Kunstig intelligens i fremdriftsplanlegging

Abstract

Byggeprosjekter er i dag ofte preget av forsinkelser, med kostnadsoverskridelser som resultat. I mange tilfeller kan dette skyldes sviktende fremdriftsplanlegging. Utallige aktiviteter må planlegges med blant annet korrekt varighet og optimal rekkefølge. Det er krevende å både skape oversikt og ta høyde for all nødvendig informasjon som må inn i fremdriftsplanen. Dette samtidig som det er ønskelig å holde total varighet og kostnader til et minimum. Fremdriftsplanlegging er derav en svært kompleks og krevende oppgave. Med et stadig økende inntog av kunstig intelligens i byggebransjen, var det interessant å se nærmere på bruk av dette i fremdriftsplanlegging. Med bakgrunn i dette er følgende tre forskningsspørsmål utarbeidet:

1. Hvordan kan kunstig intelligens brukes i fremdriftsplanlegging? 2. Hva er fordeler og ulemper med å utarbeide fremdriftsplaner ved hjelp av kunstig intelligens, sammenlignet med tradisjonell fremdriftsplanlegging? 3. Hvilke forutsetninger bør være til stede for at totalentreprenører skal ta i bruk kunstig intelligens til fremdriftsplanlegging i fremtidige prosjekter?

For å besvare forskningsspørsmålene er det gjennomført en litteraturstudie, ni semistrukturerte intervjuer, flere uformelle intervjuer og en casestudie. De semistrukturerte intervjuene hadde til hensikt å innhente kunnskap og erfaringer fra flere norske entreprenører og en norsk programvare-leverandør. De uformelle intervjuene ble gjennomført med internasjonale programvare¬leverandører for å undersøke dagens muligheter og marked. Casestudien undersøkte om det fås realistiske fremdriftsplaner ved bruk av programvaren ALICE, sammenlignet med tradisjonelt planlagt plan og faktisk fremdrift for et reelt prosjekt. Både objektiv og subjektiv data er altså innhentet for å analysere funnene i oppgaven.

Oppgaven kartla seks ulike programmer; ALICE, nPlan, Kreo Plan, InEight Schedule, Kwant.ai og Holte Fremdrift. Kun ett av disse er testet av norske entreprenører i byggebransjen i dag. Videre resulterte intervjuene og casestudien i en rekke ulike fordeler og ulemper ved bruk av denne type programvare. Fordelene handlet i stor grad om optimaliserte fremdriftsplaner, effektiv planlegging og dataknusing. Ulempene omfattet en konservativ byggebransje, mangel på tillit, begrenset fornuftig forståelse og krevende bruk. I tillegg ble det identifisert forutsetninger, som omhandlet kategoriene aktører, nytteverdi, teknologi, prosjekttype og prosjektteam.

Generelt er det tydelig at det finnes svært få erfaringer med kunstig intelligens i den norske byggebransje. Det har likevel kommet flere aktører på markedet med et stort bruksområde, som viser økt interesse og etterspørsel. Fordelene handler i stor grad om at entreprenører kan spare tid og penger. Ulempene er derimot at det kan være vanskelig å implementere denne typen programvare, ettersom utfordringer ved bruk skaper en kjedereaksjon som gjør at byggebransjen i dag foretrekker de tradisjonelle metodene. Forutsetningene som er kartlagt beveger seg fra organisatorisk nivå og ned til prosjektnivå, og handler derav om hva som bør gjøres for at entreprenører skal ta i bruk kunstig intelligens til fremdriftsplanlegging i fremtidige prosjekter.

Construction projects are often critically delayed, with cost overruns as a result. In many cases, this is due to poor scheduling. Countless activities must be planned with correct duration and optimal sequencing, among other things. It is demanding to both create an overview and consider all the necessary information that must be included in the schedule. At the same time, it is desirable to keep total duration and costs to a minimum. Construction scheduling is therefore a very complex and demanding task. With an increasing intake of artificial intelligence in the construction industry, it was enticing to look more closely at its use in construction scheduling. Therefore the following three research questions was developed:

1. How can artificial intelligence be used in construction scheduling? 2. What are advantages and disadvantages of generating construction schedules using artificial intelligence, compared with traditional construction scheduling? 3. What are prerequisites that should be present in order for contractors to use artificial intelligence for construction scheduling in future projects?

To answer the research questions, a literature study, nine semi-structured interviews, several informal interviews and a case study were conducted. The semi-structured interviews were intended to gather knowledge and experience from several Norwegian contractors and a Norwegian software developer. The informal interviews were conducted with international software developers to investigate today's opportunities and market. The case study investigated whether realistic schedules were obtained using the software ALICE, compared to a traditionally planned schedule and actual progress for a real project. Both objective and subjective data were collected to analyze the findings in the thesis.

The thesis has identified six different software; ALICE, nPlan, Kreo Plan, InEight Schedule, Kwant.ai and Holte Fremdrift. Only one of these has so far been tested by Norwegian contractors. Furthermore, the interviews and case study resulted in several different advantages and disadvantages with using this type of software. The benefits were largely about optimized schedules, effective planning and data capacity. The disadvantages included a conservative construction industry, lack of trust, limited reasonable understanding and demanding use. In addition, prerequisites were identified, which dealt with the categories actors, utility, technology, project type and project team.

In general, there is very little experience with artificial intelligence in the Norwegian construction industry. Several software developers have entered the market with a range of applications, showing increased interest and demand. Overall the benefit is that contractors can save time and money. The disadvantage, on the other hand, is that it can be difficult to implement this type of software because of challenges which result in the construction industry still preferring the traditional methods. The assumptions that have been identified moves from the organizational level down to the project level, and therefore concerns what should be done in order for contractors to use artificial intelligence for construction scheduling in future projects.