Myslitelé

Stavebnictví buduje budoucnost s pomocí umělé inteligence

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Dnešní staveniště vytvářejí terabyty dat – většina z nich pochází z živých obrazů a videa, které téměř každé místo používá nějakým způsobem.

Kamery na staveništích jsou kritické pro bezpečnost, bezpečnost a monitorování pokroku – s místy, která používají jeden nebo dva kamery až po celou flotilu. Mohou být použity k monitorování perimetru, aktualizaci stavu projektu nebo dokumentování důležitých událostí, zachycující data každou sekundu dne.

Bohužel, tato vizuální data nejsou využívána na plnou kapacitu – což je ztracená příležitost pro dodavatele, supervizory, projektové manažery a další členy stavebního týmu. Umělé inteligence poháněná inteligence staveniště mění to. Průmysl se stal dostatečně zralým, aby infrastruktura umožňovala umělé inteligenci mít hmatatelný dopad na přeměnu „vizuálních dat“ a „reality capture“ na „inteligenci staveniště“ a akční přehled. Zde je vysvětlení, jak.

Umělé inteligence jako další oči na staveništi: Mnozí stavební lídři dohlíží na řadu míst, která jsou od sebe vzdálena mnoho mil. Mít přehled o každém místě a vědět, kdeprioritizovat čas během dne, zůstává obtížné. Kamery zachycují všechny tyto informace, které jsou viditelné prostřednictvím mobilního telefonu nebo webového prohlížeče; nicméně, pracovníci si nemohou dovolit procházet skrze spousty cenných datových bodů po celý den.

Umělé inteligence poskytují pracovníkům úlevu automatizací vyhledávání kritických událostí – a identifikací datových bodů, které jsou nejvíce důležité. Softwarové platformy, které ukládají vizuální data, mohou nyní využít vyškolenou umělé inteligence k automatickému označování a souboru specifických stavebních aktivit, od vybavení PPE po skladování materiálu, po pohyb vozidel. Některé platformy mohou provést stovky relevantních identifikací – a každý měsíc se učí více. To umožňuje dodavatelům rychle vyhledávat konkrétní datové body, které potřebují k největšímu dopadu – nebo identifikovat situace, které vyžadují okamžitou pozornost.

Umělé inteligence jako nástroj pro dokumentaci, validaci a reportování: Dodavatelé se snaží uzavřít produktivní mezery, zatímco také čelí přísnějším a více formalizovaným požadavkům na dokumentaci a reportování, které odebírají čas od vysoce dotykových úkolů. Dodavatelé potřebují jednoduchý způsob, jak sledovat pokrok a nadcházející pracovní postupy – oba jsou klíčové pro přesné plánování a odemykání dolarů.

Zavedení umělé inteligence usnadnilo toto. Nastavení vyhledávacích parametrů – s upozorněními – automatizuje stažení informací a rychle je umístí do kapsy nebo na desktop dodavatele. Platformy inteligence staveniště mohou automatizovat reportování s přesností, poskytují jednu kliknutí, sdílený souhrn klíčových událostí na staveništi. Přetažení a upuštění vizuálních dat, která byla automaticky označena a nahlášena pomocí umělé inteligence, činí validaci harmonogramů mnohem jednodušší. Například, zda se betonová výplň uskutečnila včas a kvalitě? Rychlé vyhledávání to prokáže. Nebo, zda existuje pojistný nárok na stavební pojištění?

Existuje také možnost automatizovat validaci integrováním řešení pro správu staveniště do projektového manažerského softwaru, ve kterém vizuální detekce automaticky dokumentuje a označí projekty jako dokončené proti harmonogramu. Tato funkčnost je zásadní, protože dodavatelé se snaží omezit technologický rozptyl a používat pouze několik integrovaných digitálních bodů během dne.

Umělé inteligence jako násobič pro škálování: Dodavatelé nechtějí „umělé inteligence“ – chtějí jednoduché, užitečné akcelerátory, které podporují bezpečnější, bezpečnější, úspěšnější stavby – a předvídatelnější a produktivnější pracovní den. Rané iterace nástrojů poháněných umělou inteligencí spojují dodavatele se řešeními, která již používají, jako jsou kamery staveniště, drony a roboticky vybavené stroje, a činí data generovaná z těchto řešení více akčními.

S umělou inteligencí existují příležitosti k pokračování tohoto trendu, protože se technologie zrání a data se na staveništi množí. To znamená, že s pokračujícími integracemi existují další hmatatelné způsoby, jak inteligence staveniště poháněná umělou inteligencí může pozitivně ovlivnit stavební průmysl. Například integrace nositelných zařízení a strojních senzorů ze staveniště. Jakmile se nástroje umělé inteligence stanou rychlejšími a spolehlivějšími, kamera může detekovat situaci, zatímco umělá inteligence ji může interpretovat a poslat upozornění na nositelné zařízení pracovníka, které mu připomene, aby nosil správné vybavení PPE, které zapomněl, například.

Co je dál?

Slibné použití – včetně automatizovaného monitorování dodávek materiálu nebo konfigurací a optimalizací na základě povětrnostních dat – leží za rohem. Jakmile se inovace kamer a obrazové zachycení bude pokračovat, množství a kvalita vizuálních dat se bude dále zlepšovat. Stejně tak budou způsoby, kterými dodavatelé mohou tato data využívat, bez omezení výkopů nebo kabeláže.

Také se budou zlepšovat modely umělé inteligence, protože budou školeny na více průmyslově specifických datech. To otevře dveře k rychlejšímu označování, rychlejší analýze a robustnímu reportování. Automatizovaná prevence je další oblast, která získává na významu. S lepšími integracemi bude jednodušší odpovědět na upozornění a jinou komunikaci mezi zařízeními.

A na konci dne, pokud technologie může nějakým způsobem pomoci zmírnit ztrátu duševního vlastnictví, když starší generace opouští pracovní sílu – a novější generace pracovníků nebo jiných profesí vstupují do průmyslu, pak bude svou práci dokončena.

Jako technológ, jsem povzbuzen jejím potenciálem pomoci průmyslu, který je kritický pro prosperitu naší země, stát se bezpečnějším, bezpečnějším a úspěšnějším. Lidé, doplnění o nástroje poháněné umělou inteligencí, jsou jeho budoucností.

John Daley je chief technology officer a spoluzakladatel společnosti Sensera Systems. Více než 24 let vyvíjí špičkové, velkolepé softwarové systémy. Začínal s softwarem pro podporu plánování, navigace a telemetrie dronů ve společnosti Remote Sensing Research na konci 90. let, a poté vyvíjel klasifikované, kritické systémy pro Raytheon a Lockheed Martin jako hlavní softwarový inženýr. Daley vede architekturu a kompletní softwarovou implementaci pro všechny kamery Sensera Systems, cloudový software a mobilní aplikace. Vystudoval bakalářský titul v oboru počítačových věd a matematiky na Coloradské státní univerzitě.