ОСОБЛИВОСТІЇ ІМПЛЕМЕНТАЦІЇ ШТУЧНОГО ІНТЕЛЕКТУ В БУДІВНИЦТВІ
DOI:
https://doi.org/10.31649/2311-1429-2023-2-172-176%20Ключові слова:
штучний інтелект, підприємство, машинне навчання, виклики штучного інтелекту, можливості штучного інтелекту, будівельна галузь, робототехніка.Анотація
У роботі розглянуто імплементацію штучного інтелекту в будівельній галузі. Визначено основні напрямки імплементації ШІ на п’яти етапах проектування будівель та споруд, організації будівництва та експлуатації. На першому етапі «Планування та проектування» слід зібрати та проаналізувати інформацію про аналогічні будівельні проекти, враховуючи фінансові ресурси, терміни виконання, особливості будівель і інші важливі фактори, використовувати автоматизоване проектування, що враховує геодезичні дані, геологічні особливості, кліматичні умови, вимоги містобудування, технічні умови та інші фактори для оптимізації дизайну. На другому етапі «Оцінка ризиків та перспективи» ШІ за допомогою алгоритмів прогнозування для ідентифікації можливих ризиків визначає стратегії їх управління. На третьому етапі «Управління ресурсами та постачанням» виконується оптимізація логістики для передбачення потреб у будівельних матеріалах та автоматизації керування ланцюжком постачання, планування графіків роботи працівників за допомогою алгоритмів машинного навчання для передбачення потреб у робочій силі та оптимізації графіків. На четвертому етапі «Автоматизація та моніторинг» використовуються автоматизовані системи та дрони, керованих штучним інтелектом, для виконання рутинних та небезпечних завдань на будівельному майданчику, розгортається система моніторингу, яка в режимі реального часу відстежують прогрес будівельних робіт та інші ключові параметри. На пятому етапі «Оцінка якості та аналіз завершеного проекту» використовується аналіз даних для оцінки якості виконаних робіт, автоматизована перевірка виконаних робіт та визначення відповідності стандартам ДБН, технічному завданню на проектування, аналізу планування та витрачених ресурсів.
Розглянуто застосовування штучного інтелекту на прикладі планування ресурсів в будівництві, яке може включати в себе використання різних математичних моделей та алгоритмів для оптимізації використання ресурсів. Зазначено переваги та недоліки застосування штучного інтелекту, та перспективи його розвитку в будівельній галузі.
Посилання
Metody ta systemy shtuchnoho intelektu: Navchalʹnyy posibnyk dlya studentiv napryamu pidhotovky 6.050101 «Kompʺyuterni nauky» / uklad. : A.S. Savchenko, O. O. Synelʹnikov. K. : NAU, 2017. 190 s.
Metody ta systemy shtuchnoho intelektu: navch. posib. / ukl. D.V. Lubko, S.V. Sharov. Melitopolʹ: FOP Odnoroh T.V., 2019. 264 s.
Lyalyuk O. H., Ratushnyak O. H. Orhanizatsiyno-ekonomichni instrumenty ekolohichnoho menedzhmentu v budivnytstv. Problemy formuvannya konkurentospromozhnosti pidpryyemstv za umov nestabilʹnosti svitovoyi ekonomiky. Materialy dopovidey Vseukrayinsʹkoyi naukovo-praktychnoyi konferentsiyi. m. Vinnytsya, 27 kvitnya 2009 roku. - Vinnytsya : UNIVERSUM-Vinnytsya, 2009. S. 174-176.
Sofiat O. Abioye a, Lukumon O. Oyedele a,*, Lukman Akanbi a,b, Anuoluwapo Ajayi a, Juan Manuel Davila Delgado a, Muhammad Bilal a, Olugbenga O. Akinade a, Ashraf Ahmed c. Artificial intelligence in the construction industry: A review of present status, opportunities and future challenges.
Applications of Artificial Intelligence in Construction, Ar. Gayatri Patil, Allana College of Architecture, Pune India
N. Yau and J. Yang, Case-Based Reasoning in Construction Management, Computer Aided Civil and Infrastructure Engineering (1998).
R. Fayek Aziz, S. M. Hafez and Y. R. Abuel-Magd, Smart optimization for mega construction projects using artificial intelligence, Alexandria Engineering Journal (2014)
M. Jaina and K.K. Pathak, Applications of Artificial Neural Network in Construction Engineering and Management - A Review, International Journal of Engineering Technology, Management and Applied Sciences, Volume 2 Issue 3(2014)
H. Gunaydın Murat, and Z. D. S. gan, A neural network approach for early cost estimation of structural systems of building, International Journal of Project Management 22, 595–602 (2004).https://doi.org/10.1016/j.ijproman.2004.04.002
S. H. Iranmanesh and M. Zarezadeh, Application of Artificial Neural Network to Forecast Actual Cost of a Project to Improve Earned Value Management System, World Academy of Science, Engineering and Technology, 210–213 (2008)
K. Gwang-Hee, Y. Jie-Eon, S. Ana, Chob, Hun-Hee, Neural network model incorporating a genetic algorithm inestimating construction costs, Building and Environment, 39, 1333–1340 (2004).https://doi.org/10.1016/j.buildenv.2004.03.009
Cheung, S. On and W. P. S. Pui and F. Ada and Coffey, Vaughan, Predicting project performance through neural networks, International Journal of Project Management, 24(3), 207–215 (2006).https://doi.org/10.1016/j.ijproman.2005.08.001
M. B. Murtaza, and D. J. Fisher, Neuromodex: Neural network system for modular construction decision, Journal of Computing in Civil Engineering, ASCE, 8(2), 221–223 (1994).https://doi.org/10.1061/(ASCE)0887-3801(1994)8:2(221)
##submission.downloads##
-
PDF
Завантажень: 0
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.