តើបច្ចេកវិទ្យា AI និង Digital Twins ជួយដោះស្រាយបញ្ហាសំណង់ស្ពានចាស់បានដូចម្ដេច?
បន្ទាប់ពីមានករណីបាក់ស្ពាន Fern Hollow នៅសហរដ្ឋអាមេរិកកាលពីឆ្នាំ 2022 រដ្ឋាភិបាលអាមេរិកបានងាកមកពិនិត្យមើលហេដ្ឋារចនាសម្ព័ន្ធចាស់ៗរបស់ខ្លួន ហើយរកឃើញថាស្ពានចាស់ៗជាច្រើនកំពុងស្ថិតក្រោយហានិភ័យ។ បញ្ហានេះបង្កឡើងដោយកង្វះថវិកា និងកង្វះវិស្វករដើម្បីត្រួតពិនិត្យដោយផ្ទាល់។
យ៉ាងណាមិញ រដ្ឋាភិបាលអាមេរិកបានប្រើកម្មវិធីសំណង់ឌីជីថលដើម្បីដោះស្រាយបញ្ហានេះ។ ខាងក្រោមគឺជាឧទាហរណ៍ ២ សំខាន់ៗ ដែលបង្ហាញថាកម្មវិធីគ្រប់គ្រងសំណង់ឌីជីថលគឺគន្លឺះមួយដើម្បីដោះស្រាយបញ្ហាហេដ្ឋារចនាសម្ព័ន្ធចាស់ៗ។ តើកម្ពុជាអាចប្រើប្រាស់ឧទាហរណ៍នេះ ដើម្បីមកអនុវត្តលើហេដ្ឋារចនាសម្ព័ន្ធរបស់យើងឬយ៉ាង?
រូបភាព ntsb.gov 1. ការត្រួតពិនិត្យស្ពានចាស់ៗនៅរដ្ឋ Kentucky
គណៈរដ្ឋមន្ត្រីដឹកជញ្ជូនរដ្ឋ Kentucky បានប្រឈមមុខនឹងភារកិច្ចដ៏ធំមួយ គឺការវាយតម្លៃស្ពានជាង 1,000 បន្ទាប់ពីទឹកជំនន់ដ៏បំផ្លិចបំផ្លាញកាលពីខែកក្កដា ឆ្នាំ 2022 ដែលជាដំណើរការដែលដំបូងឡើយត្រូវបានប៉ាន់ប្រមាណថាត្រូវចំណាយពេល១០ ឆ្នាំ និងមានតម្លៃជាង $7 លានដុល្លារ។
ការរួមបញ្ចូលគ្នារវាងកូដ survey ដោយឡាស៊ែរ និងរូបភាពពីដ្រូន បានបង្កើតគំរូ 3D ដែលមានស្រាប់។ រូបភាពដោយមានការអនុញ្ញាតពី QK4។ ប៉ុន្តែ ក្រុមហ៊ុនវិស្វកម្ម QK4, Inc. ដែលដឹកនាំការងារនេះ បានប្រើប្រាស់ឈុតកម្មវិធីរបស់ Bentley រួមមាន OpenRoads, ProjectWise, និង Bentley LumenRT ដើម្បីពន្លឿនវិធីសាស្រ្តឌីជីថលរបស់ពួកគេ។
ក្រុមហ៊ុនបានបញ្ចូលទិន្នន័យពីដ្រូន ការស្កេនឡាស៊ែរ ទិន្នន័យភូមិសាស្រ្ត ទៅក្នុងគំរូភ្លោះ 3D (Digital Twin) ដែលក្រុមហ៊ុនបានបង្កើត។ ការធ្វើដូច្នេះ ធ្វើការគំរូប្លង់ភ្លោះលើកំព្យូរទ័រនេះ គឺគ្រប់ជ្រុងជ្រោយបំផុត ពោលគឺស្ទើរនឹងដូចនឹងការបញ្ជូនមនុស្សចុះទៅរកកំហូសនានាដោយផ្ទាល់ទៅតាមស្ពាននីមួយៗ។
ប្រព័ន្ធគ្រប់គ្រងនេះ បានកាត់បន្ថយពេលវេលាដំណើរការស្ទង់មតិរកកំហូចនានាបានលឿនជាមុន 90% និងកាត់បន្ថយការចំណាយសរុបបាន 50% ដោយសន្សំថវិកាបានជាង $3 លានដុល្លារសម្រាប់រដ្ឋ។
2. ការត្រួតពិនិត្យដោយប្រើ AI នៅស្ពាន Robert Street
នៅរដ្ឋ Minnesota ក្រុមហ៊ុន Collins Engineers, Inc. បានប្រឈមមុខនឹងបញ្ហាប្រឈមនៃការត្រួតពិនិត្យស្ថានភាពស្ពាន Robert Street។
ក្រុមហ៊ុនបានធ្វើការយ៉ាងជិតស្និទ្ធជាមួយ Bentley ដោយប្រើប្រាស់ iTwin Platform និងឧបករណ៍ AI ដូចជា iTwin Capture និង iTwin Experience។ ពួកគេបានបង្កើតគំរូ Digital Twin ដែលដូចពិតមួយ។ ប្រព័ន្ធនេះប្រើប្រាស់ AI ដើម្បីរកមើលកំហូច និងស្នាមប្រេះបេតុងនានា បន្ទាប់មកវិភាគទិន្នន័យចេញជារបាយការណ៍ ហើយក៏ណែនាំជាដំណោះស្រាយផងដែរ ដូច្នេះក្រុមការងារអាចចុះទៅដោះស្រាយត្រូវចំណុច។
រូបភាពពី Collins Engineers ការធ្វើដូច្នេះ បានជួយឱ្យលំហូរការងារនេះបានសន្សំពេលបានជាង 30% ហើយបានកែលម្អគុណភាព និងភាពជាក់លាក់នៃការប្រមូលទិន្នន័យយ៉ាងច្រើន។
ការផ្លាស់ប្តូរធ្វើការលើលំហូរការងារដែលប្រើ AI និង Digital Twins មិនមែនគួរជាជម្រើសទៀតទេ ប៉ុន្តែជាភាពចាំបាច់សម្រាប់អ្នកសាងសង់ហេដ្ឋារចនាសម្ព័ន្ធគ្រប់គ្នា ពិសេសក្នុងកាលៈទេសៈដែលគ្រោះធម្មជាតិកំពុងគំរាមកំហែងពិភពលោកដូច្នេះ។ ឧបករណ៍ឌីជីថលទាំងនេះជួយឱ្យវិស្វករផ្លាស់ប្តូរលើសពីការខិតខំប្រឹងប្រែងដោយប្រើកំលាំង មកជាការដោះស្រាយបញ្ហាដោយឆ្លាតវៃ។
- Video Advertisement -
English 
ខ្មែរ 
