Πώς η κατασκευαστική βιομηχανία χρησιμοποιεί μεγάλα δεδομένα

Στον κλάδο των κατασκευών, όπως και σε άλλους τομείς, τα μεγάλα δεδομένα αναφέρονται στις τεράστιες ποσότητες πληροφοριών που έχουν αποθηκευτεί στο παρελθόν και εξακολουθούν να αποκτώνται σήμερα. Τα μεγάλα δεδομένα μπορούν να προέρχονται από ανθρώπους, υπολογιστές, μηχανές, αισθητήρες και οποιαδήποτε άλλη συσκευή ή παράγοντα δημιουργίας δεδομένων.

Αυτό, φυσικά, είναι αυτό που το κάνει μεγάλο. Η κατασκευή και η οικοδόμηση μεγάλων δεδομένων υπάρχουν ήδη σε όλα τα σχέδια και τα αρχεία οτιδήποτε χτίστηκε ποτέ. Επίσης, αυξάνεται συνεχώς με πρόσθετες εισροές από πηγές τόσο διαφορετικές όσο οι επιτόπου εργαζόμενοι, οι γερανοί, οι μεταφορείς εδάφους, οι αλυσίδες εφοδιασμού υλικών και ακόμη και τα ίδια τα κτίρια.

Η αξία των δεδομένων

Τα παραδοσιακά συστήματα πληροφοριών είναι καλά στο να καταγράφουν βασικές πληροφορίες σχετικά με τα χρονοδιαγράμματα των έργων, τα σχέδια CAD, τα έξοδα, τα τιμολόγια και τις λεπτομέρειες των εργαζομένων. Ωστόσο, είναι περιορισμένες στην ικανότητά τους να εργάζονται με μη δομημένα δεδομένα όπως ελεύθερο κείμενο, έντυπες πληροφορίες ή ανάλογες αναγνώσεις αισθητήρων. Συχνά, μπορούν να χειριστούν μόνο κανονικές ψηφιακές σειρές και στήλες αριθμών.

Η ιδέα της αξιοποίησης των μεγάλων δεδομένων είναι να αποκτήσουν περισσότερες γνώσεις και να λάβουν καλύτερες αποφάσεις στη διαχείριση των κατασκευών, όχι μόνο με την πρόσβαση σε σημαντικά περισσότερα δεδομένα αλλά με την κατάλληλη ανάλυση τους για την εξαγωγή πρακτικών συμπερασμάτων οικοδομικών έργων. Στην πραγματικότητα, τα μεγάλα δεδομένα, όπως φορτία από τούβλα ή τσάντες τσιμέντου, δεν είναι χρήσιμα από μόνο του. Είναι αυτό που κάνετε με αυτό χρησιμοποιώντας μεγάλα προγράμματα ανάλυσης δεδομένων που μετράνε.

Επιχειρήσεις με μεγάλα δεδομένα

Για να δείτε πόσο μεγάλα δεδομένα χρησιμοποιούνται ήδη από τον κατασκευαστικό κλάδο, σκεφτείτε τον κύκλο ζωής σχεδιασμού-κατασκευής-λειτουργίας, ο οποίος καθορίζει όλο και περισσότερο τα κατασκευαστικά έργα σήμερα.

• Σχέδιο: Τα μεγάλα δεδομένα, συμπεριλαμβανομένου του σχεδιασμού και της μοντελοποίησης κτιρίων, τα περιβαλλοντικά δεδομένα, οι συμμετοχές των ενδιαφερόμενων μερών και οι συζητήσεις κοινωνικών μέσων, μπορούν να χρησιμοποιηθούν για τον προσδιορισμό όχι μόνο του τι πρέπει να οικοδομηθεί, αλλά και του πού να οικοδομηθεί. Το Brown University στο Ρόουντ Άιλαντ των Η.Π.Α. χρησιμοποίησε μεγάλη ανάλυση δεδομένων για να αποφασίσει πού να κατασκευάσει το νέο μηχανολογικό του κέντρο για βέλτιστο κέρδος σπουδαστών και πανεπιστημίων. Μπορούν να αναλυθούν ιστορικά μεγάλα δεδομένα για να αναδειχθούν τα πρότυπα και οι πιθανότητες των κατασκευαστικών κινδύνων για την κατεύθυνση νέων έργων προς την επιτυχία και μακριά από τις παγίδες.

• Χτίζω: Τα μεγάλα δεδομένα από τον καιρό, την κυκλοφορία και την κοινοτική και επιχειρηματική δραστηριότητα μπορούν να αναλυθούν για να προσδιοριστεί η βέλτιστη σταδιακή κατάργηση των κατασκευαστικών δραστηριοτήτων. Η εισαγωγή αισθητήρων από μηχανές που χρησιμοποιούνται σε ιστότοπους για να δείξουν χρόνο ενεργού και αδράνειας μπορεί να υποβληθεί σε επεξεργασία για να εξαχθούν συμπεράσματα σχετικά με τον καλύτερο συνδυασμό αγοράς και μίσθωσης τέτοιου εξοπλισμού και πώς να χρησιμοποιήσετε τα καύσιμα με τον πιο αποτελεσματικό τρόπο για να μειώσετε το κόστος και τις οικολογικές επιπτώσεις. Η γεωγραφική τοποθέτηση του εξοπλισμού επιτρέπει επίσης τη βελτίωση της εφοδιαστικής, την ανταλλαγή ανταλλακτικών όταν χρειάζεται και την αποφυγή των διακοπών.
• Λειτουργεί: Μεγάλα δεδομένα από αισθητήρες ενσωματωμένους σε κτίρια, γέφυρες και οποιαδήποτε άλλη κατασκευή καθιστούν δυνατή την παρακολούθηση καθενός σε πολλά επίπεδα απόδοσης. Η εξοικονόμηση ενέργειας σε εμπορικά κέντρα, μπλοκ γραφείων και άλλα κτίρια μπορεί να παρακολουθηθεί για να διασφαλιστεί ότι συμμορφώνεται με τους σχεδιαστικούς στόχους. Οι πληροφορίες κυκλοφοριακού άγχους και τα επίπεδα κάμψης σε γέφυρες μπορούν να καταγραφούν για να ανιχνευθούν τυχόν γεγονότα εκτός ορίων. Αυτά τα δεδομένα μπορούν επίσης να διοχετευθούν σε συστήματα προσομοίωσης κτιρίων (BIM) για τον προγραμματισμό των δραστηριοτήτων συντήρησης όπως απαιτείται.

Βιομηχανικές προτιμήσεις για πληροφορίες και πληροφορίες

Δεδομένου ότι τα δεδομένα γίνονται μεγαλύτερα και μεγαλύτερα, η ανάγκη να βράσουν τα κάτω στα βασικά στοιχεία που μπορούν να υποβληθούν σε ενέργεια αυξάνεται επίσης. Μια έρευνα των κατασκευαστικών εταιρειών από τον πωλητή λογισμικού Sage το 2014 διαπίστωσε ότι:

• Το 57% επιθυμεί συνεπείς, ενημερωμένες οικονομικές πληροφορίες και πληροφορίες έργου.
• Το 48% θέλει να ειδοποιηθεί για συγκεκριμένες καταστάσεις.
• Το 41% ​​επιθυμεί την πρόβλεψη, επιτρέποντάς τους να προετοιμαστούν καλύτερα για τα βέλτιστα και χειρότερα κτιριακά γεγονότα.
• Το 14% θέλει τις αναλυτικές αναλύσεις online να δουν για παράδειγμα ακριβώς ποιοι παράγοντες επηρεάζουν την κερδοφορία και πόσο.

Μεγάλα στοιχεία ανάλυσης δεδομένων μπορούν να επιτρέψουν ή να προσφέρουν ευκαιρίες βελτίωσης καθεμιάς από αυτές τις πτυχές. Η ποικιλία των εισροών σε μεγάλα δεδομένα επιτρέπει καλύτερα επίπεδα βεβαιότητας σχετικά με τις αναφορές κατάστασης και τις προβλέψεις. Τα αναλυτικά στοιχεία μπορούν να παρέχουν πιο χρήσιμες ενδείξεις για τα επίπεδα κινδύνου πριν ξεπεραστεί ένα κατώφλι και δημιουργηθεί μια ειδοποίηση. Προσφέρουν επίσης πληροφορίες ότι τα παραδοσιακά συστήματα απλά δεν μπορούν.