Статья. Цифровой фундамент: обзор IT-решений для строительства от эксперта по цифровизации. Часть 2

Это вторая часть статьи о цифровизации строительства. В первой части мы рассказывали, как на этапе возведения зданий застройщикам повысить производительность и точность данных с помощью правильного софта, БПЛА, облаков точек, виртуальной и дополненной реальности. 

В этом обзоре поговорим о более сложном уровне цифровизации строительства: искусственном интеллекте, компьютерном зрении, 3D-печати и роботах. Как всегда, внутри – наглядные примеры из отрасли и советы по внедрению на стройплощадках от эксперта по цифре Ильи Новосельцева. 

Илья Новосельцев – лидер продуктовой команды NovoBIM, эксперт федерального Центра компетенций по развитию BIM. IT-евангелист, автор телеграм-канала “Цифровизация PRO”. Цифровизацией строительства и промышленности занимается с 2011 года. 

Искусственный интеллект

У искусственного интеллекта (он же ИИ, Artificial Intelligence, AI) много определений: одно запутанней другого. В этой статье под ИИ мы будем понимать программы, способные имитировать интеллектуальную деятельность человека и выполнять присущие ему задачи: анализировать информацию, выявлять закономерности, делать прогнозы, распознавать речь и изображения, генерировать контент и т.д.

По прогнозам Allied Market Research, мировой рынок искусственного интеллекта в строительстве будет ежегодно расти на 34,1% и в 2031 году достигнет 8,6 миллиарда долларов США. Сюда входят развитие аналитических, прогнозных и генеративных моделей, а также внедрение на стройплощадках компьютерного зрения и роботов (об этих двух пунктах мы поговорим в следующих разделах).

Планирование работ

Начнём с кейса, который на этапе возведения подойдёт всем застройщикам – это планирование работ. В ручном режиме на это уходит 2-3 месяца, но календарный план всё равно остаётся несовершенным и постоянно меняется – из-за сбоев в поставках материалов, поломок оборудования или погодных условий. Искусственный интеллект может планировать строительство точнее и быстрее человека. Он анализирует BIM-модель здания, определяет последовательность работ и учитывает в графике ещё десяток параметров: от доступности персонала и техники до погодных условий и выявленных в прошлых проектах закономерностей. И это только вершина “айсберга”. 

Регулярно получая актуальные данные со стройплощадки (например, по результатам лазерного сканирования или с камер видеонаблюдения), ИИ может автоматически корректировать планы в случае изменений, например, из-за задержки материалов или нехватки персонала. Это не только освобождает от рутинной работы инженеров, но и позволяет застройщикам гибко реагировать на ситуацию, оставаясь эффективными даже в непредвиденных обстоятельствах. 

Подобное решение несколько лет назад разработал Rubius для стэндфордского стартапа. Система анализирует BIM-модель сооружения, оценивает, как элементы модели связаны друг с другом и в какой последовательности их нужно возводить. На основе этой информации составляется график проведения работ. На случай изменения проекта есть автокоррекция – график автоматически перестраивается с учётом новых вводных. Результаты внедрения впечатляют: за счёт снижения количества простоев продолжительность строительства сокращается в среднем на 17%, а затраты на оплату труда рабочих на 14%.

Прогноз рисков и сроков строительства

Ещё один универсальный кейс применения ИИ на стройке – прогноз рисков и сроков окончания работ. Для этого ИИ анализирует данные о проектах за прошлые годы: о времени реализации, используемых материалах, поставщиках и подрядчиках, проблемах. С учётом выявленных закономерностей моделирует процесс строительства в текущем проекте, просчитывает сроки окончания работ и возможные риски. Такой анализ можно проводить:

• в начале проекта – например, чтобы выбрать максимально надёжных поставщиков 
• по ходу строительных работ – чтобы выявлять проблемы и реагировать на них до того, как они привели к срыву сроков.

В начале 2024 года шведский девелопер Skanska запустил собственного ИИ-ассистента Sidekick. Пока Sidekick помогает сотрудникам в ежедневной рутине – готовит саммари о встречах, собирает и анализирует данные, подсказывает, как общаться с клиентами и партнёрами – этакий корпоративный ChatGPT. В будущем разработчики ИИ-ассистента планируют загрузить в него данные о проектах компании и из внутренней базы знаний. С этой информацией “на борту” Sidekick сможет выявлять закономерности в проектах Skanska, прогнозировать нарушения сроков и по запросу давать рекомендации по снижению рисков и затрат. 

Среди российских застройщиков о желании использовать прогнозные модели заявляли группа Эталон и Asterus. Эталон больше 10 лет собирает данные о производительности своих контрагентов. На их основе застройщик хочет моделировать сценарии строительства и прогнозировать сроки окончания работ с разными генподрядчиками, чтобы выбрать лучшего для реализации проекта. 

Asterus планирует интегрировать ИИ с собственной BI-платформой. В перспективе это позволит анализировать влияние различных факторов на ход работ и в режиме реального времени пересчитывать прогнозные сроки окончания строительства в зависимости от происходящего на стройплощадке. 

Мониторинг и оптимизация работ

Третий способ применения искусственного интеллекта на стройплощадке – мониторинг и оптимизация работ. Этот кейс зарекомендовал себя в промышленности: там с помощью ИИ подбирают оптимальные составы материалов, анализируют и совершенствуют производственные процессы и обнаруживают нарушения. Так, для нефтехимического завода из Сибири Rubius разработал систему предиктивной аналитики состояния вагонов-цистерн, чтобы предсказывать аварии и предотвращать их. Среди прочего, в процессе мониторинга ИИ выявил зависимость поломок от конкретных сотрудников и грузополучателей. 

В строительной отрасли тоже появляются первые успешные примеры. 

В 2020 году российский застройщик ПИК провёл эксперимент по мониторингу физического труда с помощью искусственного интеллекта. Проект длился полгода и завершился ростом трудовой дисциплины и производительности на 20% (выработка строителей в погонных метрах). В эксперименте ИИ анализировал деятельность каменщиков, сварщиков и штукатуров. Каждый специалист в течение смены носил датчики движения, по которым система распознавала производственные действия, например, выкладку раствора, использование сварки, перемещения и т.д. В результате менеджеры застройщика получили подробную статистику производственной активности с детализацией по человеко-дням, рейтинг сотрудников по производительности и информацию об отклонениях в работе.

Американский девелопер Mortenson использует ИИ для анализа поведения рабочих на стройплощадке, чтобы предотвращать несчастные случаи. На основе предоставленной искусственным интеллектом аналитики, Mortenson корректирует графики строительства, совершенствует протоколы безопасности и проводит обучение сотрудников. Как результат, в компании снизилось количество травм на рабочем месте – по итогам 2023 года показатель травматизма в Mortenson в 3 раза ниже, чем в среднем по отрасли. Кроме того, у застройщика сократились затраты на медицинское обслуживание сотрудников и издержки, вызванные срывом сроков из-за травм на рабочем месте. 

Автоматизация закупок и поставок 

В части автоматизации закупок и поставки материалов для строительства ИИ способен произвести революцию. Искусственный интеллект может:

• рассчитывать потребность в стройматериалах на основе BIM-модели и статистики потребления по прошлым проектам. Это позволяет составлять более точные сметы и оптимизировать закупки, не допустив избытка или недостатка материалов на стройплощадке.

Так, отечественная платформа для проектировщиков BIMLIB в считанные минуты оценивает стоимость строительства по модели здания. Лежащая в основе BIMLIB нейросеть по техническим характеристикам подбирает подходящие материалы и оборудование из каталогов производителей, показывает их стоимость и наличие в конкретном регионе. Это в разы сокращает сроки подготовки смет и позволяет гибко управлять стоимостью проекта, выбирая оптимальные по цене материалы и оборудование. 

• прогнозировать динамику цен на стройматериалы и давать рекомендации о покупке. Подсказывая удачный момент для оформления сделки, ИИ помогает снизить расходы, эффективно управлять бюджетом строительства и принимать взвешенные решения даже в условиях нестабильного рынка.

Российский застройщик Самолёт использует ИИ для анализа рынка и прогноза цен на стальную арматуру. Система с точностью 92,6% предсказывает стоимость материалов на 1–2 месяца вперёд. В результате пилота затраты Самолёта на закупку арматуры снизились на 9,3%. 

• подбирать поставщиков и подрядчиков по заданным параметрам: цене, качеству, срокам доставки и т.д. Так ИИ ускоряет закупки и снижает влияние на них человеческого фактора – исключаются ошибки из-за невнимательности, возможность сговора и других коррупционных нарушений.

Похожий ИИ-ассистент уже есть на рынке российских госзакупок. Платформа Закупки.AI соотносит требования заказчиков с возможностями потенциальных поставщиков и рассчитывает себестоимость контракта. 

• оптимизировать логистику поставок: составлять графики подвоза материалов на стройплощадки в соответствии с планом работ, прогнозировать задержки в поставках стройматериалов с учётом погодных условий и закономерностей в прошлых проектах. Это позволяет застройщикам организовать устойчивую цепочку поставок, избегать простоев из-за отсутствия материалов и минимизировать затраты на транспортировку и хранение. 

Систему для прогноза сбоев в цепочках поставок с похожими функциями разработал Rubius для одного из российских промышленников. Искусственный интеллект анализирует порядка 40 параметров производства и логистики за последние недели и на 7 дней вперёд предсказывает значение ключевых показателей поставок. Если значения KPI могут опуститься ниже пороговых значений, система показывает возможные причины – какие именно параметры на это повлияют и в какой степени. 

Работа с документами

С помощью искусственного интеллекта можно в разы сократить количество бумажной и административной работы для делопроизводителей, секретарей, бухгалтеров и юристов. ИИ с высокой точностью распознаёт текст на сканах и фотографиях, интерпретирует его содержание и может сам генерировать простые текстовые документы. Это значит, что искусственному интеллекту можно поручить: 

• классификацию документов по типам: письма, счета, накладные, контракты, сметы и т.д.
• обработку отчётов, накладных, актов и других отчётных документов
• формальную проверку контрактов и соглашений по заданным параметрам и поиск в них ключевой информации – о сроках, стоимости, условиях
• обработку счетов, квитанций, инвойсов и смет, чеков 
• извлечение информации из таблиц, форм и других бумажных документов
• подготовку аннотаций к документам, служебных записок, приказов, писем. 

На рынке уже есть готовые решения. Например, с распознаванием и классификацией документов справляется Syntex от Microsoft 365. А генерацию текстов по запросу можно поручить российской YaGPT или американскому чат-боту ChatGPT. 

Для большего удобства и пользы застройщики также создают собственные системы для интеллектуальной обработки текстов. Так, ИИ-система Самолёта классифицирует документы по внешним признакам и содержанию, чтобы направить их в нужные подразделения компании. Для некоторых бумаг точность распознавания уже близка к максимальной: 95% для передаточных документов, 94% для писем, 82% для счетов. 

Илья Новосельцев: 

– Искусственный интеллект – бесспорный тренд ближайшего десятилетия. Но строительная отрасль ещё в поиске задач, которые можно решать с помощью ИИ. Пока преобладают кейсы с компьютерным зрением, потому что для обучения таких моделей проще собрать датасет. Совсем другое дело – накопить данные для аналитических или прогнозных моделей. 

Для этого сначала нужно автоматизировать операционную деятельность стандартными технологиями: внедрить CRM, СЭД, PMS, систему управления стройкой, перейти на ТИМ. И уже после надстраивать на эту базу ИИ. Другими словами, искусственный интеллект не может и не должен быть первым уровнем цифровизации. Эта мысль легко проверяется на практике. В России ИИ развивают именно компании с высоким уровнем цифровизации, те, у кого накоплен большой объём данных: ПИК, Самолёт, Основа, Эталон, Setl Group. Прямо сейчас мы в Rubius ведём 2 таких проекта с застройщиками из российского топ-20. 

В теории, ничто не мешает крупным девелоперам делиться датасетами для обучения моделей с застройщиками поменьше. Но чтобы ими могли пользоваться все, данные и разметка должны быть стандартизированы. А это трудно реализовать на практике, потому что каждый строительный проект уникален: отличается локацией, моделью, процессом или техническими характеристиками. 

Весной 2024-го Альянс девелоперов по разработке и внедрению ИИ начал создавать озеро данных, используемых на разных этапах строительного проекта. Сейчас обсуждаются технические вопросы: где хранить, как обмениваться, обеспечить безопасность. Если идея выстрелит, озеро станет отличной основой для обучения прогнозных моделей и их широкого применения на российских стройках. 

Подробнее о внедрении ИИ, метриках и мифах читайте в статье фаундера Rubius Антона Кудинова “Честно о Machine Learning” на vc.ru. 

Компьютерное зрение

Компьютерное зрение (CV) позволяет компьютерам видеть и обрабатывать изображения подобно тому, как это делают люди. С той только разницей, что компьютеры не устают, работают быстрее человека и не допускают ошибок из-за невнимательности. 

Чтобы машина “прозрела”, её обучают на наборе данных – большом количестве картинок или видео с поясняющими их содержание метками. Например, чтобы компьютер научился находить на видео строителей без касок, ему нужна выборка роликов с людьми в касках (положительные примеры) и без них (отрицательные примеры). 

Контроль за безопасностью

На стройплощадке с помощью компьютерного зрения можно следить за безопасностью. Например:

• следить за использованием средств индивидуальной защиты (спецовок, касок, очков, респираторов, перчаток, страховочных привязей) и формировать отчёты о нарушениях для руководства
• распознавать возникновение возгораний и сообщать о них диспетчеру
• отслеживать передвижения рабочих, фиксировать нахождение людей в опасной зоне и предупреждать их об этом

Подобную систему для контроля за безопасностью внедрила на своих объектах ГК Самолёт. С 2021 года на стройках Пригород Лесное и Самолёт-Мытищи ведётся постоянное видеонаблюдение – с помощью стационарных камер и дронов. Система анализирует кадры видеопотока и распознаёт на них нарушения техники безопасности. Под контролем – погрузо-разгрузочные работы, ношение СИЗ, охрана периметра и численность бригад. По расчётам Самолёта, решение должно сократить до нуля смертность и количество тяжелых травм на рабочем месте. 

Контроль доступа и учёт рабочего времени

Второй по популярности кейс применения CV в строительстве и промышленности – контроль доступа на территорию и учёт рабочего времени. Так, на одном из объектов уральского застройщика Атомстройкомплекс действует умная проходная. Система с алгоритмами CV распознаёт регистрационные номера транспорта и лица сотрудников, отслеживает, сколько времени человек провёл на рабочем месте.

В пилотном проекте Rubius алгоритмы CV по облаку точек отслеживают присутствие техники на удалённых объектах. Решение распознаёт бульдозеры, экскаваторы, бетономешалки, краны и самосвалы, подсчитывает их количество на стройплощадке и фиксирует местоположение во время съёмки. До внедрения это вручную делал оператор: качество и скорость анализа напрямую зависели от его квалификации, а в финальных отчётах встречались погрешности.

Контроль качества и прогресса строительства

С помощью компьютерного зрения также можно контролировать качество строительства: от возведения несущих конструкций до отделочных работ. Например, находить:

• нарушения в геометрии опалубки, несоответствия областей заливки проекту
• дефекты бетонирования: трещины, наплывы, впадины, сколы, обнажения арматуры 
• ржавчину, кривизну арматуры и недостаточную плотность армирования
• трещины в плитах
• кривизну стен и углов 
• выпадение кирпичей в кладке, трещины, нарушения геометрии
• трещины, наплывы, подрезы и другие дефекты сварных швов
• неровности штукатурки и отслаивания

Подобный функционал для контроля качества уже есть в решении от израильского Constru. Программа сравнивает фото 360° объекта с его BIM-моделью, обнаруживает дефекты и отклонения от проекта и “упаковывает” их в наглядные отчёты. Это позволяет кратно ускорить дефектоскопию, уменьшить количество брака и снизить затраты на ручной контроль. 

Благодаря CV, Constru также умеет оценивать прогресс строительства. Софт распознаёт на фото до 250 типов выполненных работ, сопоставляет их с планом и рассчитывает прогнозные сроки окончания строительства. Сигнал о возможном срыве сроков, как и отчёты об ошибках, идут напрямую менеджерам. По отзывам пользователей, алгоритмы компьютерного зрения в Constru помогают им следовать графику работ и снижать затраты на стройку на 4–9%.

Из российских девелоперов большого успеха в контроле качества и динамики строительства с помощью компьютерного зрения добился Самолёт. На объектах компании алгоритмы CV автоматически подсчитывают количество построенных этажей и следят за соблюдением техпроцесса, например, в установке остекления, и готовностью отделки. Снаружи наблюдение ведётся с помощью стационарных камер и фотоловушек. Внутри помещение снимают сотрудники технадзора с помощью специального мобильного приложения – система нарезает видео на кадры, по ним вычисляет степень готовности и формирует подробный отчёт. Среди контролируемых параметров процент отделки стен, потолка, пола, наличие дверей, окон, радиаторов, пожарных датчиков и строительного мусора на полу. По подсчётам Самолёта, контроль отделки с помощью CV снижает затраты на 10–20 млн ₽ по каждому объекту. Экономия складывается из сокращения штрафов и времени на осмотр и работу с подрядчиками. 

Илья Новосельцев: 

– При правильном внедрении компьютерное зрение может заменить человека в части задач и снизить затраты на важную, но рутинную работу, вроде контроля качества. Но ключевое здесь – “при правильном внедрении”. Если делать наобум, дело может кончиться миллионными потерями и бесполезным софтом, который уйдёт “в стол”. 

О чём важно помнить девелоперу (да и всем остальным), обдумывая внедрение CV.

1. Переходить на компьютерное зрение нужно в тех процессах, где больше всего ошибок и рисков, а их стоимость выше стоимости разработки. Например, если нарушения ОТиПБ или строительные дефекты обходятся в десятки миллионов рублей, смысл использовать компьютерное зрение есть.
2. Разработка системы компьютерного зрения под заказ в среднем занимает около года. До месяца уходит на аналитику, до двух – на подготовку и разметку данных, ещё полгода – на построение тестовой модели и запуск пилота. Если всё проходит успешно, внедряют на производство ещё за 3-6 месяцев. Это – если сразу собирать полноценную систему. Но начинать лучше с прототипа. Прототип системы собирается за 2-3 месяца и стоит значительно дешевле. Его достаточно, чтобы оценить жизнеспособность и эффективность решения.
3. В разработке без активного участия заказчика не обойтись. Потребуется аудит процесса и, возможно, его перестройка. Реальные кадры со стройплощадки, порядка 4000 штук – это базовый датасет, чтобы обучить модели. И помощь в разметке данных, потому что только специалист от заказчика сможет правильно оценить, что находится в кадре. 
4. Компьютерное зрение не всесильно: машина видит то же самое, что и человек. Если в темноте мы не замечаем трещину на штукатурке, её не увидит и самая производительная камера, а алгоритмы CV не распознают. Отсюда вывод: результативность компьютерного зрения напрямую зависит от условий съёмки. Помимо качества изображения, имеют значение освещение, угол обзора, погодные условия и количество слепых зон. 
5. Источником данных для системы компьютерного зрения может быть стационарная камера, смартфон, камера на каске рабочего, оборудованный фото- или видеокамерой дрон или робот-квадропод. Что выбрать? Зависит от целей, процесса и условий на стройплощадке. 
   
   Стационарные камеры – самый простой вариант. Ставить их нужно каскадом, чтобы камеры перекрывали слепые зоны друг друга. Но даже так они не обеспечат 100% покрытие: обзор всегда может перегородить остановившийся в кадре бульдозер. 
   
   Дронам движущаяся по стройплощадке техника – не помеха. Так же как и грязь, котлованы и стройматериалы. Они залетят в самые труднодоступные места и покажут, что происходит на высоте. Но не в каждом регионе сегодня можно использовать БПЛА. 
   
   Робот-квадропод не подходит для внешнего наблюдения – увязнет в первой же попавшейся луже. Но он вполне может делать фото или видео внутренней отделки помещений. 
   
   Конечно, рабочий с камерой в руках или на каске пока самый надёжный вариант. Но, если мы хотим добиться полной автоматизации, человека из процесса надо исключать. 
   
   Лучший вариант – использовать сразу несколько источников данных, компенсирующих недостатки друг друга. Например, следить за безопасностью на площадке с помощью стационарных камер и дронов. Именно так организовал видеонаблюдение НИПИГАЗ на стройке Амурского газоперерабатывающего завода. Или контролировать качество снаружи, снимая видео дронами, а внутри – делая фото 360° с помощью робота-квадропода. 
   
   Мы, в Rubius, сами подбираем оптимальное оборудование для своих клиентов и делаем проект размещения камер на объекте. Для максимального эффекта от внедрения также даём рекомендации по калибровке и источникам дополнительного освещения – качественный промышленный свет снижает требования к производительности камер. 

Роботы

Появление роботов на стройплощадках продиктовано потребностью в более безопасном и быстром строительстве. По сравнению с человеком машина сильнее, работает эффективнее, не устает от монотонного труда и не теряет концентрации. По подсчётам аналитиков Grand View Research, рынок робототехники в строительстве в 2023 году оценивался в 1,15 млрд долларов и к 2030 году вырастет в 3 раза. 

Автоматизация монотонных задач

Самый популярный в мире кейс применения роботов на стройке – автоматизация монотонных задач: кладки кирпича и плитки, заливки бетона и т.д. Так, австралийский робот Hadrian X по 3D-модели здания строит кирпичные стены со скоростью кладки 1000 кирпичей в час. Но ему всё ещё нужна помощь человека с выкладкой углов и проёмов. Американский TyBOT вяжет арматуру со скоростью 1200 пересечений в час. Чтобы обеспечить такой результат, нужна команда из 7 человек.

Вскоре подобные роботы могут появиться и в российском строительстве. В ближайших планах ПИК – внедрить роботов на заводах, чтобы сделать производство стройматериалов максимально автоматическим и непрерывным. Самолёт же заявил о планах купить робота-маляра. По мнению представителей компании, внедрение роботов на стройке окупится за 2–5 лет и положительно скажется на стоимости акций девелопера. 

Мониторинг строительства

В России становятся популярными небольшие робособаки в духе легендарных Spot от Boston Dynamics. И дело не в способности забавно танцевать или подавать инструменты. Застройщики используют их для мониторинга строительства. Робособак оснащают камерами, датчиками, лидарами и выпускают на стройплощадку: следить за техникой безопасности, искать возгорания или скопления мусора, снимать облака точек внутри строящихся зданий или делать 3D-панорамы для дефектоскопии. 

“Газпромнефть-Развитие” контролировала строительство центра “Геосфера” в Тюмени с помощью четвероногого робота от российской 3Logic Group. Эта киберсобака перемещается по заданному оператором маршруту и с помощью лидара сканирует помещения изнутри. По словам разработчиков, на съёмку 2000 кв. м. пространства ей нужно 12 минут – это в 360 раз быстрее, чем справился бы геодезист. 

Облегчение физического труда

Нашли своё применение в строительстве и экзоскелеты. Это роботизированные костюмы, которые с помощью электродвигателей, гидравлики и рычагов увеличивают физические возможности человека. Их задача – сделать труд строителей легче и снять вредную нагрузку с организма рабочего. 

Экзоскелеты Guardian XO позволяют человеку без труда поднимать предметы весом до 90 кг и манипулировать ими. При этом рабочий может зафиксировать в одном положении руки экзоскелета вместе с грузом и освободить собственные для более сложных задач. Это полезно, например, если нужно одновременно держать и резать оцинкованную трубу при прокладке трубопровода.

Илья Новосельцев: 

– Не думаю, что в ближайшие годы роботы будут строить дома вместо людей. Но строить вместе с людьми будут точно. Наглядный пример – экзоскелеты ПИКа и Норникеля для подъёма тяжестей и статичной работы или собака-робот, которая делает дефектоскопию в новостройках Самолёта. 

Конечно, технология ещё не совершенна, но мы только в начале пути. Роботов нужно научить не спотыкаться на заваленных материалами стройплощадках – может быть, пересадить с ног на гусеничный ход. Адаптировать к работе на холоде в северных широтах и в жаре на юге. Не менее важно – научить их распознавать человека, чтобы случайно не травмировать, как это регулярно происходит на складах Amazon. Здесь понадобятся совместные усилия робототехников и специалистов по искусственному интеллекту и компьютерному зрению.

Строительная 3D-печать

Строительный 3D-принтер не слишком отличается от обычного: он так же, слой за слоем, печатает изделие по заданным размерам. Только вместо привычного пластика – бетон, металл, гипс, глина или песок.

Малоформатные 3D-принтеры для цехового производства создают отдельные элементы зданий, например, плиты перекрытия, опоры и балки. Широкоформатные строительные принтеры печатают здания прямо на строительной площадке. Например, российский АМТ S-500, по словам производителя, возводит конструкции высотой в 5 этажей и площадью до 340 кв.м. 

Основное преимущество 3D-печати зданий в высокой скорости производства. Они не устают и способны работать круглые сутки. Уже упомянутый АМТ S-500 способен выдержать смену в 30 000 часов. А строительный 3D-принтер BOD 2 от COBOD всего за 140 часов построил в Гейдельберге (Германия) дата-центр The Wave House площадью в 600 кв.м.

The Wave House наглядно демонстрирует ещё один плюс 3D-печати – возможность строить здания сложной формы и дизайна. Традиционным способом волнообразные стены этого здания не построить, а принтер справился с задачей на ура. 

При этом 3D-печать зданий позволяет застройщикам экономить на стройматериалах и их транспортировке. Принтер возводит здание прямо на стройплощадке, использует строго необходимое количество материалов, не нуждается в опалубке и строительных лесах и не оставляет после себя мусора, который нужно утилизировать. 

Илья Новосельцев: 

У 3D-печати в строительстве огромный потенциал, но технология пока не стала массовой. В основном её используют для возведения малоэтажных и малогабаритных зданий. В России же самый популярный кейс – цеховое производство отдельных элементов зданий: плит перекрытий, балок. Напечатанных домов пока единицы, и, как правило, это ИЖС. Причин несколько:

• Отсутствует нормативная база для проектирования и возведения напечатанных домов, поэтому крупные застройщики не спешат с покупкой принтеров. 
• Технология чувствительна к климату: составам нужна низкая влажность и плюсовая температура. Это сильно ограничивает использование 3D-печати в северных широтах – на большей части России, особенно в Сибири, холодно с октября по апрель. 
• Технология не совершенна. Идеальный состав не изобрели, напечатать здание целиком невозможно (только стены, без кровли, коммуникаций), размеры строения ограничены размерами принтера. 
• Есть вопросы к программной составляющей. Строительная 3D-печать – это цифровой процесс, результаты которого напрямую зависят от качества ПО, управляющего устройством. Конечно, принтеры продаются с предустановленным софтом, но, как правило, он рассчитан на решение базовых задач. Хотите больше – кастомизируйте. Второй важный момент: чтобы принтер без брака напечатал здание, мало сделать 3D-модель. Надо правильно её подготовить: определить место на платформе, нарезать на слои. Здесь нужен софт для предпечатной подготовки. Потом хорошо бы проверить правильность 3D-печати, потому что цена ошибки в строительстве высокая. Это делают в программах-симуляторах: они визуализируют процесс производства и показывают, как будет выглядеть готовое здание или его часть. Чтобы разработать такие решения, нужно глубокое понимание физики процесса строительной 3D-печати. Несколько лет назад мы в Rubius делали CAM-систему для 3D-принтера, печатающего металлом, и я точно могу сказать: такие задачи – серьёзный вызов для разработчиков.

Когда отрасль преодолеет эти трудности, строительная 3D-печать может стать новым подходом к домостроению. 

Заключение

Искусственный интеллект, компьютерное зрение, роботы, строительная 3D-печать – эти технологии только кажутся футуристичными и утопичными. На практике – это объективный тренд ближайшего десятилетия, который уже применяют крупные игроки строительного рынка. И это не означает, что небольшим девелоперам нужно оставаться в стороне.

Илья Новосельцев: 

– В IT есть такая пословица: “Работает – не трогай”. Этот принцип популярен и в строительстве, особенно в небольших компаниях. Но реальность быстро меняется, и то, что приносило результат вчера, завтра может оказаться бесполезным. При этом цифровизация – процесс долгий, и, если завтра вы хотите по-прежнему оставаться эффективными, играть надо на опережение. Как в “Алисе”: “Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее!”.

С чего начать?

1. Определите бизнес-цель, которая стоит перед компанией. Например, снизить издержки или увеличить прибыль.  
2. Определите цель цифровизации – чего вы хотите достичь с помощью внедрения цифровых сервисов. Например, повысить прозрачность процессов или производительность персонала, монетизировать внутренние разработки и т.д. И посмотрите, как эта цель соотносится с бизнес-целями компании. 
3. Подберите команду: CDTO и проектный офис, которые возьмут на себя цифровую трансформацию бизнеса.
4. Найдите надёжного технологического партнёра, который поможет правильно подобрать технологии и места для их применения, продумать план внедрения. 
5. Проведите аудит: обследуйте процессы и имеющуюся IT-инфраструктуру, желательно вместе с технологическим партнёром.  
6. Постройте дорожную карту перехода на цифру, зафиксировав в ней последовательность внедрения решений и сроки.  

При таком рациональном подходе цифровизация будет по силам и бюджету не только девелоперам федерального уровня, но и региональным застройщикам. А её результатами станут инструменты и сервисы, приносящие бизнесу реальную пользу. 

Почему не достаточно просто приобрести решение – без целей, аудита и дорожной карты?

Илья Новосельцев: 

– CRM-система сама по себе не налаживает продажи, а система контроля строительства не исключает брак. Помимо самого IT-решения, нужна перестройка компании, процессов, команды, нередко – мышления топ-менеджмента и рядовых сотрудников. Поэтому это и называется цифровой ТРАНСФОРМАЦИЕЙ. Это длительный процесс, и в нём не обойтись без ошибок. Их придётся исправлять, делать выводы, пробовать снова – чтобы в конечном итоге успешно поставить компанию на новые цифровые рельсы. По такому пути проходила промышленность, банковский сектор. Теперь настала очередь строительства.