Dirbtinis intelektas statybose: nuo gamybos iki planavimo sprendimų

Kiekvienais metais vis labiau tobulėjant dirbtinio intelekto ir mašininio mokymosi galimybėmis tam turi ruoštis ir statybos sektoriaus įmonės – nuo didžiausių ir daugiausia darbuotojų turinčių iki vos kelių žmonių startuolių. Tuo įsitikinę Kauno technologijos universiteto Statybos ir architektūros fakulteto (KTU SAF) mokslininkai.

Šio fakulteto mokslininkė Irina Matijošaitienė kartu su Jungtinių Amerikos Valstijų (JAV) mokslininkų pagalba kuria dirbtinio intelekto produktą, kuris padės apskaičiuoti jau esamos ar planuojamos teritorijos palankumą nusikaltimams vykdyti.

Padeda išlaikyti darbuotojus, didina našumą

Tikimasi, kad šis savaime besimokančio dirbtinio intelekto pagrindu kuriamas įrankis tiksliai nuspės, kurioms vietoms reikia daugiau priežiūros ir kaip juose užkirsti kelią nusikaltimams.

Tačiau, pasak I. Matijošaitienės, mašininis mokymasis ir dirbtinis intelektas gali labai pagelbėti ir kitoms statybos sektoriaus problemoms spręsti ir mažinti išlaidas.

„Šios technologijos turėtų ypač padėti įmonėms, kurios siekia optimizuoti ar automatizuoti sprendimus, didinti pelną analizuojant savo ir konkurentų duomenis. Jau dabar yra svarbu pasitelkiant mašininio mokymosi ir prognozuoti gebančios analitikos galimybes diegti naujas paslaugas ir produktus. Tai padeda verslui išlaikyti vartotojus, pasiūlyti jiems labiau tinkamus sprendimus. Dar labai plačiai naudojama lėšų optimizavimui bet kuriame statybų/architektūros sektoriuje, subalansuojant išlaidas-pelną, pavyzdžiui, stebint duomenis realiu laiku ir akimirksniu reaguojant, didinant operacinį efektyvumą, gerinant darbo našumą ir mažinant kaštus“, – tikina KTU SAF mokslininkė.

Statybų sektoriuje dirbtinis intelektas ir mašininis mokymasis gali būti taikomas bet kuriame pastato gyvavimo cikle, nuo idėjos iki pastatymo ir priežiūros, pastato stebėsenos.

Pradedant nuo projektuojamų pastatų vietos parinkimo, analizuojant geografinius ir kitus duomenis, prognozuojant, kurie pastatai yra didesnės rizikos grupėse pagal, pavyzdžiui, užtvindymo pavojų, gaisro, apleistumo ir nepriežiūros.

Padeda prognozuoti statinio elgseną

Kaip tikina KTU Išmaniųjų miestų ir infrastruktūros centro vadovas Darius Pupeikis, statinys ir jį supanti yra kaip „gyvas organizmas“, kuris nuolatos yra veikimas įvairių poveikių ir priklausomas nuo itin daug faktorių.

„Dirbtinis intelektas gali būti naudingas atliekant įvairaus pobūdžio analizes ir simuliacijas: energijos srautų kitimo (šilumos, elektros, vandens, nuotekų), žmonių judėjimo, statinio lokalizavimo, užtvindymo, saugumo, elgsenos gaisro atveju, konstrukcinės būklės, ar net ekstremalių situacijų planavimo“, – sako jis.

Jo teigimu, paminėtos analizės atliekamos dar statinį projektuojant, tačiau nemažiau svarbu yra prognozuoti statinio elgseną jo eksploatacijos etate, pvz. numatyti planą ekstremaliomis situacijomis (angl. disaster planing).

„Kaip parodė pastarųjų dienų įvykiai Alytuje, kuomet degė didelis kiekis padangų, nesame tam pasiruošę. Statybos sektorius yra milžiniškas savo apimtimis, todėl duomenų analitika ir dirbtinio intelekto taikymas itin greitai atsiperka, įtakodamas statinio išlaikymo kaštus“, – tikina KTU SAF mokslininkas.

Taupo lėšas gamybos srityje

Ne ką mažesnės šių technologijų panaudojimo galimybės ir supaprastinant procesus vartotojui.

Pasak I. Matijošaitienės, Jungtinėse Amerikos Valstijose dirbtinis intelektas jau dabar taikomas kuriant personalizuotą būstą, kur kliento neklausiama, kokio būsto jis ar ji nori, bet visi kliento pageidavimai surenkami iš duomenų, atskleidžiančių kliento pomėgius ir prioritetus, gyvenimo būdą ir užimtumą bei daug kitų aspektų, apie kuriuos sunku pagalvoti, norint atskleisti visa tai įprastos apklausos būdu.

„Toks duomenų surinkimas ir personalizavimas padeda architektams ir projektuotojams atsisakyti tradicinių projektų ir paieškoti labiau personalizuotų sprendimų kiekvienam klientui“, – tikina KTU SAF mokslininkė.

Mokslininkai pastebi, kad daug lėšų sutaupyti dirbtinis intelektas ir mašininis mokymasis gali gamybos srityje. Jį galima pritaikyti nuo kokybės tikrinimo automatizavimo iki gamybos proceso optimizavimo, ieškant būdų pagaminti greičiau, kokybiškai ir su mažiau išteklių.

Statyboje šios technologijos taikomos nuo darbų saugos, statybos aikštelės stebėjimo ir priežiūrai iki pastato patikros, prieš jį pripažįstant tinkamu naudoti. Galiausiai stebint apstatą ir laiku nustatant atsiradusius trūkumus be pastato apžiūros vietose, tai užtikrina reagavimą realiu laiku, signalo šeimininkui išsiuntimą.

Pirmieji, bet tvirti žingsniai

I. Matijošaitienė pastebi, kad dirbtinis intelektas bei mašininis mokymasis dar tik įsitvirtina rinkoje, tačiau technologijų galimybės ir atnešama nauda, bei surenkamų duomenų kiekiai jau dabar skatina investuoti į šių rūšių specialistų mokymą, statybos ir kitų sričių inžinierių kompetencijų kėlimą.

„Šiuo metu rinkoje jaučiama didelė žinių ir specialistų stoka, valstybės investuoja ir skatina universitetus integruoti dirbtinio intelekto ir mašininio mokymosi programas į studijų tinklelius, kad kuo daugiau specialistų turėtų reikiamų žinių. Mes taip pat kviečiame jau esamus specialistus baigti savaitės trukmės kursus“, – sakė KTU SAF mokslininkė.

Lapkričio 25-29 d. KTU Išmaniųjų miestų ir infrastruktūros centre vyksiančiuose mokymuose dalyviai išmoks atlikti duomenų analizę ir sukurti specialų skydelį, kuris gali būti naudojamas įmonės pažangai ar tikslų siekimui matuoti, naudojant tam tikrus duomenų rodiklius kaip KPI (Key Performance Indicators), bei duomenimis grįstų sprendimų priėmimui.

Taip pat įgys žinių apie algoritmus bei išmoks juos taikyti naudojant „Python“ prognozavimo modeliams kurti. Išmoks taikyti SQL didesnių duomenų gavybai iš duomenų bazių ir duomenų analizei bei agregavimui. Bei kaip pateikti vizualiai gaunamus duomenis.

Daugiau apie mokymus.