漏卡。為管理人員提供位置實時定位、歷史軌跡回放、視頻聯動跟蹤、LED大屏實時統計、跟
蹤定位指定人員、人車定位考勤、電子圍欄、行為分析、多卡判斷、災后急救、日常管理、智
能巡檢等功能。
基于物聯技術的隧道安全系統,打造洞內洞外一體化管理。基于bim模型的施工進度管理,把數據與業務連起來
UWB精確定位人員定位設備信號可覆蓋500m(兩側、無遮擋),第一臺基站安裝在距洞口200m左右洞壁上,安裝高度3-4m,全線定位間隔500m安裝一臺基站,注意區分天線方向(否者定位方向會反),盡量遠離金屬,距離不低于30cm。最前方的定位基站可安裝在防水臺車上,跟隨臺車移動。用來定位開挖面及二襯施工區域。定位基站采用AC-220V供電。
智慧建筑AI需求匯總最先出現在物聯網行業資訊平臺。
]]>環節 | 場景 | AI應用 |
設備材料進出 | 車輛出入口 | 材料防偷盜(車斗空載、車斗滿載、篷布遮蓋) |
場 | 渣土車清洗(車牌、車輪未清洗、地面泥土) | |
基礎工程 | 人員出入口 | 合規穿戴(安全帽、反光衣) |
施工大區 | 裸土未覆蓋消防器材缺失 | |
主體工程 | 高空作業 | 合規穿戴及作業(安全繩) |
臨邊 | 臨邊圍擋缺失 | |
塔吊 | 吊物下方人員安全管理 卷揚機亂繩 | |
室內裝修 | 質量檢測 | 墻面裂縫 地面空鼓 |
環節 | 場景 | AI應用 | 投入說明(訓練費用包含素材采集和標定費用,僅供參考,復雜需求可具體溝通) | 關鍵備注 |
設備材料進出場 | 車輛出入口 | 材料防偷盜(車斗空載、車斗滿載、篷布遮蓋) | 以單個出入口為例,每個出入口一般需要采集1w張素材,每種狀態素 材各3000張,算法訓練落地預計2周時間 | 此功能不僅可用于智慧工地,還可以用于煤礦運輸,可防 止有偷盜物資現象發生,并減少一定的人工成本,可推廣。 |
渣土車清洗(車牌、車輪未 清洗、地面泥土) | 以單個出入口為例,采集1000張車輪素材,包含清洗過的車輛和未清洗 的車輪,算法訓練落地預計1周時間 | 渣土車清洗監管項目有無依賴地方監管要求強弱,識別車 輪是否清洗,功能落地快,雨霧或過水輪胎無法區分 | ||
基礎工程 | 人員出入口 | 合規穿戴(安全帽、反光衣) | 一般單個工地有1個點位,算法訓練落地預計1周時間 | 基線已有安全帽相機,但是沒有安全帽+反光衣二合一功 能;工地巡檢超腦包含這兩個功能,可以根據項目實際情 況選擇工地巡檢超腦或者AI開放平臺超腦訓練 |
主體工程 | 施工大區 | 裸土未覆蓋 | 以單個大型工地3個點位計算,算法訓練落地預計投入耗時2周 | 圖像語義分割模型效果優于檢測、混合模型,但是標注環 節(像素級標注)耗時較長;工地巡檢超腦已包含該算法;需提前和用戶溝通業務閉環方式(用于設計占比規則) |
智慧建筑行業AI應用詳細資料請下載查閱:
智慧建筑AI需求匯總最先出現在物聯網行業資訊平臺。
]]>1、政府監管響應難:國務院、住建部、人社部重視用工監管,住建部要求項目完成用工數據對接,各地項目對接遵循“屬地化”原則導致:對接平臺門檻受限、供應商統一管理難、問題處理慢等情況。
2、企業管控難度高:施工企業長期采用管理層與作業層“兩層分離”的模式運營,造成了用工方式極不合理,建筑用工處于缺乏有序組織和管理的狀態。
3、惡意討薪頻發:缺少對所有項目用工情況全面的、真實、實時的反饋,無法針對年末多發的惡意討薪事件進行有效管控。
4、以往積累用工數據參考性不足:集團對勞務分供商能力的獲取不足,無法對分供商進行真實的考評。一線用工數據在管理過程中不同程度缺失,無法保證數據的真實、穩定性。
智慧工地勞務實名制系統價值最先出現在物聯網行業資訊平臺。
]]>1、政府監管響應難:國務院、住建部、人社部重視用工監管,住建部要求項目完成用工數據對接,各地項目對接遵循“屬地化”原則導致:對接平臺門檻受限、供應商統一管理難、問題處理慢等情況。
2、企業管控難度高:施工企業長期采用管理層與作業層“兩層分離”的模式運營,造成了用工方式極不合理,建筑用工處于缺乏有序組織和管理的狀態。
3、惡意討薪頻發:缺少對所有項目用工情況全面的、真實、實時的反饋,無法針對年末多發的惡意討薪事件進行有效管控。
4、以往積累用工數據參考性不足:集團對勞務分供商能力的獲取不足,無法對分供商進行真實的考評。一線用工數據在管理過程中不同程度缺失,無法保證數據的真實、穩定性。
二、管理價值實現:
1、多端的企業勞務大數據平:實現集團、勞務公司、子/分公司、項目、班組/工人的層級業務聯動管理和應用。
2、實時掌握現場生產用工情況:項目、班組、工人進場情況、教育情況、出勤情況等實時掌握。
3、規范用工標準,防范風險:規范用工標準,防范風險:結合系統管理三種管理規則,登記規則、考勤規則、防疫規則,入場教育規則風險及時預警,工資風險預警。
4、用工數據集成與分析:工人屬性、出勤分析、應用分析、安全培訓統計、流動性分析、班組穩定性分析、數據月報多維度統計分析,支撐管理決策。
5、過程履約評價、優勝劣汰:對于班組、工人日常作業行為結合評價標準規則形成日常評價記錄,整合勞務資源,優勝劣汰。
6、黑名單大數據共享:建立和積累勞務企業、班組長、工人黑名單庫,實現公司內部共享,防范黑名單人員進場。
智慧工地勞務實名制系統價值最先出現在物聯網行業資訊平臺。
]]>