Розробка AI-системи для прогнозування строків будівництва
Зрив строків будівництва — норма, а не виключення: 70-80% будівельних проектів перевищують планові строки. AI-система прогнозує фінальні строки здачі з урахуванням поточного прогресу, погоди, поставок та історичних паттернів затримок, дозволяючи приймати превентивні заходи.
Джерела даних
BIM-модель (Building Information Modeling):
- Планові строки по кожному WBS-елементу (Work Breakdown Structure)
- Взаємозалежності між роботами
- Ресурсне навантаження: бригади, техніка, матеріали
Оперативні дані:
- Будівельний контроль: % виконання по кожній роботі (щотижня/щодня)
- Матеріальний журнал: поставки матеріалів, дефіцит
- Табелі: кількість робочих на об'єкті
- PIMS (Project Information Management System): Primavera P6, MS Project
IoT та технічні дані:
- Будівельні камери + CV-аналіз: автоматичний замір прогресу
- Датчики на техніці: моточаси, продуктивність
- GPS трекинг: переміщення людей та техніки
Зовнішні фактори:
- Метеопрогноз: дні, непридатні для бетонування (< +5°C), для висотних робіт (вітер > 10 м/с)
- Свята та карантини
- Логістика поставок: статус замовлень ключових матеріалів
Прогнозна модель
Earned Value Analysis (EVA) + ML:
EVA — стандарт управління проектами:
# Earned Value метрики
SPI = EV / PV # Schedule Performance Index (< 1 = відстаємо від графіку)
CPI = EV / AC # Cost Performance Index
# Традиційний прогноз (EAC):
EAC_schedule = BAC_duration / SPI # якщо поточний темп збережеться
# Проблема: SPI не враховує тип робіт, погоду, залежності
ML-поліпшення:
features = {
'current_spi': earned_value / planned_value,
'spi_trend_4w': spi_now - spi_4weeks_ago,
'critical_path_float': total_float_critical_path,
'weather_bad_days_upcoming': forecast_bad_days_next_30,
'material_delivery_risk': pending_critical_deliveries_score,
'labor_availability': actual_workers / planned_workers,
'subcontractor_delay_history': mean_delay_by_subcontractor,
'site_area': construction_area_sqm,
'project_complexity': wbs_depth * subcontractor_count,
'season': month # зима впливає на темп
}
delay_prediction = lgbm_model.predict(features)
# delay_prediction = очікувана затримка в робочих днях
Детектор ризиків затримки
Critical Path Monitoring: Затримки на критичному шляху = затримка всього проекту:
def critical_path_risk(project_schedule, current_progress, forecast):
critical_tasks = project_schedule.get_critical_path()
risks = []
for task in critical_tasks:
delay_risk = estimate_task_delay(task, current_progress, forecast)
if delay_risk.probability > 0.3:
risks.append({
'task': task,
'expected_delay_days': delay_risk.expected_days,
'probability': delay_risk.probability,
'impact': task.successor_chain_length
})
return sorted(risks, key=lambda x: x['impact'] * x['probability'], reverse=True)
Автоматичні попередження:
- При 3-х послідовних тижнів SPI < 0.9 → ризик затримки > 30 днів
- Постачальник критичного матеріалу не підтвердив доставку за 14 днів до дати
- Прогноз погоди: 5+ днів некондиції поспіль на критичному етапі
Computer Vision для моніторингу прогресу
Автоматичний замір прогресу за будівельними камерами:
- Панорамні камери 360° (Theta, Insta360) — щоденні знімки
- YOLOv8: детекція будівельних об'єктів (стіни, перекриття, кровля)
- Порівняння з BIM-моделлю: % виконання за конструктивам
3D scanning integration:
- LiDAR скан (Leica BLK360, Faro Focus) → хмара точок
- Порівняння з BIM: колірна кодування візуалізації відставання
- As-built vs. as-designed: автоматичне виявлення розбіжностей
Інтеграція з ПМIS
- Primavera P6: API для читання/запису активностей та прогресів
- Autodesk BIM 360: Cloud API для BIM-даних
- MS Project Server: REST API
- Російські системи: 1С:Будівництво, ИСУП
Метрики системи:
- Точність прогнозу завершення: MAPE < 10% за 60 днів до здачі
- Early warning: флагування затримок за 3+ тижні до фактичного зриву
- Coverage: % проектів під активним моніторингом
Графіки: базова EVA-система з ML-прогнозом затримки — 5-6 тижнів. Повнофункціональна з BIM-інтеграцією, CV-моніторингом та автоматичними попередженнями — 4-5 місяців.