Bagaimana Computer Vision Memantau Kemajuan Proyek dari Rekaman Drone Harian

Sebuah drone yang terbang mengikuti rute terprogram di atas lokasi konstruksi membutuhkan sekitar 20 menit untuk merekam seluruh proyek. Foto-foto yang dihasilkan, biasanya 200 hingga 500 gambar per penerbangan, mengandung lebih banyak informasi tentang kemajuan proyek dibandingkan yang bisa didokumentasikan seorang superintendent dalam seharian penuh berjalan mengelilingi lokasi dan mencatat. Computer vision mengubah gambar-gambar tersebut menjadi data kemajuan terstruktur yang diperbarui secara otomatis setiap kali penerbangan dilakukan.

Dari Foto Menjadi Data Kemajuan

Pipeline computer vision dimulai dengan fotogrametri. Gambar-gambar drone yang saling tumpang tindih digabungkan menjadi orthomosaic (peta tampak atas) dan point cloud 3D dari lokasi proyek. Output ini memberikan representasi geometris yang akurat dari semua yang terlihat di lokasi pada saat penerbangan dilakukan.

AI kemudian membandingkan representasi ini dengan model desain dan data penerbangan sebelumnya. Elemen-elemen baru yang muncul di antara penerbangan, seperti bagian baja struktural, fondasi yang telah dicor, atap yang telah terpasang, diidentifikasi dan diklasifikasikan. Sistem menghitung berapa persentase dari setiap elemen yang direncanakan yang kini terlihat dan terpasang.

Sebuah kontraktor umum nasional melakukan perbandingan langsung pada 12 proyek. Setiap proyek memiliki penerbangan drone mingguan yang diproses melalui computer vision bersamaan dengan pelaporan kemajuan tradisional dari superintendent. Computer vision mengidentifikasi rata-rata 8 ketidaksesuaian per minggu antara kemajuan yang dilaporkan dan kemajuan aktual. Sebagian besar ketidaksesuaian berada dalam kisaran 3 hingga 7 poin persentase pada aktivitas individual, cukup kecil untuk tidak terdeteksi dari minggu ke minggu tetapi cukup besar untuk terakumulasi menjadi varians jadwal dan biaya yang signifikan selama berbulan-bulan.

Apa yang Bisa dan Tidak Bisa Dilihat Computer Vision

Computer vision dari udara sangat unggul dalam melacak pekerjaan yang terlihat dari atas: fondasi, rangka struktural, atap, pekerjaan lahan, cladding eksterior, dan pekerjaan apa pun di lantai terbuka sebelum dek di atasnya dipasang. Pada proyek komersial mid-rise pada umumnya, 60 hingga 70% dari total lingkup konstruksi terlihat dari citra drone pada suatu titik selama proses konstruksi.

Teknologi ini kesulitan dengan pekerjaan interior setelah bangunan tertutup. Begitu atap dan dinding eksterior terpasang, drone yang terbang di atas tidak dapat melihat pekerjaan mekanikal, elektrikal, plumbing, drywall, atau finishing yang terjadi di dalam. Beberapa proyek melengkapi rekaman drone dengan kamera interior 360 derajat yang dipasang pada robot atau dibawa oleh pekerja, tetapi ini menambah kompleksitas dan biaya.

Pekerjaan di bawah permukaan tanah menghadirkan tantangan waktu. Utilitas bawah tanah, fondasi, dan waterproofing hanya terlihat selama jendela waktu yang sempit sebelum ditimbun kembali. Penerbangan drone yang sering selama fase awal konstruksi penting untuk merekam pekerjaan ini sebelum menghilang di bawah tanah.

Pelacakan Tingkat Elemen

Sistem computer vision yang paling berguna tidak hanya mengukur kemajuan keseluruhan. Mereka melacak elemen individual. Setiap kolom struktural, setiap bagian dinding, setiap area pelat mendapatkan statusnya sendiri: belum dimulai, sedang dikerjakan, atau selesai. Granularitas ini memungkinkan perhitungan earned value yang presisi dan pembaruan jadwal yang akurat.

Ketika sistem mengidentifikasi bahwa kolom pada grid line A hingga D sudah selesai tetapi kolom pada grid line E hingga H belum dimulai, jadwal dapat diperbarui untuk mencerminkan urutan pekerjaan aktual, bukan urutan yang diasumsikan. Ini penting karena konstruksi aktual jarang mengikuti urutan yang direncanakan secara persis, dan penyimpangan tersebut memengaruhi aktivitas hilir dengan cara yang tidak terungkap oleh angka kemajuan agregat.

Satu tim proyek yang menggunakan pelacakan tingkat elemen pada gudang seluas 300.000 sq ft menemukan bahwa kontraktor pemasangan baja menyelesaikan bay dalam urutan yang berbeda dari yang direncanakan. Urutan aktual tersebut efisien bagi kontraktor baja tetapi menciptakan masalah akses bagi kontraktor plumbing bawah tanah yang perlu bekerja di bay yang dilewati oleh kontraktor baja. Data computer vision membuat masalah koordinasi ini terlihat dua minggu lebih awal dibandingkan jika muncul melalui pelaporan tradisional, memberikan tim waktu untuk menyesuaikan urutan pemasangan sebelum menyebabkan keterlambatan hilir.

Pelaporan Otomatis dan Dashboard

Data kemajuan mentah dari computer vision mengalir ke dashboard yang menampilkan kemajuan berdasarkan area, berdasarkan trade, dan berdasarkan sistem bangunan. Dashboard ini diperbarui secara otomatis setiap kali penerbangan drone dilakukan, memberikan tim proyek gambaran terkini tentang status lokasi tanpa memerlukan input data manual atau estimasi subjektif.

Dashboard biasanya mencakup overlay tampak denah yang menunjukkan pekerjaan selesai dalam kode warna, kurva kemajuan yang membandingkan rencana vs. aktual, dan indikator status tingkat aktivitas. Tim proyek yang menggunakan alat pemantauan konstruksi AI melaporkan bahwa dashboard visual mengubah sifat rapat kemajuan. Alih-alih memperdebatkan berapa persen penyelesaian suatu trade, tim melihat citra dan data aktual secara bersama-sama.

Dokumentasi foto adalah manfaat sekunder. Setiap penerbangan menciptakan rekaman visual bertanda waktu dari kondisi lokasi. Dokumentasi ini berharga untuk penyelesaian sengketa, verifikasi kualitas, dan catatan as-built. Beberapa kontraktor mencatat bahwa nilai dokumentasi saja sudah membenarkan biaya penerbangan drone reguler, dengan pelacakan kemajuan sebagai manfaat tambahan.

Biaya dan Logistik

Biaya penerbangan drone reguler bervariasi berdasarkan ukuran proyek dan lokasi. Untuk proyek dengan operator drone penuh waktu di lokasi, biaya per penerbangan pada dasarnya nol di luar gaji operator dan biaya peralatan, biasanya $60.000 hingga $80.000 per tahun secara fully loaded. Untuk proyek yang menggunakan penyedia layanan drone, penerbangan memakan biaya $500 hingga $2.000 per kunjungan tergantung pada ukuran dan kompleksitas lokasi.

Penerbangan mingguan memberikan keseimbangan terbaik antara kebaruan data dan biaya untuk sebagian besar proyek. Penerbangan harian menghasilkan lebih banyak data tetapi kemajuan inkremental antar hari sering kali terlalu kecil untuk dideteksi secara andal oleh computer vision. Penerbangan dua mingguan atau bulanan cukup untuk proyek yang bergerak lebih lambat seperti pekerjaan sipil berat tetapi melewatkan terlalu banyak aktivitas pada proyek komersial fast-track.

Regulasi FAA Part 107 berlaku untuk semua penerbangan drone komersial, yang mengharuskan pilot jarak jauh berlisensi dan kepatuhan terhadap pembatasan ruang udara. Proyek di dekat bandara, heliport, atau di ruang udara terkontrol memerlukan koordinasi tambahan. Sebagian besar penyedia layanan drone yang sudah mapan menangani persyaratan regulasi ini sebagai bagian dari layanan mereka.

Tantangan Integrasi Data

Data kemajuan computer vision paling berharga ketika terintegrasi dengan jadwal proyek, sistem biaya, dan model BIM. Integrasi ini menciptakan digital twin yang menunjukkan tidak hanya seperti apa bangunan hari ini, tetapi bagaimana status hari ini dibandingkan dengan rencana dan apa artinya bagi kinerja biaya dan jadwal.

Integrasi penuh mengharuskan aktivitas jadwal dipetakan ke elemen fisik dalam model, yang dipetakan ke elemen yang terlihat dalam citra drone. Pemetaan ini membutuhkan upaya untuk disiapkan pada awalnya tetapi memberikan hasil sepanjang proyek dengan memungkinkan pelacakan kemajuan otomatis yang terhubung langsung ke perhitungan earned value dan pembaruan jadwal.

Teknologi ini sudah cukup matang sehingga keunggulan early adopter mulai memudar. Pemantauan kemajuan berbasis drone menjadi praktik standar pada proyek di atas $10 juta, dan kontraktor yang tidak menggunakannya semakin berada dalam posisi kurang informasi dibandingkan mereka yang menggunakannya. Pertanyaannya telah bergeser dari apakah akan menggunakannya menjadi bagaimana menggunakannya secara paling efektif.