fbpx
Início Construção Inovação tecnológica na formação do preço de obras – Parte 3: Requisitos...

Inovação tecnológica na formação do preço de obras – Parte 3: Requisitos para uma solução cognitiva

2
Esta é a terceira parte de uma série de artigos sobre a Inovação Tecnológica na formação do preço de obras. Na primeira parte, tratamos de Conceitos como Machine Learning, Deep Learning, Big Data e outros, e na segunda, de Atributos para um Sistema Inteligente.

O processo de observação por meio de aplicação do conceito de Big Data: Armazenamento, Análise e Gerenciamento

Cada tipologia de obra possui, no seu elenco de possibilidades para a realização de serviços, um amplo repertório de metodologias e sistemáticas construtivas, todas com fundamentos singulares.

Por essa diversidade, mostra-se necessário gerar e manter um repositório específico, reunindo os conhecimentos para cada tipologia, de forma a possibilitar diferentes funções de análises efetivas dessas informações.

Assim, o conhecimento que é irrestrito dessas metodologias e sistemáticas construtivas estará disponível a partir da captura dos dados que distinguem essas tipologias, incorporando as regras e ordenações específicas, para que representem informações que vão corresponder ao fluxo do processo de cada atividade que compõe o serviço.

Esse processamento implica na transformação complexa dos dados na forma bruta, e ocorrem por meio de aplicação de ferramentas, as quais irão preparar as estruturas que serão destinadas a um repositório indexado com as informações.

Em resumo, o processo consiste em capturar, centralizar, preparar os dados para que permitam serem explorados por meio de recursos de análise em nuvem.

As ferramentas utilizadas para gerenciar o ciclo de dados

A partir dos dados integrantes dos repositórios e devidamente tratados pelas metodologias e sistemáticas, as ferramentas são capazes de identificar, correlacionar, interpretar, ordenar, e organizar a informação, atribuindo essencialmente aos padrões dos processos de produção o significado e o contexto próprios.

Complementarmente, tais ferramentas validam e avaliam tendências, destacando a relevância do conhecimento, que serão passíveis de serem aperfeiçoadas, para o propósito de uma aplicação adequada.

Na aplicação, estas ferramentas são capazes de operar em escala e velocidade, possibilitando disponibilizar respostas ou soluções para a etapa de aprendizado da máquina e a inteligência artificial.

O processo de aprendizagem com base na Inteligência Artificial

O aprendizado baseado em Inteligência Artificial se dá a partir da centralização do armazenamento e da preparação dos dados, transformando-os em informação, permitindo ao sistema criar uma estrutura de algoritmos capazes de compreender as dinâmicas complexas do conjunto de informações.

Neste processo, o fundamento do aprendizado é o treinamento, onde quanto mais dados o modelo processar, mais ele se aproxima de compreender ou interpretar e, em algum momento, esse aprendizado se torna preditivo, permitindo o aperfeiçoamento desses modelos.

Com base no conhecimento adquirido, e já calculados os indicadores e percentuais probabilísticos, é possível inferir resultados de novos processos a partir de situações similares.

O processo de Análise e Avaliação

Neste processo, os recursos são disponíveis por meio da nuvem, e não é necessário conhecimento prévio sobre o aprendizado de máquina ou a Inteligência Artificial.

Esses recursos podem estar brevemente disponíveis em aplicativos direcionados e podem atingir excelentes níveis de precisão preditiva, possibilitando a análise de textos, imagens e vídeos particularizados.

Importante esforço está no sentido de consolidar de forma padronizada os acervos técnicos, contendo as metodologias e sistemáticas construtivas pertinentes à sua tipologia.

Importante, também, é fundamentar um acervo íntegro, transparente e que reproduza com fidelidade os fluxos do processo da produção dos serviços especificados.

Através de dados tabelados dos indicadores de desempenhos e eficiências, seremos capazes de formar preços com melhor representatividade e exatidão.

Devidamente aperfeiçoados e usados para treinar modelos personalizados de aprendizado de máquina, esses dados podem se tornar uma fonte de capacidade preditiva de alto valor para a Formação de Preços na Engenharia de Custos.

No próximo artigo, a Parte 4 desta série, iremos abordar a análise dos padrões para as metodologias e sistemas construtivos

Até lá!

Receba por email, os melhores conteúdos da semana sobre Construção!