יתרונות של בינה מלאכותית בענף בבנייה

לבינה מלאכותית יש פוטנציאל בענף הבנייה לעזור לשחקנים לממש ערך לאורך מחזורי החיים של הפרויקט, בכלל זה עיצוב, הצעות מחיר ומימון; רכש ובנייה; תפעול וניהול נכסים; ושינוי מודל עסקי. בינה מלאכותית עוזרת לתעשיית הבנייה כולה להתגבר על כמה מהאתגרים הקשים ביותר, בכלל זה התחומים בטיחות, מחסור בכוח אדם וחריגות מעלויות ומלוחות זמנים.

ככל שחסמי הכניסה לשוק יורדים וההתקדמות בתחומים בינה מלאכותית, למידת מכונה (ML) ואנליטיקה מואצת, אפשר לצפות שלבינה מלאכותית (והקצאת משאבים ל-AI) יהיה תפקיד מרכזי יותר בבנייה בשנים הקרובות.

בינה מלאכותית ולמידת מכונה בבנייה

בינה מלאכותית (AI) היא מונח המתאר מכונה שמחקה פונקציות קוגניטיביות אנושיות כגון פתרון בעיות, זיהוי דפוסים ולמידה. למידת מכונה היא תת-קבוצה של AI. למידת מכונה היא תחום של בינה מלאכותית שמשתמש בטכניקות סטטיסטיות כדי להעניק למערכות מחשב את היכולת "ללמוד" מנתונים בלי להיות מתוכנתים במפורש. מכונה נעשית היות טובה יותר בהבנה ובמתן תובנות ככל שהיא נחשפת ליותר נתונים.

לדוגמה, תוכנית למידת מכונה עשויה לעקוב אחר התקדמות בתוכנית דירוג ולהעריך אותה כדי לזהות סיכונים מוקדם בלוח הזמנים. האלגוריתמים עשויים 'לשאול שאלות' לגבי מדידות נפח חיתוך ומילוי, זמן פעולה והשבתה של המכונה, דפוסי מזג אוויר, פרויקטים קודמים או מספר התשומות כדי לקבוע ציון לסיכון.

היישומים הפוטנציאליים של למידת מכונה ובינה מלאכותית בבנייה עצומים. בקשות למידע, בעיות פתוחות והזמנות שינוי הן סטנדרט בתעשייה. למידת מכונה היא מעין עוזר חכם שיכול לבחון את הר הנתונים הזה. לאחר מכן הוא מתריע בפני מנהלי פרויקטים על דברים קריטיים שזקוקים לתשומת לבם. מספר יישומים כבר משתמשים ב-AI באופן זה. היתרונות שלו נעים מסינון שגרתי של הודעות דואר זבל ועד ניטור בטיחות מתקדם.

מניעת חריגות בעלויות: רוב המגה-פרויקטים חורגים מהתקציב למרות העסקת צוותי הפרויקטים הטובים ביותר. רשתות עצביות מלאכותיות משמשות בפרויקטים כדי לחזות חריגות בעלויות בהתבסס על גורמים כגון גודל הפרויקט, סוג החוזה ורמת הכשירות של מנהלי פרויקטים. נתונים היסטוריים כגון תאריכי התחלה וסיום מתוכננים משמשים מודלים חזויים כדי לחזות לוחות זמנים מציאותיים בפרויקטים עתידיים. בינה מלאכותית עוזרת לצוות לגשת מרחוק לחומר הדרכה מהחיים האמיתיים, שעוזר להם לשפר את הכישורים והידע שלהם במהירות ולהקטין את הזמן שלוקח להכניס משאבים חדשים לפרויקטים. עקב כך מסירת הפרויקט מזורזת.

AI לתכנון טוב יותר של מבנים באמצעות עיצוב גנרטיבי: מידול מידע על בניין הוא תהליך מבוסס מודלים תלת-ממדיים המעניק לאנשי מקצוע בתחומים אדריכלות, הנדסה ובנייה תובנות לתכנון, לבנייה ולניהול יעיל של מבנים ותשתיות. כדי לתכנן בניית פרויקט, המודלים התלת-ממדיים צריכים להביא בחשבון את תוכניות הארכיטקטורה, ההנדסה, המכונות, החשמל והאינסטלציה (MEP) ואת רצף הפעילויות של הצוותים המתאימים. האתגר הוא להבטיח שהדגמים מקבוצות המשנה לא יתנגשו זה בזה.

התעשייה משתמשת בלמידת מכונה בדרך של עיצוב גנרי המופעל על ידי בינה מלאכותית כדי לזהות ולהפחית התנגשויות בין דגמים שנוצרו על ידי צוותים שונים כדי למנוע עיבוד חוזר. יש תוכנה שמשתמשת באלגוריתמים של למידת מכונה כדי לחקור את כל הווריאציות של פתרון ומייצרת חלופות עיצוב. ברגע שמשתמש מגדיר דרישות במודל, תוכנת העיצוב הגנרטיבית יוצרת מודלים תלת-ממדיים מותאמים לאילוצים ולומדת מכל איטרציה עד שהיא מגיעה למודל האידיאלי.

הפחתת סיכונים: לכל פרויקט בנייה יש סיכון כלשהו כגון איכות, בטיחות, זמן וסיכון עלות. ככל שהפרויקט גדול יותר, הסיכון גדול יותר, שכן קבלני משנה רבים עובדים על כמה מקצועות בו בזמן באתרי עבודה. ישנם כיום פתרונות בינה מלאכותית ולמידת מכונה שקבלנים כלליים משתמשים בהם כדי לנטר ולתעדף סיכונים באתר העבודה, לפיכך צוות הפרויקט יכול למקד את הזמן והמשאבים המוגבלים שלו בגורמי הסיכון הגדולים ביותר. AI משמשת להקצאת עדיפות אוטומטית לבעיות. קבלני משנה מדורגים על סמך ציון סיכון, לפיכך מנהלי בנייה יכולים לעבוד בשיתוף פעולה הדוק עם צוותים בסיכון גבוה כדי להפחית סיכונים.

תכנון פרויקט: חברת בנייה אחת שהושקה ב-2017 משתמשת ברובוטים כדי ללכוד באופן אוטונומי סריקות תלת-ממדיות של אתרי בנייה ולאחר מכן מזינה את הנתונים לרשת עצבית עמוקה שמסווגת את התת-פרויקטים. אם הדברים נראים לא במסלול, צוות ההנהלה יכול להתערב כדי להתמודד עם בעיות קטנות לפני שהן נהפכות לבעיות גדולות. אלגוריתמים של העתיד ישתמשו בטכניקת בינה מלאכותית המכונה "למידת חיזוק". טכניקה זו מאפשרת לאלגוריתמים ללמוד על סמך ניסוי וטעייה ומאפשרת להעריך אינסוף שילובים וחלופות על סמך פרויקטים דומים. היא מסייעת בתכנון הפרויקט מכיוון שהיא מייעלת את הדרך הטובה ביותר ומתקנת את עצמה לאורך זמן.

בינה מלאכותית הופכת אתרי עבודה לפרודוקטיביים יותר: ישנן חברות שמתחילות להציע מכונות בנייה בנהיגה עצמית לביצוע משימות חוזרות ונשנות ביעילות רבה יותר מחברותיהן האנושיות, כגון יציקת בטון, לבנים, ריתוך והריסה. עבודות חפירה והכנה מבוצעות על ידי דחפורים אוטונומיים או אוטונומיים למחצה, שיכולים להכין אתר עבודה בעזרת מתכנת אנושי למפרט מדויק. הדבר מפנה עובדים לעבודת הבנייה עצמה ומצמצם את הזמן הכולל הנדרש להשלמת הפרויקט. מנהלי פרויקטים יכולים גם לעקוב אחר העבודה באתר בזמן אמת. הם משתמשים בזיהוי פנים, במצלמות באתר ובטכנולוגיות דומות כדי להעריך את יעילות העובדים ותאימות לנהלים.

AI לבטיחות הבנייה: פועלי בניין נהרגים בעבודה בתדירות גבוהה פי חמישה מפועלים אחרים. הגורמים המובילים למקרי מוות במגזר הפרטי (למעט התנגשויות בכבישים מהירים) בענף הבנייה היו נפילות, ואחריהן פגיעות מחפץ, התחשמלות והימחצות. חברת טכנולוגיות בנייה מבוסטון יוצרת אלגוריתם שמנתח תמונות מאתרי העבודה שלה, סורק אותן לאיתור סכנות בטיחותיות כגון עובדים שלא לובשים ציוד מגן ומתאם את התמונות עם רישומי התאונות שלה. החברה יכולה לחשב דירוגי סיכונים לפרויקטים, וכך לקיים תדריכי בטיחות כאשר מתגלה איום מוגבר. היא אפילו החלה לדרג ולפרסם ציוני בטיחות לכל מדינה בארה"ב בהתבסס על תאימות ל-COVID-19 בשנת 2020.

בינה מלאכותית תיתן מענה למחסור בכוח אדם: מחסור בכוח אדם ורצון להגביר את הפריון הנמוך של הענף משכנעים חברות בנייה להשקיע ב-AI ובמדעי הנתונים. לפי דו"ח מקינזי משנת 2017, חברות בנייה יכולות להגביר את הפרודוקטיביות ב-50 אחוזים באמצעות ניתוח נתונים בזמן אמת. חברות בנייה מתחילות להשתמש בבינה מלאכותית ובלמידת מכונה כדי לתכנן טוב יותר את חלוקת העבודה והמכונות בין משרות.

רובוט שמעריך כל הזמן את התקדמות העבודה ואת מיקומם של עובדים וציוד מאפשר למנהלי פרויקטים לדעת בזמן אמת באילו אתרי עבודה יש מספיק עובדים וציוד כדי להשלים את הפרויקט על פי לוח הזמנים, ומי עלול לפגר במקום שבו אפשר לפרוס כוח אדם נוסף.

רובוט המופעל על ידי בינה מלאכותית כגון Spot the Dog יכול לסרוק באופן אוטונומי אתר עבודה כל לילה כדי לעקוב אחר ההתקדמות. הדבר מאפשר לקבלן גדול לבצע יותר עבודה באזורים מרוחקים שבהם יש מחסור בכוח אדם מיומן.

בנייה מחוץ לאתר: חברות בנייה מסתמכות יותר ויותר על מפעלים מחוץ לאתר המאוישים על ידי רובוטים אוטונומיים. אלה מחברים יחד רכיבים של בניין, שלאחר מכן מחוברים על ידי עובדים באתר. אפשר להשלים מבנים כגון קירות בסגנון פס ייצור על ידי מכונות אוטונומיות ביעילות רבה יותר מאשר עמיתיהם האנושיים. הדבר מאפשר לעובדים לסיים עבודת פרטים כגון אינסטלציה ומערכות חשמל.

AI וביג דאטה בבנייה: בתקופה שבה נוצרת כמות עצומה של נתונים מדי יום, מערכות בינה מלאכותית נחשפות לכמות אינסופית של נתונים שאפשר ללמוד מהם ולהשתפר. כל אתר עבודה נהפך למקור נתונים פוטנציאלי ל-AI. נתונים שנוצרו מתמונות שצולמו ממכשירים ניידים, מסרטוני רחפנים, מחיישני אבטחה, מבניית מודלים של מידע (BIM) ואחרים, נהפכו למאגר מידע. יש בכך הזדמנות לאנשי מקצוע ולקוחות בענף הבנייה לנתח ולהפיק תובנות מהנתונים בעזרת מערכות בינה מלאכותית ולמידת מכונה.

AI לפוסט בנייה: מנהלי בניינים יכולים להשתמש בבינה מלאכותית הרבה לאחר השלמת הבנייה. על ידי איסוף מידע על מבנה באמצעות חיישנים, רחפנים וטכנולוגיות אלחוטיות אחרות, אנליטיקה מתקדמת ואלגוריתמים מונעי בינה מלאכותית, מקבלים תובנות חשובות לגבי הפעולה והביצועים של בניין, גשר, כבישים וכמעט כל דבר בסביבה הבנויה. המשמעות היא שאפשר להשתמש בבינה מלאכותית כדי לנטר בעיות מתפתחות, לקבוע מתי יש לבצע תחזוקה מונעת ואפילו לכוון התנהגות אנושית לבטיחות מיטבית.

לפרטים נוספים