महामार्गाच्या बांधकामादरम्यान महागड्या त्रुटींना आळा घालण्यासाठी, भारतीय राष्ट्रीय महामार्ग प्राधिकरण (NHAI) तपशीलवार प्रकल्प अहवाल (DPRs) मध्ये विसंगती शोधण्यासाठी, जमिनीवरील परिस्थितीची पडताळणी करण्यासाठी आणि विलंब किंवा खर्च वाढण्याआधी संभाव्य समस्यांना ध्वजांकित करण्यासाठी इन-हाउस आर्टिफिशियल इंटेलिजन्स (AI) साधनावर अवलंबून आहे.
DPR हे महामार्ग प्रकल्पांसाठी ब्ल्यू प्रिंट म्हणून काम करतात, ते काय बांधले जाईल, ते कसे कार्यान्वित केले जाईल आणि अंदाजे किंमत ठरवते.
“तपशीलवार प्रकल्प अहवाल ही आमची सर्वात मोठी समस्या आहे ₹2,000-कोटी प्रकल्प, भिन्नता ₹200 कोटी ते ₹नियोजनादरम्यान काहीतरी चुकले म्हणून 300 कोटी निर्माण होऊ शकतात. हे साधन डीपीआर टप्प्यावरच त्या अंतर ओळखण्यात मदत करते,” NHAI चे अध्यक्ष संतोष कुमार यादव म्हणाले.
टेक्निकल शेड्यूल ॲनालायझर नावाचे सॉफ्टवेअर, प्रकल्प अहवालातील माहितीची तांत्रिक मानके, धोरणात्मक तरतुदी आणि फील्ड डेटाच्या वाढत्या भांडारांशी तुलना करते. सध्या, ते DPRs च्या शेड्यूल B आणि शेड्यूल C विभागांचे विश्लेषण करते, प्रकल्पाचे प्रमाण आणि इंडियन रोड काँग्रेस (IRC) कोड, रस्ते वाहतूक आणि महामार्ग मंत्रालयाचे नियम आणि NHAI मानकांच्या विरोधात तपासते, काम सुरू होण्यापूर्वी विसंगती आणि चुकांना ध्वजांकित करते.
हे देखील वाचा:राजीव चौकात दोन उड्डाणपुलांसाठी आवश्यक असलेली जमीन NHAI ओळखते
NHAI च्या AI सेलच्या सदस्याने सांगितले की, “लवकरच, ही प्रणाली ड्रोन सर्वेक्षण, नेटवर्क सर्व्हे व्हेईकल रेकॉर्ड, भौगोलिक माहिती, मासिक प्रगती अहवाल आणि साइटच्या छायाचित्रांवरून कागदावर काय नियोजन केले आहे हे जमिनीवरील परिस्थितीशी जुळते की नाही हे पडताळण्यासाठी डेटा देखील काढेल.”
अधिका-यांनी सांगितले की अशा क्षमतांमुळे प्रकल्पाच्या आराखड्यात आणि साइटच्या वास्तविकता यांच्यातील विसंगती ओळखण्यात मदत होऊ शकते, ज्यामुळे बांधकाम सुरू झाल्यानंतर खर्चिक बदलांची आवश्यकता कमी होते.
ऑगस्ट २०२५ मध्ये स्थापन झालेल्या NHAI च्या इन-हाऊस AI सेलद्वारे विकसित होत असलेल्या AI ऍप्लिकेशन्सच्या वाढत्या संचपैकी तांत्रिक वेळापत्रक विश्लेषक आहे.
प्रकल्प संचालक आणि प्रादेशिक अधिकारी साइट तपासणी आणि प्रकल्प निरीक्षणावर लक्ष केंद्रित करण्याऐवजी नियमित प्रशासकीय बाबी, करार विवाद आणि दस्तऐवज पुनरावलोकने हाताळण्यात बराच वेळ घालवत असल्याचे अंतर्गत मूल्यांकनातून हा उपक्रम उदयास आला.
यावर उपाय म्हणून, NHAI ने सिव्हिल इंजिनीअर्स, AI अभियंते आणि डिझाइन तज्ञांचा समावेश असलेली एक बहु-अनुशासनात्मक टीम तयार केली, ज्यात आघाडीच्या संस्था आणि खाजगी क्षेत्रातील तरुण भर्ती होते. अनेक महिन्यांत, संघाने हजारो परिपत्रके, तांत्रिक नियमावली, पॉलिसी दस्तऐवज आणि अभियांत्रिकी मानके एका संरचित ज्ञान भांडारात डिजीटल आणि व्यवस्थित केली.
त्यानंतर हा प्रयत्न मार्गसारथी, NHAI च्या इन-हाउस AI सहाय्यकाला NHAI परिपत्रके, कायदे, IRC कोड आणि इतर मान्यताप्राप्त तांत्रिक कागदपत्रांवर प्रशिक्षित केलेल्या एका व्यापक AI इकोसिस्टममध्ये विकसित झाला आहे. सार्वजनिक AI प्लॅटफॉर्मच्या विपरीत जे इंटरनेटवरून माहिती काढतात, मार्गसारथी बंद वातावरणात काम करते आणि केवळ तपासणी केलेल्या संस्थात्मक रेकॉर्ड, प्रकल्प डेटाबेस आणि तांत्रिक मानकांवर अवलंबून असते.
NHAI नुसार, एप्रिलमध्ये लाँच झालेल्या, चॅटबॉटने आधीच संपूर्ण संस्थेतील सुमारे 1,100 वापरकर्त्यांच्या 50,000 हून अधिक प्रश्न हाताळले आहेत. अधिका-यांनी सांगितले की सिस्टमद्वारे व्युत्पन्न केलेला प्रत्येक प्रतिसाद स्त्रोत दस्तऐवजांशी जोडलेला असतो, ज्यामुळे वापरकर्त्यांना शिफारसींच्या आधारे सत्यापित करता येते.
ही प्रणाली सध्या देशभरातील NHAI अधिकाऱ्यांसाठी उपलब्ध आहे आणि महामार्ग प्रकल्पांशी संबंधित प्राधिकरण आणि स्वतंत्र अभियंत्यांपर्यंत विस्तारित करणे अपेक्षित आहे.
त्याच्या वारंवार वापरल्या जाणाऱ्या फंक्शन्सपैकी एक म्हणजे प्रोजेक्ट साइट्सवर तांत्रिक मतभेद सोडवणे. कोड आणि परिपत्रकांच्या शेकडो पृष्ठांवर मॅन्युअली शोधण्याऐवजी, अभियंते सिस्टमला प्रश्न करू शकतात आणि संबंधित तरतुदीद्वारे समर्थित उत्तर प्राप्त करू शकतात.
“कंत्राटदार आणि प्राधिकरण अभियंता एखाद्या तरतुदीचा वेगळ्या पद्धतीने अर्थ लावत असल्याने अनेक वाद निर्माण होतात. पूर्वी, दोन्ही बाजूंना नियमावली आणि परिपत्रके काढण्यात तास घालवले जायचे. आता ते मार्गसारथीकडे हा मुद्दा मांडू शकतात, जे त्यांना संबंधित IRC कोड किंवा धोरण तरतुदीकडे निर्देशित करतात. एकदा सर्वांनी समान नियम पाहिल्यानंतर मतभेद अधिक जलद मिटतात,” यादव म्हणाले.
लांबलचक कायदेशीर आणि लवादाच्या नोंदींचे विश्लेषण करण्यासाठी प्लॅटफॉर्मचा वापर केला जात आहे. पूर्वी अधिकाऱ्यांना शेकडो पृष्ठांचे पुनरावलोकन करणे आवश्यक असलेली कार्ये आता काही मिनिटांत पूर्ण केली जाऊ शकतात, ज्यामुळे अधिकाऱ्यांना प्रमुख समस्या ओळखण्यात आणि प्रतिसाद अधिक जलद तयार करण्यात मदत होते.
दुसरा अनुप्रयोग फील्ड छायाचित्रांमधून अभियांत्रिकी मार्गदर्शन प्रदान करतो. अलीकडचे उदाहरण सांगताना,
यादव म्हणाले की त्यांनी प्रवास करताना चुकीच्या पद्धतीने कापलेल्या उताराची प्रतिमा अपलोड केली आणि सिस्टमने लगेच कमतरता ओळखली आणि लागू मानकांच्या आधारे सुधारात्मक उपाय सुचवले.
NHAI AI टूल्स देखील विकसित करत आहे प्रकल्प डेटाचे सतत स्कॅनिंग करण्यास आणि अधिका-यांना विलंब, गुणवत्तेतील कमतरता आणि उदयोन्मुख जोखमींबद्दल आपोआप सतर्क करण्यास सक्षम. विकासाधीन भविष्यातील ॲप्लिकेशन्समध्ये ऑटोमेटेड रोड डिफेक्ट ॲनालिसिस, मेंटेनन्स प्लॅनिंग, AI सहाय्यक ड्रॉइंग रिव्ह्यू, साइनेज प्लॅनिंग आणि पर्यावरण आणि फॉरेस्ट क्लिअरन्स ॲप्लिकेशन्ससाठी समर्थन समाविष्ट आहे.
तथापि, अधिका-यांनी जोर दिला की साधने बदलण्याऐवजी निर्णय घेण्यास मदत करण्याचा हेतू आहे. अभियंते आणि प्रकल्प संचालकांना AI-व्युत्पन्न अंतर्दृष्टी वापरण्यासाठी प्रोत्साहित केले जात असताना, प्रकल्प निर्णयांची जबाबदारी आणि उत्तरदायित्व संबंधित अधिकाऱ्यांवर कायम राहील.
