Utfordringer og forbedring av maskinstyringssystemer i norske infrastrukturprosjekter

Abstract

Denne avhandlingen tar for seg dataflytutfordringer og forbedring av maskinstyringssystemer i norske infrastrukturprosjekter, med fokus på brukerperspektivet for vellykket implementering og optimalisering. Formålet er å identifisere hindringer som påvirker implementeringen av maskinstyringssystemer i norske infrastrukturprosjekter og undersøke hvordan disse utfordringene kan overvinnes.

Bakgrunnen for studien er den manglende digitaliseringen og teknologisk utvikling i bygg- og anleggsbransjen. Interessen lå i å undersøke et konkret eksempel, og valget falt på maskinstyringssystemer, da anleggsbransjen generelt ligger etter byggebransjen på dette området. Målet var å se på hele prosessen for å identifisere hvor feilene oppstår. Det er begrenset forskning som tar for seg brukerperspektivet til slike systemer, til tross for at brukerne ofte opplever flest problemer da de jobber mest med modellen. Den benyttede metoden var kvalitativ med semi-strukturerte intervjuer. Teorien som ble brukt som rammeverk for intervjuene var DeLone og McLean sin informasjonssystemsuksessmodell, der informantene ble spurt om informasjons-, system- og servicekvalitet. DigPilot, et nasjonalt maskinstyringssystem, ble brukt som eksempel i studien.

Studien undersøkte utfordringene knyttet til maskinstyringssystemer i norske infrastrukturprosjekter, spesielt DigPilot-systemet. Resultatene avdekket at de største utfordringene var knyttet til informasjonskvalitet, inkludert bearbeiding av modeller fra konsulenter, navngivning, informasjonsbeskrivelse, formatstandardisering og ansvarsfordeling. Systemkvalitetsproblemer omfattet databasestruktur, begrenset brukerkunnskap, avhengighet av operatørens ekspertise, sensorer og nettverksproblemer. Begrensninger relatert til servicekvalitet inkluderte opplæring, støtte og internasjonal assistanse. Konklusjonen var at tydelig ansvarsfordeling og standardisering var nødvendig, og integrasjon av kunstig intelligens (AI) kunne automatisere modellforberedelse. En omfattende tilnærming med forståelse av brukerbehov, standardiserte prosesser, opplæring, samarbeid og koordinering var avgjørende for å oppnå suksess. Implementering av løsningene kunne forbedre effektiviteten til maskinstyringssystemer i norske infrastrukturprosjekter.

This thesis examines data flow challenges and improvements in machine control systems in Norwegian infrastructure projects, focusing on the user perspective for successful implementation and optimization. The aim is to identify barriers that affect the implementation of machine control systems in Norwegian infrastructure projects and investigate how these challenges can be overcome.

The background of the study is the slow movement of digitalization and technological development in the construction industry. The interest was to investigate a specific example, and the choice was machine control systems, as the construction industry generally lags behind the building industry in this area. The goal was to examine the entire process to identify where the errors occur. There is limited research that addresses the user perspective of such systems, despite users often experiencing the most problems as they work closely with the models. The method used was qualitative with semi-structured interviews. The theoretical framework for the interviews was DeLone and McLean's Information System Success Model, where the informants were asked about information, system, and service quality. DigPilot, a national machine control system, was used as an example in the study.

The study investigated the challenges associated with machine control systems in Norwegian infrastructure projects, specifically the DigPilot system. The results revealed that the major challenges were related to information quality, including processing of models from consultants, naming conventions, information description, format standardization, and responsibility allocation. System quality issues encompassed database structure, limited user knowledge, reliance on operator expertise, sensor, and network problems. Limitations related to service quality included training, support, and international assistance. The conclusion was that clear responsibility allocation and standardization were necessary, and the integration of artificial intelligence (AI) could automate model preparation. A comprehensive approach involving understanding user needs, standardized processes, training, collaboration, and coordination was crucial for success. Implementing these solutions could enhance the efficiency of machine control systems in Norwegian infrastructure projects.