هیولا یا فرشته هوش مصنوعی در ساختمان سازی!

به گزارش تاسیسات نیوز، رشد جهانی صنعت ساخت و ساز طی چند دهه گذشته تنها ۱ درصد در سال بوده است که در مقایسه با نرخ رشد ۳٫۶ درصد در بخش تولید و ۲٫۸ درصد برای کل اقتصاد جهان رقم بسیار کمی برای بخش ساخت و ساز می باشد. بهره وری یا بازده کل اقتصادی هر کارگر در ساخت و ساز پیشرفت زیادی در طول سالیان نکرده است. در مقابل، بهره وری از سال ۱۹۴۵ در بخش خرده فروشی ، تولید و کشاورزی ۱۵۰۰ درصد رشد داشته است. یکی از دلایل این امر این است که ساخت و ساز یکی از صنایعی است که کم تر دیجیتالی شده است و نسبت به اتخاذ فناوریهای جدید نسبت به سایر صنایع کند تر عمل کرده است.

به کارگیری فن آوری های جدید وپیشرفته می تواند برای تیم های پروژه های ساخت و ساز دلهره آور و با ریسک همراه باشد. اما یادگیری ماشین و هوش مصنوعی در فرایند افزایش کارآیی در سایتهای کاری و صرفه جویی در هزینه می توانند به آن ها کمک کنند. راه حل های مبتنی بر هوش مصنوعی که در صنایع دیگر تأثیر مثبت خود را گذاشته اند در صنعت ساخت و ساز در حال نشان دادن تاثیر خود می باشند.

استفاده از هوش مصنوعی و یادگیری ماشین در جهت ساخت و ساز هوشمند

کاربردهای بالقوه یادگیری ماشین و هوش مصنوعی در ساخت و ساز گسترده است. درخواست های مربوط به اطلاعات، مسائل پیش بینی نشده و تغییر در سفارشات در صنعت امری معمول و طبیعی است. یادگیری ماشین مانند یک دستیار هوشمند است که می تواند این کوه از داده ها را بررسی کند. سپس به مدیران پروژه در مورد موارد حساس و مورد توجه آنها هشدار می دهد. چندین برنامه در حال حاضر از این روش از هوش مصنوعی استفاده می کنند. مزایای آن ها از فیلتر کردن ایمیل های ناخواسته گرفته تا نظارت پیشرفته بر ایمنی را شامل می شود که در ادامه به برخی از آن ها اشاره خواهیم کرد.

۱- جلوگیری از افزایش هزینه ها

بیشتر پروژه های بزرگ با وجود به کارگیری بهترین تیم های پروژه به کسری بودجه دچار می شوند. شبکه های عصبی مصنوعی در پروژه ها برای پیش بینی میزان افزایش هزینه ها بر اساس عواملی مانند اندازه پروژه، نوع قرارداد و سطح شایستگی مدیران پروژه استفاده می شوند. داده های زمانی مانند تاریخ شروع و پایان برنامه ریزی شده توسط مدل های پیش بینی شده برای پیش بینی زمان بندی واقعی برای پروژه های در دست اجرا در آینده استفاده می شوند. هوش مصنوعی به نیروی کار کمک می کند تا از راه دور به مطالب آموزشی که در محیط کار به صورت کاربردی به آن ها نیاز دارند دسترسی پیدا کنند و بدین وسیله به آنها کمک می کند تا مهارت و دانش خود را به سرعت ارتقا دهند. این امر باعث می شود زمان صرف شده برای به کارگیری نیروهای جدید در پروژه ها کاهش یابد و در نتیجه فرآیند تحویل پروژه تسریع می شود.

۲- طراحی بهتر ساختمان ها از طریق طراحی سازنده

مدل سازی اطلاعات ساختمان یک فرایند مبتنی بر مدل سه بعدی است که به متخصصان معماری ، مهندسی و ساخت و ساز می تواند بینایی را برای برنامه ریزی ، طراحی ، ساخت و مدیریت کارآمد ساختمان ها و زیرساخت ها ارائه دهد. برای برنامه ریزی و طراحی ساخت یک ساختمان ، مدل های سه بعدی باید نقشه های معماری ، مهندسی ، مکانیک ، برق و لوله کشی (MEP) و ترتیب فعالیت های تیم های مربوطه را در نظر بگیرند. چالش این است که اطمینان حاصل کنید مدل های مختلف از تیم های فرعی با یکدیگر درگیر نیستند. این صنعت در تلاش است تا با استفاده از یادگیری ماشین در قالب طراحی مولد درگیری بین مدل های مختلف تولید شده توسط تیم های مختلف در مرحله برنامه ریزی و طراحی را شناسایی و کاهش دهد تا از کار مجدد جلوگیری کند. نرم افزاری وجود دارد که با استفاده از الگوریتم های یادگیری ماشین تمام تغییرات یک راه حل را بررسی می کند و گزینه های طراحی را ایجاد می کند. این نرم افزار از یادگیری ماشین برای ایجاد مدل های سه بعدی از سیستم های مکانیکی ، الکتریکی و لوله کشی استفاده می کند در حالی که به طور همزمان اطمینان حاصل می کند که کل مسیرهای سیستم های MEP با ساختار ساختمان مغایرت ندارند در حالی که از هر تکرار می آموزد که یک راه حل بهینه ارائه دهد.

۳- کاهش ریسک

هر پروژه ساختمانی دارای ریسک هایی است که خود را در اشکال مختلفی از جمله کیفیت، ایمنی، زمان و هزینه نشان می دهد. هرچه این پروژه بزرگتر باشد ریسک بیشتری خواهد داشت چرا که چندین پیمانکار فرعی وجود دارد که بطور موازی در سایتهای کاری در بخش های مختلف کار می کنند. امروزه راه حل های مبتنی بر هوش مصنوعی و یادگیری ماشینی وجود دارد که پیمانکاران عمومی از آنها برای ردیابی و اولویت بندی ریسک در محل کار استفاده می کنند. بنابراین تیم پروژه می تواند زمان و منابع محدود خود را روی بزرگترین فاکتورهای خطر متمرکز کند. همچنین از هوش مصنوعی برای اختصاص خودکار اولویت به موضوعات مختلف استفاده می شود. پیمانکاران فرعی بر اساس نمره ریسک رتبه بندی می شوند بنابراین مدیران ساخت و ساز می توانند با تیمهایی که فعالیت آن ها پرخطر است همکاری کنند تا ریسک آن را کاهش دهند.

۴- برنامه ریزی پروژه

یک استارت آپ فعال در حوزه هوش مصنوعی در سال ۲۰۱۸ با این شعار که روبات ها و فناوری هوش مصنوعی این شرکت راه حل پروژه های ساخت و سازی است که زمان انجام آن ها به تعویق افتاده و با کسری بودجه مواجه هستند، شروع به کار کرد. این شرکت با استفاده از روبات ها به طور مستقل اسکن های سه بعدی از سایت های ساخت و ساز را دریافت میکند و سپس آن داده ها را در یک شبکه عصبی عمیق قرار می دهد تا معلوم شود که پروژه های فرعی مختلف چه مدت از لحاظ زمانی طول خواهند کشید. اگر کار ها طبق برنامه و زمان بنده مشخص شده پیش نرود، تیم مدیریت می تواند قبل از تبدیل شدن مسائل کوچک به مسائل مهم و درد سر ساز برای مقابله با مشکلات اقدام کند. الگوریتم های آینده از تکنیک هوش مصنوعی موسوم به “یادگیری تقویتی” استفاده می کنند. این روش به الگوریتم ها امکان یادگیری بر مبنای آزمون و خطا را فراهم میکند. این الگوریتم می تواند گزینه های بی پایان را بر اساس پروژه های مشابه ارزیابی کند. این مسئله در برنامه ریزی پروژه میتواند بسیار مفید باشد چرا که بهترین مسیر موجود برای انجام کار را بهینه می کند و خود را با گذشت زمان اصلاح می کند.

۵- بازدهی بالای سایت های کاری

شرکت هایی وجود دارند که در حال شروع به ارائه ماشین آلات ساختمانی خودران هستند که قادرند کارهای تکراری مانند ریختن بتن ، آجر کاری ، جوشکاری و تخریب را با کارایی بهتر از همتایان انسانی خود انجام دهند. کار حفاری و آمادگی توسط بولدوزرهای خودران یا نیمه اتوماتیک انجام می شود که می تواند با کمک یک برنامه نویس انسانی، محل کار را با مشخصات دقیق آماده کند. استفاده از این ماشین آلات کارگران انسانی را برای انجام کارهای ساختمانی دیگر آزاد می کند و زمان کلی لازم برای تکمیل پروژه را کاهش می دهد. مدیران پروژه همچنین می توانند کارهای در حال انجام در سایت شغلی را به صورت لحظه به لحظه پیگیری کنند. آنها از ارزیابی چهره، دوربین های داخلی و فناوری های مشابه برای ارزیابی بهره وری کارگران و میزان مطابقت آن ها با رویه های تعیین شده استفاده می کنند.

۶- امنیت ساخت و ساز

کارگران ساختمانی پنج برابر بیشتر از کارگران دیگر در حوادث مربوط به کار کشته می شوند. به گفته OSHA  (اداره امور امنیت و سلامت مشاغل آمریکا)، علل اصلی مرگ و میر در فاعلیت های بخش خصوصی (به استثنای تصادف در بزرگراه ها) در صنعت ساخت و ساز سقوط از ارتفاع و به دنبال آن برخورد ضربه ای از سوی یک جسم، برق گرفتگی و گرفتار شدن بین مصالح ساختمانی می باشد. یک پیمانکار عمومی مستقر در بوستون با فروش سالانه ۳ میلیارد دلار در حال تهیه الگوریتمی است که عکسهای سایتهای کاری خود را تجزیه و تحلیل می کند، آنها را جهت شناسایی عوامل خطرساز از لحاظ ایمنی همچون کارگرانی که تجهیزات محافظ ندارند اسکن می کند و تصاویر را با سوابق تصادف خود مرتبط می کند. این شرکت می گوید که می تواند رتبه بندی ریسک را برای پروژه ها به طور بالقوه محاسبه کند. بنابراین در صورت شناسایی یک تهدید با درجه شدت بالا ، می تواند اطلاعات لازم را در اسرع وقت در اختیار مسئولان پروژه بگذارد.

۷- مقابله با کمبود نیروی کار

کمبود نیروی کار و تمایل به تقویت بهره وری در صنعت، شرکت های ساختمانی را وادار به سرمایه گذاری در هوش مصنوعی و علوم داده کرده است. به گزارش مک کینزی در سال ۲۰۱۷، شرکت های ساختمانی می توانند با تجزیه و تحلیل لحظه به لحظه داده ها، بهره وری را تا ۵۰ درصد افزایش دهند. شرکت های ساختمانی برای برنامه ریزی بهتر جهت توزیع نیروی کار و ماشین آلات در مشاغل تحت فعالیت خود، شروع به استفاده از هوش مصنوعی و یادگیری ماشینی می کنند. یک روبات دائماً پیشرفت کار و موقعیت مکانی کارگران و تجهیزات را ارزیابی می کند و مدیران پروژه را قادر می سازد تا بلافاصله تشخیص دهند که در کدام مکان های کاری، نیروی انسانی و تجهیزات کافی برای تکمیل پروژه وجود دارد و همچنین جایی که ممکن است پروژه به تعویق بیافتد نیروی کار اضافی تخصیص دهد. کارشناسان انتظار دارند ربات های ساختمانی با تکنیک های هوش مصنوعی هوشمند تر و اتوماتیک تر شوند.

۸- ساخت و ساز در خارج از سایت پروژه

شرکت های ساختمانی به طور فزاینده ای به کارخانه های خارج از سایت پروژه که توسط روبات های خودران کار می کنند و اجزا و اسکلت یک ساختمان را در بیرون از سایت پروژه می سازند متکی میشوند. اجزای ساخته شده و اسکلت بندی شده توسط کارگران انسانی در محل پروژه جمع می شوند. سازه هایی مانند دیوارها می توانند با استفاده از ماشین آلات اتوماتیک کارآمدتر از همتایان انسانی خود، خط مونتاژ را تکمیل کنند و انجام جزئیات کارهایی مانند لوله کشی ، HVAC و سیستم های برقی را به نیروی انسانی محول کنند.

۹- هوش مصنوعی و کلان داده ها در ساخت و ساز ها

در زمانی که هر روز حجم عظیمی از داده ها ایجاد می شوند، سیستم های هوش مصنوعی هر روزه در معرض تعداد بی پایانی از داده هایی برای یادگیری و بهبود قرار می گیرند. هر سایت کاری به یک منبع داده بالقوه برای هوش مصنوعی تبدیل می شود. داده های حاصل از تصاویر گرفته شده از دستگاه های تلفن همراه، فیلم های گرفته شده توسط پهباد های بدون سر نشین، سنسورهای امنیتی، مدل سازی اطلاعات ساختمان (BIM) و سایر موارد دیگر به مجموعه ای عظیم از اطلاعات تبدیل شده اند. این امر فرصتی برای متخصصان و مشتریان صنعت ساخت و ساز است تا بتوانند از بینشهای حاصل از داده ها با کمک هوش مصنوعی و سیستمهای یادگیری ماشینی، تجزیه و تحلیل های لازم را انجام داده و از آن ها بهره مند شوند.

۱۰- هوش مصنوعی پس از پایان پروژه

مدیران ساختمان می توانند مدتها پس از اتمام ساخت یک ساختمان از هوش مصنوعی استفاده کنند. مدل سازی اطلاعات ساختمان یا BIM اطلاعات مربوط به ساختار ساختمان را ذخیره می کند. هوش مصنوعی می تواند برای نظارت بر مشکلات در حال توسعه استفاده شود و حتی راه حل هایی برای جلوگیری از بروز مشکلات ارائه می دهد.

رباتیک ، هوش مصنوعی و اینترنت اشیاء می توانند هزینه های مربوط به ساختمان سازی را تا ۲۰ درصد کاهش دهند. از هوش مصنوعی برای برنامه ریزی مسیریابی سیستم های برقی و لوله کشی در ساختمان های مدرن استفاده می شود. شرکت ها از هوش مصنوعی برای توسعه سیستم های ایمنی برای اماکن استفاده می کنند. از هوش مصنوعی برای ردیابی تعامل لحظه به لحظه با کارگران، ماشین آلات و اشیاء موجود در سایت و هشدار دادن به سرپرستان و ناظران از مسائل احتمالی ایمنی، خطاهای ساخت و ساز و مسائل مربوط به بهره وری استفاده می شود.