Tamamlanma Yüzdesini Takip Etmek İçin Yapay Zeka: Manuel İlerleme Raporlamasının Yerini Almak

Üç farklı şantiye şefinden mekanik kaba tesisatın tamamlanma yüzdesini tahmin etmelerini isteyin, üç farklı rakam alırsınız. Biri monte edilen hava kanallarına göz gezdirip %65 der. Diğeri kaba tesisatı tamamlanmış odaları sayar ve %58 der. Üçüncüsü planlanan işçilik saatlerini kontrol eder ve %71 der. Üçü de aynı soruyu yanıtlamaya çalışmaktadır ve hiçbirinin hem tutarlı hem de doğru bir yöntemi yoktur.

Manuel İlerleme Raporlamasının Sorunu

Tamamlanma yüzdesi raporlaması, inşaat proje yönetiminde aşağı yöndeki her şeyi belirler. Kazanılmış değer hesaplamalarını, hakediş başvurularını, program tahminlerini ve kaynak planlamasını belirler. Tamamlanma yüzdesi rakamları hatalı olduğunda, aşağı yöndeki her karar kötü verilere dayanır.

İnşaat Endüstrisi Enstitüsü'nün araştırmasına göre, aktif inşaat projelerinde manuel tamamlanma yüzdesi tahminleri gerçek ilerlemeden ortalama 12 ila 15 yüzde puanı sapma göstermektedir. Sapma neredeyse her zaman ilerlemeyi olduğundan fazla raporlama yönündedir. Şantiye şefleri, çoğu zaman bilinçsizce, küçük gecikmeleri telafi edeceklerine dair iyimser oldukları ve beklenenden düşük ilerlemenin mal sahipleri ve proje yöneticileriyle rahatsız edici konuşmalara yol açması nedeniyle gerçeklikten daha yüksek tamamlanma yüzdeleri raporlar.

Bu fazla raporlama birikir. 6 ay boyunca sürekli olarak gerçekten %5 daha fazla ilerleme raporlayan bir proje, raporlanan ve gerçek durum arasında sonunda program veya maliyet sürprizi olarak ortaya çıkan bir boşluk oluşturur. Bu boşluk inkar edilemez hale geldiğinde, toparlanma seçenekleri sınırlı ve pahalıdır.

Yapay Zeka İlerlemeyi Nasıl Ölçer

Yapay zeka ilerleme takibi, öznel insan tahminlerine dayanmadan tamamlanma yüzdesini hesaplamak için birden fazla veri kaynağı kullanır. En yaygın yaklaşımlar arasında bilgisayarlı görü kullanan fotoğraf tabanlı analiz, lazer tarama veya fotogrametriden elde edilen 3D nokta bulutu karşılaştırması, kurulu sistemlerden gelen IoT sensör verileri ve teslimat ve montaj kayıtlarından malzeme takibi yer alır.

Fotoğraf tabanlı ilerleme takibi en erişilebilir olanıdır. Şantiye şefleri veya saha fotoğrafçıları, bina boyunca tanımlanmış fotoğraf rotalarını takip ederek düzenli bir programda yapılandırılmış fotoğraflar çeker. Bilgisayarlı görü algoritmaları bu fotoğrafları tasarım modeli ve önceki fotoğraflarla karşılaştırarak son çekimden bu yana nelerin monte edildiğini belirler.

Fotoğraf tabanlı ilerleme takibinde uzmanlaşmış bir platform, doğruluklarını 85 ticari inşaat projesinde test etmiştir. Yapay zeka ile hesaplanan tamamlanma yüzdesi, ayrıntılı fiziksel incelemelerle ölçülen gerçek ilerlemeye ortalama 3,2 yüzde puanı yakınlıkta çıkmıştır. Aynı projelerde manuel şantiye şefi raporları, fiziksel incelemelerden ortalama 11,8 yüzde puanı sapma göstermiştir.

Daha Yüksek Hassasiyet İçin 3D Tarama

Lazer tarama ve fotogrametri, fotoğraf tabanlı yöntemlerden daha yüksek doğruluk sağlar ancak daha fazla ekipman ve işlem süresi gerektirir. Bir inşaat katının haftalık lazer taraması, hangi elemanların monte edildiğini, kısmen monte edildiğini veya henüz başlanmadığını belirlemek için BIM modeli ile karşılaştırılabilir.

Yapay zeka, tarama nokta bulutunu tasarım modeli ile karşılaştırır ve her yapı sistemi için montaj yüzdelerini hesaplar. Çelik konstrüksiyon %94 tamamlandı, mekanik hava kanalı %67 tamamlandı, elektrik borusu %52 tamamlandı. Bu rakamlar tahmine değil fiziksel ölçüme dayandığı için hakediş anlaşmazlıklarında daha savunulabilir ve program tahminleri için daha güvenilirdir.

Karşılığında maliyet ve emek vardır. Büyük bir projede haftalık lazer tarama, ya özel bir tarama teknisyeni ya da bir hizmet sözleşmesi gerektirir ve proje büyüklüğüne bağlı olarak tarama başına genellikle 2.000 ila 5.000 dolar maliyetlidir. 20 milyon doların üzerindeki projeler için bu maliyet, ilerleme takibinin iyileştirilmiş doğruluğu ve nakit akışı yönetimi üzerindeki aşağı yönlü etkileri ile kolayca haklı çıkarılır.

Malzeme ve İşçilik Verisi Entegrasyonu

Yapay zeka ilerleme takibi, görsel verileri malzeme ve işçilik kayıtlarıyla birleştirdiğinde daha doğru hale gelir. Teslimat kaydı belirtilen hava kanalının %80'inin şantiyeye teslim edildiğini gösteriyorsa ve fotoğraf analizi %60'ının monte edilmiş göründüğünü gösteriyorsa, sistem %20'sinin sahada olduğu ancak henüz monte edilmediği sonucunu çıkarabilir. Bu, proje ekibine her iki veri kaynağının tek başına sağlayacağından daha ayrıntılı bir tablo sunar.

İşçilik saati takibi başka bir kalibrasyon noktası sağlar. Mekanik taşeron bütçelenmiş işçilik saatlerinin %70'ini harcamışsa ancak görsel analiz %55 montaj ilerlemesi gösteriyorsa, verimlilik planın altındadır ve faaliyetin işçilik bütçesini aşması muhtemeldir. Bu erken tespit, aşım ciddi hale gelmeden müdahale edilmesini sağlar.

Yapay zeka tabanlı inşaat proje takibini benimseyen müteahhitler, ilerleme raporlamasını güvenilir kılanın birden fazla veri kaynağının entegrasyonu olduğunu görmektedir. Tek bir kaynak mükemmel değildir, ancak görsel, malzeme ve işçilik verilerinin bir araya gelmesi, herhangi bir manuel yöntemden önemli ölçüde daha doğru bir ilerleme tablosu oluşturur.

Hakediş Başvurularına Etkisi

Hakediş başvuruları, inşaat proje yönetiminin en tartışmalı yönlerinden biridir. Taşeronlar nakit akışını sürdürmek için mümkün olduğunca fazla tamamlanmış iş için fatura kesmek ister. Ana yükleniciler, gerçek ilerlemeye karşı fazla ödeme yapmadıklarından emin olmak ister. Mal sahipleri, raporlanan ilerlemenin talep edilen ödemeyi haklı kıldığına dair güvence ister.

Yapay zeka ile doğrulanmış ilerleme verileri, bu tartışmalar için tarafsız bir referans noktası sağlar. Hakediş başvurusu %72 tamamlandı dediğinde ve yapay zeka ile ölçülen ilerleme %68 gösterdiğinde, 4 puanlık fark ölçüm metodolojisindeki meşru farklılıkları yansıtabilecek kadar küçüktür. Hakediş başvurusu %72 dediğinde ve yapay zeka %54 gösterdiğinde, ödeme onaylanmadan önce tartışılması gereken önemli bir tutarsızlık vardır.

Birçok ana yüklenici, yapay zeka ilerleme takibinin hakediş başvurusu anlaşmazlıklarını %30 ila %40 oranında azalttığını bildirmektedir çünkü her iki taraf da daha nesnel verilerle çalışmaktadır. Şantiye şefinin rakamları yorumlama ve yapay zekanın tam olarak yakalayamayabileceği işleri, örneğin görsel olarak belirgin olmayan test ve devreye alma faaliyetlerini hesaba katma rolü hâlâ vardır. Ancak temel ölçüm daha güvenilirdir.

Pratik Uygulama

Yapay zeka ilerleme takibi için en basit giriş noktası yapılandırılmış fotoğraf dokümantasyonudur. Birçok müteahhit zaten dokümantasyon amacıyla günlük fotoğraflar çekmektedir. Bu fotoğraflara yapı eklemek — tanımlanmış rotalar, tutarlı açılar ve düzenli programlar — onları minimum ek çabayla yapay zeka analizi için kullanılabilir hale getirir.

Daha gelişmiş yaklaşımlar olan lazer tarama ve IoT sensör entegrasyonu, maliyetin proje değeriyle orantılı olduğu ve doğruluk iyileştirmesinin anlamlı finansal etkiye sahip olduğu daha büyük projeler için mantıklıdır. 5 milyon dolarlık bir kiracı iyileştirmesi muhtemelen haftalık lazer taramayı haklı kılmaz. 100 milyon dolarlık bir hastane neredeyse kesinlikle kılar.

Manuel raporlamadan yapay zeka destekli ilerleme takibine geçiş aynı zamanda kültürel bir değişim gerektirir. Kariyerleri boyunca deneyim ve yargıya dayalı ilerleme tahmini yapan şantiye şeflerinin veri odaklı ölçümlere güvenmesi ve bunlarla birlikte çalışmayı öğrenmesi gerekir. En başarılı uygulamalar, yapay zekayı şantiye şefinin yargısının yerine geçen bir araç olarak değil, onu destekleyen bir araç olarak konumlandırır. Şantiye şefi hâlâ bağlam ve yorum sağlar. Yapay zeka ölçüm temelini sağlar.