Digitalisering og datainnsamling i tunnel - En studie av digital datainnsamling ved konvensjonell tunneldriving

Abstract

Anleggsbransjen i Norge befinner seg i en stadig satsning på samferdsel, men til tross for dette er marginene i bransjen likevel kritisk lave. Også kontraktene har økt i størrelsesorden fra hundre millioner til opp mot titalls milliarder kroner, og stadig havner partene i kostbare tvister. Produktiviteten sies også å ha sunket og det diskuteres ofte rundt byggetiden for prosjektene. Oppi alt dette henger bransjen etter på digitalisering, samtidig som verdensledende selskaper i andre bransjer slik som Facebook, Amazon, Google og Uber baserer forretningsmodellene sine på digitale data og dataanalyse.

Med dette som bakteppe har masteroppgaven som formål å kartlegge status og potensiale for digital datainnsamling ved tunneldriving. Det er derfor etablert følgende forskningsspørsmål:

1. Hvordan måles produktivitet ved tunneldriving i dag? 2. Hvilke digitale data samles inn fra tunneldriving og hvordan? 3. Gir de innsamlede dataene tilstrekkelig informasjon til å kvantifisere produktivitet? 4. Hvordan kan de innsamlede dataene bli nyttet i tunnelprosjekter?

Oppgaven er basert på et intensivt og kvalitativt forskningsdesign hvor litteraturstudie er benyttet for å hente teori på blant annet tunneldriving, tunnelutstyr, produktivitet og digital datainnsamling. Det er gjort casestudie av de to pågående tunnelprosjektene E39 Svegatjørn – Fanavegen og Fv. 659 Nordøyvegen. Her er det utført feltobservasjoner og målinger, dokumentstudier og intervjuer. Casestudiene er blitt brukt for å se den digitale datainnsamlingen i praksis ved tunneldriving. Den digitale datainnsamlingen er videre studert i detalj ved hjelp av dokumentstudier av 12 systemer for digital datainnsamling. I tillegg er det utført 15 intervjuer av personell, både fra leverandører for datainnsamlingssystemer og tunnelentreprenører.

Omfanget av masteroppgaven er begrenset av forskningsspørsmålene, til konvensjonell tunneldriving med boring og sprengning og den norske tunnelbransjen.

Resultatene viser at det mangler en omforent standard for produktivitetsmålinger og at det benyttes i liten grad på et daglig nivå. Av det mest omforente produktivitetsmålet er akkordberegninger, kapasiteter og ekvivalenttider. Funnene viser også at det gjøres omfattende datainnsamling fra tunneldrivingen, og at dataen er fullt brukbar både til produktivitetsmålinger, men også annen form for dataanalyse.

Ved hjelp av Microsoft Power BI viser masteroppgaven hvordan data fra flere ulike kilder kan samles og analyseres slik at den kan gi informasjon til ulike roller på tunnelprosjektene. En slik datainnsamling vil også være verdiskapende ved at mange manuelle arbeidsoperasjoner kan erstattes med automatikk i datainnsamling og deling mellom systemene. Dette vil frigjøre timeverk som kan benyttes til annen verdiskapning på tunnelprosjektene.

Data kan gi verdifull informasjon og innsikt som kan bidra til bedre beslutninger, raskere gjennomføring, lavere utslipp, reduserte kostnader og mulighet for en kontinuerlig optimalisering. Dette kan bidra til å øke lønnsomheten, optimalisere byggetider, øke produktiviteten samt forhindre kostbare tvister. Masteroppgaven anbefaler derfor at bransjen begynner å samle, strukturere, analysere og benytte dataen til verdiskapning.

The construction industry in Norway is characterized by a focus on upgrading the transport infrastructure, despite critically low margins among the contractors. The contract size has increased from the range of hundreds of millions up to potentially reach tens of billions of kroner, and yet the contracting parts may end up in expensive disputes. Productivity in the industry is said to have declined, and calculation of construction time and time used is a topic of discussion. In addition to this the construction industry has fallen behind on digitalization, at the same time as the business model of world-leading companies such as Facebook, Amazon, Google and Uber are based on digital data and data analysis.

The purpose of this master’s thesis is to map and describe the status and potential of digital data collection used in tunnel excavation. The following research questions was established:

1. How is productivity measured when excavating tunnels today? 2. What digital data is collected from the tunnel excavation and how? 3. Does the collected data provide sufficient information to quantify productivity? 4. How can the collected data be used in tunnelling projects?

This thesis is based on an intensive and qualitative research design where a literature study was conducted to obtain theory on tunnel excavation, excavation equipment, productivity and digital data collection. A case study was performed on two ongoing projects: E39 Svegatjørn – Fanavegen and Fv. 659 Nordøyvegen. Observations, monitoring of activities and document studies was performed with the purpose to observe the digital data collection in action. The systems used for digital data collection was studied in detail using document studies from 12 different systems. In addition, 15 interviews were carried out on personnel, both from suppliers for data collection systems and tunnelling contractors.

The scope of the study is limited to the research questions, excavation with drill and blast and the Norwegian tunnelling industry.

Findings show that there is a lack of agreed standard for productivity measurements and that daily productivity measurements are rarely used. Among the most used productivity measurements are piece work calculations, activity capacities and equivalent times. This master’s thesis reveals that there are extensive data collection is done in the tunnelling excavation and this data is fully usable for productivity measurements, but also for other forms of data analysis.

Using Microsoft Power BI, the master’s thesis shows how data from several different sources can be collected and analysed to provide useful information to various roles on a tunnel site. There will also be value in the data collection because many of the manual work operations can be replaced with automatic data collection and sharing between systems. This will free up time for the employees that can be used for other value creation in the projects.

Data can provide valuable information and insight that can lead to better decisions, reduced construction time, lower emissions, reduced costs and possibility of continuous optimization. This can lead to increased profitability, optimized calculation of construction time, increased productivity and prevention of expensive disputes. The master’s thesis therefore recommends the industry to start collecting, structuring, analysing and to ultimately use the collected data for value creation.