Hvordan byggebransjen bruker big data

I byggebransjen, som i andre sektorer, refererer big data til de enorme mengdene av informasjon som har blitt lagret i fortiden, og som fortsetter å bli anskaffet i dag. Big data kan komme fra personer, datamaskiner, maskiner, sensorer og enhver annen datagenererende enhet eller agent.

Det er naturlig nok det som gjør det stort. Bygging og bygning big data eksisterer allerede i alle planene og postene til alt som noen gang ble bygget. Det øker også stadig med ekstra innspill fra kilder som er så forskjellige som arbeidere på stedet, kraner, jordflyttere, materialforsyningskjeder og til og med bygninger selv.

Verdien av data

Tradisjonelle informasjonssystemer er flinke til å registrere grunnleggende informasjon om prosjektplaner, CAD -design, kostnader, fakturaer og ansattedetaljer. Imidlertid er de begrenset i deres evne til å jobbe med ustrukturerte data som gratis tekst, trykt informasjon eller analog sensoravlesninger. Ofte kan de bare håndtere ordnede digitale rader og kolonner med tall.

Ideen om å utnytte big data er å få mer innsikt og ta bedre beslutninger i byggeledelsen ved ikke bare å få tilgang til betydelig mer data, men ved å analysere den på riktig måte for å trekke praktiske byggprosjektkonklusjoner. Faktisk er big data, som lastebiler med murstein eller sementer, ikke nyttig på egen hånd. Det er det du gjør med det ved å bruke Big Data Analytics -programmer som teller.

Virksomhet med big data

For å se hvordan Big Data allerede brukes av byggebransjen, bør du vurdere den design-build-operate livssyklusen som i økende grad definerer byggeprosjekter i dag.

• Design: Big data, inkludert bygningsdesign og modellering i seg selv, miljødata, interessentinnspill og diskusjoner på sosiale medier, kan brukes til å bestemme ikke bare hva de skal bygge, men også hvor du skal bygge den. Brown University i Rhode Island, USA, brukte Big Data -analyse for å bestemme hvor de skal bygge sitt nye ingeniøranlegg for optimal student- og universitetsfordel. Historiske big data kan analyseres for å plukke ut mønstre og sannsynlighet for konstruksjonsrisiko for å styre nye prosjekter mot suksess og vekk fra fallgruver.
• Bygge: Big data fra vær, trafikk og samfunns- og forretningsaktivitet kan analyseres for å bestemme optimal fasing av byggeaktiviteter. Sensorinngang fra maskiner som brukes på nettsteder for å vise aktiv og tomgangstid kan behandles for å trekke konklusjoner om den beste blandingen av kjøp og leasing av slikt utstyr, og hvordan du bruker drivstoff mest effektivt for å senke kostnader og økologisk innvirkning. Geolokalisering av utstyr gjør også at logistikk kan forbedres, reservedeler kan gjøres tilgjengelig når det er nødvendig, og driftsstans kan unngås.
• Operere: Big data fra sensorer innebygd i bygninger, broer og all annen konstruksjon gjør det mulig å overvåke hver enkelt på mange ytelsesnivåer. Energibesparing i kjøpesentre, kontorblokker og andre bygninger kan spores for å sikre at det samsvarer med å designe mål. Informasjon om trafikkstress og nivåer av bøyning i broer kan registreres for å oppdage noen utenfor grensen hendelser. Disse dataene kan også føres tilbake til systemer for bygginformasjonsmodellering (BIM) for å planlegge vedlikeholdsaktiviteter etter behov.

Bransjepreferanser for informasjon og innsikt

Når data blir større og større, blir behovet for å koke dem ned til de handlingsrike nødvendighetene også større. En undersøkelse av byggefirmaer av programvareleverandør SAGE i 2014 fant at:

• 57% ønsker konsistent, oppdatert økonomisk og prosjektinformasjon.
• 48% ønsker å bli advart når spesifikke situasjoner oppstår.
• 41% ønsker prognoser, slik at de bedre kan forberede seg på best og verste tilfeller.
• 14% vil at online analyser skal se for eksempel hvilke faktorer som påvirker lønnsomheten og av hvor mye.

Big Data Analytics kan muliggjøre eller tilby muligheter for å forbedre hvert av disse aspektene. Ulike innspill i big data gir bedre sikkerhetsnivåer om statusrapporter og prognoser. Analysene kan gi mer nyttige indikasjoner på risikonivå før en terskel overskrides og et varsel generert. De tilbyr også innsikt om at tradisjonelle systemer rett og slett ikke kan.