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,
ingeniero geotécnico principal, 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.
“En los próximos dos a cinco años, me gustaría que seamos cada vez más inteligentes con respecto al almacenamiento y a la recuperación de datos de archivos para que se puedan adquirir e integrar, rápidamente y sin problemas, con los datos de proyectos actuales recolectados y transferidos de forma electrónica en el campo.
“En el extremo posterior de este proceso, se encuentra la portabilidad de los datos y la flexibilidad para ‘bombear’ los modelos creados en un paquete, como Leapfrog, directamente a otras plataformas. Por ejemplo, ahora suelo decir que el modelo 3D no es el software, es el manejo de ‘cubo’ de datos. Una plataforma de software es solo una herramienta específica para manipularlos.
“Algunas plataformas son más fáciles de utilizar que otras, y el modelo puede pasar por varias plataformas y herramientas de software antes de llegar a ser una forma que transmita el resultado deseado. Ejemplos de esto son la interpretación de la capa geológica (modelo geológico) o la forma en la que fluyen las aguas subterráneas (modelo hidrogeológico) o su relación con el apoyo del terreno y las deformaciones del terreno previstas (modelo de ingeniería geotécnica).
“Me gustaría que el viejo problema de la incompatibilidad entre el usuario y el software, y cómo los paquetes de software se comunican entre sí, desaparezca de una vez por todas. Considero que el mercado está forzando esta compatibilidad para hacer que la transición de los datos sea más fluida y rápida, mediante la competitividad y las herramientas y tecnologías como BIM”.
Pat McLarin,
gerente de Productos, Civil y Ambiental, 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.
“Mi sueño es que los datos digitales puedan hacer que los proyectos civiles sean completamente en 3D. Después de todo, vivimos en 3D, modelamos en 3D, diseñamos en 3D, construimos en 3D. Los planos y secciones en 2D son vestigios de las limitaciones que teníamos en el pasado: la incapacidad de manejar lo 3D en una hoja de papel estática o la falta de potencia de procesamiento necesaria para realizar cálculos en tres dimensiones. Por eso, mi idea sería hacer un cambio para poder hacerlo todo en 3D”.
Graham Irvine,
ingeniero geólogo sénior del sur de 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.
“Además, cuanto más trabajo con la compilación de datos de archivos para construir representaciones 3D de las condiciones del terreno en Leapfrog, más noto que el modelo final es solo una parte del rompecabezas. Muchos de nuestros proyectos tienen datos de archivos que se remontan a la década de 1940. Los clientes suelen tener dificultades para recopilar y entender las relaciones entre estos datos antiguos y la nueva información. Ha sido indispensable tener una representación o una biblioteca 3D con la información existente y poder superponerla con los datos nuevos. Esto proporciona una manera potente de digerir fácilmente las relaciones especiales con los datos que se pueden haber recolectado hace décadas y compararlos con un pozo que se perforó ayer. Con esto en mente, me pregunto de qué manera se usarán los datos que capturamos hoy dentro de varias décadas”.
Jason McIntosh,
Propietario del producto, 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,
director de Proyectos, 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.”