Ο κατασκευαστικός κλάδος – από τους πλέον σημαντικούς της οικονομικής δραστηριότητας, τόσο ως προς τo μέγεθος του απασχολούμενου εργατικού δυναμικού, όσο και ως προς το ύψος των κεφαλαίων που δαπανούνται – αναπτύχθηκε με βραδύτερο ρυθμό τα τελευταία χρόνια συγκριτικά με άλλους παραγωγικούς κλάδους, όπως για παράδειγμα η μεταποίηση. Η παραγωγικότητα ή η οικονομική απόδοση ανά εργαζόμενο δεν παρουσίασε σημαντική αύξηση. Βασική αίτια είναι το γεγονός πως ο συγκεκριμένος κλάδος τις τελευταίες δεκαετίες έχει υιοθετήσει νέες και ψηφιακές τεχνολογίες σε πολύ μικρό ποσοστό σε αντίθεση π.χ. με το λιανικό εμπόριο, τη μεταποίηση ή τη γεωργία. Η εμπειρία όμως αποδεικνύει πως η μηχανική μάθηση (machine learning) και η τεχνητή νοημοσύνη (artificial intelligence – AI) συμβάλλουν στην αύξηση της αποτελεσματικότητας και στην εξοικονόμηση χρημάτων.
Η Τεχνητή Νοημοσύνη (ΑΙ) είναι ένας συσσωρευτικός όρος για να περιγράψει την ικανότητα που έχει μια μηχανή να μιμείται τις ανθρώπινες γνωσιακές λειτουργίες, όπως την επίλυση προβλημάτων, την αναγνώριση προτύπων και τη μάθηση. Η Μηχανική Μάθηση αποτελεί υποσύνολο της AI. Πρόκειται, δηλαδή, για ένα πεδίο τεχνητής νοημοσύνης που χρησιμοποιεί στατιστικές τεχνικές για να δώσει στα συστήματα ηλεκτρονικών υπολογιστών τη δυνατότητα να «μαθαίνουν» από τα δεδομένα, χωρίς να έχουν προγραμματιστεί ρητά για αυτό. Μια μηχανή γίνεται καλύτερη στην κατανόηση και την παροχή πληροφοριών, καθώς «εκτίθεται» σε περισσότερα δεδομένα.
Οι δυνητικές εφαρμογές της μηχανικής μάθησης και της AI στην κατασκευή είναι τεράστιες. Στη δυναμική καθημερινότητα του εργοταξίου τα αιτήματα για διάχυση της πληροφορίας, αντιμετώπιση ανοιχτών θεμάτων και αλλαγή παραγγελιών είναι δεδομένα. Η μηχανική μάθηση μπορεί να αποτελέσει τον έξυπνο βοηθό που μπορεί να ελέγξει αυτό το «βουνό» δεδομένων και να προειδοποιήσει τους διαχειριστές ενός για όλα τα κρίσιμα πράγματα που χρήζουν της προσοχής τους. Ήδη, πολλές εφαρμογές βρίσκονται σε αυτή την κατεύθυνση, με τα οφέλη να κυμαίνονται από το φιλικό φιλτράρισμα ανεπιθύμητων μηνυμάτων ηλεκτρονικού ταχυδρομείου μέχρι την προηγμένη παρακολούθηση της ασφάλειας των εργαζομένων.
Ειδικότερα, στον κατασκευαστικό κλάδο η χρήση της τεχνητής νοημοσύνης μπορεί να συμβάλει ως εξής:
Σε ένα όχι και τόσο μακρινό μέλλον η ρομποτική, το διαδίκτυο και η τεχνητή
νοημοσύνη μπορούν να μειώσουν σημαντικά το κόστος και τον χρόνο κατασκευής.
Αυτό θα επιτευχθεί μέσω της παρακολούθησης των εργασιών με κάμερες, του
ακριβέστερου σχεδιασμού της διέλευσης των ηλεκτρομηχανολογικών δικτύων σε
σύγχρονα κτίρια, την ανάπτυξη αποτελεσματικότερων συστημάτων ασφαλείας στα
εργοτάξια και κυρίως της αλληλεπίδρασης σε πραγματικό χρόνο των εργαζομένων των
υλικών και των μηχανημάτων ώστε να προειδοποιεί έγκαιρα τους εργοδηγούς και επιβλέποντες
για πιθανά κατασκευαστικά σφάλματα, προβλήματα παραγωγικότητας και ζητήματα
ασφαλείας. Παρά τις προβλέψεις για μαζικές απώλειες θέσεων εργασίας, η τεχνητή
νοημοσύνη είναι απίθανο να
αντικαταστήσει το ανθρώπινο δυναμικό. Στον αντίποδα, θα αλλάξει τα επιχειρηματικά μοντέλα στον κατασκευαστικό κλάδο, θα
μειώσει τα ακριβά λάθη, θα μειώσει τους τραυματισμούς στο εργοτάξιο και θα
καταστήσει τις εργασίες κτιρίων πιο αποτελεσματικές.
Τα στελέχη της εταιρείας «Delta Engineering – Σύμβουλοι Μηχανικοί» του Ομίλου Εταιρειών «Σαμαράς και Συνεργάτες» παρακολουθούν αδιάλειπτα τις εξελίξεις, ώστε να σας καθοδηγήσουν και να προτείνουν τις βέλτιστες λύσεις σε κάθε στάδιο της επένδυσής σας στον τομέα των υποδομών.
Συντάκτης: Κωνσταντίνος Παντελίδης | Διπλ. Πολιτικός Μηχανικός M.B.A. | Τμήμα Αδειοδοτήσεων Τεχνικών Έργων
Copyright © Delta Engineering 2021