Num futuro muito próximo poderemos constatar uma realidade – a obtenção de soluções de demandas da Engenharia de Custos, para aplicação na Formação do Preço de Obras, provenientes da união da pesquisa, inovação e tecnologia, por meio de engrenagens da Internet nas nuvens, conciliando Inovação Tecnológica e necessidades práticas.
São Fóruns, Hackathons e Startups, que estão se mobilizando no sentido de agregar a WEB e as tecnologias da Inteligência Artificial, por meio da NPL (Natural Language Process), Machine Learning, Deep Learnig, Big Data e outras.
Os esforços são no sentido de aplicá-las em processos que dimensionam e determinam os preços de atividades e serviços de construção, visando estimar o valor das obras públicas e privadas, de forma transparente e incontestável.
Uma exigência determinante para o desenvolvimento do BIM (Building Information Modeling) é o estabelecimento de protocolos de codificação e regulação que alimentem o sistema com padronização e precisão.
Nos propósitos introduzidos por essa inovação, as questões que envolvem a alimentação do sistema, como os preços para elaboração dos orçamentos, são atualmente utilizadas os sistemas referenciais de preços, como SICRO para obras de Infraestrutura e SINAPI para obras de Edificações, ambas recomendadas exclusivamente para obras com características convencionais e repetitivas.
Para o caso de obras não convencionais, que geralmente são complexas, progressivas e de magnitude, os cálculos ficam descolados de métodos de obtenção dos custos referenciais, que são fundamentados em modelos reduzidos e genéricos, requerendo para o dimensionamento um enfoque mais representativo das particularidades de cada serviço.
Nesses casos, devem ser utilizadas a metodologia da modelagem, que se baseia na seleção e discriminação de premissas caracterizadas aos aspectos técnicos do projeto específico e, também, nos impactos dos desempenhos provenientes de ocorrência de contingência, sobre os eventos causados pelas condições locais de execução e de implantação do empreendimento.
Na metodologia da modelagem o dimensionamento de preços tem como propriedade da sua estrutura o fluxo dos processos da sua produção e os ciclos de trabalho que o compõem e são determinantes a eficiência, desempenho e a quantidade de recursos aplicados no tempo e volume da produção de cada atividade.
A aferição desses atributos, especificamente a cada categoria, natureza e tipologia de atividades e dos serviços, adequados a cada projeto em análise, é o passo indispensável para obter com exatidão e fidelidade a identidade da estrutura do custo.
As pesquisas de diversidades e inovações tecnológicas trazem para essa questão um grande avanço na definição das composições de custos, apontando conteúdos e componentes com representação mais fidedigna, sendo caracterizados por sua especificidade e distinguido os custos com melhor qualidade.
As tecnologias com o uso da ciência de dados estão presentes e já são consolidadas em várias áreas como a Saúde, Economia e o Direito. Na Engenharia de Construção, por falta de consolidação de acervos, ainda apresenta uma modesta performance, por esse motivo há que se promover grandes movimentações do meio técnico no sentido de desenvolvê-las.
A Inteligência Artificial, por sua capacidade de entendimento da linguagem neural e uma lógica de raciocínio característica nos fluxos de processos, é capaz de, quando oferecidas na implementação de diversos tipos de serviços, ser um agente facilitador no controle de custos e monitoramento de eficiência/desempenhos da produção.
A Machine Learning, através do estudo comportamental da sua própria experiência e com base em dados empíricos, conforme vai sendo utilizados, possibilitam aprender e aperfeiçoar uma multiplicidade de funções, o que faz com que fiquem cada vez mais precisos na medida em que são usados na mesma função.
O Deep Learning consegue reconhecer e compreender diversos processos simultaneamente, com o ambiente ao seu redor e tomando decisões para construir padrões automáticos, através da simulação de níveis e por meio de algoritmos, também identificam e classificam, com ou sem o mapeamento prévio, e ainda registram variações, sendo assim capazes de decidir quais regras vão seguir de acordo com o fluxo de trabalho
O Big Data, possui uma capacidade de armazenamento de dados em larga escala, capaz de extrapolar o espaço amostral, consistir e processar um grande volume e variedade de dados, ampliando em muito o escopo da análise dos fluxos de processos.
O Sistema Watson, desenvolvido pela IBM, é projetado para compreender, aprender e responder à linguagem interativa a partir de hipóteses, sendo capaz de analisar grande volume de informações das metodologias construtivas, na área de Engenharia de Custos, dando suporte aos profissionais da área na fundamentação de diagnósticos e soluções.
Esses modelos analíticos permitirão que os usuários possam, a partir de resultados confiáveis e rastreáveis, tomar decisões fundamentadas, como também, obter o detalhamento dos fluxos de processos mais completo e realista, através do aprendizado das relações e tendências históricas nos dados.
Mas isso será assunto para próximos artigos!
Até lá.
Luiz Raymundo Freire de Carvalho
Próximos Artigos:
Parte 2 – Atributos do Sistema
Parte 3 – Requisitos do Sistema (em breve)
