Разработка AI-системы прогнозирования сроков строительства
Срыв сроков строительства — норма, а не исключение: 70-80% строительных проектов превышают плановые сроки. AI-система прогнозирует финальные сроки сдачи с учётом текущего прогресса, погоды, поставок и исторических паттернов задержек, позволяя принимать превентивные меры.
Источники данных
BIM-модель (Building Information Modeling):
- Плановые сроки по каждому WBS-элементу (Work Breakdown Structure)
- Взаимозависимости между работами
- Ресурсная загрузка: бригады, техника, материалы
Оперативные данные:
- Стройконтроль: % выполнения по каждой работе (еженедельно/ежедневно)
- Материальный журнал: поставки материалов, дефицит
- Табели: количество рабочих на объекте
- PIMS (Project Information Management System): Primavera P6, MS Project
IoT и технические данные:
- Строительные камеры + CV-анализ: автоматический замер прогресса
- Датчики на технике: моточасы, производительность
- GPS трекинг: перемещения людей и техники
Внешние факторы:
- Метеопрогноз: дни, непригодные для бетонирования (< +5°C), для высотных работ (ветер > 10 м/с)
- Праздники и карантины
- Логистика поставок: статус заказов ключевых материалов
Прогнозная модель
Earned Value Analysis (EVA) + ML:
EVA — стандарт управления проектами:
# Earned Value метрики
SPI = EV / PV # Schedule Performance Index (< 1 = отстаём от графика)
CPI = EV / AC # Cost Performance Index
# Традиционный прогноз (EAC):
EAC_schedule = BAC_duration / SPI # если текущий темп сохранится
# Проблема: SPI не учитывает тип работ, погоду, зависимости
ML-улучшение:
features = {
'current_spi': earned_value / planned_value,
'spi_trend_4w': spi_now - spi_4weeks_ago,
'critical_path_float': total_float_critical_path,
'weather_bad_days_upcoming': forecast_bad_days_next_30,
'material_delivery_risk': pending_critical_deliveries_score,
'labor_availability': actual_workers / planned_workers,
'subcontractor_delay_history': mean_delay_by_subcontractor,
'site_area': construction_area_sqm,
'project_complexity': wbs_depth * subcontractor_count,
'season': month # зима влияет на темп
}
delay_prediction = lgbm_model.predict(features)
# delay_prediction = ожидаемая задержка в рабочих днях
Детектор рисков задержки
Critical Path Monitoring: Задержки на критическом пути = задержка всего проекта:
def critical_path_risk(project_schedule, current_progress, forecast):
critical_tasks = project_schedule.get_critical_path()
risks = []
for task in critical_tasks:
delay_risk = estimate_task_delay(task, current_progress, forecast)
if delay_risk.probability > 0.3:
risks.append({
'task': task,
'expected_delay_days': delay_risk.expected_days,
'probability': delay_risk.probability,
'impact': task.successor_chain_length
})
return sorted(risks, key=lambda x: x['impact'] * x['probability'], reverse=True)
Автоматические предупреждения:
- При 3-х consecutive неделях SPI < 0.9 → риск задержки > 30 дней
- Поставщик критического материала не подтвердил доставку за 14 дней до даты
- Прогноз погоды: 5+ дней некондиции подряд на критическом этапе
Computer Vision для мониторинга прогресса
Автоматическое измерение прогресса по стройкамерам:
- Панорамные камеры 360° (Theta, Insta360) — ежедневные снимки
- YOLOv8: детекция строительных объектов (стены, перекрытия, кровля)
- Сравнение с BIM-моделью: % выполнения по конструктивам
3D scanning integration:
- LiDAR скан (Leica BLK360, Faro Focus) → точечное облако
- Сравнение с BIM: визуализация отставания по цветовой кодировке
- As-built vs. as-designed: автоматическое обнаружение расхождений
Интеграция с ПМИС
- Primavera P6: API для чтения/записи активностей и прогрессов
- Autodesk BIM 360: Cloud API для BIM-данных
- MS Project Server: REST API
- Российские системы: 1С:Строительство, ИСУП
Метрики системы:
- Точность прогноза завершения: MAPE < 10% за 60 дней до сдачи
- Early warning: флаговка задержек за 3+ недели до фактического срыва
- Coverage: % проектов под активным мониторингом
Сроки: базовая EVA-система с ML-прогнозом задержки — 5-6 недель. Полноценная с BIM-интеграцией, CV-мониторингом и автоматическими предупреждениями — 4-5 месяцев.