AI dalam Konstruksi

AI dalam Konstruksi dapat dimanfaatkan sebagai berikut

Mencegah pembengkakan biaya

Problema sebagian besar proyek mega terjadi pemborosan anggaran meskipun telah mempekerjakan tim proyek terbaik. Untuk itu digunakan AI untuk memprediksi pembengkakan biaya berdasarkan faktor-faktor seperti ukuran proyek, jenis kontrak, dan tingkat kompetensi manajer proyek. Data historis seperti tanggal mulai dan akhir yang direncanakan digunakan oleh model prediktif untuk membayangkan garis waktu yang realistis untuk proyek masa depan. AI membantu staf mengakses materi pelatihan kehidupan nyata dari jarak jauh yang membantu mereka meningkatkan keterampilan dan pengetahuan mereka dengan cepat. Ini mengurangi waktu yang dibutuhkan untuk memasukkan sumber daya baru ke dalam proyek. Akibatnya, pengiriman proyek dipercepat.

AI untuk desain bangunan yang lebih baik melalui desain generatif

Building Information Modeling adalah proses berbasis model 3D yang memberikan wawasan profesional arsitektur, teknik, dan konstruksi untuk merencanakan, merancang, membangun, dan mengelola bangunan dan infrastruktur secara efisien. Untuk merencanakan dan merancang konstruksi suatu proyek, model 3D perlu mempertimbangkan rencana arsitektur, teknik, mekanik, listrik, dan pipa ledeng (MEP) dan urutan kegiatan masing-masing tim. Tantangannya adalah untuk memastikan bahwa model yang berbeda dari sub-tim tidak berbenturan satu sama lain.

Industri menggunakan pembelajaran mesin dalam bentuk desain generatif bertenaga AI untuk mengidentifikasi dan mengurangi bentrokan antara model berbeda yang dihasilkan oleh tim yang berbeda untuk mencegah pengerjaan ulang. Ada perangkat lunak yang menggunakan algoritma pembelajaran mesin untuk mengeksplorasi semua variasi solusi dan menghasilkan alternatif desain. Setelah pengguna menyiapkan persyaratan dalam model, perangkat lunak desain generatif membuat model 3D yang dioptimalkan untuk batasan, belajar dari setiap iterasi hingga menghasilkan model yang ideal.

Mitigasi risiko

Setiap proyek konstruksi memiliki beberapa risiko yang datang dalam berbagai bentuk seperti risiko kualitas, keamanan, waktu, dan biaya. Semakin besar proyek, semakin besar risikonya, karena ada beberapa sub-kontraktor yang bekerja pada perdagangan yang berbeda secara paralel di lokasi kerja. Ada solusi AI dan pembelajaran mesin saat ini yang digunakan kontraktor umum untuk memantau dan memprioritaskan risiko di lokasi kerja, sehingga tim proyek dapat memfokuskan waktu dan sumber daya mereka yang terbatas pada faktor risiko terbesar. AI digunakan untuk secara otomatis menetapkan prioritas masalah. Subkontraktor dinilai berdasarkan skor risiko sehingga manajer konstruksi dapat bekerja sama dengan tim berisiko tinggi untuk mengurangi risiko.

Perencanaan proyek

Satu perusahaan intelijen konstruksi diluncurkan pada 2017 dengan janji bahwa robot dan kecerdasan buatannya memegang kunci untuk menyelesaikan proyek konstruksi yang terlambat dan melebihi anggaran. Perusahaan menggunakan robot untuk secara mandiri menangkap pemindaian 3D dari situs konstruksi dan kemudian memasukkan data itu ke dalam jaringan saraf yang dalam yang mengklasifikasikan seberapa jauh sub-proyek yang berbeda. Jika segala sesuatunya tampak keluar jalur, tim manajemen dapat turun tangan untuk menangani masalah kecil sebelum menjadi masalah besar. Algoritma masa depan akan menggunakan teknik AI yang dikenal sebagai “pembelajaran penguatan.” Teknik ini memungkinkan algoritma untuk belajar berdasarkan trial and error. Itu dapat menilai kombinasi dan alternatif tanpa akhir berdasarkan proyek serupa. Ini membantu dalam perencanaan proyek karena mengoptimalkan jalur terbaik dan mengoreksi dirinya sendiri dari waktu ke waktu.

AI membuat lokasi kerja lebih produktif

Ada perusahaan yang mulai menawarkan mesin konstruksi self-driving untuk melakukan tugas berulang lebih efisien daripada rekan-rekan manusia mereka, seperti menuangkan beton, pemasangan batu bata, pengelasan, dan pembongkaran. Penggalian dan pekerjaan persiapan sedang dilakukan oleh buldoser otonom atau semi-otonom, yang dapat menyiapkan lokasi kerja dengan bantuan pemrogram manusia dengan spesifikasi yang tepat. Ini membebaskan pekerja manusia untuk pekerjaan konstruksi itu sendiri dan mengurangi keseluruhan waktu yang dibutuhkan untuk menyelesaikan proyek. Manajer proyek juga dapat melacak pekerjaan di lokasi kerja secara real time. Mereka menggunakan pengenalan wajah, kamera di tempat, dan teknologi serupa untuk menilai produktivitas pekerja dan kesesuaian dengan prosedur.

AI untuk keselamatan konstruksi

Pekerja konstruksi terbunuh di tempat kerja lima kali lebih sering daripada pekerja lainnya. Menurut OSHA, penyebab utama kematian sektor swasta (tidak termasuk tabrakan jalan raya) di industri konstruksi adalah jatuh, diikuti oleh benda, tersengat listrik, dan tersangkut di antara keduanya. Sebuah perusahaan teknologi konstruksi yang berbasis di Boston membuat algoritme yang menganalisis foto dari lokasi kerjanya, memindainya dari bahaya keselamatan seperti pekerja yang tidak mengenakan peralatan pelindung dan menghubungkan gambar tersebut dengan catatan kecelakaannya. Perusahaan mengatakan berpotensi dapat menghitung peringkat risiko untuk proyek sehingga pengarahan keselamatan dapat diadakan ketika ancaman yang meningkat terdeteksi. Bahkan mulai memberi peringkat dan merilis skor keamanan untuk setiap negara bagian AS berdasarkan kepatuhan COVID-19 pada tahun 2020.

AI akan mengatasi kekurangan tenaga kerja

Kekurangan tenaga kerja dan keinginan untuk meningkatkan produktivitas industri yang rendah memaksa perusahaan konstruksi untuk berinvestasi dalam AI dan ilmu data. Laporan McKinsey 2017 mengatakan bahwa perusahaan konstruksi dapat meningkatkan produktivitas sebanyak 50 persen melalui analisis data waktu nyata. Perusahaan konstruksi mulai menggunakan AI dan pembelajaran mesin untuk merencanakan distribusi tenaga kerja dan mesin dengan lebih baik di seluruh pekerjaan.

Sebuah robot yang terus-menerus mengevaluasi kemajuan pekerjaan dan lokasi pekerja serta peralatan memungkinkan manajer proyek untuk langsung mengetahui lokasi kerja mana yang memiliki pekerja dan peralatan yang cukup untuk menyelesaikan proyek sesuai jadwal, dan mana yang mungkin tertinggal di mana tenaga kerja tambahan dapat dikerahkan.

Robot bertenaga AI seperti Spot the Dog dapat secara mandiri memindai lokasi kerja setiap malam untuk memantau kemajuan – memungkinkan kontraktor besar seperti Mortenson untuk menyelesaikan lebih banyak pekerjaan di daerah terpencil di mana tenaga kerja terampil terbatas.

Konstruksi di luar lokasi

Perusahaan konstruksi semakin mengandalkan pabrik di luar lokasi yang dikelola oleh robot otonom yang menyatukan komponen bangunan, yang kemudian disatukan oleh pekerja manusia di lokasi. Struktur seperti dinding dapat diselesaikan dengan gaya jalur perakitan oleh mesin otonom lebih efisien daripada rekan manusianya, meninggalkan pekerja manusia untuk menyelesaikan pekerjaan detail seperti pipa ledeng, HVAC, dan sistem kelistrikan saat struktur dipasang bersama.

AI dan data besar dalam konstruksi

Pada saat sejumlah besar data dibuat setiap hari, sistem AI dihadapkan pada jumlah data yang tak terbatas untuk dipelajari dan ditingkatkan setiap hari. Setiap lokasi kerja menjadi sumber data potensial untuk AI. Data yang dihasilkan dari gambar yang diambil dari perangkat seluler, video drone, sensor keamanan, pemodelan informasi bangunan (BIM), dan lainnya telah menjadi kumpulan informasi. Ini memberikan peluang bagi para profesional dan pelanggan industri konstruksi untuk menganalisis dan memanfaatkan wawasan yang dihasilkan dari data dengan bantuan AI dan sistem pembelajaran mesin.

AI untuk pasca konstruksi

Manajer gedung dapat menggunakan AI lama setelah konstruksi selesai. Dengan mengumpulkan informasi tentang struktur melalui sensor, drone, dan teknologi nirkabel lainnya, analitik canggih dan algoritme bertenaga AI memperoleh wawasan berharga tentang pengoperasian dan kinerja gedung, jembatan, jalan, dan hampir semua hal di lingkungan binaan. Ini berarti AI dapat digunakan untuk memantau masalah yang berkembang, menentukan kapan pemeliharaan preventif perlu dilakukan, atau bahkan mengarahkan perilaku manusia untuk keamanan dan keselamatan yang optimal.