Оценка экономической эффективности применения искусственного интеллекта в строительстве: выбор оптимального метода

Обложка

Цитировать

Полный текст

Аннотация

Введение. Проведен обзор существующих идей внедрения искусственного интеллекта (ИИ) в строительной отрасли. Выполнен анализ применимости технологий и оценена их экономическая эффективность, обоснована целесообразность применения вложений инвестиций в потенциальные проекты. Строительство — это фундаментальная сфера жизни человека, в которой использование нововведений информационных технологий, в особенности ИИ, должно быть сопряжено с взвешенным решением и тщательным тестированием. По этой причине требуется выбрать наиболее подходящий под эти задачи метод оценки целесообразности внедрения. Применив выбранный метод, можно раскрыть возможности нового проекта и соотнести его со всеми затратами и рисками.Материалы и методы. Проанализированы российские и зарубежные исследования, интернет-ресурсы и материалы конференций, в ходе которых найдены актуальные тенденции применения ИИ в строительстве. Комплексный метод позволил осветить технологии с точки зрения идейности, реальности воплощения, практического использования и экономической целесообразности. Применен метод балльной оценки проектов и составлен перечень технологий, выгодных к использованию и перспективных к разработке. Осуществлено многоуровневое изучение выбранных проектов согласно системному подходу моделирования.Результаты. Сделаны выводы о наиболее перспективном методе оценки экономической эффективности инновационных проектов на основе ИИ, применимых к строительной индустрии. Теоретическая модель направлена на рассмотрение проекта как процесса причинно-следственных связей, благодаря которому видна цепочка необходимых действий, а также их последовательность.Выводы. Данное исследование об эффективности внедрения ИИ в строительство и некоторых идейных замыслов выявило оптимальный и достаточно информационный метод оценки экономической эффективности проектов, степень актуальности и соответствия интересам и потребностям строительной сферы. Представлен перечень рекомендаций для процесса внедрения нового проекта с помощью ИИ. Предложен вектор дальнейших исследований в области практических расчетов эффективности и прогнозирования.

Об авторах

Д. Н. Шишкина

Цифровая Артель

Email: fin.control.id@gmail.com
ORCID iD: 0009-0008-4648-7869
SPIN-код: 8857-3305

Список литературы

  1. Гинзбург А.В., Рыжкова А.И. Возможности искусственного интеллекта по повышению организационно-технологической надежности строительного производства // Вестник МГСУ. 2018. Т. 13. № 1 (112). С. 7–13. doi: 10.22227/1997-0935.2018.1.7-13. EDN XCIOMJ.
  2. Egwim C.N., Alaka H., Toriola-Coker L.O., Balogun H., Sunmola F. Applied artificial intelligence for predicting construction projects delay // Machine Learning with Applications. 2021. Vol. 6. P. 100166. doi: 10.1016/j.mlwa.2021.100166
  3. Колчин В.Н. Специфика применения технологии «искусственного интеллекта» в строительстве // Инновации и инвестиции. 2022. № 3. С. 250–253. EDN JJLECU.
  4. Гареев И.Ф., Мухаметова Н.Н. Внедрение цифровых технологий на этапах жизненного цикла объектов жилой недвижимости // Жилищные стратегии. 2018. Т. 5. № 3. С. 305–322. doi: 10.18334/zhs.5.3.39692. EDN YRLKJV.
  5. Симионова Н.Е. Инновационные проекты в строительстве: управление и оценка эффективности // Экономика строительства. 2020. № 2 (62). С. 59–65. EDN UVSSWJ.
  6. Лавриченко О.В. Системный подход к определению экономической эффективности инновационных проектов // Креативная экономика. 2013. № 11 (83). С. 36–40. EDN RSHVAV.
  7. Маляревский А. ИИ в российских условиях: драйверы, ингибиторы и важность кейсов // Интернет-издание о высоких технологиях — CNews. 2023.
  8. Baduge S.K., Thilakarathna S., Perera J.S., Arashpour M., Sharafi P., Teodosio B. et al. Artificial intelligence and smart vision for building and construction 4.0: Machine and deep learning methods and applications // Automation in Construction. 2022. Vol. 141. P. 104440. doi: 10.1016/j.autcon.2022.104440
  9. Brilakis I., Haas C.T.M. Infrastructure computer vision. Butterworth-Heinemann, 2019.
  10. Abioye S.O., Oyedele L.O., Akanbi L., Ajayi A., Delgado J.M.D., Bilal M. et al. Artificial intelligence in the construction industry : a review of present status, opportunities and future challenges // Journal of Building Engineering. 2021. Vol. 44. P. 103299. doi: 10.1016/j.jobe.2021.103299
  11. Гурина Е.О., Лисин И.П. Будущие инновации в строительстве // Технические науки: теория и практика : мат. IV Междунар. науч. конф. 2018. С. 43–44. EDN YNCKZN.
  12. Fang W., Zhong B., Zhao N., Love P.E.D., Luo H., Xue J. et al. A deep learning-based approach for mitigating falls from height with computer vision: Convolutional neural network // Advanced Engineering Informatics. 2019. Vol. 39. Pp. 170–177. doi: 10.1016/j.aei.2018.12.005
  13. Agarwal S. 4 Artificial intelligence use cases that don’t require a data scientist // Forbes. 2018.
  14. Федорцов Р.А. Искусственный интеллект будущее менеджмента // Студенческий научный форум 2021 : мат. Междунар. студ. науч. конф. 2021. Т. VIII. C. 130.
  15. Ненастьев А. Проблемы и преимущества искусственного интеллекта в строительстве // Цифровое управление в строительстве. 2023.
  16. Oluleye B.I., Chan D.W.M., Antwi-Afari P. Adopting Artificial Intelligence for enhancing the implementation of systemic circularity in the construction industry : a critical review // Sustainable Production and Consumption. 2023. Vol. 35. Pp. 509–524. doi: 10.1016/j.spc.2022.12.002
  17. Love P.E.D., Fang W., Matthews J., Porter S., Luo H., Ding L. Explainable artificial intelligence (XAI): Precepts, models, and opportunities for research in construction // Advanced Engineering Informatics. 2023. Vol. 57. P. 102024. doi: 10.1016/j.aei.2023.102024
  18. Анисифоров А.Б., Анисифорова Л.О. Методики оценки эффективности информационных систем и информационных технологий в бизнесе : учебное пособие. СПб., 2014.
  19. Торохова К.Е., Матвеева М.В. Оценка экономической эффективности и перспектив внедрения технологий информационного моделирования на этапе проектирования в строительной отрасли региона // Известия вузов. Инвестиции. Строительство. Недвижимость. 2023. Т. 13. № 2 (45). С. 192–201. doi: 10.21285/2227-2917-2023-2-192-201. EDN LMGVFY.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».