Projekt 14283 – Avslutat Data och produktionsstyrd projektering med hjälp av artificiell intelligens
Projektsammanfattning
Denna rapport sammanfattar andra delen av ett doktorandarbete som fokuserar på anbudsarbetet ur ett entreprenörsperspektiv med mål att systematisera och automatisera beställarens kravställande.
Anbudsskedet i byggprojekt är en tidskritisk och affärsstrategiskt viktig fas där entreprenörer använder sin expertis för att omsätta beställarkrav till konceptuella tekniska lösningar. Dagens metoder för kravanalys är till stor del manuella och tidskrävande. Studier av befintliga arbetssätt visar dessutom på brister, såsom begränsad spårbarhet och svaga kopplingar mellan krav och verifiering.
Den forskning som presenteras i denna rapport tar sin utgångspunkt i ”Systems
Engineering”, ett angreppssätt för mer systematisk kravhantering, och undersöker hur
artificiell intelligens (AI) och datadrivna analysmetoder kan stödja anbudsarbetet.
Forskningsprojektet omfattar tre studier. Den första tillämpar AI-baserade metoder, den andra fokuserar på produktionsdata och den tredje studien presenterar ett nytt angreppssätt för anbudsprojektering av stomme och klimatskal där set-based design kombineras med en genetisk algoritm för att reducera produktionskostnad och klimatutsläpp.
Resultaten visar att en datainformerad och AI-stödd anbudsprocess kan underlätta projektens kravanalys, extrahera värdefulla insikter ur produktionsdata, samt möjliggöra avvägningar mellan kostnad och koldioxidutsläpp för olika byggnadsutformningar.
Sammantaget visar projektet att ett Systems Engineering-baserat angreppssätt i kombination med AI-tekniker kan ge bättre beslutsunderlag i
tidiga skeden, höja kvaliteten i projekteringen och stärka entreprenörens
konkurrenskraft genom mer systematiska och datadrivna arbetssätt.
Anbudsskedet i byggprojekt är en tidskritisk och affärsstrategiskt viktig fas där entreprenörer använder sin expertis för att omsätta beställarkrav till konceptuella tekniska lösningar. Dagens metoder för kravanalys är till stor del manuella och tidskrävande. Studier av befintliga arbetssätt visar dessutom på brister, såsom begränsad spårbarhet och svaga kopplingar mellan krav och verifiering.
Den forskning som presenteras i denna rapport tar sin utgångspunkt i ”Systems
Engineering”, ett angreppssätt för mer systematisk kravhantering, och undersöker hur
artificiell intelligens (AI) och datadrivna analysmetoder kan stödja anbudsarbetet.
Forskningsprojektet omfattar tre studier. Den första tillämpar AI-baserade metoder, den andra fokuserar på produktionsdata och den tredje studien presenterar ett nytt angreppssätt för anbudsprojektering av stomme och klimatskal där set-based design kombineras med en genetisk algoritm för att reducera produktionskostnad och klimatutsläpp.
Resultaten visar att en datainformerad och AI-stödd anbudsprocess kan underlätta projektens kravanalys, extrahera värdefulla insikter ur produktionsdata, samt möjliggöra avvägningar mellan kostnad och koldioxidutsläpp för olika byggnadsutformningar.
Sammantaget visar projektet att ett Systems Engineering-baserat angreppssätt i kombination med AI-tekniker kan ge bättre beslutsunderlag i
tidiga skeden, höja kvaliteten i projekteringen och stärka entreprenörens
konkurrenskraft genom mer systematiska och datadrivna arbetssätt.
Fördjupningsmaterial
Slutrapport
Projektansvarig
- NCC Sverige AB
Projektledare
- Rasmus Rempling rasmus.rempling@chalmers.se