Jak stavebnictví používá velké údaje

V odvětví stavebnictví, stejně jako v jiných sektorech, se velké údaje týkají obrovských množství informací, které byly v minulosti uloženy a které jsou i nadále získávány. Velké údaje mohou pocházet od lidí, počítačů, strojů, senzorů a dalších zařízení nebo agentů generujících data.

To, samozřejmě, je to, co to dělá velkým. Výstavba a budování velkých dat již existuje ve všech plánech a záznamech všeho, co bylo kdy postaveno.

Rovněž se neustále zvyšuje s dodatečnými zdroji od různých zdrojů, jako jsou pracovníci na místě, jeřáby, zemní stroje, řetězce dodávek materiálu a dokonce i samotné budovy.

Hodnota dat

Tradiční informační systémy jsou dobré při zaznamenávání základních informací o plánech projektů, návrzích CAD, nákladech, fakturách a detailech zaměstnanců. Jsou však omezeny svou schopností pracovat s nestrukturovanými daty, jako je volný text, tištěná informace nebo čtení analogových čidel. Často mohou zpracovávat pouze řádné digitální řádky a sloupce čísel.

Myšlenka využívání velkých dat je získání většího pochopení a lepšího rozhodování v oblasti správy staveb nejen tím, že přistupujeme k podstatně větším datům, ale správně analyzujeme je, abychom získali praktické závěry o stavebních projektech. Ve skutečnosti velké údaje, jako nákladní auta z cihel nebo pytle z cementu, nejsou užitečné samy o sobě. To je to, co děláte s tím použitím velkých datových analytických programů, které se počítají.

Jak se dostat k podnikání s velkými daty

Chcete-li zjistit, jak velké stavební firmy již využívají velké údaje, zvažte životnost cyklu design-build-operate, která stále více vymezuje stavební projekty.

• Design: Velké údaje, včetně samotného návrhu a modelování budov, údajů o životním prostředí, vstupů zainteresovaných stran a diskusí o sociálních médiích, lze použít nejen k určení, ale i k tomu, jak je postavit. Brown University v Rhode Island, USA, použila rozsáhlou analýzu dat, aby se rozhodla, kde vybudovat nové inženýrské zařízení pro optimální prospěch studentů a univerzit. Historická velká data mohou být analyzována tak, aby se vybraly vzorce a pravděpodobnosti stavebních rizik, které by vedly nové projekty k úspěchu a mimo úskalí.
• Stavět: Mohou být analyzovány velké údaje z počasí, provoz, komunita a podnikání, aby bylo možné určit optimální fázování stavebních činností. Senzorový vstup ze strojů používaných na místech pro zobrazení aktivního a nečinného času může být zpracován tak, aby vyvozoval závěry o nejlepší kombinaci nákupu a pronájmu takového zařízení a co nejúčinnějšího využití paliva ke snížení nákladů a ekologických dopadů. Geolokace zařízení také umožňuje zdokonalit logistiku, náhradní díly, které mají být k dispozici v případě potřeby, a prostoje, které je třeba se vyhnout.
• Provoz: Velké údaje ze senzorů zabudovaných do budov, mostů a jiných konstrukcí umožňují sledovat každý z nich na mnoha úrovních výkonu. Úspory energie v obchodních centrech, kancelářských blocích a dalších budovách lze sledovat, aby bylo zajištěno, že odpovídají cílům návrhu. Informace o dopravním stresu a úrovně ohýbání v mostech mohou být zaznamenány za účelem zjištění jakýchkoli mimoúrovňových událostí. Tato data mohou být také přiváděna zpět do systémů pro modelování informací o budovách (BIM), aby bylo možno naplánovat údržbářské činnosti podle potřeby.

Předvolby stavebního průmyslu pro informace a statistiky

Vzhledem k tomu, že data se zvětšují a zvětšují, roste i potřeba je uvést do podstaty.

Průzkum stavebních firem dodavatelem softwaru Sage v roce 2014 zjistil, že:

• 57% požaduje konzistentní, aktuální finanční a projektové informace.
• 48% chtějí být upozorněni na konkrétní situace.
• 41% chtějí prognózy, což jim umožní lépe se připravit na nejlepší a nejhorší události budování.
• 14% si přeje analyzovat online, například přesně, které faktory ovlivňují ziskovost a kolik.

Velká analýza dat může umožnit nebo nabídnout příležitosti ke zlepšení každého z těchto aspektů. Rozmanitost vstupů ve velkých datech umožňuje lepší úroveň jistoty o hlášení o stavu a prognózách. Analýzy mohou poskytnout užitečnější indikace úrovně rizika před překročením prahové hodnoty a generování výstrahy. Nabízejí také poznatky, které tradiční systémy prostě nemohou.