por Amanda Thomaz, Líder do Setor Privado, PARS e Isabella Cavalcante do Nascimento, AEC – Especialista técnico, PARS
Nos últimos 5 anos, há uma crescente busca por tecnologias que contenham Inteligência artificial (IA). A conceituação por trás dessa tecnologia, está na automatização feita por sistemas computacionais, proporcionando a tecnificação de tarefas que tradicionalmente demandariam inteligência humana. Usufruindo da experimentação com modelagens, uma simulação, onde um processo de construção de um modelo abstrato representa um sistema real (existente ou a ser construído). Esta emergente busca no setor construtivo reflete o avanço conceitual e integração de eventos da indústria 4.0, evidenciando a assimilação cada vez mais profunda entre tecnologia e processos industriais. Em 2023, a busca por ferramentas que contemplassem IA’s foi o segundo investimento focal das micros, pequenas e médias empresas (MPMEs), ficando atrás apenas para as tecnologias de armazenamento em nuvem, o que evidência a busca pela otimização de resultados. Quando nós nos voltamos ao setor de AEC, é muita das vezes aplicada para a realização de tarefas como análise de dados, levantamento de materiais e estimativas, permitindo com que os profissionais se concentrem em atividades mais estratégicas e consequentemente aumentando a eficiência operacional e cumprimento de prazos, mas não paramos por aí.
Juntamente a Internet das Coisas (IoT), as tecnologias de computação em nuvem, as Machine e Deep learnings vem impulsionando a transformação digital do setor de AEC, e consequentemente os gêmeos digitais estão ganhando força e maturidade. Diferentemente dos modelos de dados estáticos, os gêmeos digitais são entidades dinâmicas e ativas, graças a sua abordagem sistêmica, eles atualizam-se, interagindo com seus equivalentes físicos por meio do intercâmbio de dados ao longo de todo o ciclo de vida do ativo. Essas simulações dinâmicas capacitam os usuários a anteciparem problemas, explorar novas oportunidades e se prepararem para o futuro. A fim de alcançar esses objetivos, existem várias abordagens incluindo o uso de redes neurais artificiais, que se baseiam no funcionamento neurológico humano através de modelos matemáticos e computacionais, sendo chamadas de unidades de processamento, organizadas por camadas e que recebem a entrada de dados, as processa através de uma função de ativação e transmite-as a saída, para linhas neurais subsequentes. Os algoritmos de aprendizado de máquina, ou machine learnings, são parte de um subcampo das IA’s, que lidarão com a análise de dados, e podem ser melhorados sem programação explicita, sendo que sua subsistência ocorre pela modificação dos pesos das conexões entre os neurônios com base nos dados de entrada e saída utilizados durante o seu treinamento. Esse ajuste de pesos capacita a rede neural a generalizar padrões e a realizar previsões ou classificações em novos conjuntos de dados. O processamento de linguagem natural (NPL), sendo responsável na extração de insights de dados não estruturados e baseados em texto, permitindo o acesso às informações extraídas para auxiliar em uma melhor compreensão dessas bases, um exemplo do cotidiano seriam os chatbot encontrado em ambientes virtuais. Já as Deep learnings, na qual significa aprendizado profundo, trata-se de uma técnica de machine learning, que desfrutará das redes neurais para classificação de tarefas, um exemplo seria, a visão computacional, que reconhecerá imagens ou dados multidimensionais para descrevê-las, e sistemas especialistas, que é um tipo de sistema baseado em conhecimento projetado especificamente para replicar a expertise humana em um campo específico.
Em especial das ferramentas de criação e desenvolvimento de projetos, as IA’s são manuseadas e aplicadas em sua maioria em soluções e práticas já familiares, facilitando assim a curva de aprendizagem e inserção na rotina do usuário, colaborando na estrutura de fluxos de trabalho já existentes a favorecendo todos os integrantes do ciclo de valor: empreiteiros, fornecedores, investidores, proprietários e ocupantes de edifícios, a uma melhora e resiliência de desempenho.
Aproveitando essa mentalidade, antes mesmo do boom da IA no mercado, a Autodesk, líder global em tecnologia de projetos e criação, já integrava essa poderosa ferramenta em suas soluções. Podemos destacar alguns usos significativos, como a simulação de análise energética para construção de edifícios, ensaio de catalisação de ventos utilizando dinâmica de fluidos computacional, e a análise do impacto socioambiental na descaracterização de barragens. Essas aplicações não apenas estabelecem uma conexão entre a metodologia BIM e as práticas ESG, mas também demonstram como a inovação através da inteligência artificial proporciona retornos ambientais substanciais. Tal integração foi aprimorada em seu portfólio de soluções, já amplamente adotado no mercado, sendo nativamente disponível na plataforma Design and Make e em suas soluções como o Revit, Construction Cloud, Civil 3D, Navisworks, Forma e o Tandem, que em especial vem se destacado por ser uma plataforma voltada a gestão de informações digitais por todo o ciclo de vida de um ativo, permitindo que proprietários e operadores tenha acesso a insights de desempenho e manutenção, promovendo uma gestão mais sustentável e eficiente.
O mesmo se aplicou com uma das plataformas líderes no setor de captura, digitalização e criação de gêmeos digitais, a Matterport, que tem incorporado aos seus clientes a automatização de IA generativa, sistema capaz de responder solicitações em linguagem comum, e assim fornecendo insights através dos dados que já estavam sendo obtidos nos processos de captura antes da adoção, apenas os contextualizando – seguindo o fluxo de dados + processo de transformação = informação. O Matterport Property Intelligence é uma nova coleção de recursos, na qual revela informações detalhadas dos ativos capturados, entre eles, o cálculo automático da metragem quadrada de um espaço até a determinação da altura do teto e das dimensões das paredes — todos os dados dos quais são exportáveis para sistemas MLS, outras plataformas e serviços de software analíticos e habilitados para dados – esta inovação traz informações mais assertivas para tomada de decisão, economizando tempo e custos durante o processo de utilização das informações geradas. A otimização contém também, extração de relatórios dos layouts de propriedade, criação de conceito, layouts operacionais, identificação de objetos e outras ferramentas que permitem com que o usuário possa explorar e planejar ambientes de forma intuitiva e aprimorada. Um outro uso muito relevante das soluções de captura e digitalização da realidade é que apresentam impacto direto na redução de acidentes e na contenção do número de visitas in loco.
Outra solução que usufruiu do treino de computadores para entendimento de dados foi o Vision Engine da OpenSpace, que utiliza visão computacional para alinhar automaticamente imagens em uma cena integrada única, identificar e etiquetar recursos importantes, mapeando-os em plantas baixas, e proporcionando uma compreensão visual detalhada do ambiente capturado. A Localização e Mapeamento Simultâneos (SLAM) é uma técnica usada para criar um mapa de um ambiente desconhecido enquanto se navega por ele, a OpenSpace aplica o SLAM baseando-se em imagens para rastrear o trajeto de um usuário em planta baixa, usando algoritmos que continuamente alinham dados sequenciais para estimar a posição e percurso, esses algoritmos proprietários foi criado baseando no condicionamento utilizado em automação robótica e industrial, e conforme a fabricante, foi fruto de quase duas décadas de pesquisa e desenvolvimento, iniciados com os trabalhos dos fundadores no MIT. Ao combinar informações geoespaciais, especificações de design e dados operacionais (SLAM + BIM), o processo de documentação e mapeamento de construções é otimizado, pois, se reduz o tempo e os custos associados ao levantamento manual de dados, permitindo que as equipes e trabalhadores no canteiro de obras se concentrem em atividades de maior valor agregado.
Para este efeito, os dados são a base sobre a qual se constrói a eficácia da integração de IA’s na integração entre entre LiDAR, SLAM, BIM, GIS, e outras fontes. Aqui estão alguns pontos chave sobre a importância dessa prática:
Integração de dados de diferentes fontes: É corriqueiro termos projetos de construção que envolvem informações provenientes de múltiplas fontes, como CAD (Computer-Aided Design), GIS (Geographic Information System), sistemas de gestão de instalações, entre outros. A integração harmoniosa desses dados no modelo BIM é essencial para que as IA possam acessar bases completas e contextualizadas em relações lógicas complexas, através das topologias encontradas, este processo é facilitado através de padrões abertos e interoperáveis, como o Industry Foundation Classes (IFC), BIM Collaboration Format (BCF) e o Construction Operations Building Information Exchange (COBie).
Dado que a integração dessas informações mostra como a adoção de IA’s podem trazer benefícios significativos para as empresas, conforme a pesquisa feita pela Microsoft em 2023, empresas que a implementaram relataram diversos benefícios significativos:
- 72% observaram ganhos em eficiência e produtividade.
- 58% registraram melhorias no atendimento ao cliente
- 46% alcançaram redução de custos
- 41% utilizaram IA para desenvolver novos produtos.
- 33% integraram dados na tomada de decisões
- 31% focaram na redução de erros humanos.
Essas iniciativas resultaram em altos índices de percepção positiva:
- 91% notaram melhoria na qualidade do trabalho
- 90% destacaram aumento na satisfação do cliente
- 98% observaram maior motivação e engajamento dos funcionários.
Precisão e Consistência dos Dados: Vale ressaltar que existem diferentes fontes de dados que não se voltam apenas ao modelo, como ERPs e CRMs, que podem contribuir com informações fundamentais na alimentação de dados digitais. É crucial a padronização de formatos, unidades de medida, terminologias, parâmetros, hierarquias, e padrões, o compartilhamento desses dados e informações acabam sendo uma forma mais efetiva para tomada de decisão e execução do projeto.
Qualidade da Informação para Análise: É muito comum ouvir que dados são o futuro, logo é possível compreender que é extremamente importante montar um fluxo de integração entre as soluções de engenharia digital para extrairmos as informações de forma integrada e segura. Além de gastos desnecessários, hoje é possível identificarmos e levarmos para campo as informações mais atualizadas e precisas, essa qualidade de informação reflete diretamente do bolso dos players envolvidos no empreendimento, uma vez que o retrabalho na construção civil representa aproximadamente 11% dos custos totais do projeto.
Segurança e Confidencialidade dos Dados: Em uma conjuntura onde a aplicação de dados entre diferentes obras ou equipes, o compartilhamento de tais acaba sendo uma barreira devido à propriedade intelectual ou sigilos contratuais. A estruturação adequada dos dados no BIM, conforme citado anteriormente, se faz ser uma aplicação sustentável, porém é pouco difundido que também pode incluir medidas de segurança cibernética para proteger informações sensíveis e garantir a confidencialidade dos dados durante todo o processo de colaboração e compartilhamento entre os stakeholders do projeto, buscar compreender os desafios que tangem os problemas de codificação de projetos, nos dias de hoje também fazem parte do cotidiano de quem consome e colabora com a aplicação das tecnologias.
Em última análise, a capacidade de integrar dados de várias fontes no modelo BIM fortalece a base para a aplicação bem-sucedida de IA’s no setor de AEC, proporcionando uma plataforma robusta e integrada que apoia a inovação e a excelência operacional, melhorando a eficiência, precisão e sustentabilidade dos projetos, promovendo a inovação e a redução de custos. A transformação digital proporcionada pelas Machines e Deep learnings, redefine os padrões de qualidade e desempenho, trazendo benefícios significativos para todos os envolvidos no ciclo de valor. A interoperabilidade entre diferentes softwares e plataformas garante uma troca fluida de informações, aumentando a eficiência operacional e a precisão das previsões. À medida que a indústria de AEC abraça as inovações, é cada vez mais possível encontrar um vasto conjunto de aplicações e ferramentas que aprimorarão seus processos de trabalho e análise. E à medida que essas ferramentas avançam e se conectam, a interação entre a inteligência humana e artificial promete um futuro emocionante para os campos da arquitetura e engenharia. Se comprometendo no futuro de construções mais sustentáveis e inovadoras. Para isto, tudo depende não apenas da implementação de tecnologias avançadas, mas também da habilidade de aproveitar plenamente o valor da informação proporcionado pelas inteligências artificiais.
