L’IA et le machine learning transforment la construction

18 janvier 2022 0 Par Master

Karthik Venkatasubramanian, vice-président mondial produit, stratégie de données et développement chez Oracle Construction and Engineering.

Il vante les avantages de l’IA et de l’apprentissage automatique et comment ils peuvent être intégrés dans une stratégie de données réussie.

Une énorme quantité de données est générée pour les projets de construction. Cependant, de nombreuses entreprises ne parviennent pas à en tirer le meilleur parti.

En règle générale, les données sont utilisées pour évaluer ce qui s’est passé sur un projet – par exemple, si le projet respecte le budget ou respecte le calendrier.

Bien que l’examen de cette vue rétroactive d’un projet puisse être quelque peu utile pour fournir des indicateurs qui peuvent aider à identifier et à résoudre les problèmes, cela ne libère pas tout le potentiel des ensembles de données riches.

Avec d’énormes perturbations de la chaîne d’approvisionnement qui continuent de causer des retards et des revers importants pour les projets de construction au Royaume-Uni, les entreprises doivent explorer de nouvelles façons de maximiser l’efficacité.

Le déploiement de nouvelles technologies telles que l’IA et le machine learning (ML) peut permettre aux entreprises de tirer pleinement parti des données et d’obtenir de meilleurs résultats de projet.

L’IA et le ML peuvent aider les organisations à analyser et à tirer des informations sur ce qui est susceptible de se produire à l’avenir.

Ce faisant, cela peut aider à générer des indicateurs dynamiques et « avancés » à partir des données, donnant aux organisations un aperçu avancé de si – et pourquoi – un projet est susceptible de subir des retards, des risques ou des dépassements de coûts.

Il peut même évaluer les calendriers et les budgets par rapport aux données historiques pour repérer les problèmes potentiels et améliorer la précision avant même qu’un projet ne commence.

Partir du bon pied

Une clé majeure pour créer et déployer une stratégie de données réussie est d’examiner attentivement les besoins et les étapes nécessaires pour les atteindre. De manière générale, un bon plan d’action comprend les étapes suivantes :

Créer une culture qui valorise la prise de décision basée sur les données ;
Identifiez les problèmes spécifiques que vous essayez de résoudre;
Élaborez un plan de six à 18 mois qui tient compte de vos systèmes actuels, des données qu’ils produisent et des informations que vous aimeriez glaner à partir de ces données ;
Trouvez une solution qui apportera une valeur immédiate et exécuterez le plan.
Ce processus de base en quatre étapes assurera la réussite de la mise en œuvre de votre stratégie de données.

Comprendre le potentiel de l’IA prédictive

De nombreuses entreprises d’ingénierie et de construction hésitent à investir dans l’IA car elles supposent que cela nécessite beaucoup d’infrastructure et la saisie manuelle de grandes quantités de données historiques, mais ce n’est pas toujours le cas.

En fait, certaines plates-formes de données plus récentes ont des algorithmes qui sont pré-formés comme point de départ et peuvent fournir des informations prédictives à partir de toutes les données historiques saisies par l’organisation.

Le fait est que la mise en œuvre de l’IA prédictive n’est pas aussi décourageante que les organisations pourraient le penser, grâce à des plateformes avancées qui peuvent être déployées rapidement et adaptées aux besoins d’une organisation individuelle.

Les organisations peuvent tirer parti de ces solutions pour commencer rapidement à générer des informations utiles sur les performances et les risques.

Recueillir des informations

L’IA prédictive peut fournir un certain nombre d’informations pour aider les entreprises d’ingénierie et de construction à fonctionner plus efficacement.

Par exemple, l’analyse prédictive peut améliorer la précision de la planification en prédisant la probabilité et l’étendue des retards, et quelles activités sont les plus susceptibles de les causer.

Le ML permet aux prédictions de devenir plus précises avec le temps. De même, les budgets peuvent devenir plus précis car l’IA prédictive analyse les données budgétaires passées telles que les feuilles de coûts, les dépenses réelles, les paiements des sous-traitants, les événements de changement, les variations, les changements de contrat, etc.

Cela fournira une idée plus précise des coûts qui pourraient être encourus sur de nouveaux projets.

Source : https://www.bimplus.co.uk/how-ai-and-machine-learning-can-transform-construction/