L'IA et le machine learning pour prévoir les retards dans les plannings de construction

Imaginez que vous êtes en train de planifier un événement familial, un séjour en camping ou que vous soyez en train de prévoir vos activités du week-end. Pour la plupart des gens, consulter les prévisions météo constitue une étape clé avant de faire des plans.

Bien que nous le fassions sans trop y réfléchir, combien d'entre nous peuvent répondre à deux questions simples ?

• Quelle est la précision des prévisions météo ?
• Comment sont calculées les prévisions météo ?

Étonnamment, peu de gens possèdent les réponses à ces questions. La précision des prévisions dépend de la date à laquelle elles sont réalisées. Une prévision sur un jour est bien plus précise qu'une prévision sur 10 jours. Certains services météo disposent de modèles plus complexes que d'autres. Il est facile de comprendre pourquoi il est difficile d'établir des prévisions. Elles reposent sur plusieurs sources de données, pour la plupart dynamiques.

Prévisions relatives à l'exécution des projets d'investissement

Les équipes de projet surveillent et utilisent activement des données pour les prises de décision. Il peut, par exemple, s'agir de rapports d'arbitrage, de suivi des éléments dont les approbations sont en suspens ou en retard, et de mise à jour des plannings et des budgets avec les dernières informations. Souvent appelé « analyse descriptive », ce type de reporting et de tableau de bord est considéré comme essentiel de nos jours.

Mais la plupart de ces mesures sont des « indicateurs retardés », qui se concentrent sur ce qui s'est passé plutôt que sur ce qui peut se passer. Ces mesures permettent aux décideurs d'apporter des corrections et de réagir, mais souvent avec un ensemble limité d'options.

Les décideurs peuvent rechercher les demandes d'information échues, suivre les vérifications de la conception en retard et prendre les mesures qui s'imposent dès que possible pour organiser des réunions. Et s'ils pouvaient aller plus loin ?

La valeur des indicateurs clés

À l'instar des prévisions météo, les entreprises de construction recherchent des indicateurs clés pour les aider à anticiper et à prendre des décisions basées sur ce qui pourrait se produire. Imaginez utiliser le machine learning (ML) non seulement pour prévoir les retards des projets, mais également pour identifier les activités qui risquent d'être retardées.

Et si vous pouviez comprendre la cause de ces prévisions et connaître les mesures que vous pouvez prendre immédiatement pour atténuer le retard prévu ? Nous nous efforçons de répondre aux questions de ce type avec notre nouvelle solution basée sur l'IA, Oracle Construction Intelligence Cloud Advisor.

Dès la création du premier planning, la solution Oracle recherche activement les problèmes en fonction de conditions passées et présentes afin de prévoir la probabilité de retards. L'outil Oracle recherche les modèles dans les données de projet actuelles et tente d'identifier et de corréler les modèles avec ce qui s'est produit dans le passé.

L'outil surveille en permanence les données créées sur le projet pour affiner ces prévisions à mesure que le projet progresse.

Comme pour les prévisions météo, la précision de ces prévisions dépendra de la disponibilité des données historiques et de la qualité des informations disponibles. On constate généralement une recherche permanente d'amélioration de la qualité des données avec, par exemple, les listes de contrôle DCMA de la plupart des plates-formes de planification, qui permettent de détecter rapidement les erreurs de planification.

Avec le temps, le ML sera également utilisé pour identifier les erreurs logiques et de séquencement, ainsi que pour formuler des recommandations pour des activités d'étiquetage répondant aux meilleures pratiques en vue de faciliter l'identification et l'analyse.

Détecter les retards de projet avant qu'ils ne surviennent

Mais qu'est-ce que ça veut dire ? Il existe un nombre pratiquement infini de raisons pour lesquelles les projets vont de travers :

• La durée allouée est incorrecte : historiquement, une tâche spécifique n'a jamais été terminée à temps
• L'entrepreneur chargé de ce travail est en retard sur d'autres projets pour votre organisation
• Une série de demandes d'information risque potentiellement d'entraîner des modifications de conception et des retards
• Le planning est mal construit et comporte des erreurs logiques

Quelles que soient les raisons du retard, avec le machine learning et de bons modèles, vous surveillez et gérez activement la probabilité de retard. Vous pouvez prendre des mesures proactives pour atténuer ou minimiser l'impact des problèmes imprévus et vous assurer qu'il y a moins de surprises en général lors de la livraison de projets conformément à un planning.

Amélioration des prévisions

Les prévisions de planning bénéficieront également de la récente vague de normalisation. Les prévisions améliorent la normalisation de vos processus et activités. De nombreuses entreprises intègrent des systèmes disparates. Pour cette raison, il existe des ensembles de données plus intégrés provenant de plusieurs systèmes cloisonnés qui fournissent un contexte holistique pour établir des prévisions.

Les films, la musique, les voitures autonomes, le texte prédictif sur mobile, la reconnaissance d'image et les recommandations d'achat se sont améliorés au fil du temps. De même, les prévisions météo à cinq jours sont désormais précises environ 90 % du temps.

Les assistants numériques nous comprennent également mieux maintenant. Bien que l'application de ces technologies soit nouvelle dans le secteur d'activité, ces solutions existent depuis de nombreuses années et ont été déployées avec succès dans plusieurs secteurs et dans des produits grand public.

Des possibilités infinies

La numérisation et la datafication croissantes du secteur, associées la puissance en évolution constante du cloud computing, impliquent que les possibilités ne sont limitées que par notre imagination à mesure que l'IA et le ML deviennent de plus en plus accessibles. Ne pas exploiter tout le potentiel de ces outils pourrait constituer une occasion manquée.

Découvrez comment tirer le meilleur parti de votre volume croissant de données pour améliorer l'exécution de projets dans les délais et respectant le budget dans notre dossier commercial intitulé « Intelligence artificielle prédictive dans la construction ».

Oracle Construction and Engineering, le leader mondial des construction management software et des solutions de gestion de portefeuille de projets, vous aide à relier vos équipes, vos processus et vos données tout au long du cycle de vie des projets et des actifs. Améliorez l’efficacité et le contrôle de la réalisation des projets grâce à des solutions éprouvées pour le contrôle des projets, la planification de la construction, la gestion du portefeuille, le BIM/CDE, la gestion des paiements de construction, etc.