Digitalisering av anleggsbransjen
Dette er et sammendrag av DigitalNorway sin artikkel
Det Bergensbaserte oppstartsselskapet Ditio har utviklet en app som bruker data og kunstig intelligens for å optimalisere anleggsplasser, noe som sparer tid, penger og reduserer klimautslipp.
Hvorfor bruker bulldosere, gravemaskiner og hjullastere så mye tid på anleggsplasser? Ditio, et teknologiselskap fra Bergen, har funnet svaret og en løsning.
I store anleggsprosjekter utgjør flytting av masse opp til 80% av kostnadene. Halvparten av arbeidstiden for anleggsmaskiner går til tomgang, og dette står for en femtedel av klimagassutslippene fra bygg- og anleggsnæringen. På store prosjekter kan det være opp mot 200 maskiner i arbeid samtidig, som skal samarbeide og samkjøres. Små forskjeller i hastighet og gjennomføring gir flaskehalser, følgefeil og unødvendig bruk av drivstoff.
Ditio har utviklet en app som bruker data og kunstig intelligens for å optimalisere arbeidsprosesser på anleggsplasser, redusere sløsing og minimere klimautslipp.
Slik Fungerer Ditio sin app:
Appen bruker 4,4 millioner digitalt registrerte lass med stein, sammen med GPS-data fra anleggsmaskiner og annen informasjon, for å trene en maskinlæringsmodell, som ser mønstre og sammenhenger i alt som skjer på anleggsplassen.
Denne modellen gir anbefalinger til sjåfører om hastighet og gir prosjektledere sanntidsdata om arbeidet på anleggsplassen.
Resultatet er en bedre koordinasjon av operasjonene, mindre tomgangstid, og reduserte utslipp.
Ditio ser potensial for videre utvikling, inkludert mer automatisert klimarapportering og selvgående elektriske maskiner som bruker data fra alle anleggsplasser for optimalisering. Teknologien gir også grunnlag for faktabaserte avgjørelser og bedre effektivitet.
Selskapet tar sikte på å rulle ut en pilot med fartsanbefalinger for sjåfører i 2024, og ser mot en fremtid der data vil spille en nøkkelrolle i å redusere kostnader, spare tid og fremme bærekraft på anleggsplasser.
Foto Entreprenør A. Birkeland
Effektivisering av anleggsplasser med Data og AI
Grundig Datainnsamling: Ditio har samlet og strukturert data fra 4,4 millioner lass med stein, i tillegg til GPS-data fra anleggsmaskiner, timefangst og kvalitetsdokumentasjon.
Maskinlæringsmodell: Selskapet bruker maskinlæring og kunstig intelligens til å trene en modell som analyserer dataene og gir optimale ruter, fartsanbefalinger og maskinkoordinering.
Redusert utslipp: Ved å minimere suboptimal kjøring, dumping, lading og kø, reduserer Ditio tomgangstiden for anleggsmaskiner, som står for en femtedel av klimautslippene i bygg- og anleggsnæringen.
Kostnadsbesparelser: Effektivisering av arbeidsprosesser på anleggsplassene kan redusere kostnadene med opptil 10% og samtidig redusere klimagassutslipp.
Pilotprosjekt: Ditio planlegger å lansere en pilot med fartsanbefalinger for sjåfører basert på forskningsprosjekter med Skanska og SINTEF.
Fremtidsutsikter: Selskapet ser frem til en datadrevet fremtid der selvgående elektriske maskiner bruker data fra alle anleggsplasser for optimalisering og mer automatisert klimarapportering.
Bærekraft og effektivitet: Ditio fokuserer på å minimere klimautslipp, redusere kostnader og øke effektiviteten på anleggsplasser ved hjelp av teknologi.