Den datadrevne anleggsplassen
Teknologiselskapet Ditio registrerte 4,4 millioner lass med stein digitalt. Nå sparer appen de fleste norske anleggsprosjekter for både tid, penger og klimautslipp.
Har du noensinne kjørt forbi en anleggsplass og tenkt over hva de holder på med?
Bulldosere, gravemaskiner og hjullastere står på rekke og rad. Et mylder av mennesker i vernehjelmer, refleksvester og oransje arbeidsklær er på vei ut og inn av brakker og anleggsmaskiner.
Joda, de bygger nok en ny vei. Muligens en tunnel, eller kanskje det er en flyplass de holder på med. Men hva er de faktisk gjør der ute på anleggsplassen, fra dag til dag, i det som for oss forbipasserende gjerne ser ut som et kaos av pukkhauger, kraterlignende hull i bakken, trafikkkjegler og betongblokker?
– Veldig mye handler om å flytte stein.
Det sier Erik Aadland. Han er daglig leder i Ditio, et bergensbasert oppstartsselskap som leverer digitale verktøy for sporing, planlegging og optimalisering på anleggsplassen.
– Vår app bruker data og kunstig intelligens for å flytte steinen på best mulig måte.
Tomgang står for en femtedel av utslippene
I store anleggsprosjekter kan flytting av masse utgjøre opp mot 80 prosent av kostnaden. Stein, grus, myr og pukk skal lastes, fraktes og dumpes i deponier. Ofte står dumpere og lastebiler i køer og venter på at gravemaskinen skal ha et nytt lass klart.
Halvparten av denne arbeidstiden går anleggsmaskinene på tomgang. Dette alene står for en femtedel av klimagassutslippene fra bygg- og anleggsnæringen.
Grunnidéen bak Ditio er at det både er penger å spare og karbonutslipp å kutte ved å minimere suboptimal kjøring, dumping, lassing, tomgang, dødtid og kø.
– På et stort veiprosjekt kan det være opp mot 200 ulike maskiner i arbeid samtidig. De skal samarbeide og samkjøres. Små forskjeller i hastighet og gjennomføring gir flaskehalser, følgefeil og unødvendig bruk av drivstoff, opplyser Aadland.
Samkjører maskinparken
Se for deg hvordan det hadde vært om disse maskinene og menneskene som laster steinen håndteres av én overordnet intelligens – med komplett oversikt over hvor fort maskinene skal kjøre og hvor mye man skal laste.
Nesten som i en maurtue kan det tenkes, hvor flytting og frakting av barnåler og jord skjer i en perfekt synkronisert sekvens, i tråd med dronningmaurens visjon.
Det er ikke helt slik Ditio håndterer denne utfordringen. Men virkeligheten er ikke langt i fra fantasien:
For ved bruk av store mengder granulerte data, kunstig intelligens og en app på smarttelefonene til anleggsarbeiderne, koordineres operasjonene på anleggsplassen på en måte som kan minne om den sømløse effektiviteten i en maurtue.
– Slik kan hver eneste anleggsmaskin alltid vite hvor de andre er, hva de gjør og hva som er den optimale måten å organisere arbeidet på, forklarer Aadland.
Algoritmer gjenkjenner effektive rutevalg og samkjører maskinparken slik at sløsingen med timer og tomgang reduseres til et minimum.
Lagret 4,4 millioner lass med stein
Grunnmuren i appen er 4,4 millioner digitalt registrerte lass med stein. Dette er data Ditio har samlet og strukturert, sammen med GPS-data fra anleggsmaskiner, timefangst og data om kvalitet og dokumentasjon.
Disse dataene brukes til å trene en maskinlæringsmodell, altså en form for kunstig intelligens som ser mønstre og sammenhenger i alt som skjer på anleggsplassen.
Slik kan Ditio komme med optimaliserte ruter, fartsanbefalinger til sjåfører og se hvilke maskiner som faktisk trengs.
I appen deres Flow kan sjåfører få anbefalinger i et dashbord for hvor fort de skal kjøre. Prosjektledere kan samkjøre maskinparken, få sanntidsdata fra anleggsplassen og motta beslutningsgrunnlag i appen Core.
– Anleggsmaskiner skal ikke kjøre så fort. De skal kjøre jevnt. Er det bånn gass og høyt turtall kan dumpere bruke unødvendig drivstoff, slite maskinene, og ende opp med å gå på tomgang i kø bak andre dumpere, forklarer Aadland.
Ifølge et forskningsprosjekt i samarbeid med SINTEF og Skanska, kan anleggsprosjekter kutte opp mot 10 prosent av drivstofforbruket, bare med å optimalisere denne flyten.
– Utslippskuttet henger sammen med kostnadsbesparelser. Dette tjener både entreprenøren og miljøet, legger Aadland til.
Bygg- og anleggsnæringen og den doble omstillingen
I en serie i samarbeid med Statsbygg, presenterer vi caser i bygg- og anleggsnæringen som opererer i krysningen mellom grønn og digital innovasjon.
Les mer om den doble omstillingen – eller twin transition – og hvilke utfordringer og muligheter bygg- og anleggsnæringen står overfor her:
Tar for seg produksjonsfasen
I dag bruker de betydelig andel av anleggsprosjekter i Norge Ditio som programavere for datafangst og kontroll på massetransport.
Det skjer i en sektor som har rykte på seg for å være blant de minst digitaliserte i landet. Det er naturlig, i all den tid flytting av stein, sprenging og bygging ikke akkurat kan gjøres på en datamaskin eller selvbetjenes av sluttbruker.
Likevel finnes det stadig flere eksempler på digitalisering, også i bygg- og anleggsbransjen. 3D-printing av betong reduserer materialbruk. Sensorikk gjør det enklere å holde orden på byggematerialer, og kunstig intelligens kan brukes til å effektivt planlegge og tilpasse byggeprosjekter.
Men der de fleste av disse eksemplene gjerne tar for seg forarbeidet og alt rundt selve byggingen – ofte et arbeid som uansett foregår foran en skjerm – tar Ditio for seg seg prosessen der anleggsprosjektet tar fysisk form:
– Det som gjør Ditio så spennende, er at denne digitaliseringen direkte tar for seg produksjonsfasen, forklarer Christoffer Hernæs, direktør for Skanska Digital, og CDO i Skanska.
Dette er et landskap som i liten grad er preget av apper, algoritmer og kodesnutter. Nettopp derfor er mulighetene og potensialet så stort.
– Det finnes ikke Google Maps for midlertidige anleggsveier. Valgene i et anleggsprosjekt har i stor grad blitt tatt på erfaring. Derfor er Ditio et så uvurderlig verktøy for oss. Der kan vi fange data i sanntid fra maskinene og ta faktabaserte avgjørelser, basert på reelle data, legger han til.
Fremtiden er datadrevet
Dataene Ditio samler inn kan også brukes til flere ting, for eksempel mer automatisert klimarapportering.
Men fortsatt er det mye som gjenstår.
– For eksempel er det ikke så mange maskinleverandører som leverer drivstoffdata i sanntid, dette hentes ut samlet underveis. Det tar nok noen år før dette er på plass, poengterer Aadland.
Nå i første omgang er planen til Ditio å rulle ut en pilot med fartsanbefalinger for sjåfører etter jul, basert på forskningsprosjektet de har samarbeidet med Skanska og SINTEF om.
Samtidig har han blikket mot fremtiden, og skisserer opp en tid med selvgående elektriske maskiner, med et operativsystem trent på data fra alle anleggsprosjekter.
– Fremtiden er datadrevet. Det er nøkkelen, avslutter Aadland.
