admin 
Apklausiau keletą startuolių, kurie kuria AI įrankius AEC sektoriui. Jie teigia, kad pramonė kuria duomenis, skirtus žmonėms naudoti ir spręsti, todėl negalite tikėtis, kad jie bus susisteminti. Taigi LLM yra tinkamas būdas, nes jie gali tvarkyti netvarkingus duomenis.
Tačiau patirtis rodo, kad ten, kur duomenys yra struktūrizuoti ir nuskaitomi mašininiu būdu, dirbtinis intelektas veikia. Jei taip nėra, LLM konkrečiai arba žlunga, arba pateikia patikimus, bet neteisingus rezultatus.
Tai ne tik AI kaip produktyvumo didinimo vienoje įmonėje klausimas. Kalbama apie duomenų naudojimą visoje tiekimo grandinėje nuo ankstyvųjų koncepcijų iki kūrimo operacijų, nesvarbu, ar AI dalyvauja, ar ne. Ar realu manyti, kad AEC įmonės pradės kreipti dėmesį į duomenų kokybę ir investuos į jos gerinimą? Pasak Solibri Europos Parlamento nario internetinio seminaro praėjusį ketvirtadienį (gegužės 7 d.), tai įmanoma ir stebėtinai paprasta, kai yra parengtos sistemos ir įrankiai.
Pastangos nėra tai, ką žmonės galvoja
Webinare Granlundo atstovas Markusas Järvenpää paaiškino ir pademonstravo Suomijos nacionalinio duomenų standarto naudojimą MEP objektams, sistemų tipų klasifikaciją ir savybių rinkinius. Jis buvo sukurtas vykdant RAVA2Pro ir RAVA3Pro projektus ir buvo įtrauktas į buildingSMART Data Dictionary (bSDD) platformą (suomių kalba).
Suomijos standartas apima visą MEP taikymo sritį: daugiau nei 800 gaminių tipų identifikatorių ŠVOK, elektros ir pastatų automatikos srityse, taip pat sistemos tipų klasifikacijas ir kiekvieno duomenų lauko apibrėžimus. Jis yra viešai prieinamas ir buvo įdiegtas pagrindinėse Suomijoje naudojamose MEP projektavimo programose.
Darbo eiga programoje yra vienas veiksmas: programinėje įrangoje įtaisytame išskleidžiamajame meniu pasirinkite produkto tipą (Markus naudojo MagiCAD for Revit), ir visi reikalingi ypatybių rinkiniai automatiškai eksportuojami su IFC. Nėra rankinio nuosavybės įvedimo, jokio atskiro duomenų tvarkymo žingsnio ir nereikia papildomo derinimo. 10 000 valandų trukmės projekte Markusas apskaičiavo, kad bendras papildomas pastangas buvo maždaug viena valanda!
„Granlund“ taip pat išleido nemokamą „Solibri“ plėtinį, kuris patikrina IFC modelius, ar jie atitinka standartą, ir uždaro ciklą nuo klasifikavimo iki patikrinimo be jokių papildomų išlaidų ar investicijų į įrankius.
Kokie struktūriniai duomenys atrakina
Struktūruoti MEP duomenys reiškia, kad kiekvienas modelio objektas turi suderintą semantiką, klasifikacijas ir savybių rinkinius, kuriuos mašina gali nuskaityti ir apskaičiuoti neatspėdamas. Markus tai iliustravo „Solibri Office“.
Kai MEP objektai yra nuosekliai klasifikuojami, programinė įranga gali automatiškai apskaičiuoti kiekius, prijungti juos prie kainų duomenų bazių, imituoti alternatyvas ir dinamiškai atnaujinti sąmatas. Tas pats struktūrinis pamatas leidžia atlikti anglies dioksido skaičiavimus, logistikos planavimą pagal įrengimo zonas ir pirkimus remiantis faktiniais modelio duomenimis, o ne suvestiniais įvertinimais.
Markusas per internetinį seminarą pastebėjo: pasikartojantys objektai nestruktūrizuotame IFC eksporte yra dažni ir retai aptinkami. Jei pirkimą pradedate nuo modelio, kuriame yra dublikatų, galite užsisakyti šešiolika elektros skirstomųjų plokščių, kai jų reikės daug mažiau.
Visa tai taikoma neatsižvelgiant į tai, ar AI yra darbo eigoje, ar ne. Tačiau kai dirbtinio intelekto įrankiai vis labiau įtraukiami į statybos procesus, atotrūkis tarp struktūrizuotų ir nestruktūruotų duomenų dar labiau didėja.
Kai kurie teigia, kad LLM dabar pakankamai gali išgauti prasmę iš netvarkingų duomenų, todėl struktūra tampa nereikalinga. Tame yra dalinės tiesos; AI tikrai gerai paverčia nestruktūruotą informaciją struktūrizuota informacija. Tačiau dėl to vėliau struktūrizuota produkcija nėra nereikalinga. Kuo daugiau AI agentų automatizuoja pirkimus, logistiką ir gyvavimo ciklo valdymą, tuo vertingesni yra stabilūs, mašininiu būdu nuskaitomi duomenys.
Komercinis barjeras yra tikroji problema
Atsižvelgiant į tai, kad įrankiai yra paruošti, standartas paskelbtas, o dizainerio pastangos yra minimalios, kyla akivaizdus klausimas, kodėl struktūriniai MEP duomenys išlieka išimtimi. Atsakymas yra komercinis. Klientai jo neužsako, todėl dizaineriai negamina. Be sutarties reikalavimo pastangų, kurios įgalina viską pasroviui, tiesiog neįvyksta.
Markus internetiniame seminare pažymėjo, kad projektų koordinatoriai siūlė priimti standartinį EP nario vidurio projektą, o europarlamentaro dizaineris jam pasakė, kad to nebuvo sutartyje. Tai kolektyvinio veikimo problema. Kiekviena vertės grandinės šalis gauna naudos iš struktūrinių duomenų, tačiau išlaidos tenka dizaineriui, o naudą fiksuoja rangovai, savininkai ir objektų valdytojai, kurie už tai nemokėjo. Kol klientai projektavimo sutartyse nenurodys struktūrizuotų MEP duomenų, paskatų struktūra nesikeis.
Suomija šiais metais pristatė BIM pagrįstą statybos leidimą, tačiau reguliavimo sistema dar neįpareigoja struktūrizuoti EP narių duomenų, kurie sudarytų aiškų teisinį pagrindą sutarčių reikalavimams. Tai gali pasikeisti. Tuo tarpu praktinis kelias į priekį yra nesudėtingas: klientai projektavimo trumpiniuose dokumentuose nurodo MEP atitiktį, o dizaineriai, suprantantys vidinę naudą, pradeda tai taikyti nepaisydami.
Kas turi įvykti
Dizaineriai gali veikti neprašydami. Markusas tai aiškiai pasakė: vidinė vietinė MEP programinė įranga yra tiesioginė. Dėl nuoseklaus klasifikavimo modelį lengviau naudoti projektavimo komandai prieš bet kokį IFC eksportą. Šiuo metu įprotį formuojantis dizaineris taip pat yra dizaineris, kurio modeliai bus paruošti dirbtiniam intelektui, kai klientai pradės to reikalauti.
Sisteminiams pokyčiams reikalingi klientai. Norint pakeisti paskatą, pakanka paprastos sutarties sąlygos, nurodančios standartą. Jį nurodę klientai gaus modelius, iš kurių kiekius, išlaidas ir anglies dioksido duomenis bus galima išgauti automatiškai. Tie, kurie to nedaro, ir toliau gaus modelius, kuriuos kiekvieną kartą perduodant reikės rankiniu būdu. Kai dirbtinio intelekto įrankiai taps pajėgesni ir labiau įtraukiami į statybos darbų eigą, atotrūkis tarp šių dviejų pozicijų didės.
Dirbtinio intelekto sėkmė statybose pirmiausia priklauso ne nuo pasirinktos technologijos, bet nuo organizacijos gebėjimo dirbtinį intelektą prijungti prie savo procesų, duomenų ir strateginio mąstymo. Struktūriniai MEP duomenys yra būtent tas sukurto turto ryšio taškas. Tai nėra būtina sąlyga norint eksperimentuoti su AI; tai būtina sąlyga, kad AI teiktų ilgalaikę vertę.
