Активно обсуждается дальнейшее совершенствование цифровых компетенций. В том числе встает вопрос об использовании нейросетей и искусственного интеллекта (ИИ). У искусственного интеллекта в строительстве большие перспективы, однако примеров его успешного применения на практике не так много.
Решение проблем стройки с помощью ИИ
Строительная отрасль пока не решила две большие проблемы: высокие внеплановые расходы и срывающиеся сроки, — которые приводят к ежедневным многомиллионным потерям. Целевые планы не исполняются, например, из-за невысокой эффективности взаимодействия участников в единой среде общих данных или недостаточного уровня планирования работ.
Применение искусственного интеллекта способно повысить эффективность строительства. С его помощью можно оценивать количество и стоимость ресурсов, отслеживать расположение и использование техники, контролировать качество работ, снижать риски и обеспечивать безопасность на объекте, создавать цифровых двойников и т.п.
Использование ИИ, а именно предиктивной аналитики, помогает если не решить, то выявить многие проблемы через анализ накопленных статистических данных. Система ИИ их обрабатывает, обучается и выдает ориентировочный прогноз. Он позволяет смоделировать, как большое количество различных факторов повлияет на процесс строительства, а значит, управленческие решения, принимаемые в опоре на ИИ, будут более рациональными, обоснованными. Собирать данные для системы предиктивной аналитики можно с помощью имеющихся в компании BIM-инструментов. Чем больше выборка таких данных об объекте, тем точнее и корректнее итоговое прогнозирование.
Возьмем для примера разработку 4D-ПОС/ПОР в проектировании. Система ИИ выстраивает различные сценарии строительства («оптимистический», «пессимистический»), благодаря чему можно предсказать и оптимизировать длительность производства работ в тех или иных условиях. Система анализирует текущие и имеющиеся статистические/исторические данные по конкретному проекту и его аналогам в регионе, по климатическим условиям, доступным ресурсам, материалам и их поставщикам. При этом ИИ учитывает не только отдельные факторы сами по себе, но и их влияние друг на друга.
____________________________________
1 Предиктивная аналитика — способ прогнозирования, основанный на использовании больших данных (big data) и искусственного интеллекта
Функционал современных BIM-систем также использует возможности ИИ: например, при проектировании и автоматизированной проверке соответствия цифровой модели (ЦИМ) нормативным требованиям и стандартам. Проектировщик работает эффективнее и быстрее за счет того, что получает требования в режиме реального времени, а ошибки и проектные коллизии, вызванные человеческим фактором, сводятся к минимуму.
Подобный подход применим также для прогнозирования и оценки стоимости капитальных вложений по проекту еще до начала строительства. Размер инвестиций прогнозируется путем моделирования ключевых допущений и подходов к реализации проектов за счет сокращения издержек на разных этапах жизненного цикла, оптимизации и сокращения времени проектной подготовки и строительства, что с большей предсказуемостью позволяет оценить финальные результаты.
Роботы и дроны
Интеграция искусственного интеллекта с робототехникой стала новой фазой преобразований: меняются принципы работы стройплощадок и сама суть строительных методик. Сюда относятся применение на стройке робототехники, технологий дополненной (AR) и виртуальной (VR) реальности, анализ данных, получаемых с помощью дронов, интернет вещей (IoT) и многие другие направления. Эти решения, объединяющие когнитивные способности с механическими возможностями, – одновременно инновационные и прагматичные.
Строительная робототехника усиливается искусственным интеллектом. Например, в США появился SAM (полуавтоматический каменщик) — робот, который умеет укладывать кирпич или вязать арматуру. Он выполняет повторяющуюся задачу с безупречной точностью, при этом встроенный компонент искусственного интеллекта обеспечивает адаптивность. То есть робот в режиме реального времени приспосабливается к изменению размера кирпичей или качества раствора.
Еще пример — роботизированная автономная система TyBOT от Advanced Construction Robotics (США). Робот связывает до 1100 пересечений арматуры в час — задача, для которой обычно требуется бригада из 6–8 рабочих. Робототехника и искусственный интеллект повышают безопасность и производительность стройки, снижают риски невыполнения графика, а в глобальном смысле – преобразовывают строительную отрасль.
Европейцы не отстают: в EffiBOT создали автономные транспортные средства, которые следуют за рабочими. Робот несет инструменты или материалы, используя алгоритмы искусственного интеллекта для безопасного перемещения по оживленным строительным площадкам.
Другая область разработок — дроны, больше известные как беспилотные летательные аппараты (БПЛА). Они быстро превратились из развлекательных устройств в бесценные для промышленности инструменты, и строительный сектор оценил их возможности в полной мере. Дроны фундаментально меняют традиционные подходы, особенно в сфере мониторинга и контроля. С их помощью, не выходя из офиса, получают актуальную информацию со стройплощадки в реальном времени, моментально измеряют высоту, длину, площадь и объем объекта строительства. Компания SkyMule (США) показала испытания дрона, который помогает строителям при подготовке арматуры к заливке бетона. Он самостоятельно летает над уложенной арматурой и связывает прутья, экономя время рабочих. Компания утверждает, что дрон ускоряет процесс вязки в 2,4 раза и делает его на 32 % дешевле.
В сочетании с передовым программным обеспечением дроны превращаются в аналитические инструменты. Сложные алгоритмы обрабатывают полученные изображения для поиска ошибок и аномалий, будь то структурные трещины, несанкционированные изменения или отклонения от утвержденных чертежей. Такой упреждающий подход сводит к минимуму дорогостоящие исправления и обеспечивает соблюдение стандартов безопасности.
Кроме того, дроны пригодятся в управлении ресурсами. Как за рубежом, так и в России строительные площадки часто занимают обширные территории со множеством активных зон. Дроны, оснащенные инфракрасными датчиками или тепловизионными камерами, могут отслеживать движение и использование техники, благодаря чему достигается оптимальное развертывание и уменьшается время простоя и техники, и производственных ресурсов.ИИ в обучении
Моделирование виртуальной реальности (VR) на базе ИИ используется для обучения технике безопасности. Симуляции воссоздают реальные сценарии строительства, заставляя рабочих ориентироваться в потенциальных опасностях. Искусственный интеллект оценивает их реакцию и предлагает обратную связь. Предполагается, что работник, прежде чем заступить на реальный объект, уже будет обучен выявлять и снижать риски.Проблемы и перспективы развития технологий ИИ в строительстве
Искусственный интеллект, обладая очевидными преимуществами, существенно трансформирует систему управления строительной отраслью. Об этом свидетельствуют данные об увеличении производительности, сокращении издержек и времени проектирования, о повышении эффективности управления и контроля.
Тем не менее массовому внедрению этой технологии в строительной сфере препятствует ряд причин, в том числе непонимание необходимости применения ИИ. Многие руководители и специалисты либо не видят прямой выгоды от использования ИИ, либо недостаточно осведомлены о его возможностях. Серьезно тормозят прогресс технические (несовместимость с текущим оборудованием) и кадровые (отсутствие квалифицированных специалистов) ограничения.
Несмотря на ограничения и препятствия, искусственный интеллект перспективен. ИИ способен ускорять проектирование, повышать производительность, улучшать контроль над стройкой, оптимизировать ресурсы — словом, решать проблемы, с которыми отрасль сталкивается постоянно. Но, будучи новым инструментом, искусственный интеллект еще требует полноценного освоения. Он предъявляет новые требования к специалистам и их обучению, к модернизации технической базы, к способам стратегического планирования и ведения бизнеса.
В таблице систематизировали приоритетные направления развития ИИ в строительной отрасли и выделили основные проблемы и пути их решения, а также привели прогноз по результатам применения ИИ.
|
Приоритетное направление |
Проблема |
Решение |
Результат |
|
Мониторинг строительных объектов и рабочих |
Снижение эффективности работы из-за нарушения норм рабочими, задержек и отсутствия своевременного отчета руководству |
Анализ данных с носимых устройств и стационарных камер для контроля за временем активности и покоя рабочих. Использование дронов и камер для отслеживания хода строительства, поставок материалов и затрат ресурсов |
Увеличение производительности на 30 % |
|
Прогнозирование рисков и автоматизация типовых операций |
Затраты времени и ошибки из-за ручного выполнения стандартных задач
Отсутствие автоматизации для учета рисков в планах |
Интеграция ИИ в системы управления для разработки смет, анализа и прогнозирования на основе данных
Внедрение модулей ИИ для стандартного проектирования, включая разработку инженерных сетей и соответствие нормам |
Увеличение производительности на 20 %
Снижение издержек на 10 %
Сокращение времени проектирования на 40 % |
|
Применение автономной техники |
Нехватка квалифицированных работников для управления сложной техникой |
Внедрение автономных строительных машин, способных работать непрерывно, чтобы облегчить рабочий процесс и повысить эффективность |
Снижение операционных затрат на 50 %
Ускорение строительства на 50 % |
