Mesterséges intelligencia az építőiparban

Németh Zoltán I HungaroCAD Kft.

Alábbi írás a 2018. május 30-i CAD-CAM Koktél-on elhangzott előadás összefoglalója.

A mesterséges intelligencia egyes részei napjainkban az élet egyre több területét szövi át és át. A gépi tanulás (machine learning) az egyes területeken összegyűjthető adatok egyre nagyobb mennyiségével (big data) egyre komolyabb eredményeket tud felmutatni. Egyik különösen gyorsan fejlődő területe a mélytanulás (deep learning) és az itt felhasznált elméletek (neurális hálózatok). Ezek során az adatok elemzésével folyamatosan javul a helyes eredmények valószínűsége, azaz javul a gépi tanulási folyamatok hatékonysága.

Ahhoz, hogy ezek a folyamatok az utóbbi években előre tudjanak lépni és fejlesztésük felgyorsulhasson arra alapvetően három összetevőben végbemenő változásra volt szükség. Az egyik, hogy a számítógépek hardver oldalán a processzorok és a grafikus kártyák számítási teljesítményében végbemenő hatalmas fejlődésnek köszönhetően olyan hatalmas számításokat igénylő folyamatok váltak reális idők alatt lefuttathatóvá, mint például a neurális hálózatok közelítő eljárásai. A másik fejlődést segítő összetevő a rendelkezésre álló számítási és tárolási kapacitások exponenciális növekedése, amely a felhőben teszi lehetővé a nagy mennyiségű adatok tárolását és elemzését.

AI és gépi tanulás alkalmazások napjainkban

A mesterésges intelligencia és a gépi tanulás már most is átszövi mindennapjainkat. Az alábbiakban összegyűjtöttünk néhány jellemző felhasználási területet, ahol találkozhatunk és használunk gépi tanulással támogatott szolgáltatásokat.

  • E-mail üzentek figyelése – Levélszemét kiszűrése
  • Képfelismerési megoldások / Írásfelismerés
  • Keresési találatok javítása/ Javasolt tartalmak (Spotify, Netflix, Edigital stb.)
  • Egészségügy – Computer Assisted Diagnosis (CAD)
  • Automatizált ügyfélszolgálat (Siri, Cortana, Ava stb.)
  • Önvezető autók tesztelése

Alkalmazott eszközök

A gépi tanulási folyamatok kialakítása, az ezeket használó eszközök kialakítására használható eszközök már megjelentek a legnagyobb IT vállalatok termékpalettáján. Ezekkel létrehozhatók a felhasználók/cégek saját igényeire szabott konkrét alkalmazások. Az alábbiakban a teljesség igénye nélkül felsorolunk néhány ilyen alkalmazást.

_

Építőipari felhasználási területek

Az építési technológia fejlesztésébe sok beruházást igényeltek a cégek az elmúlt években. A beruházás hatalmas része az építési munkafolyamat különböző részeinek digitalizálása felé irányul. A BIM modellek megváltoztatták az épületek kialakításának módját, a projektmenedzsment és a dokumentálási, tervszállítási folyamatok a felhőbe költöztek, a munkafolyamatok kezelése egyre automatizáltabbá válik. Az adatok rendelkezésre állása miatt a mesterséges intelligencia alapú alkalmazások több hasznot hozhatnak most már az építőiparban is. A gépi tanulást hasznosító folyamatoknak jelenleg három nagyobb terület érezhető már hatása az építőiparban.

Ezek a

  • Generatív tervezés,
  • Kockázatelemzés,
  • Munkavédelem.


Generatív tervezés

A generatív tervezés egy formakereső folyamat, amely utánozhatja a természet evolúciós megközelítését a tervezéshez. Számítógépes tudósok találtak módot az épület tervezési folyamatának támogatására. Általában azzal kezdődik, hogy egyértelműen meghatározták a tervezési célokat, majd felkutatták a megoldás számtalan lehetséges permutációját, hogy megtalálják a legjobb megoldást. Egy példával világosabbá válik.

Egy torontói Autodesk csapat új épületbe költözött, amelyet ezzel az új tervezési eljárással terveztek meg. A kutatók generatív tervezést használtak ahhoz, hogy segítsen nekik megtalálni az épületnek a használók igényei szerinti ideális kialakítását. A folyamat minden olyan paraméter megértésével kezdődött, amely fontos lenne az irodaház használóinak. Néhány a figyelembe vett sok paraméter közül: szomszédsági viszonyok, munkahelyi preferenciák, közlekedési ösvények irodán belül, termelékenység, természetes és mesterséges fényviszonyok.

A paramétereket egy olyan számítógépes rendszerbe táplálták be, amely megértette ezeket a tervezési paramétereket a fizikai helyszín követelményeivel együtt. Az algoritmus ezután számos olyan tervet készített, amelyek megfelelnek ezeknek az igényeknek, és az építész választhat közülük. Mivel ez a folyamat nagyon gyors volt, könnyű volt az iteratív tervezési opciókat beépíteni a végső dizájnba. A bonyolult gyakorlati kihívások megoldása mellett a generatív tervezés növelheti a teljes tervfejlesztési folyamat hatékonyságát és gazdaságosságát olyan tervek készítésével, amelyek javítják az ütemezést és a koordinációt az érdekeltek között.

Generatív tervezéssel kialakított alaprajzi elrendezések az Autodesk torontói irodájának tervezésében.

 

Kockázatelemzés

A kockázatértékelés és -csökkentés mindennapi feladat egy építkezésen. Sok alvállalkozó dolgozhat egyidejűleg egy építkezésen. Nagyon sok olyan probléma keletkezik a kivitelezés közben és minden folyamatosan változik. Az Autodesk kutatási részlege BIM 360 IQ projektben arra összpontosított, hogy megértse az építésvezetők, a projektvezetők és a műszaki ellenőrök a napi feladatait. Hogyan kezelje a felmerülő kérdéseket és hogyan tudja a folyamatot javítani a gépi tanulás. Miután sok műszaki ellenőrrel beszélgetek és meglátogattak több kivitelezést. Megvizsgálták az összegyűjtött adatokat és rájöttek, hogy a gépi tanulás segítségével lehetne az építkezésekkor felmerülő problémákat és kockázatokat fontossági sorrendbe állítani, amely javíthatja az egész kivitelezés hatékonyságát.

Az algoritmusok képesek megérteni és megjósolni a komplex dolgokat, mint például, hogy egy adott probléma potenciálisan milyen egyéb következményekkel jár, ha nem foglalkoznak vele. A rendszer a projektek számos különböző szintű vezetője által észlelt leírásokat használja fel, amikor figyelik a projektjeiket.

Ez a rendszer jelenleg pilot projektként működik, és bárki számára elérhető, aki BIM 360 terméket használ.

 

Integrációs lehetőségek

Az építőiparban számos technológiai szolgáltató kínál megoldást az adatok kezelésére, de ezek gyakran összeegyeztethetetlenek egymással. Az AI alapú megoldások teljesítménye akkor a legmegfelelőbb, ha minden adatforrás összekapcsolható egymással. Az igények kielégítése érdekében az Autodesk olyan adatplatform felépítésére is törekedett, amely lehetővé teszi harmadik felek integrációját. Ez a platform a Forge megoldást használó BIM360. A BIM360 platform lehetővé teszi a különböző építőipari vállalatok számára, hogy az összes adatot egy olyan platformon kezeljék, amely egy közös analitikus réteg képességeivel rendelkezik. Az Autodesk más adatforrásokhoz, például ERP-adatokhoz és projektmenedzsmentadatokhoz tudja kapcsolni ezt a platformot, valamint lehetőség van külső alkalmazásokat integrálni a platformra, mint például a Smartvid.io, a Triax Technologies, a SmartBid és mások.

 

_

 

A BIM360 adatplatform felépítése

A BIM360 adatplatform felépítése

_

Néhány példa BIM360 platformhoz kapcsolódó küldő fejlesztések esetében:

_

Már működő megoldások

Napjainkban rengeteg fotó és videó készül az építkezési helyszíneken. Minden építőmunkásnak van egy fényképezőgépe telefonjában, és szinte napi gyakorlat, hogy készítsen egy fényképet a felmerülő problémás helyekről. A drónok gyakoribbá váltak, és egyre gyakrabban használják őket olyan fejlettebb tevékenységeknél, mint például az építkezés előrehaladásának figyelése. A virtuális valóságot kivetítő intelligens sisakok is egyre gyakoribbá válnak. Tekintettel a rengeteg fotóra, a legtöbb technológiai alkalmazás még nem igazán tudja kihasználni a hatalmas adat mennyiségben rejlő előnyöket, és nem volt jó megoldás a fényképek kezelésére és jobb felhasználásukhoz.

Az alábbiakban a 3DR és a Smartvid.io példáján keresztül szeretnénk bemutatni, hogy ezek a cégek milyen megoldásokat kínálnak ezen a téren.

_

  • Site Scan:

  Drónos felmérés felokosított funkciókkal.

  Automatizált fotózás.

  • Adatok feldolgozása ReCap programmal
  • 3D felületmodell készítése
  • Térfogatszámítások egyszerűen
  • Címkézés
  • Projekt előrehaladásának ellenőrzése

_

A Smartvid.io olyan technológiai platformot biztosít, amely különböző más technológiai gyártókkal integrálva az összes képet egy helyre hozza. Azonban a többi megoldáshoz képest egy lépéssel tovább mennek és felhasználják a gépi tanulást arra, hogy az alkalmazás automatikusan megértse, mi van a képen. Ahogy például az önjáró autók esetében, úgy itt is elkülöníthetjük és megérthetjük a kép különböző tárgyait. A Smartvid.io „intelligens címkéknek” nevezi őket, és lehetővé teszi a fotók kategorizálását és keresését.

Smartvid.io funkciók:

  • Képek elemzése
  • Munkavédelmi előírások betartásának ellenőrzése

  (Sisak, láthatósági mellény, kesztyű stb.)

  • Fényképek automatizált címkézése
  • Hang elemzése
  • Videók automatizált címkézése hang alapján.

  (pl. helyiségek azonosítása automatikusan)

  • Szinkronizált kapcsolat a BIM 360 Docs-ba feltöltött fotókkal és videókkal

_

V-Ray Next

A látványtervezésiben élenjáró technológiát fejlesztő Chaos Group V-Ray programjának legújabb verziójában a V-Ray Next for 3ds Max programban is több olyan megoldás található amelyek a mesterséges intelligenciának a gépi tanulási folyamatait használják arra, hogy folyamatosan javítság és egyre jobban „megértsék” a tervezési folyamatban felépített modelleket, anyagokat és fénybeállításokat. Ezeket felhasználva pedig jelentősen tudják javítani a létrehozandó képek, animációk minőségét és drasztikusan csökkenteni a látványtervek elkészítésének idejét.

Smart megoldások a V-Ray Next-ben:

  • Adaptive Dome Light
  • Phisical Camera kezelési mód
  • Expozíció és fehér egyensúly
  • Nvidia AI Denoiser

 

Kapcsolatfelvétel