E-Book Smart Construction

SMART CONSTRUCTION: BIG DATA, IOT E INTELIGÊNCIA ARTIFICIAL NA CONSTRUÇÃO
Smart Construction:
Big Data, IoT e
Inteligência Artificial
na Construção
1
ÍNDICE
APRESENTAÇÃO 03
A METODOLOGIA APLICADA AOS GRUPOS DE TRABALHO 04
1 — CONCEITOS GERAIS E APLICAÇÃO DO BIG DATA E DA 09
INTELIGÊNCIA ARTIFICIAL NA INCORPORAÇÃO, VENDAS,
MARKETING E RELACIONAMENTO COM CLIENTES
A expansão do Big Data
Dados estruturados e não estruturados
Benchmarking MRV Engenharia
Benchmarking Diwe
2 — APLICAÇÕES DAS TECNOLOGIAS DIGITAIS 21

NAS FASES DE PROJETO E OBRAS
Aprendizado de máquina aplicado a projetos
Design generativo
Benchmarking Autodesk
Benchmarking Autodoc
3 — IOT, BIG DATA E INTELIGÊNCIA ARTIFICIAL 34

EM SMART BUILDINGS
Gêmeos digitais
Benchmarking Aureside
Benchmarking Logicalis
4 — APLICAÇÕES NA FABRICAÇÃO DE MATERIAIS 45

Indústria 4.0
Benchmarking TKE
Benchmarking Hilti
5 — IOT, BIG DATA E INTELIGÊNCIA ARTIFICIAL 49

EM SMART CITIES
Tecnologias aplicadas às cidades inteligentes
Bechmarking Dahua Technology
Benchmarking Dataland
CONCLUSÃO 54
CRÉDITOS 55
Co-autores
Equipe CTE enredes
2
Até pouco tempo, soluções como Inter- pode gerar oportunidades incríveis para
net das Coisas, inteligência artificial, as empresas serem mais competitivas
machine learning e big data pareciam e resilientes.
estar em um futuro distante. Mas, em
meio a transformações tão velozes,
essas tecnologias já estão presentes no Criado pelo Enredes, por meio da Rede
cotidiano de muitos setores da econo- Construção Digital e Industrializada
mia. Na cadeia produtiva da construção (RCDI), o GT foi composto por 58 pro-
civil, esse processo de transformação fissionais de empresas associadas à
gradativamente vem adquirindo maturi- Rede que se reuniram virtualmente ao
dade, com um campo muito amplo de longo de pouco mais de quatro meses
aplicação. no segundo semestre de 2021.
O debate promovido pelo Grupo A seguir você terá a oportunidade de

de Trabalho Smart Construction: Big aprender e se inspirar com aplicações
Data, IoT e Inteligência Artificial na dessas tecnologias capazes de nos
Construção joga luz sobre esse con- conduzir a uma indústria verdadeira-
texto que em um primeiro momento mente smart, ou seja, mais eficiente,
pode parecer desafiador, mas também produtiva, segura e sustentável.
Aproveite e tenha uma excelente leitura!
Roberto de Souza
CEO CTE/enredes
A METODOLOGIA APLICADA AOS

GRUPOS DE TRABALHO
8 1
iP 2
Inco
o
H O
rpo
pçã
7
raçã
rce
Hab
1 BENCHMARKING 2 BENCHMARKING ilita ção
Pe
erva
o
ção
SETORIAL CONCEITUAL Obs
6 E i3
ção Info
rimenta rma
Expe
nto
ção
Sign
CS
ime
4 REFLEXÕES E 3 DEBATE
ifica
hec
CONTRIBUIÇÕES APLICAÇÃO
ç ão
Con
PRÁTICA
5 4
Desenvolvimento Desenvolvimento
da competência da conciência
Rodas do Aprendizado: Metodologia GT CTE Enredes
Com metodologia consolidada, o Enredes com diferentes backgrounds de 53 empre-

já promoveu a realização de 11 Grupos de sas associadas à RCDI.
Trabalho. Trata-se de um programa cola-
borativo de palestras, debates e compar- O GT foi estruturado em alinhamento à
tilhamento de experiências oferecido às Roda do Aprendizado, um instrumento
empresas que fazem parte do ecossis- de educação andragógico que estimula o
tema de transformação digital, industria- uso do pensamento sistêmico e promove
lização e sustentabilidade na construção uma mudança do modelo mental a partir
civil. Este GT, em específico, agrupou as de uma visão compartilhada. Muito apli-
empresas focadas em transformação digi- cada na formação de líderes empresariais,
tal, sendo realizado para a Rede Constru- a metodologia foi utilizada para a elabo-
ção Digital e Industrializada (RCDI). ração dos roteiros dos cinco encontros
virtuais do GT, que totalizaram mais de
Idealizado para reunir os principais elos quinze horas de trabalhos.
da cadeia produtiva, o GT “Smart Cons-
truction: Big Data, IoT e Inteligência Arti- Ao longo da jornada foram realizadas
ficial na construção”, contou com a par- rodas de conversas, benchmarking entre
ticipação de representantes de empresas empresas líderes, compartilhamentos de
fabricantes, fornecedoras de tecnologia, dores empresariais, assim como palestras
construtoras, incorporadoras, projetistas, com profissionais especialistas referên-
consultores, administradoras e startups. cias no assunto. O objetivo foi levar aos
O Grupo foi composto por profissionais participantes conceitos sólidos sobre os
4
temas abordados para ampliar a visão das participantes, a iniciativa procurou capa-
oportunidades de transformação digital citar talentos, tangibilizar conhecimento
no setor da construção. adquirido e gerar negócios. Para os pro-
fissionais, o plano foi auxiliar o desenvol-
A geração e a troca de conhecimentos não vimento de carreiras, melhorar a empre-
se esgotaram nos encontros on-line. Elas gabilidade e a construção de autoridades.
estenderam-se via ferramentas de comu- Por fim, o GT teve como ambição agregar
nicação digital, criando comunidades nos benefícios para a sociedade, produzindo
aplicativos WhatsApp e Slack. conteúdo relevante aplicável às organiza-
Todo o trabalho foi conduzido para garan- ções, capaz de contribuir para a perpetui-
tir os objetivos finais do GT para dife- dade dos negócios.
rentes stakeholders. Para as empresas
DIRETRIZES DO GRUPO DE TRABALHO
Assumir o papel de Adotar o tripé da Atuar em economia

empresa na tríplice sustentabilidade como compartilhada, dividindo
hélice da inovação e um valor coletivo. o conhecimento.
empreendedorismo.
5
EMPRESAS FORMADAS
6
TEMAS E PALESTRANTES
TEMAS E PALESTRANTES
Conceitos gerais Leonardo Arteiro, CTO e

ENCONTRO e aplicação do co-founder na Dataland
Big Data e da Reinaldo Sima, diretor de
Inteligência Artificial tecnologia e transformação
na incorporação, digital na MRV Engenharia
vendas, marketing e Heitor Lima, head de BI
relacionamento com na Diwe
clientes
ENCONTRO Aplicações das Regina Ruschel, professora

do programa de pós-graduação
tecnologias digitais em Arquitetura, Tecnologia e
nas fases de projeto Cidade na Universidade Estadual
de Campinas (Unicamp)
e obras
Douglas Souza, professor
na Universidade Federal de
Viçosa
Ricardo Bianca, senior
technical sales specialist na
Autodesk
Ana Cecília Sestak, CEO
na Autodoc
IoT, Big Data e Joyce Delatorre, technical

ENCONTRO specialist na Autodesk
Inteligência Artificial
em Smart Buildings José Roberto Muratori,
diretor-executivo na Aureside
Rafaela Mancilha,
EX-gerente de IoT na Logicalis
ENCONTRO Aplicações na Lucas Severo, consultor

fabricação de de projetos na TKE
materiais Diego Araujo, diretor de
marketing na Hilti do Brasil
ENCONTRO IoT, Big Data e Myriam Tschiptschin,

Inteligência Artificial gerente de smart cities no
CTE
em Smart Cities
Reno Alves, pre sales
engineer na Dahua
Technology
Cristina Penna, CEO na

Dataland
7
LEONARDO ARTEIRO REINALDO SIMA HEITOR LIMA REGINA RUSHEL

CTO e co-founder na diretor de tecnologia e head de BI na Diwe profa do programa
Dataland transformação digital de pós-graduação
na MRV Engenharia em Arquitetura,
Tecnologia e Cidade
na Universidade
Estadual de Campinas
(Unicamp)
DOUGLAS SOUZA RICARDO BIANCA ANA CECÍLIA SESTAK JOYCE DELATORRE

professor na senior technical sales CEO na Autodoc technical specialist na
Universidade Federal specialist na Autodesk Autodesk
de Viçosa
JOSÉ ROBERTO RAFAELA MANCILHA LUCAS SEVERO DIEGO ARAUJO

MURATORI ex-gerente de IoT na consultor de projetos diretor de marketing
diretor-executivo na Logicalis na TKE na Hilti do Brasil
Aureside
MYRIAM RENO ALVES CRISTINA PENNA

TSCHIPTSCHIN pre sales engineer na CEO na Dataland
gerente de smart cities Dahua Technology
no CTE
8
1 — CONCEITOS GERAIS E APLICAÇÃO

DO BIG DATA E DA INTELIGÊNCIA
ARTIFICIAL NA INCORPORAÇÃO,
VENDAS, MARKETING E
RELACIONAMENTO COM CLIENTES
TÓPICOS ABORDADOS NESTE CAPÍTULO:
A expansão do Big Data
Dados estruturados e não estruturados
A evolução do Big Data
Benchmarking MRV Engenharia
Benchmarking Diwe
A EXPANSÃO DO BIG DATA

A indústria da construção, embora com gestão de obras, assim como a operação
algum atraso, tem voltado suas atenções dos edifícios, elevando a produtividade e
para inovações capazes de solucionar a qualidade, otimizando os custos e dimi-
fragilidades como processos de planeja- nuindo os impactos ambientais.
mento falhos, baixa produtividade, excesso
Entre as inovações no bojo da smart cons-
de retrabalho e pouca digitalização.
truction destacam-se o Big Data, a Inteli-
gência Artificial (IA) e o uso de IoT. Nas
Um indicador deste movimento é o maior
etapas de desenvolvimento de produtos
uso do termo “construção inteligente”
imobiliários, incluindo os processos de
(smart construction, em inglês). Embora
vendas e de relacionamento com clientes,
bastante abrangente, esse conceito refe- essas tecnologias têm enorme potencial
re-se ao desenvolvimento e uso de proces- de prover transformações disruptivas.
sos e tecnologias capazes de melhorar a
incorporação, o processo de marketing e Em meio a esse contexto, os dados cor-
vendas, a concepção e compatibilização porativos tornaram-se um ativo do mais
de projetos, o planejamento, execução e alto valor.
9
“
Atualmente, a informação é decisiva para tomar
decisões corretas. Por isso, as empresas que não têm
dados à mão, estão ficando para trás. Segundo a revista
The Economist, a commodity mais valiosa do mundo é
a informação e não o petróleo”.
Leonardo Artieiro*, CTO e co-founder da Dataland
O grande volume, velocidade e variabilidade de dados coletados no

mundo digital é chamado de Big Data.
DEFINIÇÃO: BIG DATA
Big data são ativos de informações de alto volume, alta velocidade e/
ou alta variedade que exigem formas inovadoras e econômicas de
processamento de informações que permitem uma visão aprimorada,
tomada de decisões e automação de processos. (Gartner, 2001)
DEFINIÇÃO: INTELIGÊNCIA ARTIFICIAL

A inteligência artificial refere-se à capacidade de dispositivos eletrônicos
de funcionar de maneira semelhante ao pensamento humano. Ela envolve
o agrupamento de várias tecnologias, como redes neurais artificiais,
algoritmos, sistemas de aprendizado, entre outros, que conseguem
simular capacidades humanas ligadas à inteligência.
10
Nessa rota para converter uma grande Durante o tratamento e a expansão do

quantidade de dados em informações data lake, o machine learning surge como
relevantes para o negócio, o tratamento é uma ferramenta importante. O aprendi-
uma etapa fundamental. É preciso anali- zado de máquina envolve um método de
sar os formatos e verificar se os atributos avaliação de dados que automatiza o
fazem sentido, para conseguir chegar em desenvolvimento de padrões analíticos.
um dado confiável e homogêneo. A par- Ele tem como base a concepção de que
tir daí, a informação segue para um data sistemas tecnológicos podem aprender
lake(1), onde é organizada. usando dados, identificando padrões,
tomando decisões e se aperfeiçoando
A etapa subsequente é a de aquecimento, com pouca interferência humana.
que consiste em cruzar os dados para
gerar informações mais estruturadas.
Coleção Inserção Preparação Computação Apresentação
Para Artieiro, um marco no desenvolvi- humano. Isso mostra que, pela tecnologia
mento do machine learning foi o Deep atual, as máquinas não têm capacidade
Blue, supercomputador construído pela de criar, apenas de reproduzir algo que
IBM para desafiar o campeão mundial alguém fez.
de xadrez, Garry Kasparov na segunda
metade dos anos 1990. A máquina foi O fato de as máquinas precisarem do
desenvolvida com base no aprendizado maior número de inputs possível para ope-
obtido a partir da análise de mais de 1 rar com mais autonomia induziu ao cres-
mil jogos de xadrez. Nesse duelo, Kaspa- cimento da Internet das Coisas (IoT), uma
rov conseguiu vencer a máquina jogando rede de objetos físicos capaz de reunir e
de um modo completamente aleatório de transmitir dados.
após perceber que o robô seguia o padrão
11
DEFINIÇÃO: MACHINE LEARNING

O aprendizado de máquina envolve um método de avaliação de dados
que automatiza o desenvolvimento de padrões analíticos. Tem como
base a concepção de que sistemas tecnológicos podem aprender usando
dados, de modo a descobrir padrões, tomar decisões e se aperfeiçoar
com pouca interferência humana. (Leonardo Artiero, Dataland)
Structure Image
Discovery Feature Classification
Meaningful Elicitation
Customer
compression Fraud Retention
Detection
DIMENSIONALLY
CLASSIFICATION
REDUCTION
Big data Diagnostics
Visualisation
Recommended Forecasting
UNSUPERVISED SUPERVISED
Systems LEARNING LEARNING
CLUSTERING REGRESSION Predictions

MACHINE
Targetted LEARNING
Marketing Process
Optimization
Customer New Insights
Segmentation
REINFORCEMNET
Real-Time Decisions LEARNING
Robot Navigation
Game Al
Skill Aquisition
Learning Tasks
12
CURIOSIDADE: Sempre que o assunto envolve a captura e o tratamento de

dados, o debate sobre a privacidade e a legitimidade do uso dessas infor-
mações aparece. No Brasil, a entrada em vigor da Lei Geral de Proteção de
Dados Pessoais (LGPD)(2) trouxe mais segurança jurídica, além de equi-
líbrio entre o desenvolvimento econômico e a privacidade das pessoas.
Leonardo Artieiro explicou ser possível não utilizar dados ligados à LGPD e gerar insights
relevantes a partir de dados públicos. Ele deu como exemplo o próprio caso da Dataland,
que utiliza dados abertos e públicos (por exemplo, da Receita Federal ou das Prefeituras)
como matéria-prima. Sobre esses dados, a empresa faz um trabalho de data science(3)
e de georreferenciamento para gerar informações que apoiem estudos vocacionais, por
exemplo.
1 Data lake é um repositório que cen-

traliza e armazena todos os tipos de
3 Data science (ciência de dados): com-
bina estatísticas, métodos científi-
dados gerados pela e para a empresa. cos, inteligência artificial e análise de
dados para extrair valor dos dados.
A ciência de dados abrange a prepa-
2 Asoais
Lei Geral de Proteção de Dados Pes-
(LGPD) estabelece diretrizes de
ração de dados para análise, incluindo
limpeza, agregação e manipulação
coleta, armazenamento, compartilha- visando realizar análises avançadas.
mento e gestão de dados pessoais
por organizações com sede em ter-
ritório nacional. O texto limita e define
o que pode ser coletado e utilizado.
(*) LEONARDO ARTIEIRO — Matemático e desenvolvedor com

mais de 15 anos de desenvolvimento de softwares. É CTO e co-
fundador da Dataland.
A Dataland utiliza Data Science para ajudar os stakeholders da cadeia

imobiliária a ampliar o entendimento do mercado, mitigar o risco e
aumentar o retorno sobre os investimentos. A empresa desenvolve
plataformas SaaS que apoiam a incorporação, estudos de viabilidade
e vocacionais.
13
DADOS ESTRUTURADOS E NÃO ESTRUTURADOS

Segundo Heitor Lima*, head de BI na Diwe, para captar informações, desde os soft-
há um grande volume de dados estrutu- wares de gestão (ERP, CRM), aos smart-
rados e não estruturados gerados a cada phones e às redes sociais.
segundo. O primeiro desafio é saber lidar
com essas informações na prática, lem- Lima explicou que os dados podem
brando que em uma construtora, por se distinguir entre estruturados e não
exemplo, há uma série de oportunidades estruturados.
DADOS ESTRUTURADOS DADOS NÃO ESTRUTURADOS
Aqueles que já estão definidos, identi- Aqueles que provém de fontes distin-
ficados e classificados, a exemplo dos tas. Nessa categoria estão as informa-
provenientes de bancos de dados. De ções extraídas de redes sociais, blogs,
modo geral, esses dados podem ser notícias, pesquisas do governo, institu-
extraídos diretamente na forma de tos de pesquisa, etc.
relatórios, são mais fáceis de trabalhar
e não exigem esforço de desenvolvi-
mento. Ainda assim as empresas pre-
cisam se perguntar se essa informa-
ção está disponível e escalável.
“
Como o próprio nome indica, esses dados não estão
estruturados e exigem um processo mais complexo
que inclui engenharia e ciência de dados”.
Heitor Lima*, head de BI na Diwe
14
O cruzamento dos social data (obtidos em Nesse contexto, algumas empresas tra-
redes sociais, internet e estudos demográ- balham com engenheiros e cientistas de
ficos), dos enterprise data (extraídos dos dados em seus times. Outras companhias
sistemas) e dos personal data (advindos preferem a contratação de parceiros de
de equipamentos como geladeira, carro e data engineering. Esse modelo tem como
TV) pode proporcionar enormes benefí- vantagem dispensar a empresa de fazer a
cios. Mas até chegar a esse estágio, preci- gestão de carreira de um profissional de TI
samos começar pequeno, em um ambiente que sente a necessidade de se relacionar
controlado 100% atrelado ao negócio. com um líder técnico.
DEFINIÇÃO DATA ENGINEERING

A engenharia de informação, é uma abordagem da engenharia de sof-
tware para projetar e desenvolver sistemas de informação (Leonardo
Artiero , Dataland)
(*) HEITOR LIMA — Com mais de dez anos de experiência com

tecnologia e coleta de dados, é head de BI na Diwe.
Diwe: Com escritórios em São Paulo, SP e em Joinville, SC, a

Diwe é uma agência de profound marketing cuja premissa é estar
presente no dia a dia dos seus contratantes, entender sua realidade
e propor ações autênticas, passando por um intenso processo de
questionamento de escopos.
15
A EVOLUÇÃO DO BIG DATA

Embora o conceito de Big Data seja relati- como processar a quantidade crescente
vamente novo, as origens de grandes con- de conteúdos produzidos, mapeando com-
juntos de dados remontam às décadas portamentos, tendências e oportunidades
de 1960 e 1970, com os primeiros data de negócios.
centers.
O desenvolvimento de estruturas de
código aberto, a exemplo do Hadoop(1) e,
(1)
Hadoop é uma tecnologia criada pela Apache
Technologies que funciona como um framework
mais recentemente, do Spark(2), foi essen-
para desenvolvimento de aplicações distribuidas,
cial para o crescimento desta tecnologia com alta escalabilidade, confiabilidade e tolerância
ao tornar o trabalho com os dados mais a falhas. Trata-se de um software de código aberto
acessível. para armazenar dados.
O advento da Internet das Coisas (IoT) e Ferramenta para a compreensão dos dados, o
(2)
da computação em nuvem (cloud com- Spark é um framework para processamento de Big

puting) expandiu ainda mais as possibili- Data construído com foco em velocidade, facili-
dades do big data. A partir daí, o desafio dade de uso e análises sofisticadas.
que se colocou para as empresas é sobre
FASES DO PROCESSO
FASES DO PROCESSO DEDE TRATAMENTO
TRATAMENTO DE DADOS DE DADOS
Coleta
Processo de engenharia de dados que visa coletar as informações de
diversas fontes e agrupá-las em um único lugar.
Limpeza
Processo de ciência de dados que visa limpar os dados
brutos, entregando os dados prontos para serem
utilizados na fase seguinte.
Análise
Processo de análise de dados. Nesse
momento são validadas hipóteses e
homologadas a veracidade da
informação.
Visualização e interpretação
Fase final do processo onde os dados podem ser apresentados em
um formato pronto para a tomada de decisão.
16
PRINCIPAIS APLICAÇÕES DA INTELIGÊNCIA

ARTIFICIAL NAS EMPRESAS
Controle de estoque de produtos

Chatbot para relacionamento com o cliente

Monitoramento do comportamento de clientes/usuários nas plataformas

Manutenção preventiva

Análise de grandes volumes de dados, algo impossível de ser realizado por
um ser humano de maneira escalável.
Fonte: Heitor Lima, Diwe.
17
BENCHMARKING MRV ENGENHARIA
Entre as empresas da cadeia da constru- Reinaldo Sima*, diretor de tecnologia

ção no Brasil, a MRV é uma das que está e transformação digital, explicou que a
mais avançada na utilização de tecnolo- construtora e incorporadora utiliza o Data
gias como Big Data e Inteligência Artifi- Analytics(4) de algumas maneiras.
cial nas fases de incorporação e vendas.
Data analytics combinada com ferramenta de

Business Intelligence (Power BI/Microsoft)
para o monitoramento/exploração de dados. Onde o
objetivo é ter dashboards e relatórios para subsidiar a
tomada de decisão, por exemplo, para rever o preço de
um produto que está vendendo pouco”.
Benchmarking Data analytics para elaborar modelos

estatísticos para compreender o
MRV Engenharia comportamento de algumas variáveis e fazer
uma análise preditiva.
Data analytics combinado com Inteligência Artificial

(IA) presente na Mia, chatbot(5) que, desde seu lançamento
em 2020 já realizou mais 21,5 milhões de interações, com
cerca de 200 mil clientes da empresa e mais de 1,8 milhão de
possíveis compradores, respondendo dúvidas, gerando
boletos e encaminhando clientes em potencial para os
corretores da companhia.
“
“80% dos processos de venda da MRV começam
em meio digital. Com a IA, conseguimos melhorar a
experiência dos usuários, reduzir custo de operação,
melhorar a satisfação do cliente e aumentar a
produtividade. A robotização é especialmente indicada
para processos repetitivos, liberando as equipes para
realizar atividades de maior valor agregado.”
Reinaldo Sima, diretor de tecnologia
e transformação digital na MRV
18
ROTEIRO PARA IMPLANTAÇÃO DE TECNOLOGIAS DIGITAIS

Roteiro para implantação de tecnologias digitais
A tecnologia deve ser Uma vez definido qual A seguir são definidos Só então parte-se para o
introduzida para problema deverá ser os objetivos e desenho da solução
solucionar um problema. resolvido com a resultados-chave (product backlog) visando
Por isso, o primeiro passo tecnologia, parte-se para desejados (OKRs) do entender como ele se
deve ser identificar entender a jornada do projeto. insere na jornada do
internamente quais dores usuário. cliente.
precisam ser resolvidas.
Na sequência, deve ser Refinar o OKR para o MVP Montar o time de Buscar fornecedores da
desenvolvido um MVP escolhido. tecnologia. tecnologia.
(minimum viable product)
Avaliar resultados e
corrigir rotas, se
necessário.
Chatbot é uma ferramenta que tenta simular um

(5)
Data Analytics é o processo de analisar informa-
(4)
ser humano na conversação com as pessoas. O ções (dados) com um propósito específico. Con-
objetivo é responder às perguntas de tal forma que siste em uma análise aprimorada de dados brutos,
as pessoas tenham a impressão de estar conver- objetivando apresentar conclusões sobre as infor-
sando com outra pessoa. mações estudadas.
(*) REINALDO SIMA — Engenheiro eletrônico com mestrado em

Engenharia da Produção. Possui especialização em informática
industrial pela Universidade de Saarlandes, Alemanha. É diretor de
tecnologia e transformação digital na MRV Engenharia.
MRV: Maior construtora da América Latina, a MRV Engenharia está

presente em mais de 160 cidades do Brasil. Desde 1979, a empresa se
dedica à construção e incorporação de empreendimentos residenciais
populares e já lançou mais de 550 mil imóveis.
19
BENCHMARKING DIWE
Aos participantes do GT, Heitor Lima, divulgação dos empreendimentos, expli-

head de BI na Diwe, apresentou algumas cando que tal decisão foi tomada com
aplicações de Big Data e de Inteligência base em informações ricas obtidas nos
Artificial nas áreas de vendas e marketing históricos dos dados de vendas, na aná-
imobiliário. lise dos comentários dos usuários e em
dados do CRM.
Entre elas, a utilização da ciência de
dados para personalizar a experiência de
“
Através de feedback dos usuários, um incorporador
percebeu que o destaque dos seus empreendimentos
era a planta e não as imagens dos decorados. A empresa
trabalhava essencialmente com imagens. Quando
decidiu redirecionar sua abordagem para aquele que
era o seu ponto forte, conseguiu fechar a venda das
últimas 15 unidades em 4 dias”.
Heitor Lima, head de BI na Diwe
Outro case é o uso de chatbots como fer- Inteligência Artificial para monitoramento
ramenta de vendas. Nesse caso, o relacio- de redes sociais. Com isso, é possível
namento com o cliente pode ser automati- acompanhar a insatisfação dos clientes e
zado e personalizado, aplicando técnicas atuar rápido para evitar danos à imagem
de processamento de linguagem natu- da construtora.
ral. Há, ainda, a aplicação de Big Data e
Diwe: Com escritórios em São Paulo, SP e em Joinville, SC, a

Diwe é uma agência de profound marketing cuja premissa é estar
presente no dia a dia dos seus contratantes, entender sua realidade
e propor ações autênticas, passando por um intenso processo de
questionamento de escopos.
20
2 — APLICAÇÕES DAS TECNOLOGIAS

DIGITAIS NAS FASES DE PROJETO E
OBRAS

Aprendizado de máquina aplicado a projetos
Design generativo
Benchmarking Autodesk
Benchmarking Autodoc
Artificial Intelligence
Machine Learning
Deep Learning
Fonte: https://www.thermofisher.com/blog/connectedlab/wp-content/uploads/sites/14/2020/01/istock-962219860-2-
scaled.jpg
21
APRENDIZADO DE MÁQUINA APLICADO A PROJETOS

O Machine Learning foi o principal tema da tecnologia da informação e da comuni-
fala de Regina Ruschel*, pesquisadora e cação sempre esteve muito voltada ao
professora na Unicamp, aos participantes processo, ou seja, a programar e a colo-
do GT. Em sua palestra, ela explicou que car regras codificadas. Depois, ela esteve
a evolução da ciência da computação nos ligada à comunicação, com a expansão da
levou a um estágio onde os dados adqui- Internet e das redes sociais.
riram maior protagonismo. Até então, a
“
Agora, os dados começam a conduzir aquilo o que
fazemos e não mais o código e a programação”.
Regina Ruschel*, doutora,
pesquisadora e professora na Unicamp
O Machine Learning surge, nesse con- sentido, as máquinas podem seguir dois
texto, para construir um programa que modelos de aprendizagem: o supervisio-
se ajuste aos dados fornecidos. Nesse nado e não supervisionado.
APRENDIZADO APRENDIZADO NÃO

SUPERVISIONADO SUPERVISIONADO
É indicado para resolver problemas Usa um conjunto de dados de trei-
de classificação, regressão e ran- namento sem rótulo, ou seja, um
queamento. Para tanto, ele utiliza conjunto de treinamento que con-
um conjunto de treinamento de tém apenas as entradas. Ele é usado
dados contendo as entradas e as para clusterização e para redução de
saídas correspondentes, ou seja, os dimensionalidade.
rótulos associados. As saídas são
usadas para orientar o processo de
aprendizagem.
22
“
Imagine que a gente tenha muitos dados sobre
determinada coisa e não sabe qual é a importância deles
para dar a informação necessária. Então, passamos
por algoritmos que vão dizer que, naquela quantidade
enorme de caracterização, qual tem chance de dar
algum padrão de relacionamento entre elas. O machine
learning é um mecanismo de aprimoramento da prática
e também é um meio de análise de dados”.
Regina Ruschel*, doutora, pesquisadora
e professora na Unicamp
Na visão da pesquisadora, a disciplina de De forma complementar, Douglas Souza*,

arquitetura está em uma situação onde o professor na Universidade Federal de
BIM é uma necessidade. O mesmo deve Viçosa, apresentou algumas aplicações
acontecer com a inteligência artificial. A do machine learning na área de projetos
tendência é irmos para uma prática onde o de arquitetura.
projeto de planta ou de layout é autônomo.
“
“Algumas dessas experiências de inovação estão
prontas para aplicação no mercado, outras ainda em
fase de pesquisa”.
Douglas Souza, professor na Universidade
Federal de Viçosa
23
Entre os cases há a criação de um meca- sistema utiliza a precisão de redes neu-

nismo de reconhecimento automático de rais para prever soluções de performance
símbolos arquitetônicos e uma tecnolo- energética dispensando simulações. De
gia que faz a classificação de elementos acordo com o professor, a complexidade e
construtivos. Neste caso, o algoritmo con- a demora são entraves à aplicação dos sis-
segue, independente de como foi mode- temas de simulações na fase de projeto.
lado, reconhecer um elemento construtivo Com essa solução de Machine Learning,
por seu formato. é possível entender as características da
edificação e as variáveis ambientais, pre-
Outra solução emergente é a construção vendo o comportamento sem fazer simu-
de modelos substitutos, também chama- lação clássica. Isso permite economizar
dos metamodelos, para realizar a ante- tempo de trabalho.
cipação de simulações da edificação. O
INTELIGÊNCIA
ARTIFICINAL
(AI) MATHS &
DATA STATISCS
MACHINE DEEP SCIENCE VISUALIZATION
LEARNING LEARNING
(ML) (DL) EDA
Regina Ruschel e Douglas Souza
Souza citou, ainda, o uso de algoritmos para mapear a performance ocupacional dos
edifícios. O objetivo é entender como as pessoas usam o espaço, oferecendo infor-
mações para área de manutenção, dimensionamento de resfriamento dos ambientes
e agendamento de áreas e salas.
24
11 APLICAÇÕES DO MACHINE LEARNING

EM PROJETOS DE EDIFICAÇÕES
01 Reconhecimento de padrões de símbolos arquitetônicos
02 Reconhecimento de elementos arquitetônicos (2D)
03 Transferência de estilo (concepção — 3D)
04 Síntese da imagem para o projeto (concepção)
05 Construção de modelos substitutos
06 Projeto baseado em performance
07 Avaliação de forma e função
08 Criação de novas alternativas
09 Representação automática por grafos
10 Geração de modelos (modelagem)
11 Performance comportamental do edifício
Fonte: Regina Ruschel e Douglas Souza.
(*) REGINA RUSHEL — Doutora em engenharia elétrica, é

professora colaboradora do programa de pós-graduação em
Arquitetura, Tecnologia e Cidade na Universidade Estadual de
Campinas (Unicamp)
(*) DOUGLAS SOUZA — Arquiteto e urbanista, é doutorando em

machine learning aplicado a projetos pela Unicamp e docente na
Universidade Federal de Viçosa.
25
DESIGN GENERATIVO
Quando o assunto são aplicações da inte- não se pode deixar de falar do design
ligência artificial na etapa de projetos, generativo.
DEFINIÇÃO: DESIGN GENERATIVO

Trata-se de uma abordagem de projeto apoiada em inteligência artificial
direcionada pelos objetivos pretendidos que usa a automação para dar
aos projetistas melhores orientações para poderem tomar decisões de
projeto de forma mais rápida e com mais fundamento. (Ricardo Bianca,
especialista técnico sênior na Autodesk)
“
Os parâmetros específicos de projeto são definidos de
modo a gerar muitas soluções possíveis. Nós indicamos
para o software os resultados que queremos alcançar
e, sob a nossa orientação, ele assume esse papel de
coautor de projeto, procurando as melhores soluções a
partir dos critérios previamente estabelecidos”.
Ricardo Bianca, especialista técnico
sênior na Autodesk
O assunto pode parecer fora da realidade engenharia e construção, essa abordagem

do cotidiano, mas quem tem smartphone oferece novas formas de projetar, em com-
já interage com inteligência artificial, seja binação com o BIM (modelagem da infor-
com algoritmos de trânsito, seja via redes mação da construção).
sociais. Agora, nos setores de arquitetura,
26
HÁ QUATRO FUNDAMENTOS DO PROJETO GENERATIVO,

SEGUNDO O ESPECIALISTA DA AUTODESK:
Objetivos pretendidos
Nesse ponto, há uma inversão do processo de produção de
projetos convencionais. O design generativo parte dos resultados
que devem ser alcançados.
Parâmetros
Refere-se a como as informações são operadas de
forma inteligente pelos algoritmos de maneira a
alcançar os resultados. O conceito da parametria
remete ao BIM.
Automação
O projeto generativo envolve algoritmos
para endereçar os problemas
automaticamente.
Processo interativo
O processo gera múltiplas alternativas. À medida que
elas são produzidas, são necessários instrumentos
para avaliá-las.
27
PROJETO GENERATIVO
Os benefícios associados ao design generativo são enormes tanto sob o viés de projeto,
Benefícios nos Processos
quanto econômico:
PROJETO
PROJETO GENERATIVO
GENERATIVO
Maior iteração e mais Decisões fundamentadas
Benefícios
BENEFÍCIOS EM nos Processos
possibilidades
PROCESSOS de projeto em dados
Maior iteração
Eliminação e mais
de tarefas Decisões do
Redução fundamentadas
desperdício
possibilidades de
tediosas e aspectosprojeto
que em dados
consomem muito tempo
em Projetos
Eliminação de tarefas Redução do desperdício
Economia
tediosas e de tempo eque
aspectos Antecipação de tomadas
redução
consomemde custos
muito tempo de decisões junto ao
em Projetos cliente
Economia de tempo e Antecipação de tomadas

redução de custos de decisões junto ao
cliente
PROJETO
PROJETO GENERATIVO
GENERATIVO
Benefícios
BENEFÍCIOS aos Negócios
EM PROCESSOS
PROJETO GENERATIVO
Aumento da satisfação do Redução de custos de
Benefícios aos Negócios
cliente em decorrência de
maior valor agregado e
projeto em todo o seu ciclo
de vida mediante otimização
antecipação de decisões direcionada por dados
Aumento da satisfação do Redução de custos de
cliente em decorrência de projeto em todo o seu ciclo
Maiores margens de lucro Atração e retençãootimização
de
maior valor agregado e de vida mediante
com a diminuição de talentos através da
antecipação de decisões direcionada por dados
alterações de projeto promoção de uma cultura
eautomação de tarefas de inovação baseada na
Maiores margens de lucro mais recente
Atração tecnologia
e retenção de
com a diminuição de disponível
talentos através da
alterações de projeto promoção de uma cultura
eautomação de tarefas de inovação baseada na
mais recente tecnologia
disponível
28
OUTRA DEFINIÇÃO: MACHINE LEARNING

O Machine Learning (ML) é um subconjunto de inteligência artificial, um
campo de estudo que dá aos computadores a capacidade de aprende-
rem sem serem explicitamente programados. (Arthur Lee Samuel)
(*) RICARDO BIANCA — Arquiteto e urbanista, doutorando em

Projeto, Espaço e Cultura pela Universidade de São Paulo. É senior
technical sales specialist na Autodesk.
29
BENCHMARKING AUTODESK
A Autodesk tem desenvolvido algumas Outro case é o da Van Wijnen, empresa

aplicações de design generativo ao redor holandesa que trabalha com habitação
do mundo. A primeira delas se deu no pró- popular e precisava de uma solução para
prio escritório de pesquisa da companhia planejar melhor seus loteamentos. A
em Toronto, Canadá. O projeto se baseou empresa definiu critérios de projeto prio-
em preferências dos usuários e em dados ritários, como maximização da geração de
levantados a partir de sensores que haviam energia solar, qualidade ambiental, vistas
sido inseridos no escritório anterior, permi- para o exterior. A partir disso o projeto
tindo gerar dados que se converteram em generativo foi aplicado permitindo gerar
algoritmos para apoiar o desenvolvimento múltiplas alternativas.
do projeto do novo espaço.
30
Na visão de Ricardo Bianca, as

pesquisas estão muito avançadas,
mas o desafio, em função da com-
plexidade do tema, é fazer com que
arquitetos, engenheiros e usuários
de projeto possam operar isso tudo
sem conhecimento de ciências da
computação. Por isso, a empresa
investe no desenvolvimento de uma
interface intuitiva de design genera-
tivo para o Revit.
Além do Revit, o design generativo
também avançou em outras ferra-
mentas da Autodesk, como o Civil
3D, permitindo estudar alternativas
de movimentação de terra para che-
gar à solução otimizada.
A Autodesk é uma desenvolvedora de software de design e de

conteúdo digital. A empresa é líder em software 2D e 3D voltados
para o segmento de arquitetura e construção civil, responsável por
soluções como AutoCad e Revit, entre outras.
31
BENCHMARKING AUTODOC
Desenvolvedora brasileira de softwares dados de documentos de prestadores de

para as empresas do setor da construção, serviços e colaboradores.
a Autodoc iniciou uma jornada de uso de
inteligência artificial e machine learning Quando mal realizada, a gestão dessa
impulsionada pela demanda de uma cons- documentação e torna motivo de incon-
trutora. A ideia era desenvolver uma solu- formidade legal e fiscal nos canteiros,
ção que permitisse uma gestão mais ágil levando a problemas trabalhistas e de
e eficiente de uma grande quantidade de segurança do trabalho.
“
Há, ainda, o custo da burocracia, pois a construtora
precisa designar um profissional para gerir essa
papelada em cada canteiro e ainda está sujeita a
paralisações porque um fornecedor não pode começar
a trabalhar sem estar com toda a documentação
conforme”.
Ana Cecília Sestak, CEO da Autodoc
A resposta a essa necessidade culminou Com mais de 9 mil fornecedores homolo-

no desenvolvimento do GD4, um Software gados, o GD4 tem evoluído com a incor-
as a Service (SaaS) para gestão ágil de poração de Machine Learning. Visando
documentos de terceiros e de mão de obra economizar o tempo do gestor, o sis-
própria. A solução conta com algoritmos tema consegue fazer o reconhecimento
capazes de analisar grande quantidade de de imagens dos documentos e extrair
dados, utilizando processos estatísticos. dados para serem comparados com as
informações contidas no banco de dados
Mais de 130 clientes já utilizam a solução. da plataforma. Além disso, a inteligência
O GD4 tem o potencial de levar a zero o embutida na solução permite emitir noti-
custo administrativo de obra para gestão ficações para os fornecedores e para a
de documentos no canteiro. Também per- construtora antes de uma documentação
mite reduzir o passivo trabalhista em 60% vencer.
e o risco de segurança no trabalho em 40%,
pois o software é aceito pelo sistema judi-
ciário em caso de disputas trabalhistas.
32
(*) ANA CECÍLIA SESTAK — Engenheira civil pós-graduada em

comunicação e marketing e com MBA em governança em TI. É
CEO na Autodoc Tecnologia.
A Autodoc desenvolve produtos na modalidade Software as a

Service (SaaS) para gerenciamento de projetos, gestão da qualidade,
segurança, gestão de fornecedores e controle de acesso para a
construção civil. Com mais de 2 mil clientes e 350 mil usuários no
Brasil, e também no exterior, a empresa passou a integrar, em 2021, o
Grupo Ambar.
33
3 — IOT, BIG DATA E INTELIGÊNCIA

ARTIFICIAL EM SMART BUILDINGS

Gêmeos digitais
Benchmarking Aureside
Benchmarking Logicalis
GÊMEOS DIGITAIS
Baseada em Inteligência Artificial e em Internet das Coisas, uma tecnologia que vem sendo
muito explorada nas indústrias globais é o Digital Twin(1) (Gêmeo Digital).
OUTRA DEFINIÇÃO: DIGITAL TWINS

Trata-se de uma representação virtual dinâmica de um objeto ou sistema
físico em todo o seu ciclo de vida, usando dados em tempo real para
permitir o entendimento, o aprendizado e o raciocínio.
Segundo Joyce Delatorre*, technical spe- recebimento e a preparação do entregável

cialist na Autodesk, 30% dos dados de pro- se dê de forma digital e integrada.
jeto criados no início são perdidos ao longo
do ciclo de vida da construção e muito O digital twin surge como uma resposta
dessa informação nem sequer é entregue a essa demanda. Trata-se da representa-
para uso do proprietário e para o gestor ção virtual de entidades e processos do
de facilities do empreendimento. Para oti- mundo real, sincronizadas à entrada de
mizar esse processo é fundamental que o dados.
34
“
Se antes o conceito digital twin apenas replicava o
ativo de forma digital, hoje ele está atrelado a métricas
e a objetivos de negócios específicos”.
Joyce Delatorre, technical specialist na Autodesk
A afirmação da especialista ressalta a A Autodesk tem o objetivo de estabelecer

importância de definir previamente os um link entre o gêmeo digital e o mundo
objetivos e os resultados de negócio a real para monitoramento e controle em
serem obtidos para que o gêmeo digital tempo real. Também há previsão de incor-
seja criado, desde o início, alinhado a esse poração de análises mais avançadas
propósito. Isso significa que se o objetivo para impulsionar novas oportunidades de
é reduzir o consumo e energia do ativo, é negócios, como big data e inteligência
importante que isso seja definido a priori artificial.
para que o gêmeo digital faça sentido do
ponto de vista operacional.
35
A Verdantix, empresa de pesquisa e con- digitais, considera cinco níveis de maturi-

sultoria com experiência em estratégias dade para o digital twin.
GÊMEOS DIGITAIS
AUTÔNOMO
Informação Digital
EXAUSTIVO o gêmeo autônomo

consegue aprender
PREDITIVO o gêmeo exaustivo e agir em nome
permite simula- dos usuários.
o gêmeo preditivo ções para aná-
INFORMATIVO
as informações lise de cenários
são utilizadas hipotéticos.
DESCRITIVO o gêmeo infor-
mativo, além visando a gera-
o gêmeo descritivo da questão do ção de insights
consiste em uma modelo editável em relação ao
versão editável ao ao vivo, possui a edifício.
vivo dos dados adição dos dados
de projeto e de operacionais e
construção. de sensores aos
gêmeos.
Valor de Negócio
Source: Verdantix - Smart Innovators: Digital Twins For Buildings, June 2020
Segundo ela, as informações de projeto e construção são a primeira etapa para a produção
dos gêmeos digitais. Indo um pouco além, é possível vincular dados de IoT permitindo criar
camadas de sensoreamento e de análise e o acompanhamento do desempenho dessas
edificações.
36
“
Dentro desse conceito, a Autodesk lançou o Tandem,
que embasa o primeiro nível, do gêmeo descritivo.
Nessa tecnologia em nuvem, é possível incluir nos
modelos os documentos e informações de manutenção
e operação, criando um inventário digital”.
Joyce Delatorre*, technical specialist na Autodesk
(*) JOYCE DELATORRE — Engenheira civil e arquiteta com

mestrado pela Universidade de São Paulo, é especialista técnica e
líder de sustentabilidade na Autodesk.
37
BENCHMARKING AURESIDE
AUTOMAÇÃO EM SMART BUILDINGS

Novas demandas têm feito com que a necessidades dos usuários com relação
operação e a manutenção das edificações à segurança, conforto, usabilidade e eco-
passem por transformações, segundo nomia. Além disso, mudanças iminentes
José Roberto Muratori*, diretor-execu- na política energética devem forçar altera-
tivo da Aureside. A expectativa é a de ções nas relações de consumo entre con-
que os edifícios consigam atender às domínios e concessionárias de energia.
“
Nesse contexto, os projetos precisam fazer uso mais
amplo das tecnologias disponíveis. Da mesma forma, a
quantidade e a capacitação dos profissionais envolvidos
na operação dos edifícios precisa ser ampliada”.
José Roberto Muratori, diretor-executivo da Aureside
38
EXIGÊNCIAS EMERGENTES DE UM EDIFÍCIO INTELIGENTE:
Conectividade móvel dentro e fora da edificação.

Tornou-se ainda mais urgente em um contexto em
que cada vez menos pessoas estão vinculadas a
postos fixos de trabalho. Portanto, não se pode
descartar uma cobertura sem fio onipresente.
Necessidade de estabelecer uma base de

infraestrutura preparada para o futuro e
flexível, especialmente para poder
incorporar recursos de Internet das
Coisas.
Necessidade de convergir
muitas redes díspares
(iluminação, CFTV, etc.) ou
proprietárias em uma única
camada padrão (IP sobre
Ethernet). “Hoje apenas uma
pequena fração de dispositivos
em edifícios está realmente
conectada à rede. Isso gera
um desafio para a expansão
da IoT.
39
Uso diferenciado dos Necessidade de controle Gerenciamento integrado Tendência de expansão

ambientes — É o caso do de acesso de forma da operação rotineira e da das portarias remotas.
coworking e de outros segura, mas também mais manutenção visando mais
espaços de uso coletivo simples. Essa demanda é eficiência e segurança.
(fitness, área gourmet), reforçada em empreendi-
para locação de bens mentos com apartamen-
(veículos, ferramentas) e tos de uso temporário.
entrega de encomendas.
“
O principal desafio que se coloca é como tratar a
integração de toda essa diversidade de equipamentos e
fazer a leitura correta dos abundantes dados gerados”.
José Roberto Muratori, diretor-executivo
da Aureside
O alinhamento a uma infraestrutura de Mas, se por um lado as transformações

rede única e inteligente capaz de gerenciar trazem desafios, por outro elas também
todos os sistemas pode reduzir os custos apresentam oportunidades, como:
de instalação em até 50% e diminuir des-
pesas a longo prazo.
(*) JOSÉ ROBERTO MURATORI — Engenheiro de produção com

especialização em Administração de Empresas pela Fundação
Getúlio Vargas. Foi membro fundador da Associação Brasileira
de Automação Residencial e Predial (Aureside), onde atua como
diretor-executivo.
Fundada em 2000, a Aureside (Associação Brasileira de Automação

Residencial) trabalha para difundir tecnologias, treinar e formar
profissionais, além de fomentar o mercado de automação residencial.
40
BENCHMARKING LOGICALIS
Em sua fala aos participantes do GT, Rafa- empresas já entenderem que uma implan-
ela Mancilha*, ex-gerente de IoT na Logi- tação da tecnologia requer uma arquite-
calis e IoT & Data Business Development tura baseada em sensores, conectividade
Executive na Telefónica Tech, comen- e aplicação.
tou como as tendências tecnológicas de
transformação digital têm mudado com o Depois o mercado começou a falar em
passar dos anos. Até pouco tempo, a novi- tecnologias Edge(2) e em Inteligência
dade eram os sistemas em nuvem. Hoje, Artificial. Mais recentemente começou-se
esse tema se consolidou e as empresas a falar do Digital Twins, que apesar de no
já sabem o potencial oferecido pelo arma- começo ter sido aplicado para a indústria,
zenamento em cloud. Na sequência veio vem sendo muito explorada para os smart
a IoT (Internet das Coisas) sobre a qual o buildings.
debate também amadureceu a ponto das
OUTRA DEFINIÇÃO: EDGE COMPUTING

Muito relacionado à Internet das Coisas, o Edge Computing se baseia em
uma rede de micro data centers que processam e armazenam os dados
de forma local. Com isso, reduz-se o tráfego de dados e a necessidade
de enviá-los para a nuvem.
41
Cloude IoT Edge AI Digital Twins

Recursos de Aproveitamento de Inteligência transferida Recursos inovadores de Crie réplicas vivas de
computação ilimitados sinais de sensores e da nuvem para inteligência, na nuvem e qualquer ambiente físico,
disponíveis globalmente dispositivos, gerenciados dispositivos de IoT no edge rastreie o passado e
centralmente pela preveja o futuro
nuvem
Em um ambiente de smart building, há demandas que se repetem com frequência. Entre

elas destacam-se:
Monitoramento de Facilities
Visibilidade de parámetros de iluminação, temperatura, AC, água, energia, etc., visando a
otimização da utilização, reduções de custo e sustentabilidade
Controle de Acesso
Automação de abertura de portas, controle biométrico, etc., buscando a maior segurança
de ambientes e informações
Integração com sensores e sistemas

Utilização de sistemas e dados já coletados, visando o aproveitamento do legado e a
agilidade de análises de informações
Tracking de pessoas e equipmentos

Soluções com geo/ocalização e alertas - Segurança de pessoas, inventário e melhor
utilização e visibilidade de equipamentos e ativos
Ocupação de espaços
Monitoração do comportamento dos usuários com relação ao uso de posições e salas,
visando a otimização da ocupação e a melhor experiência do usuário
42
Uma arquitetura macro de Internet das Coisas, segundo a especialista, pressupõe uma
série de camadas inter-relacionadas e de igual importância. Começa com uma faixa de dis-
positivos (sensores e sistemas). Há, também, uma camada de conectividade que, quando
envolve a IoT, pode ser heterogênea. Na sequência há as plataformas. É esse nível que
recebe os dados e são gerados relatórios e dashboards. Na sequência vêm as camadas
voltadas à segurança e à evolução tecnológica.
IoT Macro Architecture & Logicalis loT Portfolio

Asset Monitoring Smart Building CX Retail 4.0 Industry Smart Cities Smart Agro Special Projects
Facilities Autonomous Store Connected Weather

Applications
Management (Totens & Lockers & cia) People Safety Smart Stations
Remote Site
Monitoring Digital Twins Counting People and Badge Lightining Controlled
Demographics Environment Customized
New Office Predictive Smart Grid Application
Asset Monitoring
Tracking (Rooms/Desk Smart Price Maintenance Environment
(Etiquetas Eletrônicas) Industry 4.0 Control Territorial Intelligence
Management +
(Rural credit/insurance)
Access Control)
IoT Platform
Device Management Operations Dashboard Real-time and Reporting Big Data & Storage Security Management
Engine
Cognitive Service
EUGENIO IoT Broker API Management Analytics Digital Twins
and Machine Learning
Connectivity
IP Radio Bluetooth
Satellite
Sensors
Video
Connected Weather Smart Analytics & Temperature Energy Environment Alarm & Water Electronic Public Telemetry Tags Drones Totens
Vehicles Sensor Devices Security Sensor Meter Monitoring Sound Sensors Meter Lighting and Location RFID / NFC
Cameras
43
“
Sobre essa arquitetura, há diversas aplicações. Quando
há uma estrutura de IoT bem construída e aberta, é viável
a inserção de diversas aplicações, de forma integrada,
conforme o aumento de maturidade da empresa”.
Rafaela Mancilha, ex-gerente de IoT
na Logicalis e IoT & Data Business Development
Executive na Telefónica Tech
(*) RAFAELA MANCILHA — Formada em engenharia elétrica com

ênfase em telecomunicações, foi gerente de IoT na Logicalis
onde atuou para fomentar o mercado, identificar oportunidades,
desenvolver casos de uso e atuar no processo de pré-vendas das
soluções da Logicalis. Atualmente atua como IoT & Data Business
Development Executive na Telefónica Tech
Com operações nos cinco continentes, a Logicalis é uma empresa

global focada na entrega de serviços e soluções de tecnologia
customizadas, levando aos seus clientes a transformação digital junto
a resultados efetivos para o negócio.
44
4 — APLICAÇÕES NA FABRICAÇÃO DE
MATERIAIS
TÓPICOS ABORDADOS NESSE CAPÍTULO:

Indústria 4.0
Benchmarking TKE
Benchmarking Hilti
1784 1870 1969 HOJE

INDÚSTRIA 1.0 INDÚSTRIA 2.0 INDÚSTRIA 3.0 INDÚSTRIA 4.0
Sistemas
Producão em Automação, Ciberneticos,
Mecanização Escala, linha robotica, internet das
Tear e força De montagem, computadores. Coisas, redes,
a vapor. eletricidade e Internet e e inteligência
combustão. eletrônicos. Artificial.
Em diferentes setores da economia, um robótica, análise de dados e internet das

foco de discussões é como incorporar coisas, tudo de forma integrada.
os princípios da Indústria 4.0 para melho-
rar o desempenho produtivo e reduzir os Os trabalhos e debates do GT Smart Cons-
custos. truction mostraram que esse movimento
já chegou à cadeia da construção. Em
Considerada a 4.ª Revolução Industrial, a especial entre as empresas de materiais
Indústria 4.0 é marcada pela informação e equipamentos é possível notar ações
digital. Diferente das revoluções anterio- interessantes visando agregar valor via
res, impulsionadas pela energia a vapor, adição de tecnologias digitais. A jornada
pela energia elétrica e pela automação, de empresas como TK Elevadores e Hilti,
ela incorpora tecnologias como inteli- comprova isso.
gência artificial, computação em nuvem,
45
BENCHMARKING TK ELEVATOR
Em todo o mundo, mais de 12 milhões de Esses dados são da TK Elevator, que

elevadores fazem 7 bilhões de viagens e visando aumentar a disponibilidade e a
movem mais de 1 bilhão de pessoas dia- eficiência geral de seus equipamentos,
riamente. A cada ano são necessárias desenvolveu a tecnologia Max. A solução
intervenções de manutenção nesses equi- combina Internet das Coisas (IoT) para
pamentos que os deixam indisponíveis transformar a manutenção preditiva de
por um total de 190 milhões de horas. elevadores.
“
O Max permite a coleta de dados das máquinas para
análise em nuvem por algoritmos que determinam
o status operacional do equipamento e a saúde dos
componentes. Com isso, diagnósticos precisos e
preditivos são entregues aos técnicos em tempo real,
permitindo reparos e serviços mais eficientes”.
Lucas Severo*, consultor de projetos na TKE Elevator
Segundo Lucas, com o Max é possível dos elevadores, como dados sobre o trá-
reduzir o tempo em que os equipamentos fego. Com isso, o administrador consegue
se encontram fora de serviço em até 50%. mapear o fluxo de pessoas em cada pavi-
Para os clientes, além de maior disponi- mento e quais dias da semana e horários
bilidade das máquinas, outro benefício são mais críticos, para tomar ações que
do pacote Max é o acesso mais amplo melhorem a circulação de pessoas no
a informações sobre o funcionamento edifício.
46
(*) LUCAS SEVERO — Engenheiro mecânico, pós-graduado em

Business Process Management e mestre em engenharia mecânica.
É consultor de projetos na TK Elevator.
Com clientes em mais de 100 países, a TK Elevator é uma das

principais empresas de elevadores do mundo. Seu portfólio de
produtos abrange elevadores (de commodities e com soluções de
ponta), além de escadas e esteiras rolantes, pontes de embarque de
passageiros e plataformas elevatórias.
47
BENCHMARKING HILTI
Com um compromisso de investir anual- Combinando software, armazenamento

mente 6% de suas vendas globais em inova- de dados em nuvem e etiquetas QR Code,
ção, a Hilti adicionou ao seu portfólio a oferta a ferramenta permite realizar o controle de
de softwares e serviços. A empresa enxerga garantias, certificados e manutenções dos
na transformação digital, em especial na equipamentos, além de controlar inventário,
Internet das Coisas, uma oportunidade para reduzindo o tempo gasto procurando itens,
gerar benefícios para seus clientes. Foi com maximizando a produtividade e diminuindo
essa visão que ela desenvolveu o On!Track, perdas.
solução para gestão de ativos utilizada glo-
balmente por mais de 10 mil clientes.
“
Com base em software, hardware e serviços, a ideia
é garantir rastreabilidade e acesso rápido aos dados
sobre os ativos. Uma etapa da evolução do sistema
é ampliar os recursos de Internet das Coisas e
Inteligência Artificial de modo que possam ser obtidas
informações ainda mais sofisticadas por meio de
serviços analíticos.”
Diego Araujo, diretor de marketing na Hilti Brasil
(*) DIEGO ARAUJO — Formado em comércio internacional e em

economia, com MBA em administração. É diretor de marketing na
Hilti do Brasil.
Presente em mais de 120 países e com mais de 28 mil colaboradores,

a Hilti oferece produtos e serviços para os trabalhos diários em
obras, como softwares, ferramentas e tecnologias. Com sede em
Liechtenstein, a empresa tem 30 mil funcionários em todo o mundo.
48
5 — IOT, BIG DATA E INTELIGÊNCIA

ARTIFICIAL EM SMART CITIES
TÓPICOS ABORDADOS NESSE CAPÍTULO:

Tecnologias aplicadas às cidades inteligentes
Bechmarking Dahua Technology
Benchmarking Dataland
TECNOLOGIAS APLICADAS ÀS CIDADES INTELIGENTES

Sempre que o assunto são as smart cities, Data. É verdade que a cidade do futuro
uma imagem que vem à cabeça é a de não pode prescindir de tecnologia. Mas é
locais altamente tecnológicos, autôno- preciso muito mais para tornar um bairro
mos, repletos de sensores integrados a ou uma cidade resiliente e saudável para
ferramentas de Inteligência Artificial e Big seus ocupantes.
OUTRA DEFINIÇÃO: SMART CITIES

As Smart Cities são ocupações urbanas que fazem uso estratégico de infra-
estrutura, serviços, informação e comunicação visando responder às neces-
sidades sociais e econômicas da comunidade, não só das gerações atuais,
como também das futuras. O objetivo de uma smart city é promover quali-
dade de vida para os seus moradores, diminuir o consumo de recursos natu-
rais minimizando impactos ambientais, e garantir eficiência operacional.
49
De acordo com Myriam Tschiptschin*, de tecnologias já presentes em grandes cen-

gerente da Unidade Smart Cities do CTE, as tros urbanos. Entre eles, o sensoriamento
ações baseadas em tecnologias digitais são inteligente para estacionamento na área
um apoio importante para produzir cidades central de San Francisco, EUA. Nesse caso,
que respondam às questões da atualidade e o sistema baseado em IoT pode regular a
do futuro. Contudo, não se pode prescindir tarifa dinamicamente em função da disponi-
de estratégias de planejamento urbano. bilidade de vagas.
Em sua fala aos participantes do GT,
Tschiptschin apresentou alguns exemplos
“
Embora muito útil, essa solução sozinha não consegue
reverter os malefícios causados por um modelo de
urbanização que priorizou os veículos em detrimento
dos pedestres. Para solucionar o problema, além de
tecnologia, precisamos combinar estratégias como
estímulo meios ativos de transporte, incremento das
fachadas ativas e controle do tamanho das quadras,
entre outras”.
Myriam Tschiptschin, gerente da Unidade
Smart Cities do CTE
Também baseada em Internet das Coi- isso, é necessário resgatar o ciclo hidro-
sas, outra tecnologia que tem auxiliado lógico das águas através do aumento de
a gestão das cidades é a instalação de superfícies permeáveis. A combinação de
sensores em bueiros. Essa solução per- estratégias urbanas low-tech e high-tech
mite otimizar a operação de limpeza, mas para obter resultados mais concretos e
novamente, isoladamente ela não resolve impactantes.
o problema de drenagem urbana. Para
50
Quanto à governança e o desenvolvi- de desenvolvimento local e de governança

mento local, a economia colaborativa em fundamental para as cidades sustentá-
uma cidade acontece muito em função de veis, já que uma cidade sustentável e inte-
ferramentas digitais, como os aplicativos ligente é aquela que produz o seu próprio
de transporte. Ainda assim, as fazendas alimento.
urbanas continuam sendo uma estratégia
(*) MYRIAM TSCHIPTSCHIN — Arquiteta e urbanista, mestre

em planejamento urbano e regional e especialista em novas
tecnologias aplicadas à Arquitetura e às Cidades. É gerente de
smart cities no CTE.
O Centro de Tecnologia de Edificações (CTE) é uma empresa de

consultoria e gerenciamento especializada em qualidade, tecnologia,
gestão, sustentabilidade e inovação para o setor da construção. Por
meio da Unidade Smart Cities atua em projetos de escala urbana e de
infraestrutura, com consultoria técnica nas áreas de sustentabilidade,
tecnologia, inteligência e inovação.
51
BECHMARKING DAHUA TECHNOLOGY
Trabalhando intensamente com IoT, a Dahua sejam pessoas e veículos. O objetivo, nesse
Technology é fabricante de soluções para caso, é reduzir a geração de alarmes falsos.
segurança eletrônica e cidades inteligentes,
com destaque para câmeras e sistemas de Há, ainda, câmeras que utilizam metada-
controle de acesso. dos(1), permitindo economizar o tempo
de trabalho do operador. Se acontecer um
roubo, o operador consegue filtrar os dados
Reno Alves*, engenheiro da empresa, apre- imputando características da pessoa de
sentou aos participantes do GT, câmeras interesse e/ou do veículo a ser procurado.
que, mais do que filmar, fazem uma aná-
lise inteligente, oferecendo subsídios para Há, também, câmeras capazes de realizar
o operador tomar uma decisão. Entre elas, a contagem de pessoas ou de veículos.
um modelo que gera alarme sonoro e visual Em prédios inteligentes, essa tecnologia
quando uma pessoa ultrapassa um limite pode ser utilizada, por exemplo, para o con-
pré-determinado. Outro exemplo é a câmera trole de pessoas por andar, permitindo uma
com inteligência artificial que filtra a movi- gestão mais eficiente do sistema de ar
mentação de objetos externos que não condicionado.
OUTRA DEFINIÇÃO: METADADOS

Metadados, em sua definição mais simples, são dados que descrevem
dados. Eles referem-se às informações acrescidas aos dados e que têm
como objetivo facilitar sua organização.
(*) RENO ALVES — Formado em engenharia mecatrônica com

pós-graduação em inteligência de mercado. Atua como pre sales
engineer na Dahua Technology.
A Dahua Technology é fabricante de soluções para segurança

eletrônica baseadas em IoT. Ao longo de seus 20 anos de existência,
a empresa que tem sede na China vem dedicando 10% de sua receita
em Pesquisa & Desenvolvimento.
52
BENCHMARKING DATALAND
A Dataland desenvolve uma série de apli- deslocamento do preço do metro qua-

cações de Big Data e Inteligência Arti- drado dentre o anunciado e o real”, citou a
ficial para o mercado imobiliário. Entre CEO da Dataland, Cristina Penna*.
elas, a comparação de duas bases de
dados distintas visando extrair insights. Ela contou que os dados trabalhados pela
“Por exemplo, quando comparamos espe- empresa são organizados em camadas
lho de vendas e contrato de compra e sobre as quais é aplicada uma visão mul-
venda, conseguimos detectar qual foi o tidomínio que analisa três aspectos:
Urbanístico: Legal: Visão

impactos no entorno conectado ao Plano mercadológica:
Diretor da cidade preço, velocidade de vendas
O trabalho permitiu o desenvolvimento A Dataland utiliza Data Science para aju-

de dois módulos: o DataLand Urban, que dar os stakeholders da cadeia imobiliária a
transforma o Plano Diretor, as operações ampliar o entendimento do mercado, miti-
urbanas e os fatores de incentivos em gar o risco e aumentar o retorno sobre os
algoritmos para garantir a melhor tomada investimentos. A empresa desenvolve pla-
de decisões, e o DataLand Finder, para taformas SaaS que apoiam a incorpora-
prospecção e negociação de terrenos. ção, estudos de viabilidade e vocacionais.
(*) CRISTINA DELLA PENNA — Engenheira civil com MBA em

Administração, é CEO na Dataland.
53
CONCLUSÃO
As palestras, debates e o compartilha- profissionais. Não é algo que se faça de

mento de experiências promovidos pelo um dia para outro, mas sim uma jornada
GT Smart Construction: big data, IoT e evolutiva.
inteligência artificial na construção mos-
traram que há um enorme potencial de Entre tantos ensinamentos destacados
aproveitamento dessas tecnologias para nos encontros, dois foram bem marcan-
a concepção, construção e operação de tes. O primeiro deles é a necessidade da
empreendimentos mais eficientes, susten- inserção da tecnologia estar sempre vin-
táveis e inteligentes. culada a uma dor da empresa ou a uma
hipótese a ser testada. A tecnologia pela
Em diferentes etapas do desenvolvimento tecnologia não se sustenta.
imobiliário há oportunidades de ganhos
proporcionados, principalmente, pela con- Além disso, independente do estágio de
versão de dados em informações relevan- maturidade no qual a empresa se encon-
tes para o negócio. tra, é preciso ser ágil e acelerar o processo
de transformação. Afinal, as mudanças,
Ficou claro, contudo, que o processo nos tempos atuais, acontecem em alta
de transformação digital é complexo velocidade.
e requer engajamento das empresas e
54
CRÉDITOS
CO-AUTORES
Alexandre Alves Mendes, IT manager na Viapol
Amanda Marrara, Ux designer na Autodoc Tecnologia
Ana Carolina Pegoraro Cardozo, engenheira na Amata Urbem
Camila Arcas de Moraes, product marketing na DataLand
Cintya Motizuki Lepore, coordenadora de produtos Autodoc
Elzira Gomes Piazza, gerente de tecnologia na Engeform Engenharia
Erick Dantas Singh, diretor de operações na Ekko Group
Estenio Santos da Silva, engenheiro no CTE
Fernanda Almeida Machado, especialista técnica na Autodesk
Gabriel Emídio Lage, BIM software developer no França e Associados Projetos Estruturais
Gabriel Stein de Oliveira, líder técnico na Growth Tech
Gabriela Rossatto Facco, arquiteta especificadora na Kingspan Isoeste
Henrique José Ferreira da Silva, especialista de marketing na Gerdau
Janaina Morais dos Anjos, estagiária no CTE
João Victor Formico de Souza, encarregado de vendas técnicas na Astra
Joyce Delatorre, especialista técnica de vendas na Autodesk
Juliana de Souza Belo, engenheira na Sinco Engenharia
Juliana Henriques, gerente de custos na construtora R. Yazbek
Matheus Rodrigues dos Santos, estagiário de inovação na Eztec
Maysa Athayde Peixoto Lima, coordenadora de orçamentos na Perplan
Monica Teixeira Nunes, executiva de negócios na Projelet Projetos de Sistemas Prediais
Murillo Silva Rocha, coordenador de inteligência na Ambar Tech
55
Patricia Franco Franca, gerente de projetos na Growth Tech

Paula Junqueira Marques, engenheira de suprimentos e contratos na construtora R.Yazbek
Paulo Oliveira, CEO na Aratau Construção Modular
Pedro Henrique Rizental Raicoski, estagiário de projetos e orçamentos na Prestes
Construtora
Pedro Veríssimo Soulé, engenheiro civil do departamento de projetos na RPS Engenharia
Priscila Zucon Notariano, arquiteta de incorporação na Toledo Ferrari
Rafael de Holanda Melo Montenegro, analista na Alphaville Urbanismo
Ramon Roberto Deschamps, gerente de engenharia e processos na RDO
Ricardo Bianca de Mello, especialista técnico de vendas sênios na Autodesk
Teresa Cristina Madureira de Souza Lima, diretora de projetos na Habiarte
Thomas Alves Fernandes de Faria, especialista em inovação na Kingspan Isoeste
EQUIPE CTE ENREDES

Facilitadores: Mariana Watanabe e Roberto de Souza
Revisão técnica: Mariana Watanabe
Equipe de apoio: Isabel Alexandrino, Cristina Mantovani, Tainã Dorea, Gabriela Souza
Redação: Juliana Nakamura (MTB 46.219/SP)
Arte: Laboratório de Criação
Coordenação: Carolina Crepaldi e Gabriela Barreto de Souza
56
O Centro de Tecnologia de Edificações é uma
empresa de consultoria e gerenciamento especia-
lizada em qualidade, tecnologia, gestão, susten-
tabilidade e inovação para o setor da construção.
Exerce suas atividades desde 1990, desenvolvendo
metodologias e tecnologias para a melhoria da
gestão das empresas, dos empreendimentos e
das obras, estimulando e promovendo a produti-
vidade, a competitividade, a cultura diferenciada e
o crescimento sustentável da cadeia produtiva da
construção.
O CTE enredes é uma unidade de negócio do Cen-

tro de Tecnologia de Edificações (CTE), criado
para conectar profissionais e empresas, influenciar
mudanças e gerar negócios para a transformação
da indústria da construção. Com foco em inovação,
sustentabilidade e qualidade, oferece ao mercado
um pacote de soluções para criar redes de relacio-
namento, compartilhar conhecimentos e promover
movimentos para a melhoria do desempenho e da
produtividade do setor.
A Rede Construção Digital e Industrializada (RCDI)

é um ecossistema de inovação e relacionamento
setorial que promove a conexão dos principais
agentes da cadeia produtiva da construção com
soluções tecnológicas inovadoras. Composta por
incorporadoras, construtoras, projetistas, fabri-
cantes e fornecedores de tecnologia, a RCDI gera
conhecimento atualizado sobre transformação
digital e industrialização da construção. Constitu-
ída em 2018, a Rede é composta por 58 empresas
líderes da cadeia produtiva da construção.
Rua Pascoal Pais, 525 - 13º andar
Brooklin Novo | São Paulo
CEP: 04581-060
(011) 2149-0300 | enredes@cte.com.br
www.enredes.com.br

E-Book Smart Construction

Enviado por

Direitos autorais:

Formatos disponíveis

E-Book Smart Construction

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

E-Book Smart Construction

Enviado por

Direitos autorais:

Formatos disponíveis

SMART CONSTRUCTION: BIG DATA, IOT E INTELIGÊNCIA ARTIFICIAL NA CONSTRUÇÃO

2 — APLICAÇÕES DAS TECNOLOGIAS DIGITAIS 21

3 — IOT, BIG DATA E INTELIGÊNCIA ARTIFICIAL 34

4 — APLICAÇÕES NA FABRICAÇÃO DE MATERIAIS 45

5 — IOT, BIG DATA E INTELIGÊNCIA ARTIFICIAL 49

O debate promovido pelo Grupo A seguir você terá a oportunidade de

Aproveite e tenha uma excelente leitura!

A METODOLOGIA APLICADA AOS

Rodas do Aprendizado: Metodologia GT CTE Enredes

Com metodologia consolidada, o Enredes com diferentes backgrounds de 53 empre-

DIRETRIZES DO GRUPO DE TRABALHO

Assumir o papel de Adotar o tripé da Atuar em economia

Conceitos gerais Leonardo Arteiro, CTO e

ENCONTRO Aplicações das Regina Ruschel, professora

IoT, Big Data e Joyce Delatorre, technical

ENCONTRO Aplicações na Lucas Severo, consultor

ENCONTRO IoT, Big Data e Myriam Tschiptschin,

Cristina Penna, CEO na

LEONARDO ARTEIRO REINALDO SIMA HEITOR LIMA REGINA RUSHEL

DOUGLAS SOUZA RICARDO BIANCA ANA CECÍLIA SESTAK JOYCE DELATORRE

JOSÉ ROBERTO RAFAELA MANCILHA LUCAS SEVERO DIEGO ARAUJO

MYRIAM RENO ALVES CRISTINA PENNA

1 — CONCEITOS GERAIS E APLICAÇÃO

A EXPANSÃO DO BIG DATA

O grande volume, velocidade e variabilidade de dados coletados no

DEFINIÇÃO: INTELIGÊNCIA ARTIFICIAL

Nessa rota para converter uma grande Durante o tratamento e a expansão do

Coleção Inserção Preparação Computação Apresentação

DEFINIÇÃO: MACHINE LEARNING

CLUSTERING REGRESSION Predictions

CURIOSIDADE: Sempre que o assunto envolve a captura e o tratamento de

1 Data lake é um repositório que cen-

(*) LEONARDO ARTIEIRO — Matemático e desenvolvedor com

A Dataland utiliza Data Science para ajudar os stakeholders da cadeia

DADOS ESTRUTURADOS E NÃO ESTRUTURADOS

DADOS ESTRUTURADOS DADOS NÃO ESTRUTURADOS

DEFINIÇÃO DATA ENGINEERING

(*) HEITOR LIMA — Com mais de dez anos de experiência com

Diwe: Com escritórios em São Paulo, SP e em Joinville, SC, a

A EVOLUÇÃO DO BIG DATA

da computação em nuvem (cloud com- Spark é um framework para processamento de Big

PRINCIPAIS APLICAÇÕES DA INTELIGÊNCIA

Controle de estoque de produtos

Monitoramento do comportamento de clientes/usuários nas plataformas

Fonte: Heitor Lima, Diwe.

BENCHMARKING MRV ENGENHARIA

Entre as empresas da cadeia da constru- Reinaldo Sima*, diretor de tecnologia

Data analytics combinada com ferramenta de

Benchmarking Data analytics para elaborar modelos

Data analytics combinado com Inteligência Artificial

ROTEIRO PARA IMPLANTAÇÃO DE TECNOLOGIAS DIGITAIS

Chatbot é uma ferramenta que tenta simular um

(*) REINALDO SIMA — Engenheiro eletrônico com mestrado em

MRV: Maior construtora da América Latina, a MRV Engenharia está

Aos participantes do GT, Heitor Lima, divulgação dos empreendimentos, expli-

Diwe: Com escritórios em São Paulo, SP e em Joinville, SC, a

2 — APLICAÇÕES DAS TECNOLOGIAS

TÓPICOS ABORDADOS NESTE CAPÍTULO:

APRENDIZADO DE MÁQUINA APLICADO A PROJETOS