Implementering av Artificiell Intelligens inom Installationsteknik: Jämförelse mellan AI-baserade och traditionella metoder och verktyg

Abstract

Den snabbt växande trenden för digitalisering får allt fler företag att omvärdera sina rutiner och arbetssätt för att behålla sin konkurrenskraft på marknaden. Det ställs högre krav när det kommer till hållbarhetsfrågor och vikten av korrekt planering redan i tidiga stadier. De senaste innovationerna inom artificiell intelligens har därför blivit mycket omtalade på grund av dess potential att effektivisera och underlätta planeringsprocessen samt minska uppkomst av felkällor. När det kommer till VVS-branschen är AI fortfarande relativt outforskat, och få företag har erfarenhet av dess funktioner. Detta har bland annat inspirerat till att skriva om ämnet och därigenom väcka intresset för innovationen hos andra. I detta arbete har syftet varit att presentera och utforska den grundläggande teorin bakom artificiell intelligens för att ge mer klarhet kring begreppet och dess användningsområden. Dessutom undersöks dagens arbetssätt inom VVS-sektorn i dess tidiga skeden för att sedan förstå hur AI kan nyttjas i olika projekt. Därefter genomförs de praktiska momenten med inspiration från två befintliga projekt inom byggbranschen som redan har testat implementera AI i tidiga skeden med mål att kunna besvara arbetets syfte och frågeställningar. Det ena projektet är ett forskningssamarbete mellan BIP-koder och SBUF som syftar till att ge flödesprediktioner baserade på maskininlärningsalgoritmer. Det andra projektet har utvecklats på avdelningen för construction management på Chalmers och undersöker hur språkmodellen ChatGPT kan underlätta arbetet under planeringsfasen. Teorin och arbetsmetoderna från båda projekten har därefter använts i ett fiktivt övningsprojekt för detta arbete. De slutsatser som har dragits efter genomförandet av samtliga moment är att AI, särskilt språkmodellen ChatGPT, har potential att effektivisera arbetet inom VVS-sektorn i tidiga skeden. Detta i sin tur kan minska risken för missförstånd mellan olika discipliner, då alla har tillgång till samma underlag. Det krävs dock ytterligare utveckling och ökat intresse för innovationen innan den kan implementeras inom den dagliga verksamheten. Vidare behövs ännu mer forskning gällande AI inom VVS-branschen för att bedöma dess nytta och risker ur ett hållbarhetsperspektiv.