FirmAdapt

कंक्रीट मात्रा अनुमान के लिए AI: मैनुअल टेकऑफ़ के मुकाबले सटीकता बेंचमार्क

AI कंक्रीट अनुमान टूल्स का अनुभवी एस्टिमेटर्स के मुकाबले परीक्षण करने पर सटीकता में आश्चर्यजनक अंतर और ताकतें सामने आती हैं जिन्हें समझना जरूरी है।

फीनिक्स में एक मध्यम आकार के कमर्शियल कॉन्ट्रैक्टर ने पिछले साल एक दिलचस्प प्रयोग किया। उन्होंने 12 पूर्ण परियोजनाएं लीं, जो 4,000 वर्ग फुट के रिटेल बिल्डआउट से लेकर 60,000 वर्ग फुट के वेयरहाउस तक थीं, और प्लान को तीन अलग-अलग AI अनुमान टूल्स से गुजारा। फिर उन्होंने AI मात्राओं की तुलना अपने वरिष्ठ एस्टिमेटर द्वारा तैयार किए गए आंकड़ों और साइट पर वास्तव में डाली गई मात्राओं से की।

बेसलाइन आंकड़े

फ्लैट स्लैब-ऑन-ग्रेड कार्य के लिए, AI टूल्स वास्तव में रखी गई मात्राओं के 2.3% के भीतर औसत रहे। मानव एस्टिमेटर का औसत विचलन 4.1% था। केवल सतह क्षेत्र के मामले में, AI को बढ़त थी क्योंकि यह थकान या इंटरपोलेशन शॉर्टकट के बिना प्लान के हर वर्ग इंच को डिजिटाइज़ कर सकता था।

लेकिन स्ट्रक्चरल कंक्रीट के साथ तस्वीर अधिक जटिल हो जाती है। फाउंडेशन, ग्रेड बीम, कॉलम, अलग-अलग मोटाई वाले एलिवेटेड स्लैब। यहां AI टूल्स का वास्तविक आंकड़ों से औसत विचलन 6.8% था, जबकि अनुभवी एस्टिमेटर ने 3.9% हासिल किया। मानव निर्माण अनुक्रमण को समझता था, जानता था कि प्लान पर कौन से विवरण आदर्शवादी हैं बनाम वास्तव में क्या बनाया जाएगा, और फॉर्मिंग जटिलता के आधार पर वेस्ट फैक्टर लागू करता था।

AI अनुमान कहां उत्कृष्ट है

गति स्पष्ट लाभ है। एक मध्यम आकार की कमर्शियल परियोजना के लिए एक अनुभवी एस्टिमेटर को जो 6 से 10 घंटे लगते हैं, AI टूल्स उसे 15 से 40 मिनट में पूरा करते हैं। 5 दिन के टर्नअराउंड वाले ITB का जवाब देने वाले GC के लिए, यह समय बचत महत्वपूर्ण है।

संगतता कम स्पष्ट लाभ है। एक ही प्लान को AI टूल से दस बार गुजारें और आपको दस बार एक ही संख्या मिलेगी। तीन अलग-अलग एस्टिमेटर्स से एक ही प्रोजेक्ट का टेकऑफ़ करवाएं और आपको तीन अलग-अलग संख्याएं मिलेंगी, जो कभी-कभी 8% या उससे अधिक भिन्न होती हैं। Texas A&M कंस्ट्रक्शन साइंस प्रोग्राम के एक अध्ययन में पाया गया कि स्ट्रक्चरल कंक्रीट परियोजनाओं पर योग्य एस्टिमेटर्स के बीच मैनुअल टेकऑफ़ विचलन औसतन 7.2% था।

AI उन मात्रा तत्वों को भी पकड़ता है जिन्हें मानव नियमित रूप से पहली बार में चूक जाते हैं। कॉलम इंटरसेक्शन पर हॉन्च डिटेल्स, डॉक लोकेशन पर मोटे स्लैब किनारे, मैकेनिकल प्लान पर दिखाए गए लेकिन स्ट्रक्चरल पर नहीं दिखाए गए छोटे इक्विपमेंट पैड। एक AI प्लेटफॉर्म ने रिपोर्ट किया कि 500 विश्लेषित परियोजनाओं में, उसने प्रारंभिक मैनुअल टेकऑफ़ की तुलना में प्रति परियोजना औसतन 3.4 छूटे हुए कंक्रीट तत्वों की पहचान की।

मैनुअल टेकऑफ़ अभी भी कहां जीतता है

अनुभवी एस्टिमेटर ऐसा निर्णय लागू करते हैं जिसे वर्तमान AI टूल्स दोहरा नहीं सकते। वे जानते हैं कि आर्किटेक्ट ने 6 इंच का स्लैब बनाया है लेकिन मिट्टी की स्थिति को देखते हुए जियोटेक रिपोर्ट संभवतः 8 इंच की आवश्यकता बताएगी। वे जानते हैं कि निर्दिष्ट कंक्रीट मिक्स के लिए पंप ट्रक की आवश्यकता होगी, जो वेस्ट गणनाओं को बदल देता है। वे कोल्ड जॉइंट्स, ओवर-एक्सकेवेशन सुधार, और इस वास्तविकता को ध्यान में रखते हैं कि कोई भी फॉर्म पूरी तरह से प्लंब नहीं होता।

कंस्ट्रक्टेबिलिटी ज्ञान मुख्य अंतर है। AI वही पढ़ता है जो ड्राइंग पर है। एक अनुभवी एस्टिमेटर वह पढ़ता है जो ड्राइंग पर है, जो ड्राइंग पर होना चाहिए, और जो वास्तव में फील्ड में होगा। जटिल स्ट्रक्चरल कार्य के लिए, वह निर्णय अभी भी मायने रखता है।

हाइब्रिड दृष्टिकोण जो काम करता है

सबसे अच्छे परिणाम प्राप्त करने वाले कॉन्ट्रैक्टर प्रारंभिक मात्रा निष्कर्षण के लिए AI का उपयोग कर रहे हैं, फिर एक अनुभवी एस्टिमेटर से समीक्षा और समायोजन करवा रहे हैं। इसमें आमतौर पर पूर्ण मैनुअल टेकऑफ़ के लिए आवश्यक समय का लगभग 30% लगता है, और सभी कंक्रीट प्रकारों में वास्तविक मात्राओं के 2% के भीतर अनुमान तैयार करता है।

वर्कफ़्लो इस तरह दिखता है: AI 20 मिनट में प्लान सेट से मात्राएं निकालता है। एस्टिमेटर 8 के बजाय 2 घंटे में टेकऑफ़ की समीक्षा करता है, उन क्षेत्रों पर ध्यान केंद्रित करता है जहां AI को कठिनाई होती है, जैसे जटिल फॉर्मिंग स्थितियां, गैर-मानक विवरण, और चरणबद्ध पोर। एस्टिमेटर वेस्ट, ओवर-एक्सकेवेशन, और फॉर्मिंग टॉलरेंस के लिए फील्ड-नॉलेज समायोजन लागू करता है।

इस तरह के AI-सहायता प्राप्त कंस्ट्रक्शन वर्कफ़्लो की खोज करने वाली फर्में पा रही हैं कि यह तकनीक अनुभवी लोगों के लिए एक एक्सेलेरेटर के रूप में सबसे अच्छा काम करती है, उनके प्रतिस्थापन के रूप में नहीं।

परियोजना प्रकार के अनुसार सटीकता

डेटा स्पष्ट पैटर्न दिखाता है कि AI कहां सबसे अच्छा प्रदर्शन करता है। दोहराव वाले पैनल लेआउट वाली टिल्ट-अप वेयरहाउस परियोजनाओं में AI सटीकता वास्तविक आंकड़ों के 1.5% के भीतर रहती है। मानक स्लैब-ऑन-ग्रेड वाले स्ट्रिप मॉल और रिटेल शेल 2 से 3% की सीमा में आते हैं। पोस्ट-टेंशन्ड स्लैब, ट्रांसफर बीम, और जटिल फाउंडेशन सिस्टम वाले मल्टी-स्टोरी स्ट्रक्चरल कंक्रीट में AI अकेले काम करने पर अभी भी 5 से 8% विचलन दिखाता है।

रेजिडेंशियल कंक्रीट, दिलचस्प बात यह है कि, मिश्रित परिणाम देता है। AI फाउंडेशन प्लान को अच्छी तरह संभालता है, आमतौर पर 3% सटीकता के भीतर, लेकिन डेकोरेटिव कंक्रीट, कस्टम पूल शेल, और गैर-मानक फ्लैटवर्क आकारों के साथ संघर्ष करता है जो रेजिडेंशियल परियोजनाओं में अक्सर शामिल होते हैं।

बेंचमार्क हमें क्या बताते हैं

AI और मैनुअल अनुमान के बीच सटीकता का अंतर कम हो रहा है, लेकिन यह सरल, दोहराव वाले कार्य के लिए जटिल स्ट्रक्चरल परियोजनाओं की तुलना में तेजी से कम हो रहा है। यह सामान्य रूप से मशीन लर्निंग के काम करने के तरीके से मेल खाता है। कार्य जितना अधिक मानकीकृत और पैटर्न-आधारित होता है, AI उतना बेहतर प्रदर्शन करता है।

इन टूल्स का मूल्यांकन करने वाले कॉन्ट्रैक्टर्स के लिए, प्रासंगिक प्रश्न यह नहीं है कि AI मानव से अधिक सटीक है या नहीं। यह है कि क्या AI और मानव, एक संरचित समीक्षा प्रक्रिया में मिलकर काम करते हुए, अकेले काम करने वाले मानव की तुलना में कम समय में बेहतर अनुमान तैयार करते हैं। कई स्वतंत्र अध्ययनों का डेटा लगातार हां कहता है, एक सार्थक अंतर से।

ConstructionAI estimationConcreteQuantity takeoff

Enjoyed this? Get the next one by email

Practical writing on AI in business, from the team that builds and runs it.

Free. Unsubscribe any time. Privacy policy

See where AI fits in your business

Enter your website for a free PATH report. First findings in about a minute.