Недавно крупный генподрядчик с сотнями (если не тысячами) инженеров строительного контроля обратился с запросом на исключение или сокращение влияния человеческого фактора во время работы по контролю качества. При этом одно из основных требованиях запроса было использование хайповых технологий (AI, CV и т.д.). Опишу только несколько самых очевидных и понятных сценария использования данных технологий для повышения производительности и эффективности особенно такого большого количества инженеров.
Компьютерное зрение для оцифровки предписаний
Оцифровка бумажных предписаний заказчика и надзорных органов при помощи "компьютерного зрения" (Computer Vision). Инженер строительного контроля генподрядчика получая предписание или уведомление просто фотографирует его при помощи смартфона. Наша программа, зная фому этих бумажных документов, извлекает из фотографий данные по тому на каком объекте найдены нарушения, кому они предназначаются, а также описание и сроки устранения каждого нарушения. В результате в программе создаются несколько замечаний, которые полностью готовы и не требуют ручного дозаполнения.
Эффект от внедрения - сэкономленные человеко-часы и исключение человеческого фактора и ошибок при перепечатывании.
Автоматическое определение категории нарушения
Определение категории нарушения по тексту нарушения для руководительской аналитики (либо простым анализом ключевых слов, либо при помощи искусственного интеллекта). Начальнику отдела строительного контроля для выработки мер по предупреждению нарушений крайне важно получать аналитику по замечаниям в разрезе заранее определенных категорий. Таким образом можно выявить недобросовестных подрядчиков, поставщиков материалов, а также слабые места в процессах. Но на сегодняшний день заполнение категорий происходит вручную каждым конкретным инженером строительного контроля. Часто инженеры забывают заполнить категорию замечания. А когда делаешь поле "категория" обязательным, инженеры начинают заполнять категорию первой попавшейся, что откровенно портит статистику. Решением станет автоматическое определение категории по описанию нарушения. Категория может подсказываться для выбора инженером при заполнении карточки замечания. Также программа может анализировать корректность заполнения информации о нарушении инженерами и показывать руководителю отдела те замечания, в которых категория заполнена неверно.
Эффект от внедрения - повышение достоверности данных о категориях нарушений и своевременная разработка и внедрение мер по профилактике данных видов нарушений.
Автоматическое переформулирование нарушения
Автоматическое переформулирование названия и описания нарушения с исправлением орфографических и пунктуационных ошибок, а также с добавлением отсылок на нормативные документы. Инженеры строительного контроля не всегда одинаково составляют описание нарушения, поэтому руководителю отдела приходится перепроверять все нарушения перед тем, как их выставить в адрес производителя работ. Уже сегодня многие компании решают эту проблему через механизм типовых нарушений. Составляется список типовых нарушений по видам работ, и инженеры при создании замечания не пишут от себя, выбирая нужно замечание из списка. А при помощи искусственного интеллекта можно исключить эту проверку, потому что все формулировки нарушений будут выверены - не будут содержать ошибок, в том числе смысловых, и будут ссылаться на пункты нормативных стандартов.
Эффект от внедрения - высвободившееся время руководителя, экономия времени инженеров строительного контроля на поиск нужных пунктов НТД и переформулировании текста замечания.
Определение нарушения по фото
Сфотографировал предполагаемое нарушение, а программа сама определила, что нарушено и нарушено ли вообще. Это высший пилотаж работы нейросетей и искусственного интеллекта, когда человека заменяют роботы. На деле же программа может выступить помощником в спорных ситуациях или когда инженер видит нарушение, но не может на ходу его сформулировать текстом. Возможно есть еще какие-то сценарии, но сама возможность кажется весьма полезна в будущем, хоть и звучит футуристично.
Выводы
В данной статье я попытался порассуждать о практических сценариях применения технологий искусственного интеллекта и компьютерного зрения в работе инженеров строительного контроля. Не теоретических, о которых написаны статьи учёных, а прикладных, осонованных на опыте работы сотен компаний, тысяч инженеров, которые создали в нашей системе больше 2 млн. электронных замечаний. Посмотрим, найдутся ли бюджеты у этого крупного генподрядчика на реализацию данных технологий и сценариев для доведения их до промышленной эксплуатации, мы же продолжим эксперименты пока в "лабораторных" условиях. Почему в лабораторных? Потому что, к сожалению, рынком в широком смысле слова ещё не востребованы данные функции, проще говоря, никто за них не готов платить. Но все меняется и, возможно, через пару лет появится реальный платежеспособный спрос и на искусственный интеллект в строительстве.
