Kunstmatige intelligentie is een veel gehypte technologie, maar er zijn slechts een handvol real-life implementaties in de bouw. Sweco is een van de eersten ter wereld die het gebruik van machine learning in structureel ontwerp onder de aandacht brengt.
Ricardo Farinha, BIM Application Development Manager bij Sweco, noemt drie uitdagingen van de conservatieve bouwsector: “De productiviteit van de 10 biljoen dollar industrie is de afgelopen 20 jaar niet merkbaar gestegen. De hoeveelheid [proces] afval in de bouw wordt geschat op ongeveer 57%, vergeleken met de 17% van de maakindustrie. De industrie heeft innovatie nodig, maar investeert slechts ongeveer 1% van de winst in O&O. Bovendien groeien, vooral in de Scandinavische landen, de salarissen sneller dan de advieskosten. "
Sweco, het nummer één AEC-adviesbureau in Europa, heeft de uitdagingen het hoofd geboden door te investeren in innovatie en ontwikkeling. Ze hebben bijvoorbeeld in de afgelopen vijf jaar ongeveer 160 tools voor ontwerpautomatisering gemaakt. Bijgevolg bespaarden Tekla Structure-gebruikers die de tools gebruikten elk 33 uur werk, in 2017, zonder in te boeten aan ontwerpkwaliteit.
Eerste experimenten met machine learning
Kunstmatige intelligentie is de volgende grens in ontwerpautomatisering. De Finse regering streeft ernaar om van Finland de nummer één te maken in de toepassing van AI. Sweco Finland startte in het najaar van 2017 een eenjarig, door de overheid gefinancierd KIRA-digi-experimenteel project om de mogelijkheden van AI en machine learning in constructief ontwerp te onderzoeken.
“Tot onze grote verrassing vonden we geen AI-implementaties in ons vakgebied. We moesten fundamenteel onderzoek gaan doen in plaats van alleen de technologie toe te passen ”, zegt Mauri Laasonen, die het KIRA-digi-project leidt. Sweco werkt samen met meerdere partners, bijvoorbeeld de Tampere University of Technology, die zowel advies als technische expertise aan het project levert.
Data vormen de basis voor machine learning. Sweco heeft tienduizenden bouwinformatiemodellen die ze kunnen gebruiken als referentie of trainingsmateriaal voor machine learning. Sweco gebruikt de technologie op twee manieren: om de ontwerper te begeleiden en te ondersteunen op basis van historische data en om bepaalde ontwerpprocessen zoveel mogelijk te automatiseren. Het project helpt ook om te begrijpen hoe BIM's moeten worden opgeslagen om ze te gebruiken bij machine learning.
77% van het gezamenlijke ontwerp geautomatiseerd in het testmodel
Laasonen en Farinha delen een voorbeeld van procesautomatisering. Ze gebruikten machine learning bij het ontwerp van een kleine energiecentrale, met 929 structurele elementen en 696 verbindingen tussen de leden.
Doorgaans duurt het in totaal ongeveer 4.000 uur om een structuur van deze omvang en complexiteit te ontwerpen. De ontwerper gebruikt ongeveer 1.000 uur voor basisontwerp, 2.000 voor detaillering en 1.000 uur voor tekenen. Met andere woorden, 50% van de tijd gaat naar het ontwerpen van verbindingen. Door automatisering kan Sweco deze tijd aanzienlijk verkorten en er uiteindelijk helemaal vanaf komen.
Farinha legt uit hoe ze experimenteerden: “We hebben een systeem gemaakt dat automatisch de verbindingen in een model herkent. We voerden bestaande modellen in die volledig waren uitgewerkt. Van hen leerde de machine de structuren, de relaties tussen de verbindingen en de krachten die op de structuren werden uitgeoefend. " Bijgevolg was de machine in staat om automatisch de verbindingen voor het nieuwe model te ontwerpen.
Uit de tests bleek dat 22% van de door de machine gemaakte verbindingen perfect overeenkwamen met door mensen gemaakte modellen. En 55% waren mogelijke overeenkomsten – dat wil zeggen, ze waren niet precies hetzelfde, maar functioneerden nog steeds zoals vereist. Slechts 23% van de verbindingen had geen match – dwz de machine ontwierp 77% van de verbindingen met succes zonder menselijke tussenkomst.
AI bespaart kosten en creëert nieuwe waarde voor de klant
Het experimentele project illustreert de mogelijkheden van de toekomst. Met AI kan de ontwerper verschillende alternatieven presenteren waaruit de klant kan kiezen in minder tijd dan nodig is om vandaag één ontwerp te maken.
AI-aangedreven tools kunnen de hoeveelheid staal verminderen die nodig is om een gebouw te bouwen en het kan minder verbindingstypen creëren, waardoor productiekosten worden bespaard. AI kan optimaliseren voor kosten of elke andere parameter in het ontwerp. Bij handmatig ontwerp is dit meestal niet haalbaar vanwege tijd- of geldgebrek. "Al met al kunnen we met nieuwe technologieën een betere kwaliteit leveren, productiever en winstgevender zijn en dingen doen die in het verleden niet mogelijk waren", zegt Farinha.
Het KIRA-digi-project heeft het bedrijf geholpen nieuw talent aan te werven en de eerste cruciale stappen in AI te zetten. Laasonen streeft ernaar intelligente alledaagse tools te creëren, maar dat zal niet van de ene op de andere dag gebeuren: “We hebben een driejarige routekaart voor de implementatie van nieuwe technologieën. Het eerste jaar gaat over bewijzen dat we op de goede weg zijn. Dat is belangrijk om financiering te krijgen voor de volgende stappen. Ik verwacht een ROI over drie jaar. "
Ontmoet Sweco op WDBE 2018
Sweco zal presenteren op World Summit on Digital Built Environment WDBE 2018, een evenement dat een unieke portfolio van ideeën, projecten en bedrijven uit de digitale voorhoede van ontwerp, bouw, onroerend goed en onroerend goed zal presenteren. Het evenement vindt plaats in Helsinki, Finland, van 11 tot 12 september 2018.
Foto's van Laasonen, Farinha en het testmodel zijn ter beschikking gesteld door Sweco
Via: AEC