211service.com
AI kan hjälpa byggbranschen att arbeta snabbare – och hålla sin personal olycksfri
Med tillstånd av Suffolk och Smartvid.io
Byggnadsarbetare dödas på jobbet fem gånger oftare än andra arbetare. Nu siktar en ny typ av byggnadsarbetare – en dataforskare – på att använda artificiell intelligens för att förutsäga sannolikheten för skada och ingripa.
Suffolk , en Boston-baserad generalentreprenör med en årlig försäljning på 3 miljarder USD, utvecklar en algoritm som analyserar foton från sina arbetsplatser, skannar dem efter säkerhetsrisker som att arbetare inte bär skyddsutrustning och korrelerar bilderna med sina olycksuppgifter. Företaget finjusterar fortfarande tekniken men säger att det potentiellt kan beräkna riskklassificeringar för projekt så att säkerhetsgenomgångar kan hållas när ett förhöjt hot upptäcks.
Suffolk skriver också en algoritm som skulle analysera information från en mängd olika källor, inklusive 10 års schemaläggningsdata från dess arkiv och prognostisera projektförseningar – information som kan kommuniceras till byggnadsägare och underleverantörer. Suffolk undersöker också sätt att använda data från IoT-sensorer för att öka effektiviteten. En idé är att spåra platsen för sina betongleverantörers lastbilar så att arbetarna är redo att gjuta betongen så snart lastbilarna anländer.
Denna mockup visar programvara som skulle identifiera förhöjd risk för en olycka så att åtgärder kan vidtas för att förhindra det. Med tillstånd av Suffolk och Smartvid.io
Sådan dataknäppning är sällsynt i konstruktionen, som har varit långsam med att ta till sig avancerad analys – delvis för att marginalerna är tunna och beprövade metoder har ett fast grepp. Människor vet hur man bygger på det sätt som de vet hur man bygger, säger James Benham, VD för JBKnowledge , ett mjukvaru- och konsultföretag som bedriver en årlig global undersökning om byggteknik . Och det är svårt att övertyga de flesta av dem att göra saker på något annat sätt.
Men brist på arbetskraft och en önskan att öka branschens låga produktivitetsnivåer tvingar vissa företag att investera i datavetenskap. Förespråkarna säger att den spirande trenden så småningom kan förändra sektorn på 13 biljoner dollar. Benham uppskattar att ett 20-tal byggföretag i USA har lanserat någon form av datavetenskapsinitiativ de senaste åren.
Suffolk är en av dessa pionjärer. 2017 utsåg den en McKinsey managementkonsult vid namn Jit Kee Chin som dess första datachef. Rollen, som företaget beskriver som att utnyttja big data och avancerad analys för att förbättra kärnverksamheten, är en ny inom byggbranschen. Andra företag kan ha en innovationsdirektör, vice vd för byggteknik eller chef för FoU som hanterar liknande uppgifter, men Chin har utan tvekan mer inflytande, med tanke på hennes C-suite-titel och breda uppdrag, som inkluderar att arbeta med företagets innovation och strategi team om tekniska initiativ.
Precis som andra byggföretag genererar Suffolk mycket data, från fältrapporter och foton på arbetsplatsen till leverantörskontrakt och inspektionsdokument. Tidigare kunde företagets olika applikationer inte dela data lätt, så företaget kämpade för att göra någon typ av prognoser. Chin anställde en grupp datavetare och experter inom datavisualisering, IT och drift, som sammanfogade företagets dataflöden och designade en online-dashboard för att presentera informationen. Resultatet är ett program som låter Suffolk-anställda titta på en enda sammanfattning av alla företagets projekt runt om i landet och se detaljer om var och ens ekonomi, säkerhetsdata, schema och mer.
Chins grupp använder denna information för att skapa prediktiva algoritmer utformade för att hantera byggrisker. Den byggde sin arbetssäkerhetsprediktor genom att ta mer än 700 000 bilder från 360 projekt under de senaste 10 åren, ladda upp dem till en molnbaserad plattform utvecklad av startupen Smartvid.io , och köra en bildigenkänningsalgoritm för att identifiera om arbetare bar hjälm, handskar och skyddsvästar och skyddsglasögon. Teamet kopplade sedan in den taggade fotoinformationen, tillsammans med väder och andra projektrelaterade data, till en andra maskininlärningsmodell. Gruppen beslutar nu om de ska justera algoritmen för att upptäcka stegar och byggnadsställningar, som kan orsaka fall och farligt rörigt på en arbetsplats.
Att skriva sina egna algoritmer bör också hjälpa Suffolk att integrera nya typer av data i sina prognoser. Företaget experimenterar ofta med ny teknologi och testar för närvarande bärbara prylar som kan programmeras för att känna igen farliga zoner på en arbetsplats och registrera om arbetare är närvarande där, enligt innovationschefen Chris Mayer .
Chin uppskattar att dessa nya digitala verktyg kan hjälpa Suffolk att öka produktiviteten med 14 till 20 procent på några år. En McKinsey-rapport från 2017 säger att byggföretag skulle kunna öka produktiviteten med så mycket som 50 procent genom realtidsanalys av data. Branschen behöver desperat den här typen av kapacitet, säger Benham från JBKnowledge. Det kan hjälpa människor att fatta bättre beslut och raka bort veckor till månader från sina projektscheman.