Boriss Andrejevs. Publicitātes foto.
Saskaņā ar kādu nozares speciālistu prognozi, globālais būvniecības dronu tirgus apjoms līdz 2034.gadam var sasniegt 20,4 miljardus ASV dolāru, vidēji pieaugot par 14,2% gadā. Drone-as-a-Service Eiropas segmentā būvniecība 2024.gadā veidoja aptuveni 31% tirgus. Droni un lāzerskenēšana būvniecībā vairs nav eksperiments, šobrīd tā ir strauji augoša industrija. Tomēr līdz ar datu apjoma pieaugumu aizvien izteiktāka kļūst cita problēma: dati joprojām ir fragmentēti, grūti izmantojami un vāji savstarpēji saistīti.
Paradokss, ar kuru saskaros gandrīz katru dienu: datu kļūst aizvien vairāk, taču to pārvēršana skaidrā un projektam noderīgā informācijā joprojām ir sarežģīta. Mēs esam iemācījušies savākt datus, taču vēl neprotam tos ērti izmantot.
Latvijai šī var būt īpaša iespēja. Mums jau ir spēcīgas inženierzinātņu un IT kompetences, pieredze ar liela mēroga infrastruktūras projektiem un pietiekami kompakts tirgus, kurā var ātri pārbaudīt jaunus risinājumus. Ja iemācīsimies telpiskos datus pārvērst nevis vienkāršā uzmērīšanas rezultātā, bet gan ērtā digitālā rīkā objektu pārvaldībai, tad šādas tehnoloģijas mēs varētu arī eksportēt.
Datu ir daudz. Tos savienot ir sarežģīti
Pēdējos desmit gados datu ievākšanas tehnoloģijas būvniecībā ir radikāli mainījušās. Kad es tikko sāku strādāt ar droniem, iespēja ātri iegūt detalizētu būvlaukuma karti šķita īsta inovācija. Šodien droni, lāzerskenēšana, BIM modeļi, 360 grādu panorāmas, kameras un citi sensori ir ierasta liela mēroga būvniecības projektu sastāvdaļa.
Tomēr vienā un tajā pat objektā ortofotokarte tiek glabāta vienā sistēmā, punktu mākonis – citā, BIM modelis “stāv” pie projektētāja, 360 grādu panorāmas – kādā citā lietotnē, fotogrāfijas – darbinieku datoros un tālruņos, savukārt laika grafiki, tehniskā dokumentācija un finanšu informācija vispār “dzīvo savu dzīvi”.
Formāli projektā ir milzīgs digitālo datu apjoms. Tomēr praksē, ja jāmeklē atbildes uz vienkāršiem jautājumiem – kas šajā vietā bija pirms četriem mēnešiem, kad radās bojājums, vai faktiskais stāvoklis atbilst projektam, kāpēc darbi konkrētajā iecirknī atpaliek no grafika, tās nākas manuāli apkopot no vairākiem avotiem. Manuprāt, tieši šis šodien ir viens no būtiskākajiem būvniecības digitalizācijas šķēršļiem.
Drons kā liecinieks strīdā
Pirms dažiem gadiem pirms liela industriālā objekta rekonstrukcijas mūs palūdza nofilmēt ceļu tīklu aptuveni divu kilometru garumā. Mēs izveidojām detalizētu teritorijas ortofotokarti. Mēs veicām ikdienišķu sagatavošanās darbu, un nevienam pat neienāca prātā, ka pēc dažiem mēnešiem tas kļūs par pierādījumu strīdā.
Sākoties būvdarbiem pasūtītājs fiksēja bojājumus vecajā ceļa nožogojumā un paziņoja, ka tie radušies darbu laikā. Būvuzņēmējam tika piedāvāts atjaunot barjeras par saviem līdzekļiem. Būvuzņēmējs nepiekrita. Komanda izmantoja ortofotokarti, kas bija izveidota pirms darbu uzsākšanas, un tajā pavisam skaidri varēja redzēt, ka žoga posmi bija bojāti vēl pirms būvuzņēmēja ieiešanas objektā. Strīds ātri beidzās.
Šajā stāstā interesantākais ir tas, ka drons ietaupīja naudu nevis tāpēc, ka lidoja ātrāk kā cilvēks vai uzņēma skaistas fotogrāfijas. Tas izveidoja laikā un telpā fiksētu ierakstu par objekta stāvokli. Nākotnē šādu gadījumu būs aizvien vairāk – ir tikai jāiemācās šādus datus ērti glabāt, savietot un analizēt.
Būvniecības projekts nemitīgi mainās. Šodien ir izrakta tranšeja, rīt tajā tiks ievietotas komunikācijas, pēc nedēļas viss būs aizbērts, virsū izbūvēts ceļš, bet pēc dažiem gadiem neviens no jaunās komandas vairs precīzi neatcerēsies, kas atrodas zem tā. Tāpēc regulāru uzmērīšanu es uztveru kā projekta digitālo dienasgrāmatu: katra fiksācija saglabā objekta stāvokli konkrētā vietā un konkrētā laika brīdī.
Iedomāsimies infrastruktūras projektu, kas vairākus gadus tiek regulāri digitalizēts. Kādu laiku pēc nodošanas ekspluatācijā rodas defekts, piemēram, ūdens novadīšanas sistēmā. Starp īpašnieku un būvuzņēmēju sākas strīds: vai problēma bija jau darbu nodošanas brīdī, vai arī tā radās vēlāk? Cilvēku atmiņas atšķiras, dokumenti ne vienmēr sniedz pilnu atbildi, bet, ja ir saglabājusies objekta digitālā vēsture, var atgriezties pie vajadzīgā datuma un redzēt konstrukcijas faktisko stāvokli pirms aizbēršanas, pēc montāžas un nodošanas brīdī.
Telpiskie dati būtībā parāda divas fundamentālas koordinātas: kur un kad kaut kas ir noticis. Ja šāds karkass ir izveidots, ar to var sasaistīt faktiski visu informāciju par projektu: BIM modeli, tehniskās specifikācijas, līgumus, laika grafiku, izpildīto darbu aktus, finanšu informāciju, ražotāja instrukcijas, remontu vēsturi, pārbaužu rezultātus un sensoru datus.
Tādējādi objekts vairs nav tikai mapju un failu apkopojums. Var izvēlēties konkrētu industriālā objekta elementu un redzēt ne tikai tā novietojumu modelī, bet arī tehnisko specifikāciju, uzstādīšanas datumu, montāžas fotogrāfijas, apkopes vēsturi un sensoru rādījumus. Cilvēkam tas nozīmē iespēju ātrāk izprast kontekstu. Mākslīgajam intelektam – iespēju analizēt nevis atsevišķu failu, bet saistītu datu kopu par reālu objektu.
BIM nopietni mainīja projektēšanu, taču BIM modelis pirmkārt raksturo projektēšanas ieceri. Fiziskais objekts dzīvo savu dzīvi: būvlaukumā mainās risinājumi, gadās kļūdas, tiek koriģēti tīkli. Modelis un realitāte ar laiku sāk atšķirties.
Savā darbā mēs regulāri liekam projekta datus virs faktiskajām ortofotogrāfijām un punktu mākoņiem. Dažkārt pat vienkārša rasējuma uzlikšana uz aktuālās ortofotokartes ļauj pamanīt nobīdes pamatos vai komunikācijās, brīdī, kad nobīžu labošana vēl ir salīdzinoši lēta.
Datu būs arvien vairāk
Datu apjoms pieaugs arī turpmāk. Autonomie droni jau šobrīd tiek izvietoti objekta dokstacijās un atbilstoši grafikam veic regulārus lidojumus. Zemes roboti pārvietojas pa ražošanas laukumiem. Mobilie lāzerskeneri digitalizē sarežģītas telpas. Stacionārie IoT sensori nepārtraukti mēra temperatūru, vibrāciju, slodzes, mitrumu un citus raksturlielumus.
Nākotnē vienu un to pašu objektu digitalizēs vairākkārt: ar dažādiem sensoriem un no dažādiem punktiem. Un tad būtiskākais ierobežojums būs nevis informācijas iegūšanas izmaksas, bet gan spēja orientēties milzīgajā iegūto datu apjomā. Cilvēks fiziski nespēs caurskatīt tūkstošiem fotogrāfiju, miljardiem punktu un simtiem stundu garus video. Un tieši šajā mirklī, manuprāt, arī sākas īstā saruna par mākslīgo intelektu.
Ja mākslīgajam intelektam iedod vienu būvlaukuma fotogrāfiju, tas var atpazīt objektus vai fiksēt iespējamu novirzi. Taču ar to nepietiek nopietniem inženiertehniskajiem secinājumiem. Veidojas cita situācija, ja sistēma zina, kas šajā punktā bija pirms mēneša, kam šeit būtu jābūt saskaņā ar BIM, kādas prasības ir ierakstītas specifikācijā, kādiem darbiem bija jābūt pabeigtiem līdz konkrētajam datumam, kas minēts līgumā un kādas piezīmes izteiktas iepriekš. Tad MI analīzē nevis attēlu, bet gan kontekstu.
Tad var uzdot pavisam citus jautājumus: kas šajā iecirknī ir mainījies pēdējās nedēļas laikā? Kur faktiskā ģeometrija nesakrīt ar BIM? Kāpēc šī zona neiekļaujas grafikā? Kuriem elementiem nepieciešama inženiera uzmanība? Vai uzstādītais aprīkojums atbilst tehniskajai specifikācijai?
Tajā pat laikā man ir ļoti svarīgi, lai MI nevis vienkārši sniegtu atbildi, bet gan spētu parādīt, kuros datos šī atbilde ir balstīta. Inženierzinātņu vidē tas ir īpaši būtiski: secinājumiem jābūt pārbaudāmiem.
Ko mēs būvējam Telpa.io?
AirScout darbā esam izmantojuši daudzus telpisko datu apstrādes risinājumus. Vieni labi strādā ar panorāmām, otri – ar punktu mākoņiem, vēl citi – ar BIM. Katrs atsevišķs rīks savu funkciju pilda labi, taču klientam rezultātā ir vajadzīgs nevis programmu kopums, bet gan izpratne par savu objektu.
Tieši šī problēma mūs aizveda pie Telpa.io idejas – vides, kurā dažādi objekta telpiskie dati ir apvienoti vienuviet un ir pieejami parastā pārlūkprogrammā.
Tas ir tikai pirmais līmenis. Nākamais – izveidot to pašu telpas un laika karkasu, kuram var piesaistīt pārējo projekta informāciju: BIM, rasējumus, dokumentus, grafikus, tehniskās specifikācijas, līgumus, finanšu datus, ekspluatācijas dokumentāciju un sensoru datus. Un virs tā var būvēt mākslīgā intelekta rīkus.
Secība ir principiāli svarīga. Vispirms ir jābūt ticamai objekta digitālajai vēsturei. Pēc tam – jābūt savstarpēji sasaistītiem dažādiem informācijas avotiem. Un tikai tad MI spēs ņemt vērā kontekstu.
Mēs esam raduši par būvniecības digitalizācijas svarīgāko rezultātu uzskatīt modeli. Man šķiet, ka ar laiku šis priekšstats mainīsies. Par galveno digitālo aktīvu kļūs nevis viens modelis, bet gan pilnīga, pārbaudāma fiziskā objekta vēsture: kā tas izskatījās, kā tika būvēts, kas mainījās, kuri dokumenti un lēmumi ir attiecināmi uz konkrēto vietu un laika brīdi, kā arī pēc kuriem datiem var restaurēt faktisko situāciju.
Mēs vēlamies šo pieaugošo datu masīvu padarīt ērtu vienlaikus gan mašīnai, gan cilvēkam. Mākslīgajam intelektam – strukturēt tā, lai sistēma spētu savietot datus pēc vietas, laika un projekta konteksta. Cilvēkam – pārtulkot analīzes rezultātus saprotamā formā: kas ir noticis, kur tas ir noticis, kāpēc tas ir svarīgi un kāds lēmums ir nepieciešams.
Tieši te es redzu mākslīgā intelekta reālās iespējas būvniecībā, proti, nevis aizstāt inženieri, bet gan sniegt viņam iespēju redzēt objektu kopumā un pieņemt lēmumus, balstoties nevis pieņēmumos, bet gan pārbaudāmos faktos.
Nevis vienkārši izveidot objekta digitālo kopiju, bet gan saglabāt tā digitālo atmiņu un iemācīties to izprast.
Autors ir AirScout un Telpa.io līdzdibinātājs.
