Korvaako kone suunnittelijan?

Sweco tutkii KIRA-digi hankkeessaan tietomallien hyödyntämistä koneoppimisessa.

Moni ala hyötyy jo tekoälystä ja koneoppimisesta – pian myös rakennusala. Ympäristöministeriön KIRA-digi-hanke uudistaa rakennusalan toimintatapoja sekä luo ja testaa uusia digitaalisia ratkaisuja. Sweco on mukana KIRA-digi-hankkeessa ratkaisemassa, kuinka tekoälyä voidaan soveltaa rakennusten suunnitteluun.

”Yleensä tutkimuksen lähtökohdaksi on löydettävissä referenssejä, mutta tässä tapauksessa liikkeelle lähdettiin puhtaasti kokeilemalla”, kertoo Swecon kehityspäällikkö Mauri Laasonen.

Koneoppimisen tavoitteena on avustaa rakennussuunnittelua tietomallien tuotannossa, nopeuttaa mallintamista ja valvoa lopputuloksen laatua. Swecon KIRA-digi hankkeessa on tähän mennessä toteutettu kaksi rajattua kokeilua, joilla on testattu käytännön mahdollisuuksia.

Joonas Helminen on tehnyt teräsosien liitoksiin liittyvää diplomityötään Swecolla tekoälyhankkeessa. Joonas on pyöritellyt kymmeniä tietomalleja ja niistä löytyviä lukuisia erilaisten teräsosien välisiä liitoksia.

”Projektissa on testattu, miten hyvin liitoksia voidaan ohjelmallisesti muodostaa uuteen malliin, kun koneoppimisen lähtötietoina on saman tyyppisiä rakennuksia”, kuvaa Joonas projektia.

”Kuvitellaan, että rakennuksessa on tuhansia liitoksia, joita erilaiset pultit, hitsit ja levyt yhdistävät. Vaikka käytössä on valmiita komponentteja, liitosten mallintaminen osa kerrallaan vie valtavasti aikaa. Isommissa kohteissa työtä kertyy helposti satoja työtunteja”, Joonas kuvailee. Tällöin pienikin parannus työmenetelmissä kertaantuu nopeasti merkittäviksi säästöiksi.

Erilaisten liitosten lukumäärä koko rakennuskannan tietomalleissa on erittäin suuri. Jotta lähtötietojen määrää voitaisiin rajoittaa, kannattaa referensseinä käyttää samantyyppisiä rakennuksia. Tällöin haasteeksi muodostuu mallien lajittelu, joka toimi hankkeen toisen kokeilun aiheena.

Lajittelussa ei haluttu käyttää mahdollisia mallin ominaisuustietoja, vaan etsittiin vapaasti saman tyyppisiä rakennuksia. Metodina käytettiin kuvien tunnistusta, jota koneoppimisessa on jo sovellettu menestyksellisesti muilla aloilla. Tietomallista tallennettiin näkymiä, joiden perusteella määritettiin rakennuksen tyyppi.

Koneoppimisessa on potentiaalia

Vaikka projekti on vielä kesken, voidaan saatuja tuloksia pitää vähintäänkin lupaavina. Rakennustyyppien tunnistaminen on mahdollista, vaikka johtopäätöksen tekoon käytetty aineisto olikin pieni. Liitosten muodostamisessa 80 % liitosalueista pystyttiin tunnistamaan ja suureen osaan niistä tarjoamaan oikeaa liitostyyppiä.

Koneoppiminen toimii tällä hetkellä parhaimmillaan kuitenkin vain avustavana toimintona. Loppukäyttäjän sovellutuksena kone voi suositella ratkaisua ja tuottaa todennäköisyyksiä. Suunnittelijaa kone ei pysty tällä hetkellä korvaamaan, vaikka se projektin johdon näkökulmasta olisikin kustannustehokkain ratkaisu. Suunnitelmien täytyy olla sataprosenttisesti virheettömiä. Tähän koneoppimisella on vielä matkaa.

KIRA-digi hankkeen ollessa puolivälissä Swecon asiantuntijoilla on vielä aikaa kokeilla myös muita koneoppimisen lähestymistapoja rakennussuunnitteluun. Tähän mennessä kehitettyjä menetelmiä on tarkoitus soveltaa laajemmalla aineistoilla tulevissa käytännön projekteissa.