En el episodio de hoy de Un podcast ninja sobre Big Data hablamos de varias aplicaciones que se está dando a la Inteligencia Artificial en el sector de la construcción 🏗.
El sector de la construcción no parece ser uno muy abierto a innovaciones del tipo que nos puede traer la Inteligencia Artificial o la recogida de datos masivos…
Pocos operarios se suelen ver con iPads recogiendo datos, ¿verdad?
Pues os vais a sorprender, que lo sepáis.
Si conocéis a alguien que se haya visto envuelto en unas obras (la construcción de una casa, por ejemplo, o en su versión light, una reforma) estaréis de acuerdo conmigo en que el sector de la construcción es uno de los más ineficientes que hay.
Las obras duran más de lo previsto, cuestan más de lo previsto y dan más problemas de lo previsto.
Alguna de esas tres premisas se aplica siempre y hay probabilidades de que te toquen incluso las tres.
Y de ahí, la ineficiencia del sector.
Esto no tiene porqué tener relación con la gente que se dedica a la construcción.
En la mayoría de los casos estas personas son una víctima más del efecto de que cuando construyes cosas, pasan cosas.
Cuando alguien comete un error en una obra, esto suele traducirse en un retraso en el proyecto, que también repercute en los costes de la obra y en otras fases del proyecto que acaban viéndose afectadas.
Se va construyendo una bola de nieve que arrolla a todos los implicados.
La consultora McKinsey escribió un informe en 2017 en el que decía que si estos errores se detectaran a tiempo, el sector de la construcción podría añadir 1.6 billones de dólares al producto interior bruto mundial.
Esto de detectar cosas se puede hacer con Machine learning.
Además en una obra hay peligros por todas partes.
Imaginad obreros moviendo maquinaria pesada y subidos a andamios, bloques de hormigón que van de un lado a otro.
Si juntamos el tema de que un error va a suponer retrasos y pérdidas con los riesgos de accidentes, incluidos los personales, queda claro que la construcción es un sector sólo para valientes.
Uno de muy alto riesgo comparado con el margen que se obtiene.
En EEUU sólo el 36% de las empresas de construcción que se crean siguen funcionando a los 5 años.
Más del 60% de la investigación en aplicaciones de IA en construcción se ha realizado durante la última década.
Cómo aplicar Machine Learning para predecir los retrasos en los proyectos de construcción.
Cómo estimar los costes de un proyecto de construcción utilizando Inteligencia Artificial.
Cómo utilizar deep learning con datasets limitados, que es uno de los problemas en la industria de la construcción, la gestión del dato.
Al fin y al cabo no podemos olvidar que el sector de la construcción es un sector poco digitalizado. Las herramientas de trabajo en una obra no suelen ser ni ordenadores con GPUs, ni tablets en las que meter datos.
La parte buena es que desde hace unos años se están implantando el modelado de información de construcción (BIM), que es una versión avanzada y digital de los planos de construcción.
Imaginad que estáis construyendo un edificio.
Pues lo primero sería dibujar el edificio, unos planos para mostrar cómo debería de ser el vuestra construcción.
BIM lleva esto a otro nivel, porque utiliza software para crear un modelo digital 3D del edificio.
Peeero BIM no es solo un modelo 3D sino que también incluye mucha información sobre los diferentes elementos de la obra.
Por ejemplo, en un modelo BIM, si hacéis clic en una pared, no solo veréis cómo es la pared, sino que también podréis ver qué materiales se usarán, cuánto costarán esos materiales, y otras características importantes, como su resistencia al fuego o su aislamiento térmico.
Esto es súper útil porque permite a los arquitectos, ingenieros, constructores y clientes entender mucho mejor cómo será el edificio incluso antes de que se construya.
Y además son datos.
Los datos que alimentan todos los modelos de Inteligencia Artificial que pueden ayudar a la planificación del proyecto y estimación de costes, por ejemplo.
¿Alguna vez os habéis preguntado dónde van todos los residuos que se generan tras una demolición?
En el pasado, la gestión de residuos se enfocaba en qué hacer con todos esos cascotes.
Actualmente se utiliza el análisis de datos para intentar reducir la cantidad de residuos que se producen desde el principio de la construcción gracias a que el modelado BIM permite crear diseños de construcción en un entorno virtual y planificar mejor.
De esta manera se reducen la cantidad de residuos que se generan.
Se utilizan datos del diseño del edificio, las propiedades de los materiales que se van a utilizar y las estrategias de construcción y luego estos datos se procesan utilizando técnicas avanzadas de análisis de datos.
Si además usamos esos datos para alimentar un modelo de Machine Learning cuyo objetivo sea seleccionar los materiales para conseguir minimizar la producción de residuos de construcción podríamos mejorar la gestión de esos residuos.
Veíamos antes que el tema de la planificación y predicción de costes es muy importante para que una obra no se alargue hasta el infinito y acabe con un sobrecoste tal, que se acabe el dinero antes de poder terminarla.
BIM integra dimensiones adicionales como el tiempo (4D) y el coste (5D) en el modelado de un proyecto lo que permite una mejor planificación y estimación de costes.
Estos datos junto con otras variables, que pueden afectar a la obra aunque no se encuentren en el modelo BIM, podrían utilizarse para entrenar un modelo de Machine Learning capaz de predecir los tiempos del proyecto y los costes de una manera más precisa.
Otros usos de la Inteligencia Artificial para la construcción ya van más por el camino de la visión por ordenador y el reconocimiento de imágenes.
La empresa Smartvid.io se dedicaba a ofrecer un servicio que detectaba si los obreros estaban usando o no el equipamiento de seguridad reglamentario, si se acercaban en exceso a una plataforma elevada de la que se pudiera caer o si había peligros de resbalones, tropiezos o diferentes tipos de riesgos que pudieran desembocar en accidentes.
En 2020, con el tema del COVID, incorporaron la detección de trabajadores que no respetaban la distancia de seguridad. Cuando esto sucedía, enviaban una alerta al móvil del jefe.
Smartvic.io fue adquirida por Oracle en 2022 para integrar estas capacidades en su propio servicio Oracle Construction Intelligence Cloud.
Mediante análisis predictivo identifican de manera proactiva proyectos de alto riesgo a través de un sistema de alerta temprana de incidentes.
Para esto los modelos de machine learning se entrenan con datos de mano de obra, observaciones y fotos de manera que pueden predecir los proyectos con mayor riesgo de incidentes de seguridad cada semana.
Desde Oracle aseguran que el sistema es capaz de reducir las tasas de incidentes hasta en un 60%.
Otra manera de utilizar la visión por ordenador es utilizar cámaras para reconstruir un modelo digital de una obra.
De esa manera se puede hacer un seguimiento del proceso de construcción de manera remota.
La startup buildots, cuando comienza la construcción de una obra, proporcionan cascos especiales con una cámara.
Mientras los operarios realizan sus tareas habituales, simplemente con este casco puesto y la cámara encendida consiguen recopilar datos sobre el progreso de la obra que son analizados por su sistema.
El sistema es capaz de identificar y traquear hasta 150000 objetos.
A partir de ese análisis el sistema crea gráficos, tablas y diagramas para interpretar la información sobre el progreso de la obra y determina si las cosas están dónde y cómo deben de estar, consiguiendo que esta información llegue a los responsables de hacer el seguimiento del proyecto para que tomen las decisiones necesarias.
Cómo veis el sector de la construcción también puede beneficiarse de la Inteligencia Artificial utilizando modelos de Machine Learning capaces de:
Y todo ello parte de los datos y de cómo poco a poco ha ido ganando tracción el concepto de BIM como una metodología que engloba no solo el modelado en 3D, sino también la gestión de la información y el proceso de construcción.
Es decir, los datos que después pueden alimentar modelos predictivos para conseguir distintos objetivos desde la predicción del coste hasta la gestión de los residuos de construcción y la selección de materiales.
Espero que el episodio de hoy os sea de provecho y que aprendáis algo de valor.
Si es así, no olvidéis dejar una valoración de 5 estrellas del podcast en Apple podcasts, en Spotify, en Ivoox o donde quiera que escuchéis el podcast.
Recordad que si tenéis cualquier duda o pregunta podéis contactar conmigo a través del formulario de contacto o podemos seguir la conversación en Twitter.
Muchas gracias por estar ahí y os espero en el próximo episodio de Un Podcast Ninja sobre Big Data.