तीन अलग-अलग सुपरिंटेंडेंट से मैकेनिकल रफ-इन पर प्रतिशत पूर्णता का अनुमान पूछें, और आपको तीन अलग-अलग नंबर मिलेंगे। एक इंस्टॉल किए गए डक्टवर्क को देखकर 65% कहता है। दूसरा पूर्ण रफ-इन वाले कमरों की गिनती करके 58% कहता है। तीसरा नियोजित श्रम घंटों के विरुद्ध जांच करके 71% कहता है। तीनों एक ही सवाल का जवाब देने की कोशिश कर रहे हैं, और किसी के पास भी ऐसा तरीका नहीं है जो सुसंगत और सटीक दोनों हो।
मैन्युअल प्रगति रिपोर्टिंग की समस्या
प्रतिशत-पूर्णता रिपोर्टिंग निर्माण परियोजना प्रबंधन में डाउनस्ट्रीम की हर चीज को संचालित करती है। यह अर्जित मूल्य गणना, प्रगति भुगतान आवेदन, शेड्यूल पूर्वानुमान और संसाधन नियोजन निर्धारित करती है। जब प्रतिशत-पूर्णता के आंकड़े गलत होते हैं, तो हर डाउनस्ट्रीम निर्णय खराब डेटा पर आधारित होता है।
कंस्ट्रक्शन इंडस्ट्री इंस्टीट्यूट के शोध में पाया गया कि सक्रिय निर्माण परियोजनाओं पर मैन्युअल प्रतिशत-पूर्णता अनुमान वास्तविक प्रगति से औसतन 12 से 15 प्रतिशत अंकों तक विचलित होते हैं। पूर्वाग्रह लगभग हमेशा प्रगति को अधिक रिपोर्ट करने की ओर होता है। सुपरिंटेंडेंट, अक्सर अनजाने में, वास्तविकता से अधिक पूर्णता प्रतिशत रिपोर्ट करते हैं क्योंकि वे मामूली देरी को पूरा करने के बारे में आशावादी होते हैं और क्योंकि अपेक्षा से कम प्रगति मालिकों और प्रोजेक्ट मैनेजरों के साथ असहज बातचीत को जन्म देती है।
यह अधिक रिपोर्टिंग जमा होती जाती है। एक परियोजना जो लगातार 6 महीनों में वास्तविक से 5% अधिक प्रगति रिपोर्ट करती है, रिपोर्ट की गई और वास्तविक स्थिति के बीच एक अंतर बनाती है जो अंततः शेड्यूल या लागत आश्चर्य के रूप में सामने आता है। जब तक अंतर अनदेखा करना असंभव हो जाता है, तब तक रिकवरी विकल्प सीमित और महंगे होते हैं।
AI प्रगति कैसे मापता है
AI प्रगति ट्रैकिंग व्यक्तिपरक मानवीय अनुमानों पर निर्भर हुए बिना प्रतिशत पूर्णता की गणना करने के लिए कई डेटा स्रोतों का उपयोग करती है। सबसे आम दृष्टिकोणों में कंप्यूटर विज़न का उपयोग करके फोटो-आधारित विश्लेषण, लेज़र स्कैन या फोटोग्रामेट्री से 3D पॉइंट क्लाउड तुलना, इंस्टॉल किए गए सिस्टम से IoT सेंसर डेटा, और डिलीवरी और इंस्टॉलेशन रिकॉर्ड से सामग्री ट्रैकिंग शामिल हैं।
फोटो-आधारित प्रगति ट्रैकिंग सबसे सुलभ है। सुपरिंटेंडेंट या साइट फोटोग्राफर नियमित शेड्यूल पर संरचित फोटो लेते हैं, भवन के माध्यम से निर्धारित फोटो पथों का अनुसरण करते हुए। कंप्यूटर विज़न एल्गोरिदम इन फोटो की तुलना डिज़ाइन मॉडल और पिछली फोटो से करते हैं ताकि यह पहचाना जा सके कि पिछले कैप्चर के बाद से क्या इंस्टॉल किया गया है।
फोटो-आधारित प्रगति ट्रैकिंग में विशेषज्ञता रखने वाले एक प्लेटफॉर्म ने 85 वाणिज्यिक निर्माण परियोजनाओं में अपनी सटीकता का परीक्षण किया। उनकी AI-गणना की गई प्रतिशत पूर्णता विस्तृत भौतिक सर्वेक्षणों के माध्यम से मापी गई वास्तविक प्रगति से औसतन 3.2 प्रतिशत अंकों के भीतर थी। उन्हीं परियोजनाओं पर मैन्युअल सुपरिंटेंडेंट रिपोर्ट भौतिक सर्वेक्षणों से औसतन 11.8 प्रतिशत अंकों का विचलन दर्शाती थीं।
उच्च सटीकता के लिए 3D स्कैनिंग
लेज़र स्कैनिंग और फोटोग्रामेट्री फोटो-आधारित तरीकों की तुलना में अधिक सटीकता प्रदान करते हैं लेकिन अधिक उपकरण और प्रोसेसिंग समय की आवश्यकता होती है। निर्माण फ्लोर का साप्ताहिक लेज़र स्कैन BIM मॉडल के विरुद्ध तुलना किया जा सकता है ताकि यह पहचाना जा सके कि कौन से तत्व इंस्टॉल किए गए हैं, आंशिक रूप से इंस्टॉल किए गए हैं, या अभी शुरू नहीं हुए हैं।
AI स्कैन पॉइंट क्लाउड की तुलना डिज़ाइन मॉडल से करता है और प्रत्येक भवन प्रणाली के लिए इंस्टॉलेशन प्रतिशत की गणना करता है। स्ट्रक्चरल स्टील 94% पूर्ण, मैकेनिकल डक्टवर्क 67% पूर्ण, इलेक्ट्रिकल कंड्यूट 52% पूर्ण। ये संख्याएं अनुमान के बजाय भौतिक माप पर आधारित हैं, जो उन्हें प्रगति भुगतान विवादों में अधिक रक्षायोग्य और शेड्यूल पूर्वानुमान के लिए अधिक विश्वसनीय बनाती हैं।
ट्रेड-ऑफ लागत और प्रयास है। एक बड़ी परियोजना पर साप्ताहिक लेज़र स्कैनिंग के लिए या तो एक समर्पित स्कैनिंग तकनीशियन या एक सेवा अनुबंध की आवश्यकता होती है, जिसकी लागत परियोजना के आकार के आधार पर आमतौर पर $2,000 से $5,000 प्रति स्कैन होती है। $20 मिलियन से अधिक की परियोजनाओं के लिए, यह लागत प्रगति ट्रैकिंग की बेहतर सटीकता और नकदी प्रवाह प्रबंधन पर इसके डाउनस्ट्रीम प्रभावों द्वारा आसानी से उचित ठहराई जाती है।
सामग्री और श्रम डेटा एकीकरण
AI प्रगति ट्रैकिंग तब अधिक सटीक हो जाती है जब यह दृश्य डेटा को सामग्री और श्रम रिकॉर्ड के साथ जोड़ती है। यदि डिलीवरी लॉग दिखाता है कि निर्दिष्ट डक्टवर्क का 80% साइट पर डिलीवर किया गया है, और फोटो विश्लेषण दिखाता है कि 60% इंस्टॉल दिखाई देता है, तो सिस्टम अनुमान लगा सकता है कि 20% साइट पर है लेकिन अभी तक इंस्टॉल नहीं किया गया है। यह प्रोजेक्ट टीम को किसी भी एकल डेटा स्रोत की तुलना में अधिक सूक्ष्म तस्वीर देता है।
श्रम घंटे ट्रैकिंग एक और कैलिब्रेशन बिंदु प्रदान करती है। यदि मैकेनिकल उपठेकेदार ने अपने बजटीय श्रम घंटों का 70% खर्च कर दिया है लेकिन दृश्य विश्लेषण 55% इंस्टॉलेशन प्रगति दिखाता है, तो उत्पादकता योजना से कम है और गतिविधि अपने श्रम बजट से अधिक होने की संभावना है। यह शीघ्र पहचान ओवररन गंभीर होने से पहले हस्तक्षेप की अनुमति देती है।
AI-आधारित निर्माण परियोजना ट्रैकिंग अपनाने वाले ठेकेदार पाते हैं कि कई डेटा स्रोतों का एकीकरण ही प्रगति रिपोर्टिंग को विश्वसनीय बनाता है। कोई भी एकल स्रोत परिपूर्ण नहीं है, लेकिन दृश्य, सामग्री और श्रम डेटा का अभिसरण एक प्रगति चित्र बनाता है जो किसी भी मैन्युअल विधि की तुलना में काफी अधिक सटीक है।
भुगतान आवेदनों पर प्रभाव
प्रगति भुगतान आवेदन निर्माण परियोजना प्रबंधन के सबसे विवादास्पद पहलुओं में से एक हैं। उपठेकेदार नकदी प्रवाह बनाए रखने के लिए अधिक से अधिक पूर्ण कार्य का बिल बनाना चाहते हैं। जनरल कॉन्ट्रैक्टर यह सुनिश्चित करना चाहते हैं कि वे वास्तविक प्रगति के विरुद्ध अधिक भुगतान नहीं कर रहे हैं। मालिक यह आश्वासन चाहते हैं कि रिपोर्ट की गई प्रगति अनुरोधित भुगतान को उचित ठहराती है।
AI-सत्यापित प्रगति डेटा इन चर्चाओं के लिए एक तटस्थ संदर्भ बिंदु प्रदान करता है। जब भुगतान आवेदन 72% पूर्ण कहता है और AI-मापित प्रगति 68% दिखाती है, तो 4-अंक का अंतर इतना छोटा है कि यह माप पद्धति में वैध अंतर को दर्शा सकता है। जब भुगतान आवेदन 72% कहता है और AI 54% दिखाता है, तो एक महत्वपूर्ण विसंगति है जो भुगतान स्वीकृत होने से पहले चर्चा की मांग करती है।
कई GC रिपोर्ट करते हैं कि AI प्रगति ट्रैकिंग ने भुगतान आवेदन विवादों को 30 से 40% तक कम कर दिया है क्योंकि दोनों पक्ष अधिक वस्तुनिष्ठ डेटा से काम कर रहे हैं। सुपरिंटेंडेंट की अभी भी संख्याओं की व्याख्या करने और उस कार्य के लिए लेखांकन में भूमिका है जिसे AI पूरी तरह से कैप्चर नहीं कर सकता, जैसे परीक्षण और कमीशनिंग गतिविधियां जो दृश्य रूप से स्पष्ट नहीं हैं। लेकिन आधारभूत माप अधिक विश्वसनीय है।
व्यावहारिक कार्यान्वयन
AI प्रगति ट्रैकिंग के लिए सबसे सरल प्रवेश बिंदु संरचित फोटो दस्तावेज़ीकरण है। कई ठेकेदार पहले से ही दस्तावेज़ीकरण उद्देश्यों के लिए दैनिक फोटो लेते हैं। उन फोटो में संरचना जोड़ना, निर्धारित पथ, सुसंगत कोण, और नियमित शेड्यूल, उन्हें न्यूनतम अतिरिक्त प्रयास के साथ AI विश्लेषण के लिए उपयोग योग्य बनाता है।
अधिक उन्नत दृष्टिकोण, लेज़र स्कैनिंग और IoT सेंसर एकीकरण, बड़ी परियोजनाओं के लिए उपयुक्त हैं जहां लागत परियोजना मूल्य के अनुपात में है और सटीकता सुधार का सार्थक वित्तीय प्रभाव है। $5 मिलियन के टेनेंट इम्प्रूवमेंट के लिए शायद साप्ताहिक लेज़र स्कैनिंग उचित नहीं है। $100 मिलियन के अस्पताल के लिए लगभग निश्चित रूप से उचित है।
मैन्युअल से AI-सहायित प्रगति ट्रैकिंग में संक्रमण के लिए एक सांस्कृतिक बदलाव की भी आवश्यकता होती है। जिन सुपरिंटेंडेंट ने अपना करियर अनुभव और निर्णय के आधार पर प्रगति का अनुमान लगाते हुए बिताया है, उन्हें डेटा-संचालित मापों पर भरोसा करना और उनके साथ काम करना सीखना होगा। सबसे सफल कार्यान्वयन AI को एक ऐसे उपकरण के रूप में प्रस्तुत करते हैं जो सुपरिंटेंडेंट के निर्णय का समर्थन करता है, न कि उसकी जगह लेता है। सुपरिंटेंडेंट अभी भी संदर्भ और व्याख्या प्रदान करता है। AI माप आधारभूत रेखा प्रदान करता है।