SWECO通过AI提高施工效率和质量

| 发表于 |

人工智能是一种巨大的技术,但施工中只有一部分现实的实现。 SWECO是世界上第一个展示在结构设计中使用机器学习的世界之一。

里卡多法里哈
法里哈

Ricardo Farinha, SWECO的BIM应用开发经理,提到了保守建筑业的三个挑战:“在过去的20年里,10万亿美元的行业的生产力并未显着增加。与制造业17%的17%相比,施工中的[过程]废物的数量估计约为57%。该行业需要创新,但仅在r投资占1%的利润&D.此外,特别是在北欧国家,工资比咨询费更快地增长。“

SWECO是欧洲的一级AEC咨询,通过投资创新和发展,应对挑战。例如,他们在过去五年中创建了大约160个设计自动化工具。因此,使用这些工具的Tekla结构用户在2017年在2017年保存了33小时的工作,而不会影响设计质量。

机器学习的第一个实验

人工智能是设计自动化的下一个边疆。芬兰政府旨在制作芬兰第一个应用AI。 Sweco Finland开始于2017年秋天的一年,政府资助 基拉二维实验项目 探讨AI和机器学习在结构设计中的可能性。

Mauri Laasonen.
洛杉矶

“为了我们的大惊喜,我们没有在我们领域找到AI实施。我们必须开始做基础研究,而不是仅仅应用这项技术,“ Mauri Laasonen. 谁管理基拉Digi项目。 SWECO与多个合作伙伴合作,例如, Tampere Technology大学,为该项目提供建议和技术专长。

数据是机器学习的基础。 SWECO具有成千上万的建筑信息模型,它们可以作为机器学习的参考或培训材料。 SWECO以两种方式使用该技术 - 根据历史数据指导和支持设计人员,并尽可能自动化某些设计流程。该项目还有助于了解如何存储BIMS以在机器学习中使用它们。

77%的关节设计在测试模型中自动化

洛杉矶和Farinha分享了过程自动化的一个例子。他们用机器学习在一个小型电厂的设计中,有929个结构构件和成员之间的696个关节。

通常,总共需要约4,000小时,设计这种尺寸和复杂性的结构。设计师使用大约1000小时的基本设计,2,000用于详细说明,绘制1,000。换句话说,50%的时间达到设计连接。自动化让SWECO显着减少,最终,完全摆脱它。

法里哈解释了他们如何尝试:“我们创建了一个自动识别模型中连接的系统。我们在完全详细的现有模型中喂养。从它们中,机器学习了结构,连接之间的关系,以及应用于结构的力。“因此,该机器能够自动设计新模型的关节。

该测试表明,22%的机器创建的连接与人造模型完美搭配。而且,55%是可能的匹配 - 即,它们并不完全相同,但仍然根据需要运作。只有23%的连接没有匹配 - 即,机器在没有人为干预的情况下成功设计了77%的连接。

AI节省成本并为客户创造新的价值

实验项目说明了未来的可能性。使用AI,设计师可以为客户提供几种替代方案,以便在更短的时间内选择,而不是创建一个设计。

AI供电的工具可以减少构建建筑所需的钢量,并且可以创造更少的连接类型,从而节省制造成本。 AI可以针对成本或设计中的任何其他参数进行优化。在手动设计中,由于缺乏时间或金钱,这通常不会是可行的。 “总的来说,随着新技术,我们可以提供更好的质量,更加富有成效,更有利可图,并做过去不可能的事情,”Farinha说。

基拉二维项目帮助公司聘请了新的人才,并采取了AI的第一个关键步骤。 Laasonen旨在创造智能日常生机,但这不会一夜之间发生:“我们有一个为期三年的路线图,用于实施新技术。第一年是关于证明我们在正确的赛道上。这对于获得下一步的资金很重要。我期待三年的投资回报率。“

在WDBE 2018遇见SWECO

WDBE 2018.SWECO将呈现 数字建筑环境上的世界峰会WDBE 2018年, 一个事件,将展示来自设计,建筑,物业和房地产的数字前沿的独特的想法,项目和企业组合。该活动发生在2018年9月11日至12日,芬兰赫尔辛基。

 

洛杉矶,Farinha,测试模式的照片是Sweco的礼貌

分享这个

通过继续使用该网站,即表示您同意使用cookie。 更多信息

本网站上的Cookie设置设置为“允许Cookie”,为您提供最佳浏览体验。如果您继续使用本网站而不更改Cookie设置,或者在下面单击“接受”,则您正在同意此操作。

关闭