211service.com
AI varētu palīdzēt būvniecības nozarei strādāt ātrāk un nodrošināt tās darbaspēku bez nelaimes gadījumiem
Pieklājīgi no Suffolk un Smartvid.io
Darba laikā tiek nogalināti celtnieki piecas reizes biežāk nekā citi strādnieki. Tagad jauna veida būvstrādnieks — datu zinātnieks — cenšas izmantot mākslīgo intelektu, lai prognozētu savainojumu iespējamību un iejauktos.
Safolka , Bostonā bāzēts ģenerāluzņēmējs, kura gada pārdošanas apjoms ir 3 miljardi ASV dolāru, izstrādā algoritmu, kas analizē fotoattēlus no tā darba vietām, skenē tos, lai noteiktu drošības apdraudējumu, piemēram, strādniekus, kuri nevalkā aizsarglīdzekļus, un korelē attēlus ar negadījumu ierakstiem. Uzņēmums joprojām pilnveido tehnoloģiju, bet saka, ka tas varētu potenciāli aprēķināt projektu riska novērtējumus, lai varētu rīkot drošības instruktāžas, kad tiek atklāts paaugstināts apdraudējums.
Safolka arī raksta algoritmu, kas analizētu informāciju no dažādiem avotiem, tostarp 10 gadu plānošanas datiem no tās arhīviem, un prognozētu projektu aizkavēšanos — informāciju, ko varētu paziņot ēku īpašniekiem un apakšuzņēmējiem. Safolka arī pēta veidus, kā izmantot datus no IoT sensoriem, lai palielinātu efektivitāti. Viena no idejām ir izsekot betona piegādātāju kravas automašīnu atrašanās vietai, lai darbinieki būtu gatavi ieliet betonu, tiklīdz kravas automašīnas ir ieradušās.
Šajā maketā ir parādīta programmatūra, kas identificētu paaugstinātu negadījuma risku, lai varētu veikt pasākumus, lai to novērstu. Pieklājīgi no Suffolk un Smartvid.io
Šāda datu sagraušana būvniecības nozarē ir reti sastopama, jo progresīvās analītikas ieviešana ir bijusi lēna — daļēji tāpēc, ka rezerves ir mazas un pārbaudītām metodēm ir stingra noturība. Cilvēki zina, kā būvēt tā, kā viņi prot būvēt, saka Džeimss Benems, uzņēmuma izpilddirektors JBzināšanas , programmatūras un konsultāciju uzņēmums, kas veic ikgadējais globālais būvniecības tehnoloģiju apsekojums . Un lielāko daļu no viņiem ir grūti pārliecināt rīkoties citādi.
Taču darbaspēka trūkums un vēlme paaugstināt nozares zemos produktivitātes rādītājus liek dažiem uzņēmumiem ieguldīt datu zinātnē. Atbalstītāji saka, ka jaunā tendence galu galā varētu pārveidot 13 triljonu dolāru sektoru. Benham lēš, ka aptuveni 20 būvniecības uzņēmumi ASV pēdējos gados ir uzsākuši sava veida datu zinātnes iniciatīvu.
Safolka ir viens no šiem pionieriem. 2017. gadā tā iecēla McKinsey vadības konsultantu vārdā Džits Kijs Čins kā tās pirmais galvenais datu virsnieks. Loma, ko uzņēmums raksturo kā lielo datu un uzlabotas analītikas izmantošanu, lai uzlabotu pamatdarbību, būvniecības nozarē ir jauna. Citos uzņēmumos var būt inovāciju direktors, būvniecības tehnoloģiju viceprezidents vai pētniecības un attīstības vadītājs, kas veic līdzīgus uzdevumus, taču Činai, iespējams, ir lielāka ietekme, ņemot vērā viņas C-suite titulu un plašo kompetenci, kas ietver darbu ar uzņēmuma inovācijām un stratēģiju. komandas par tehnoloģiju iniciatīvām.
Tāpat kā citi būvniecības uzņēmumi, Safolka ģenerē daudz datu, sākot no lauka ziņojumiem un darba vietas fotoattēliem līdz piegādātāju līgumiem un pārbaudes ierakstiem. Agrāk uzņēmuma dažādās lietojumprogrammas nevarēja viegli koplietot datus, tāpēc uzņēmumam bija grūti veikt jebkāda veida prognozēšanu. Čins nolīga datu zinātnieku un ekspertu grupu datu vizualizācijas, IT un operāciju jomā, kuri savienoja uzņēmuma datu plūsmas un izveidoja tiešsaistes informācijas paneli informācijas prezentēšanai. Rezultāts ir programma, kas ļauj Safolkas darbiniekiem aplūkot vienu kopsavilkuma diagrammu par visiem uzņēmuma projektiem visā valstī un skatīt detalizētu informāciju par katra finansēm, drošības uzskaiti, grafiku un daudz ko citu.
Chin’s grupa izmanto šo informāciju, lai izveidotu prognozēšanas algoritmus, kas paredzēti būvniecības risku pārvaldībai. Tā izveidoja savu darbinieku drošības prognozētāju, pēdējo 10 gadu laikā uzņemot vairāk nekā 700 000 attēlu no 360 projektiem, augšupielādējot tos uz mākoņa bāzes platformā, ko izstrādājis startup. Smartvid.io , un darbojas attēlu atpazīšanas algoritms, lai noteiktu, vai darbinieki valkā cepures, cimdus un drošības vestes un aizsargbrilles. Pēc tam komanda pievienoja atzīmēto fotoattēlu informāciju kopā ar laikapstākļiem un citiem ar projektu saistītiem datiem otrajā mašīnmācības modelī. Grupa tagad lemj, vai pielāgot algoritmu, lai noteiktu kāpnes un sastatnes, kas var izraisīt kritienus un bīstamu jucekli darba vietā.
Savu algoritmu rakstīšanai vajadzētu arī palīdzēt Safolkai savās prognozēs integrēt jaunus datu veidus. Uzņēmums bieži eksperimentē ar jaunām tehnoloģijām un pašlaik testē valkājamas ierīces, kuras var ieprogrammēt, lai atpazītu bīstamās zonas darba vietā un reģistrētu, vai tajā atrodas darbinieki, norāda galvenais inovāciju speciālists. Kriss Maijers .
Čins lēš, ka šie jaunie digitālie rīki varētu palīdzēt Safolkai dažu gadu laikā palielināt produktivitāti par 14 līdz 20 procentiem. 2017. gada McKinsey ziņojums saka, ka būvniecības uzņēmumi varētu palielināt produktivitāti pat par 50 procentiem, izmantojot datu reāllaika analīzi. Nozarei ļoti vajadzīgas šāda veida iespējas, saka Benhams no JBKnowledge. Tas var palīdzēt cilvēkiem pieņemt labākus lēmumus un samazināt projektu grafiku nedēļas vai mēnešus.