Anvendelse av maskinlæring til å forbedre sikkerheten i bygg- og anleggsbransjen
Description
Full text not available
Abstract
Denne masteroppgaven har sett på hvordan maskinlæring kan brukes til å forbedresikkerheten i bygg- og anleggsprosjekter. Maskinlæring er en form av prosessering av datasom stadig tas mer i bruk i samfunnet på grunn av sin evne til å håndtere store datamengder,hvor innholdet kan ha stor variasjon og endres raskt. Dette muliggjør å nyttiggjøre digitalsikkerhetsrelatert informasjon i bygg- og anleggsbransjen bedre.
Som en del av oppgaven ble det gjennomført en kartlegging, ved bruk av kvalitativeintervjuer, av hvilken informasjon som er tilgjengelig digitalt hos entreprenører i bygg- oganleggsbransjen og videre hvilken av denne informasjon som kan være relevant for enmaskinlæringsmodell. Det ble funnet at dette kan benyttes for å bygge enmaskinlæringsmodell som kan brukes til å:
• Gjøre prediktive analyser som sier noe om hvordan sikkerhetsutfallet kan bli iframtiden• Bidra med å forenkle sammenstilling av data, finne mønstre, gruppere og klassifisereinformasjon
Innen sikkerhet muliggjør det å kunne forutsi framtidig sikkerhetsutfall å være i forkant avpotensielle avvik og uønskede hendelser, og slik gjøre preventive tiltak for å forhindre at disseskjer. Dette kan for eksempel brukes til å forutsi framtidig sikkerhetsutfall på et bygg- oganleggsprosjekt, eller forutsi sikkerhet for aktiviteter eller underleverandører.
Maskinlæring kan sammenstille variert data fra en rekke ulike datakilder, og for eksempelkoble informasjon fra ulike fagområder slik som prosjektering, kvalitet og miljø for å sehvordan disse påvirker sikkerheten. Det å koble tidligere uønskede hendelser med planlagteaktiviteter er et eksempel på hvordan maskinlæring kan føre til økt læring ogerfaringsoverføring i bygg- og anleggsprosjekter. This master thesis analyzes how machine learning can be used to improve safety ofconstruction projects. Machine learning is a form of processing data that is increasingly usedin society because of its ability to process large amounts of data, where the content can bewide-ranging and change rapidly. This makes it possible to better utilize digital safety-relatedinformation in the construction industry.
As part of the thesis, a survey was conducted with qualitative interviews of available digitalinformation from contractors in the construction industry, and further which of thisinformation may be relevant for a machine learning model. It was found that this can build amachine learning model that can be used in construction projects to:
• Do predictive analyzes that say something about how the safety outcome can be inthe future• Help simplify data compilation, find patterns, group, and classify information
Being able to predict future safety makes it possible to stay ahead of potentialnonconformities and unwanted events, and thus take preventative measures to prevent themfrom happening. This can be used to predict future safety outcomes on a construction project,or to predict safety for activities or subcontractors.
Machine learning can compile varied data from different data sources, and for exampleassociate information from various disciplines such as project, quality, and environment todetermine how these affects safety. To relate previously unwanted events to planned activitiesis an example of how machine learning can lead to increased learning and experiencefeedback in construction projects.