Машинное обучение для фирм MEP
Продолжим обсуждение того, как работа BuildingSP пересекается с основными темами Выступления Джеффа Ковальски Autodesk University Keynote 2016. Ранее мы писали об искусственном интеллекте и о том, как фирмы могут подготовиться к новому поколению средств автоматизации. Искусственный интеллект — это более широкая область, чем многие думают, и одной из смежных областей является машинное обучение. Машинное обучение — это использование компьютеров для изменения поведения рабочего процесса без необходимости явного программирования основы для этого поведения. Цель этого поста — описать, как это повлияет на фирмы, которые проектируют, детализируют или устанавливают механические, электрические и водопроводные системы (MEP).
Две вещи имеют решающее значение для использования машинного обучения — данные и автоматизация. Данные используются в качестве входных данных для алгоритмов машинного обучения; машинное обучение является результатом статистики, и, как и статистика, данные лежат в основе машинного обучения. Автоматизация — это то, что отличает машинное обучение от наук о данных, таких как интеллектуальный анализ данных. Алгоритмы машинного обучения изменяют поведение автоматизации и продолжают корректировать свои параметры для постоянной оптимизации. У вас не может быть машинного обучения без данных или без автоматизации.
Отрасли MEP необходимо внести два изменения, чтобы полностью использовать машинное обучение:
1. Системы данных
Примером данных в MEP являются данные термостата. Мы все можем представить линии тренда данных термостата с течением времени. Некоторые из нас могут даже иметь доступ к этим данным. Но сами по себе данные термостата не являются значимой метрикой и были бы бесполезны в контексте машинного обучения. Нам не нужно собирать больше данных о термостате, нам нужно собрать и сделать доступными все остальные данные, связанные с системой. Данная система проходит ряд этапов во время проектирования и строительства, каждый из которых производит данные. Все эти данные связаны с потоком данных от термостата. Какова была расчетная нагрузка? Работает ли система так, как задумано? Соответствует ли заполняемость ожидаемой?
Инструменты машинного обучения смогут обрабатывать цифры, но мы, как отрасль, должны сделать наши цифры доступными.
2. Автоматизировать, автоматизировать, автоматизировать
Без автоматизации машинное обучение не может внести изменения, необходимые для выполнения задачи оптимизации. Использование автоматизации является более разумным способом работы. Недавно мы разговаривали с вице-президентом крупной механической субподрядной фирмы, которая отвечала за технологические процессы. Он сказал: «Я больше не хочу нанимать моделистов. Я хочу нанять экспертов по автоматизации и специалистов по алгоритмам». На наш взгляд, это волна будущего. Прошли времена пергамента, светлых столов и долгих, утомительных часов поиска столкновений. Благодаря последним достижениям в области сканирования и 3D-технологий мы можем дать компьютеру точные планы и спецификации маршрутизации, и пусть компьютер сделает всю работу за нас.
Способы нашей работы быстро меняются, и машинное обучение готово полностью переосмыслить моделирование MEP. Принимая эти изменения сейчас, мы можем оставаться на шаг впереди кривой и быть в авангарде новой эры в AEC.
Как вы, возможно, заметили, мы много писали о влиянии вычислительного BIM, генеративного проектирования и будущих методов нашей работы. Чего мы не сделали, так это не превратили некоторые из этих размышлений в более строгий анализ. Но теперь мы готовы сделать это!
Если вы работаете на генерального подрядчика, субподрядчика или дизайнерскую фирму и хотите совместно работать над техническими документами, в которых количественно оценивается, как вычислительные методы работы изменят нашу отрасль, свяжитесь с нами, и мы поговорим о том, что мы можем сделать. Мы открыты для сотрудничества по всему миру и располагаем множеством способов измерения показателей эффективности, позволяющих получить представление об изменениях в нашей отрасли. Свяжитесь с Бреттом Янгом по адресу [email protected].
Первоначально опубликовано на www.buildingsp.com.
