This story features in Unearthed: The Age Of Data
We asked five experts “what do they see in their data crystal ball?”
Trevor O’Shannessy,
Principal engenheiro geotécnico, Golder Associates
Integration and compatibility
“We deal with a large amount of data that describes the ground and its engineering behaviour, both current and archival (e.g. borehole logs, lab testing, in-situ testing, proof loads, etc). In modern society there are increasing time constraints in distilling and processing ground data to a point where it provides a timely answer of useable output for our clients.
“Nos próximos dois a cinco anos, gostaria de pensar que nos tornaremos cada vez mais inteligentes em armazenamento e recuperação de dados históricos, para que esses possam ser rapidamente acessados e integrados aos dados coletados e transferidos eletronicamente em campo para o projeto atual.
Na retaguarda desse processo, está a portabilidade de dados e a flexibilidade de transferir os modelos criados em um pacote como o Leapfrog para outras plataformas. Como exemplo, agora, digo frequentemente às pessoas que o modelo em 3D não é o software, é o gerenciamento do repositório de dados. Uma plataforma de software é apenas uma ferramenta específica para manipular os dados.
Algumas plataformas são mais fáceis de usar do que outras, e o modelo pode ser usado em várias plataformas e ferramentas de software antes de chegar ao formato que divulga o resultado esperado. Exemplos disso são a interpretação da camada geológica (modelo geológico), ou o fluxo de águas subterrâneas (modelo hidrogeológico)ou a sua relação com o suporte do solo e a deformação prevista do solo (modelo de engenharia geotécnica).
Gostaria de acreditar que o antigo problema de incompatibilidade de softwares e tipos de usuário, além de como os pacotes de software se comunicam, vão finalmente desaparecer. Eu acho que o mercado está forçando essa compatibilidade para tornar a transição de dados mais suave e rápida, para manter a competitividade e em busca de ferramentas e tecnologias, como modelagem de informações de construção (BIM, Building Information Modelling), para os projetos.”
Pat McLarin,
Gerente de produtos, divisão de engenharia civil e meio ambiente, Seequent
Community and collaboration “We have a fantastic and passionate user group willing to provide feedback on the problems they are trying to solve and the product features they want us to deliver. We are aiming to make it easier for our users to do that because better data on what they need and how they interact with our products enables us to create better solutions. Enabling a user community that can see what feedback others are providing and say ‘hey, I have that exact same problem’ provides a voice for the silent majority as to what is valuable, or painful, in our current workflows. That collaboration is incredibly important to us.
“O meu sonho é que os dados digitais possam transformar em 3D todos os projetos de engenharia civil. Afinal, vivemos em 3D, modelamos em 3D, projetamos em 3D e construímos em 3D. Os planos e as seções transversais em 2D são realmente artefatos das limitações que tínhamos no passado, ou seja, a incapacidade de lidar com 3D em um documento impresso ou a falta de capacidade de processamento necessário para lidar com cálculos em 3D. Então, uma mudança para um ambiente onde tudo pode ser feito em 3D é a minha visão.”
Graham Irvine,
Geólogo sênior de engenharia, South Queensland, GHD
Virtual site visits “The common thread of compatibility between software tools is always there. The ability to export or import any number of file formats is important to create a smooth workflow. Limitations on compatibility of data between packages only reduces how fluid the exchange of data should be. I hope that we can move towards physical interaction with data to create a more immersive experience and understanding of the information we use. The ability to do a virtual site visit with multiple users interacting in real time with data and collaborating on solutions and ideas seems to be the next natural evolution of data utilisation.
“Além disso, quanto mais trabalho em compilações de dados históricos para criar representações em 3D das condições do solo no Leapfrog, mais eu percebo que o modelo final é apenas uma parte do quebra-cabeça. Muitos dos nossos projetos contêm dados dos anos 40. Normalmente, os clientes têm dificuldade para compilar e compreender as relações entre todos esses dados históricos e como eles se relacionam com as novas informações. Ter uma representação em 3D ou uma biblioteca de informações existentes e ser capaz de integrar os novos dados a ela provou ser indispensável. Isso é uma forma eficaz de compreender facilmente as relações especiais entre os dados que podem ter sido coletados décadas atrás e compará-los a um furo de sondagem realizado ontem. Com isso em mente, eu me pergunto como os dados que coletamos hoje serão usados daqui a algumas décadas.”
Jason McIntosh,
Product Owner, Seequent
Machine learning “There is a wealth of information out there that has been collected and produced for historic earth modelling projects. This data has often had humans applying their knowledge to it in order to extract meaningful outputs – but it can be hard and time consuming. As Craig Fenton suggests elsewhere, I would love it if machine learning could automate the more basic decisions that humans made for similar historic projects. Also if one day we could see the design and construction phases drawn closer together as a result of two-way data exchange.”
Ian Besford,
Diretor de projetos, Mott MacDonald
Fresh interpretation “People are often heard referring to data as the new oil. The key difference is that data is reusable. Our ability to obtain, process and interpret data is increasing exponentially and we are continually identifying opportunities to digitise and interpret old data in different ways. This ability to reuse and add value from data we have that couldn’t have been anticipated at the time of capture is invaluable. It means we are able to work with our partners to identify opportunities to improve safety, reduce cost, manage risk and optimize our solutions more quickly and more cost-effectively than ever before. Within a five-year horizon this will shift from being the preserve of technical specialists towards being commonplace. Smarter data and smarter ways of processing it will democratize data analytics in the same way the PC did computing.”