Показати скорочену інформацію

dc.contributor.authorЛялюк, О. Г.uk
dc.contributor.authorОсипенко, Р. С.uk
dc.contributor.authorLialiuk, O.en
dc.contributor.authorOsypenko, R.en
dc.date.accessioned2024-06-06T10:33:44Z
dc.date.available2024-06-06T10:33:44Z
dc.date.issued2023
dc.identifier.citationЛялюк О. Г. Особливостії імплементації штучного інтелекту в будівництві [Текст] / О. Г. Лялюк, Р. С. Осипенко // Сучасні технології, матеріали і конструкції в будівництві. – 2023. – № 2. – С. 172-176.uk
dc.identifier.issn2311-1437
dc.identifier.issn2311-1429
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/42648
dc.description.abstractУ роботі розглянуто імплементацію штучного інтелекту в будівельній галузі. Визначено основні напрямки імплементації ШІ на п’яти етапах проектування будівель та споруд, організації будівництва та експлуатації. На першому етапі «Планування та проектування» слід зібрати та проаналізувати інформацію про аналогічні будівельні проекти, враховуючи фінансові ресурси, терміни виконання, особливості будівель і інші важливі фактори, використовувати автоматизоване проектування, що враховує геодезичні дані, геологічні особливості, кліматичні умови, вимоги містобудування, технічні умови та інші фактори для оптимізації дизайну. На другому етапі «Оцінка ризиків та перспективи» ШІ за допомогою алгоритмів прогнозування для ідентифікації можливих ризиків визначає стратегії їх управління. На третьому етапі «Управління ресурсами та постачанням» виконується оптимізація логістики для передбачення потреб у будівельних матеріалах та автоматизації керування ланцюжком постачання, планування графіків роботи працівників за допомогою алгоритмів машинного навчання для передбачення потреб у робочій силі та оптимізації графіків. На четвертому етапі «Автоматизація та моніторинг» використовуються автоматизовані системи та дрони, керованих штучним інтелектом, для виконання рутинних та небезпечних завдань на будівельному майданчику, розгортається система моніторингу, яка в режимі реального часу відстежують прогрес будівельних робіт та інші ключові параметри. На пятому етапі «Оцінка якості та аналіз завершеного проекту» використовується аналіз даних для оцінки якості виконаних робіт, автоматизована перевірка виконаних робіт та визначення відповідності стандартам ДБН, технічному завданню на проектування, аналізу планування та витрачених ресурсів. Розглянуто застосовування штучного інтелекту на прикладі планування ресурсів в будівництві, яке може включати в себе використання різних математичних моделей та алгоритмів для оптимізації використання ресурсів. Зазначено переваги та недоліки застосування штучного інтелекту, та перспективи його розвитку в будівельній галузі.uk
dc.description.abstractThe paper considers the implementation of artificial intelligence(AI) in the construction industry. The main directions of AI implementation at five stages of designing buildings and structures, organization of construction and operation have been determined. At the first stage of "Planning and Design", information on similar construction projects should be collected and analyzed, taking into account financial resources, deadlines, features of buildings and other important factors, use automated design that takes into account geodetic data, geological features, climatic conditions, urban planning requirements, specifications and other factors to optimize the design. At the second stage, "Assessment of risks and prospects", AI uses forecasting algorithms to identify possible risks and determine their management strategies. The third stage, "Resource and supply management", optimizes logistics to predict building material needs and automates supply chain management, employee scheduling using machine learning algorithms to predict labor needs and optimize schedules. The fourth stage, "Automation and Monitoring", uses automated systems and drones controlled by artificial intelligence to perform routine and dangerous tasks on the construction site, and deploys a monitoring system that tracks the progress of construction work and other key parameters in real time.At the fifth stage, "Quality assessment and analysis of the completed project", data analysis is used to assess the quality of the completed work, automated verification of the completed work and determination of compliance with DBN standards, the technical task for the design, analysis of planning and spent resources. The application of artificial intelligence is considered on the example of resource planning in construction, which may include the use of various mathematical models and algorithms to optimize the use of resources. The advantages and disadvantages of the use of artificial intelligence and the prospects for its development in the construction industry are indicated.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofСучасні технології, матеріали і конструкції в будівництві. № 2 : 172-176.uk
dc.relation.urihttps://stmkvb.vntu.edu.ua/index.php/stmkvb/article/view/851
dc.subjectштучний інтелектuk
dc.subjectпідприємствоuk
dc.subjectмашинне навчанняuk
dc.subjectвиклики штучного інтелектуuk
dc.subjectможливості штучного інтелектуuk
dc.subjectбудівельна галузьuk
dc.subjectробототехнікаuk
dc.subjectartificial intelligenceen
dc.subjectenterpriseen
dc.subjectmachine learningen
dc.subjectartificial intelligence challengesen
dc.subjectartificial intelligence opportunitiesen
dc.subjectconstruction industryen
dc.subjectroboticsen
dc.titleОсобливостії імплементації штучного інтелекту в будівництвіuk
dc.title.alternativeFeatures of the implementation of artificial intelligence in constructionen
dc.typeArticle
dc.identifier.udc69.001.5:007.52
dc.relation.referencesМетоди та системи штучного інтелекту: Навчальний посібник для студентів напряму підготовки 6.050101 «Комп’ютерні науки» / уклад. : А.С. Савченко, О. О. Синельніков. К. : НАУ, 2017. 190 с.uk
dc.relation.referencesМетоди та системи штучного інтелекту: навч. посіб. / укл. Д.В. Лубко, С.В. Шаров. Мелітополь: ФОП Однорог Т.В., 2019. 264 с.uk
dc.relation.referenceshttps://kse.ua/ua/about-the-school/news/zagalna-suma-pryamih-zbitkiv-zavdana-infrastrukturi-ukrayini-cherez-viynu-syagaye-151-2-mlrd-otsinka-stanom-na-1-veresnya-2023-roku/uk
dc.relation.referencesЛялюк О. Г., Ратушняк О. Г. Організаційно-економічні інструменти екологічного менеджменту в будівництв. Проблеми формування конкурентоспроможності підприємств за умов нестабільності світової економіки. Матеріали доповідей Всеукраїнської науково-практичної конференції. м. Вінниця, 27 квітня 2009 року. - Вінниця : УНІВЕРСУМ-Вінниця, 2009. С. 174-176.uk
dc.relation.referencesSofiat O. Abioye a, Lukumon O. Oyedele a,*, Lukman Akanbi a,b, Anuoluwapo Ajayi a, Juan Manuel Davila Delgado a, Muhammad Bilal a, Olugbenga O. Akinade a, Ashraf Ahmed c. Artificial intelligence in the construction industry: A review of present status, opportunities and future challenges.en
dc.relation.referencesApplications of Artificial Intelligence in Construction, Ar. Gayatri Patil, Allana College of Architecture, Pune Indiaen
dc.relation.referencesN. Yau and J. Yang, Case-Based Reasoning in Construction Management, Computer Aided Civil and Infrastructure Engineering (1998).en
dc.relation.referencesR. Fayek Aziz, S. M. Hafez and Y. R. Abuel-Magd, Smart optimization for mega construction projects using artificial intelligence, Alexandria Engineering Journal (2014)en
dc.relation.referencesM. Jaina and K.K. Pathak, Applications of Artificial Neural Network in Construction Engineering and Management - A Review, International Journal of Engineering Technology, Management and Applied Sciences, Volume 2 Issue 3(2014)en
dc.relation.referencesH. Gunaydın Murat, and Z. D. S. gan, A neural network approach for early cost estimation of structural systems of building, International Journal of Project Management 22, 595–602 (2004).https://doi.org/10.1016/j.ijproman.2004.04.002en
dc.relation.referencesS. H. Iranmanesh and M. Zarezadeh, Application of Artificial Neural Network to Forecast Actual Cost of a Project to Improve Earned Value Management System, World Academy of Science, Engineering and Technology, 210–213 (2008)en
dc.relation.referencesK. Gwang-Hee, Y. Jie-Eon, S. Ana, Chob, Hun-Hee, Neural network model incorporating a genetic algorithm inestimating construction costs, Building and Environment, 39, 1333–1340 (2004).https://doi.org/10.1016/j.buildenv.2004.03.009en
dc.relation.referencesCheung, S. On and W. P. S. Pui and F. Ada and Coffey, Vaughan, Predicting project performance through neural networks, International Journal of Project Management, 24(3), 207–215 (2006).https://doi.org/10.1016/j.ijproman.2005.08.001en
dc.relation.referencesM. B. Murtaza, and D. J. Fisher, Neuromodex: Neural network system for modular construction decision, Journal of Computing in Civil Engineering, ASCE, 8(2), 221–223 (1994).https://doi.org/10.1061/(ASCE)0887-3801(1994)8:2(221)en
dc.identifier.doihttps://doi.org/10.31649/2311-1429-2023-2-172-176%20
dc.identifier.orcidhttps://orcid.org/0000-0001-6446-9244
dc.identifier.orcidhttps://orcid.org/0009-0002-9503-7297


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію