التقدير الكهربائي المدعوم بالذكاء الاصطناعي: عد الأجهزة وحساب مسارات الأسلاك

عد الأجهزة الكهربائية في مجموعة مخططات تجارية كبيرة عمل ممل ومتكرر ومن السهل بشكل مدهش الوقوع في أخطاء فيه. قد يحتوي مبنى مكتبي بمساحة 200,000 قدم مربع على 3,000 إلى 5,000 جهاز فردي عبر أنظمة الإضاءة والطاقة والجهد المنخفض وإنذار الحريق. إذا فاتك طابق، أو أخطأت في عد مجموعة من المقابس، أو تجاهلت ورقة تفاصيل تُظهر أجهزة إضافية في غرفة ميكانيكية، فإن عرض سعرك سينحرف فوراً بآلاف الدولارات.

عد الأجهزة: حيث يتفوق الذكاء الاصطناعي

يبدأ التقدير الكهربائي المدعوم بالذكاء الاصطناعي بالتعرف على الأجهزة. يقوم البرنامج بمسح كل ورقة في مجموعة المخططات وتحديد الرموز الكهربائية: المقابس، والمفاتيح، وتركيبات الإضاءة، وصناديق التوصيل، واللوحات، وقواطع الفصل، والأجهزة المتخصصة. يمكن لخوارزميات التعرف على الأنماط المدربة على آلاف مجموعات المخططات تحديد الرموز القياسية بمعدلات دقة تتجاوز 97%.

قام مقاول كهربائي كبير في شيكاغو بمقارنة أداة الذكاء الاصطناعي الخاصة بهم مع مُقدّر التكاليف الأقدم لديهم على 15 مشروعاً حديثاً. حدد الذكاء الاصطناعي في المتوسط 4.2% أجهزة أكثر من العد اليدوي. في أحد مشاريع المستشفيات، وجد الذكاء الاصطناعي 127 جهازاً كان المُقدّر قد فاته، معظمها أجهزة جهد منخفض في أوراق لم يراجعها المُقدّر بعناية كافية مقارنة بالمخططات الكهربائية الرئيسية.

السرعة هي الفارق الجوهري. يستغرق العد اليدوي للأجهزة في مجموعة مخططات من 100 ورقة من 8 إلى 12 ساعة لمُقدّر ذي خبرة. ينجز الذكاء الاصطناعي نفس العد في 15 إلى 25 دقيقة. حتى مع احتساب الساعتين إلى 3 ساعات التي يجب أن يقضيها المُقدّر في مراجعة والتحقق من مخرجات الذكاء الاصطناعي، ينخفض الوقت الإجمالي بنسبة 60 إلى 70%.

حسابات مسارات الأسلاك: حيث تزداد الأمور تعقيداً

عد الأجهزة هو النصف الأسهل من التقدير الكهربائي. حساب مسارات الأسلاك وأحجام القنوات والتوصيلات الرئيسية العائدة إلى اللوحات هو حيث يكمن التعقيد الحقيقي. يحتاج الذكاء الاصطناعي ليس فقط إلى تحديد الأجهزة بل إلى فهم دوائرها، وتتبع المسار العائد إلى اللوحة، وحساب أطوال الأسلاك بما في ذلك الناهضات العمودية والتوجيه حول العوائق، وتحديد حجم الموصلات بناءً على حسابات الحمل ومتطلبات انخفاض الجهد.

تتعامل أدوات الذكاء الاصطناعي الحالية مع هذا بدرجات متفاوتة من النجاح. بالنسبة لدوائر الإضاءة التجارية المباشرة، حيث يكون التوجيه قياسياً نسبياً ومواقع اللوحات موضحة بوضوح، يحسب الذكاء الاصطناعي كميات الأسلاك ضمن نطاق 5 إلى 8% من الكميات المركبة فعلياً. بالنسبة لتوزيع الطاقة والمغذيات والدوائر المتخصصة، تنخفض الدقة إلى انحراف يتراوح بين 12 و18%.

مشكلة التوجيه هي التحدي الجوهري. يمكن للذكاء الاصطناعي حساب المسافة المستقيمة من جهاز إلى لوحته، لكن مسارات الأسلاك الفعلية تتبع الممرات، وترتفع عبر المجاري، وتلتف حول مجاري الهواء، وتسلك مسارات يحددها كهربائي ذو خبرة بناءً على ظروف الموقع. يقدّر المُقدّر الأقدم كميات الأسلاك من خلال التوجيه الذهني لكل دائرة عبر المبنى، مع تطبيق عوامل للمنعطفات والناهضات والتوصيلات. هذا التفكير المكاني لا يزال صعباً على الذكاء الاصطناعي تكراره بالكامل.

سير العمل الهجين للأعمال الكهربائية

يقوم المقاولون الكهربائيون الأذكياء بتقسيم عملية التقدير. يتركون الذكاء الاصطناعي يتولى عد الأجهزة وتحديد الدوائر الأساسية. ثم يركز المُقدّر وقته على حسابات مسارات الأسلاك للمغذيات الرئيسية والتوزيع، مع قبول تقديرات الذكاء الاصطناعي للأسلاك في الدوائر الفرعية حيث تكون تكلفة الدائرة الواحدة أقل والدقة الإجمالية أهم من دقة كل دائرة على حدة.

يستفيد هذا النهج من نقاط قوة كل طريقة. يلتقط الذكاء الاصطناعي كل جهاز عبر كل ورقة، مما يزيل المصدر الأكثر شيوعاً لأخطاء العد اليدوي. ويطبق الإنسان معرفة التوجيه والخبرة الميدانية على الأجزاء عالية القيمة من التقدير حيث تكون الدقة أكثر أهمية.

وثّق مقاول كهربائي من الباطن في هيوستن نتائجه على مدار 30 مشروعاً باستخدام هذا النهج المقسم. تحسنت دقة عد الأجهزة من 94% (يدوي فقط) إلى 98.5% (ذكاء اصطناعي مع مراجعة بشرية). تحسنت دقة التقدير الإجمالية للعمالة والمواد مجتمعة من ضمن 8% من الأرقام الفعلية إلى ضمن 4.5% من الأرقام الفعلية. انخفض وقت التقدير لكل مشروع بنسبة 55%.

تكامل جداول اللوحات وحسابات الأحمال

تقوم بعض أدوات التقدير الكهربائي بالذكاء الاصطناعي أيضاً بإنشاء جداول اللوحات وحسابات الأحمال الأولية من بيانات الأجهزة. وهذا مفيد لاكتشاف مشاكل التصميم مبكراً. إذا عدّ الذكاء الاصطناعي 47 دائرة في مخطط يُظهر لوحة بـ 42 فتحة، فإن هذا التناقض يظهر فوراً بدلاً من أن يُكتشف أثناء البناء عندما ينفد من الكهربائيين فتحات اللوحة.

حسابات الأحمال تقريبية، لأن الذكاء الاصطناعي يعمل من رموز المخططات وليس من المواصفات الكهربائية الكاملة. لكنها مفيدة للتحقق المنطقي. إذا حسب الذكاء الاصطناعي حمل مبنى أعلى بنسبة 30% مما يمكن أن يتحمله مدخل الخدمة المحدد، فإنه يُنبّه إلى مشكلة تصميم محتملة تستحق الإثارة في طلب معلومات قبل الانتهاء من تقديم العرض.

الأنظمة المتخصصة لا تزال تحتاج إلى متخصصين

أنظمة إنذار الحريق والأمن والصوت والمرئيات وأنظمة الجهد المنخفض الأخرى مدعومة جزئياً بأدوات التقدير بالذكاء الاصطناعي، لكن الدقة تتفاوت بشكل كبير. عد أجهزة إنذار الحريق عادةً ما يكون جيداً لأن الرموز موحدة. لكن حسابات دوائر أجهزة الإنذار، مع قيود انخفاض الجهد ومتطلبات الإشراف على نهاية الخط، لا تزال تحتاج إلى مراجعة متخصصة.

يجد المقاولون الذين يعملون مع أدوات الذكاء الاصطناعي المخصصة للبناء أن أفضل النتائج تأتي من فهم الأجزاء التي يتعامل معها الذكاء الاصطناعي بشكل جيد والأجزاء التي لا تزال تحتاج إلى حكم بشري ذي خبرة. التقدير الكهربائي حالة واضحة حيث تعزز التكنولوجيا المُقدّر بدلاً من استبداله، وحيث يوفر هذا التعزيز وقتاً كافياً ويكتشف عناصر مفقودة كافية لتبرير الاستثمار خلال مشاريع قليلة.

ما يجب أن يقيّمه المقاولون الكهربائيون

عند تقييم أدوات التقدير الكهربائي بالذكاء الاصطناعي، فإن معدل دقة التعرف على الأجهزة هو المقياس الأهم. أي نسبة أقل من 95% على الرموز التجارية القياسية ستخلق عمل مراجعة أكثر مما توفره. دقة حساب الأسلاك أقل أهمية لأن معظم المقاولين سيراجعون ويعدلون تلك الأرقام على أي حال.

التكامل مع برامج التقدير الحالية هو الاعتبار الثاني. إذا كانت مخرجات الذكاء الاصطناعي تتطلب إعادة إدخال يدوية في برنامج تقديم العطاءات الخاص بالمقاول، فإن الكثير من توفير الوقت يتبخر. الأدوات التي تصدّر مباشرة إلى Accubid أو ConEst أو منصات مماثلة تحافظ على كفاءة سير العمل.

جودة مجموعة المخططات لا تزال عاملاً مؤثراً. تعمل أدوات الذكاء الاصطناعي بشكل أفضل على المخططات الرقمية النظيفة ذات مكتبات الرموز القياسية. المخططات الورقية الممسوحة ضوئياً، أو المخططات ذات الرموز غير القياسية، أو المخططات من معماريين يستخدمون أساليب توضيح غير تقليدية ستنتج معدلات دقة أقل وتتطلب وقت مراجعة أكثر. بالنسبة للمقاولين الذين يقدمون عطاءات بانتظام من مخططات رقمية نظيفة، فإن حالة العائد على الاستثمار قوية. أما بالنسبة لأولئك الذين يعملون بشكل أساسي من مجموعات مخططات ممسوحة ضوئياً أو غير متسقة، فإن الفائدة حقيقية لكنها أقل.