Предиктивная аналитика - качественно новый способ применения машинного обучения и искусственного интеллекта (ИИ). Сейчас ее способности исследуются в строительной отрасли. Smartvid.io (стартап, разработавший технологию применения ИИ и машинного обучения для анализа фото и видео информации на стройплощадке, стратегическая инвестиция Autodesk в 2017 – ред.) предпринимает значительные усилия в применении этой технологии в строительных рабочих процессах. Она дает пользователям возможность добывать текущие данные и изображения с площадок для повышения безопасности на объекте. Smartvid.io разработала свою технологию для полной интеграции с Autodesk BIM 360, которая позволяет собирать информацию непосредственно из источника.
Техника безопасности в строительстве
Smartvid.io начала сотрудничество с Suffolk Construction (американский девелопер, входит в список 20 крупнейших строительных компаний в стране – ред.) для того, чтобы протестировать способность AI предсказывать инциденты в области строительной безопасности на конкретных площадках. Движущей силой этой инициативы стала программа SuffolkConstruction «SaferTogether». Это сотрудничество SuffolkConstruction с подрядчиками с целью обеспечить безопасность на рабочих местах в отрасли, печально известной несчастными случаями и травмами. Они уделяют большое внимание взаимодействию с субподрядчиками и делают акцент на позитивных обсуждениях безопасности, а не на негативных призывах. Их кредо простое: «В конце дня каждый благополучно уходит домой».
Для того, чтобы протестировать возможности предиктивной аналитики, Smartvid.io использовала сохраненные за десять лет данные от Suffolk, которые были загружены в Vinnie, движок на базе искусственного интеллекта. Идея заключается в том, что Vinnie сможет сравнить эти данные с текущими изображениями со строительной площадки, отчетами об инцидентах и данными об окружающей среде. Отслеживая такие вещи как использование средств индивидуальной защиты, погоду, тип и стадию проекта, а также сравнивая эти данные с отчетами об инцидентах, Vinnie смогла создать предиктивную модель для вопросов безопасности.
Предиктивная модель Vinnie поддержит «SaferTogether», отслеживая полное соблюдение установленного порядка использования средств индивидуальной защиты и создавая почву для активного усиления протоколов безопасности и соответствия стандартам, а затем выдавая предупреждающие оповещения руководителям стройки.
Прогнозирование будущего с помощью изучения прошлого
Некоторые компании выводят ИИ за рамки простого исследования и вместо этого тренируют его предсказывать угрозы безопасности. До того, как приступить к испытаниям в режиме реального времени, Vinnie поручили предсказать инциденты за 3-летний период, поскольку эти прогнозы можно было сравнить с тем, что, как было известно, уже произошло. В совместном релизе Smartvid.io и Suffolk изложены цифры и показаны некоторые реальные возможности снижения рисков с помощью прогнозов ИИ. • В течение 3-летнего периода Vinnie предсказала 20% всех инцидентов с точностью 80%, после того как руководитель решил получить 4 оповещения за год, при этом одно из было «ложной тревогой» • Если бы руководитель был не против получать больше оповещений, его можно было бы предупредить обо всех 40% инцидентов с точностью 66% (имели место 2/3 предсказанных инцидентов или примерно 12 оповещений за год, из которых 4 были «ложной тревогой). При попытке определить потенциальное влияние системы предварительного оповещения имеет смысл воспользоваться консервативной оценкой. • Если только 1 из 4 предсказанных инцидентов предотвращен, компания с 50 проектами в год может избежать 40-100 инцидентов за этот период. • При предполагаемой стоимости примерно $36 000 за инцидент (по 2018 году), это приблизительно от $1,4 млн до $3,6 млн экономии, связанной с безопасностью, в год • Если мы предположим, что 50% предупреждений от системы предварительного оповещения приведут к предотвращению инцидента (с большей вероятностью), то финансовые выгоды окажутся вдвое больше. Эти цифры показывают, что можно использовать данные и ИИ для создания предиктивной системы управления безопасностью, основанной имеющихся знаниях, и объединить статистические вероятности для помощи в снижении рисков безопасности. Стоит также отметить, что создание более безопасной рабочей среды способствует сохранению кадров в отрасли, которая уже испытывает стресс от заполнения пробела «квалифицированных рабочих».