Людмила Анатольевна Опарина — доктор технических наук, доцент, заведующий кафедрой организации производства и городского хозяйства, советник РААСН
153000, г. Иваново, Шереметевский пр-т, д. 21
Scopus: 57128068100, ResearcherID: V-5060-2017
Lyudmila A. Oparina — Doctor of Technical Sciences, Associate Professor, Head of the Department of Organization of Production and Urban Economy, Advisor to the Russian Academy of Architecture and Construction Sciences
21 Sheremetevsky prospekt, Ivanovo, 153000
Scopus: 57128068100, ResearcherID: V-5060-2017
Евгений Александрович Барзыгин — кандидат технических наук, доцент кафедры организации производства и городского хозяйства
153000, г. Иваново, Шереметевский пр-т, д. 21
Google ScholarID: G4JW2h8AAAAJ
Evgenii A. Barzygin — Candidate of Technical Sciences, Associate Professor of the Department of Organization of Production and Municipal Economy
21 Sheremetevsky prospekt, Ivanovo, 153000
Google ScholarID: G4JW2h8AAAAJ
Валерий Альбертович Огурцов — доктор технических наук, профессор кафедры строительства и инженерных систем
153000, г. Иваново, Шереметевский пр-т, д. 21
Valery A. Ogurtsov — Doctor of Technical Sciences, Professor of the Department of Construction and Engineering Systems
21 Sheremetevsky prospekt, Ivanovo, 153000
Роман Сергеевич Карась — заместитель директора Департамента цифровизации
196006, г. Санкт-Петербург, ул. Ташкентская, д. 3, корп. 3, лит. Б
Roman S. Karas — Deputy Director of the Digitalization Department
lit. B, build. 3, 3 Tashkentskaya st., St. Petersburg, 196006
Введение. При проведении ряда экспериментов по сжатию расписания календарно-сетевого графика проекта строительства выдвинута и подтверждена гипотеза о том, что использование методологии пакетно-узлового метода (ПУМ) позволяет сокращать плановые сроки строительства на 25 % без изменения длительности выполняемых операций и назначения дополнительных ресурсов. Данный подход, с одной стороны, решает задачу сжатия расписания, с другой — создает дополнительные проблемы или задачи, связанные с увеличением информационных потоков и объемов планирования. Цель исследования — сокращение сроков выполнения строительно-монтажных работ через детализированное планирование и качественную реализацию проекта по сценарию, обозначенному как сценарий ИИ.
Материалы и методы. В качестве исходной методологии календарно-сетевого планирования принята процессная модель Planning & Scheduling. Рассматриваются разные сценарии планирования и реализации строительного проекта: в одном данные со степенью детализации, возрастающей по мере поступления, в другом используется ПУМ строительства.
Результаты. Подтверждена актуальность интеграции машинного обучения (ML) и искусственного интеллекта (AI) в строительную индустрию. Это направление представляет значительный научный и практический интерес, открывая новые горизонты для повышения производительности, безопасности и качества строительных проектов. Проведен анализ технологий нейросетей для решения задач управления сроками и других задач календарно-сетевого планирования. Итоговым решением исследовательской задачи стала инициация проекта «Разработка и внедрение системы ИИ-планировщик и ИИ-помощник руководителя проекта».
Выводы. Интеграция ML и AI в строительную индустрию является важным шагом к устойчивому развитию отрасли, что подтверждается результатами проведенного исследования и требует дальнейшего изучения и развития гипотез.
Introduction. During a series of experiments on compressing the schedule of the calendar-network schedule for a construction project, a hypothesis was put forward and confirmed that the use of Advanced Work Packaging (AWP) construction method allows for a 25 % reduction in planned construction time without changing the duration of the operations performed or allocating additional resources. However, although this approach solves the problem of schedule compression on the one hand, on the other hand, it creates additional problems or tasks related to an increase in information flows and planning volumes. Current achievements in the field of digitalization allow us to put forward a new scientific hypothesis that the problem of high-level detail in planning data can be solved using artificial intelligence technology. The goal of the study is to reduce the time required for construction and installation work through detailed planning and high-quality project implementation according to a scenario referred to as “Scenario – AI”. To this end, it is proposed to move the start of detailed planning to the initial stage, known as “Business Planning and Life Cycle Modeling”. Achieving this goal involves the use of machine learning (ML) and artificial intelligence (AI) technologies, which are very relevant in modern construction management.
Materials and methods. The process model Planning & Scheduling was adopted as the initial methodology of calendar-network planning. The study examines different scenarios of planning and implementation of a construction project: one uses data with a level of detail increasing as it is received, and the other scenario uses the Batch-node construction method.
Results. The conducted research and experiments confirmed the relevance of integrating machine learning (ML) and artificial intelligence (AI) into the construction industry. This area is of significant scientific and practical interest, opening up new horizons for improving the productivity, safety and quality of construction projects. The authors analyzed neural network technologies for solving time management problems and other calendar and network planning problems. The final solution to the research problem was the initiation of the project “Development and implementation of the AI Planner and AI Assistant Project Manager system”.
Conclusions. The study concluded that the integration of ML and AI into the construction industry is an important step towards sustainable development of the industry, which is confirmed by the results of the study and requires further study to confirm and develop hypotheses.
The authors declare that there are no conflicts of interest present.