектов.

Роль ИИ и МО в анализе данных

Искусственным интеллектом называют программы, которые делают вычисления, имитируя деятельность мозга человека. Они могут обучаться самостоятельно, анализировать информацию и делать заключения на ее основе.

Машинное обучение является частью искусственного интеллекта. Это алгоритмы, по которым ИИ анализирует собранные big data, после чего может принимать решения без программирования конкретных алгоритмов для конкретной задачи. В строительстве ИИ и МО приносят большую пользу, так как в этой отрасли нужно анализировать очень большое количество информации. Искусственный интеллект может изучить весь массив очень быстро и предложить решение, на поиск которого у традиционных приложений или инженеров ушло бы намного больше времени.

При разработке ИИ для строительной отрасли используются несколько типовых алгоритмов машинного обучения:

1. Регрессионные модели — устанавливают зависимость между данными. Они позволяют определить, как изменится содержимое одной переменной при изменении другой. С их помощью легче прогнозировать стоимость строительства и сроки выполнения задач. Например, что случится, если бетон будет доставлен на площадку на 3 часа позже запланированного времени. Или как изменится цена отделки, если вместо клинкерного кирпича использовать плитку.
2. Деревья решений — модель принятия решений, при которой ИИ проходит по отдельным веткам, основанным на различных логических правилах. Например, если не привезли бетон, залить опалубку не получится; или если пошел дождь, уложить асфальт в этот день не получится. Для анализа более сложных процессов используются «ансамбли», то есть объединения «деревьев» в группы. Этот алгоритм позволяет оценивать риски строительных процессов и предсказывать сбои, выявлять «узкие места» в технологиях и принимать обоснованные решения.
3. Нейронные сети — процесс вычислений, который имитирует работу мозга человека. Их используют для анализа неструктурированных данных: фотографий, видео. Например, анализ записанных роликов с площадки может выявить нарушение техники безопасности, изменение технологии проведения работ, потенциально опасные участки на территории.
4. Кластеризация — технология группировки объектов без заранее разработанных категорий и дальнейшее понижение размерности. Это облегчает дальнейший анализ информации. Например, с помощью кластеризации можно выявить закономерности в процессах доставки стройматериалов на объект и финансирования строительства. Эта технология позволяет выявить переносы сроков или превышение трат во время строительства, сгруппировать их и в дальнейшем найти причину проблемы.

ИИ и машинное обучение в решениях 1С

В продукты 1С уже интегрированы решения на основе искусственного интеллекта.

1С:ERP Управление строительной организацией 2

Продукт способен прогнозировать затраты и сроки. В нем используется:

• Предиктивная аналитика — ИИ анализирует имеющиеся в 1С:ERP УСО 2 исторические данные и строит прогнозы относительно завершения возведения объекта в целом или отдельных этапов. Это помогает точнее составить бюджеты и запланировать расход ресурсов.
• Алгоритмы машинного обучения анализируют факторы, влияющие на строительство, и предлагают эффективные сценарии работы.

1С:ERP УСО 2 автоматизирует рутинные операции. Решение может распознавать первичные документы и вводить их в учет. В дальнейшем можно организовать обмен данными с другими программами на платформе 1С:Предприятие. Это исключает двойной ввод данных и снижает количество ошибок, вызванных человеческим фактором.

Консультация эксперта

Платформа 1С:BIM 6D

Этот комплекс состоит из нескольких программных модулей, которые способны:

• Проектировать процессы;
• Контролировать выполнение задач;
• Контролировать соблюдение сроков;
• Управлять ремонтом и обслуживанием объектов;
• Оформлять сметную и исполнительную документацию;
• Участвовать в процессах продажи, аренды зданий.

Искусственный интеллект в 1С:BIM 6D позволяет анализировать жизненный цикл зданий, оптимизировать затраты и снижать эксплуатационные расходы, планировать техническое обслуживание объектов, искать ошибки и несоответствия в BIM-моделях зданий.

В инфраструктуру 1С:BIM 6D входят такие решения:

• 1C:РМ Управление проектами
• 1С:Смета
• 1С:ТОИР КОРП
• 1С:Аренда и управление недвижимостью
• BIM-система Regna;
• Сервис DACON.

Преимущества 1С:BIM 6D:

• Полное соответствие действующим техническим решениям, законам и другим нормативно-правовым актам;
• Приложение входит в ЕРРП и одобрено к использованию в России;
• Решение бесшовно интегрировано в продукты 1С и формирует единую информационную инфраструктуру компании;
• Система улучшает процессы управления подрядной организацией и повышает ее рентабельность;
• Реализована масштабируемая и отказоустойчивая архитектура, которую легко интегрировать во внутренние процессы компании.

При этом стоимость системы получается существенно ниже аналогичных по уровню иностранных разработок.

Консультация эксперта

Бит.Строительство

С его помощью специалисты могут оптимизировать графики работ, проконтролировать их качество и обнаружить отклонения от стандартов. Кроме того, ИИ может самостоятельно классифицировать документы, чтобы снять часть рутинных операций с людей.

Автоматизация строительных проектов

Эксперты компании Первый Бит подробно рассказали о передовых методах планирования и эффективного управления материальными ресурсами и спецтехникой в программе Бит.Строительство.

Вебинар будет полезен для: начальников транспортных цехов, инженеров ПТО, руководителей проектов.

Создание предсказательных моделей

Польза от использования искусственного интеллекта в том, что с его помощью можно создавать предсказательные модели. Они получают на вход имеющиеся исторические и текущие данные, а затем предсказывают будущие события. Например, когда закончится стройка, сколько денег на нее придется потратить, насколько вероятна поломка или деформация конструкции, как сильно подрядчик отклоняется от первоначального плана.

С помощью предсказательной модели можно обнаружить ошибку до ее появления и устранить с минимальными затратами времени и сил. Это особенно важно в строительстве, где устранение дефектов после завершения работ оказывается очень дорогим или невозможным.

Как создается предсказательная модель:

1. Сбор исходных данных. Входят проект объекта, данные с датчиков и сенсоров, информация о погоде, отчеты о доставке и оплате материалов. Чем больше информации «поглотит» ИИ, тем точнее будет модель и прогноз.
2. Очистка данных. С помощью специальных алгоритмов и библиотек специалисты очищают информацию. Они удаляют дублирующие, пропущенные и ошибочные значения, преобразуют результаты измерений в единый формат и распределяют по переменным. При необходимости происходит нормализация (масштабирование) признаков.
3. Разделение на выборки. Как правило, около 80% полученных больших данных служит для обучения модели, а остальные — для проверки. Это позволяет определить, действительно ли разработанная модель функционирует и может предсказывать результаты в будущем.
4. Обучение. Инженеры выбирают алгоритмы МО и обучают ИИ на собраны тренировочных данных. Одновременно они подбирают гиперпараметры, от которых зависит точность получаемого результата.
5. Валидация. Процедура оценки точности модели и качества предсказаний. Для измерения используются различные метрики. Например, MSE, F1 Score и другие. Кроме того, проводится перекрестная проверка на нескольких подмножествах контрольных данных.

Для создания прикладного ПО, с помощью которого специалисты могут анализировать данные и предсказывать строительные процессы, используются языки программирования Python, R и некоторые другие. Для облегчения работы программисты применяют готовые библиотеки функций.

В том числе:

• Pandas — для очистки больших данных и работы с массивами;
• NumPy — для применения математических функций;
• Scikit-learn — для реализации алгоритмов регрессии, деревьев или кластеризации;
• TensorFlow — для создания нейросетей и их обучения;
• XGBoost — для создания высокоточных моделей на основе деревьев и ансамблей;
• Matplotlib — для визуализации полученных результатов.

Создавать необходимые модели можно с помощью Jupyter Notebook, Google Colab. Они предлагают удобную среду для написания кода и визуализации результатов. Но в продукты 1С уже встроены необходимые инструменты, которые можно использовать без предварительной разработки. тестирования и интеграции.

Обратите внимание, что модель не может использоваться, если специалисты не понимают, на основе чего она пришла к определенному выводу и выдала конкретный результат. Важно, чтобы инженеры и подрядчики доверяли модели и понимали, по каким критериям она решила, что строительство затянется или будет более дорогим.

Модель должна «объяснять» полученный результат. Например, указывать, что срыв сроков произойдет из-за несвоевременной доставки бетона миксерами от конкретного поставщика. В дальнейшем можно корректировать работу с учетом предсказаний модели. В том числе поменять поставщика или заранее сместить другие этапы работ с учетом задержек с бетонированием.

Создание моделей — сложный и дорогой процесс, который требует большого количества исходных данных. выбора алгоритмов и проверки результатов. Но в будущем они позволяют управлять проектом и корректировать какие-либо процессы, влияющие на конечный результат.

Преимущества внедрения ИИ и МО

Искусственный интеллект недавно был лишь интересной технологией в области информатики. Сейчас он уже «работает» в строительной отрасли. Он меняет подход к проектированию объектов и управлению строительными процессами.

Его распространение в строительной сфере обусловлено большим количеством преимуществ, которые получают подрядчики, инвесторы и другие участники процесса.

К наиболее важным плюсам относятся:

• Более точное прогнозирование расходов — ИИ анализирует исторические данные из ERP-системы и может сказать, сколько реально затрат потребуется для возведения объекта;
• Улучшение логистики — ИИ планирует работу транспорта таким образом, чтобы избежать недостатка стройматериалов или их избытка, простоя грузовиков и кранов для их разгрузки;
• Предиктивное обслуживание — программа определяет, какая спецтехника нуждается в регламентных работах или ремонте до того, как она выйдет из строя;
• Экономия стройматериалов — приложение анализирует данные проекта и указывает, где произошел перерасход материалов и расходников. Помимо прочего, это помогает выявить кражи и завышения расходов подрядчиком.

Помимо экономии средств, ИИ может ускорить проектирование зданий и сооружений, а также их строительство. Например:

• ИИ способны предложить сотни вариантов проектов с учетом выделенного на строительство бюджета, технических требований, запросов заказчика, норм защиты окружающей среды;
• Машинное обучение может составлять реальные графики работ с учетом внешних факторов и предсказывать смещение сроков при возникновении непредвиденных ситуаций;
• ИИ анализирует данные с дронов и сенсоров в реальном времени и предсказывает аварийные ситуации до их появления.

Также искусственный интеллект может выполнять рутинные задачи менеджеров. Например, обрабатывать первичные документы, генерировать отчеты об этапах строительства, отслеживать использование рабочего времени и техники.

Искусственный интеллект может сделать строительные работы безопаснее. Например, алгоритмы анализируют обстановку на строительной площадке и определяют опасные для сотрудников факторы. Например, отсутствие ограждений на высоте или работающие режущие инструменты.

Кроме того, ИИ может определять, кто из сотрудников не носит каску или респиратор, другие средства индивидуальной защиты. В будущем это поможет избежать необоснованных обвинений в нарушении действующего законодательства.

Технологии ИИ позволяют определить возможные аварии. Например, превышение нагрузки на перекрытия, слишком сильный перекос, избыточные вибрационные нагрузки, повышенную влажность бетона или древесины.

Инвестору и заказчику ИИ помогает сравнить проектный и фактический объем работ, оценить качество объекта, выявить отклонения без привлечения экспертов.

Заключение

Хотя внедрение ИИ в строительную отрасль находится на начальной стадии, уже сейчас существуют решения 1С, в которых используются возможности алгоритмов машинного обучения. Если девелоперы, инвесторы или подрядчики еще не применяют их, в перспективе они могут потерять положение на рынке и выгодные заказы. Чем быстрее компании интегрируют эти инструменты в свои технологические процессы, тем больше шансов у них получить конкурентное преимущество на рынке.