Отзывы дома лстк: Дом из ЛСТК. Личный опыт заказчика! ИЩЕМ МИНУСЫ! ОТЗЫВ!

Содержание

Отзывы о работе компании ЛСТК ГРУПП

Выражаем благодарность за наш дом, который мы построили для наших детей. Мы не предполагали, что каркасник может оказаться таким теплым. Были сомнения в теплозащитных свойствах этой технологии. Бюджет строительства был ограниченным. В «ЛСТК ГРУПП» нам предложили построить именно по такой технологии, убедив нас в ее надежности, быстрой скорости строительства и леком фундаменте, что подходило под наш участок. Тем более дом в нашей местности (сосновый лес, куда нет заезда большим грузовым машинам) по расчетам выходил гораздо дешевле каменного. Мы очень довольны. В доме тепло, прекрасная шумоизоляция, дети счастливы.

Тимофей и Анначастные клиенты, Большая Ялта

Заказывал реконструкцию в «ЛСТК ГРУПП»: сделали надстройку на старый кирпичный дом. Предложили на выбор каркас стальной из профилей и деревянный, потому что он не будет давить на многолетний фундамент. Здесь доходчиво объяснили, в чем преимущества того и другого.

Я выбрал металл, хотя дерево тоже подошло бы для второго этажа. Результатом доволен. Как и сказали, в жару в доме прохладно, зимой никаких источников холода не замечено.

Анатолийчастный клиент, Симферополь

Команда «ЛСТК ГРУПП» построила нам дом. Понравилась работа всех: ребята всё от и до сделали сами. Они начертили нам проект дома, помогли определиться с выбором технологии и материала. Остановились на газоблоке для первого этажа, каркасе для второго и третьего. Так получилось и выгодно, и на фундамент ушло меньше материала, потому что нагрузка на основу минимальная. На время строительства был организован полный строительный контроль. Дом получился отличный, прямо в центре города. Спасибо за ответственный подход. Рекомендуем!

Даша, Игорьчастные клиенты, Симферополь

Строительство нашего коттеджа компания «ЛСТК ГРУПП» начала в июне, в сентябре мы уже заселились. А это двухэтажный дом! Все очень оперативно, строители постоянно консультировались с нами, уточняли наши пожелания и нюансы.

Поскольку нашим пожеланием было поселиться как можно раньше, строительство велось круглосуточно! Первая зима нас порадовала. В доме тепло, расходы на обогрев минимальные. Очень приятно удивил подарок генерального директора: ограждающие перила из нержавеющей стали к нашему новоселью. Спасибо! Приятно иметь дело с профессионалами!

Валентин Петровиччастный клиент, Большая Алушта

Рекомендуем «ЛСТК ГРУПП» своим знакомым, друзьям. Сначала эта компания на наших глазах построила гостиницу нашим соседям, потом построила дачу наших родителей. За три года – никаких нареканий. Поэтому дом для себя решили тоже заказывать у них. Строители соблюдали сроки, построили все по нашему проекту. Работа была «под ключ», от фундамента до отделки. Даже участок после себя убрали, что является большой редкостью для других строителей. Спасибо!

Игорь Сергеевич и Наталья Ивановначастные клиенты, Ленинский район

Я заказал в компании «ЛСТК ГРУПП» многоквартирный дом.

Все работы от проектирования до строительства выполнялись этой компанией. Мне помогли с разработкой идеи: построить 2-этажные квартиры в моем многоквартирном доме. Строительство велось по технологии ЛСТК. Все работы выполнены точно по графику, первоначальная смета была исполнена, что позволило точно рассчитать стоимость объекта – это важно для планирования продаж. Следующий раз – только к вам, ребята!

Владимир Петровиччастный клиент, Евпатория

Если нужно строительство «под ключ», лучше выбирать компанию «ЛСТК ГРУПП». Здесь есть все специалисты для проектирования, строительства. Особенностью нашего заказа было «вписать» мини-отель в готовую инфраструктуру центра города, провести строительство на очень маленьком участке. Наш объект построен по технологии ЛСТК, в сроки, все требования пожарной безопасности соблюдены. Компания использует свои материалы, технику, оборудование. Поэтому заказ у них обошелся дешевле, чем у конкурентов. Отдельно хочется выразить благодарность генеральному директору за помощь в оптимизации сметы.

Все получилось современно и красиво. И мы, и клиенты отеля довольны.

Станиславиндивидуальный предприниматель, Симферополь

Заказывали в «ЛСТК ГРУПП» строительство небольшой гостиницы на 30 номеров. От разработки проекта до ввода в эксплуатацию всю работу выполнили специалисты этой компании. Наш объект построен по технологии ЛСТК. Объект получился энергоэффективным. В помещениях тепло зимой, летом долго сохраняется прохлада. Строили быстро, к началу сезона за зиму справились.

Алексейиндивидуальный предприниматель, Ленинский район

Заказывали строительство небольшого ресторана в пригороде Симферополя в компании «ЛСТК ГРУПП». Она работает строго по договору и заранее подписанной смете объекта. Специалисты порекомендовали использовать технологию ЛСТК, поскольку по ней можно строить круглый год, а мы начинали строительство в декабре. Всегда соблюдаются все строительные правила и нормы. Каждый этап документируется, ведется надзор.

Мы, как заказчики, тоже могли контролировать весь ход работ. Особенностью у нас являлось наличие существующего уже фундамента. Строительство заказывалось «под ключ»: начиная от проекта, заканчивая электрикой, другими коммуникациями, компания все сделала сама. Это удобно и выгодно. Нам не пришлось искать дополнительно специалистов. Успехов вам! и приглашаем к нам в ресторан!

Эльдариндивидуальный предприниматель, Симферополь

Заказывал проект и строительство магазина-склада воды в «ЛСТК ГРУПП» по рекомендации знакомых. Удобно, что компания все делает сама: проектирует, поставляет стройматериалы, строит, помогает с документами. Проект реализовали за 2 месяца по каркасной технологии. Помещения не нагреваются в жаркую погоду благодаря теплоизоляционному материалу. Когда окна закрыты, не проникает уличный шум. Работают быстро, с клиентом всегда на связи, на объекте во время строительства установлено видеонаблюдение – можно контролировать стройку, не выезжая на объект.

У компании есть свой офис – значит, надежная, не пропадет после получения денег, как обычные «однодневки». Знаю их давно, наблюдал за строительством гостиницы моему знакомому – работаю четко и качественно.

Степаниндивидуальный предприниматель, Севастополь

Компания нам построила торговый павильон по каркасной технологии из металлических конструкций. Материал они производят сами, поэтому строительство выполнено быстро и качественно, без перерасхода на обрезку металла. Строители уложились в срок. Всего за 14 дней нам отлили фундамент и собрали каркас павильона, это очень удобно и выгодно – дальше будем работать с ним. Все работы проведены специалистами «ЛСТК ГРУПП».

Сергейгенеральный директор, Симферополь

Строительная компания Дома ЛСТК — отзывы, фото, цены, телефон и адрес — Строительство — Ростов-на-Дону

+7 (863) 210-77-…
— показать

/Нет отзывов

Закроется через 5 мин.

Вы владелец?

Описание

Дома ЛСТК входит в группу компаний Duke Group. Компания уже более 20 лет обслуживает мировую индустрию стального строительства. В производственную систему входят компоненты, обеспечивающие полный цикл производства – это программный комплекс связывающий проектирование стальных конструкций и их производство.

Дома ЛСТК — проектирование, производство и строительство быстровозводимых зданий жилого и коммерческого назначения из ЛСТК.

Телефон

+7 (863) 210-77-…
— показать

Сообщите, что нашли номер на Зуне — компании работают лучше, если знают, что вы можете повлиять на их рейтинг
Дозвонились?

— Нет: неправильный номер / не ответили
— Да, все хорошо

Спасибо!

Проложить маршрут

На машине, пешком или на общественном транспорте… — показать как добраться

Время работы: Пн-пт: 09:00—18:00; сб: 10:00—14:00

Компания в сети: domalstk. ru

Вы владелец?

Получить доступ
Получить виджет
Сообщить об ошибке

Часто задаваемые вопросы о Строительной компании Дома ЛСТК

📍 Как можно найти Строительную компанию Дома ЛСТК?
org/Answer»> Данное заведение располагается по адресу Россия, Ростов-на-Дону, Халтуринский переулок, 4.
☎️ Какой номер телефона у Строительной компании Дома ЛСТК?
Официальный номер для принятия звонков: +7 (863) 210-77-33.
🕖 Каков график работы Строительной компании Дома ЛСТК?
Режим приёма посетителей: Пн-пт: 09:00 — 18:00; сб: 10:00 — 14:00.
⭐ Каков рейтинг Строительной компании Дома ЛСТК на Zoon.ru?
org/Answer»> Средняя оценка компании от пользователей Zoon.ru – 3.3. Вы можете оставить свой отзыв о Строительной компании Дома ЛСТК!
📷 Сколько фотографий на странице Строительной компании Дома ЛСТК на Zoon.ru?
В анкете этого места есть 16 фотографий.
✔️ Можно ли доверять информации на данной странице?
Zoon.ru старается размещать максимально точную и свежую информацию о заведениях. Если вы видите неточность и/или являетесь представителем этого заведения, то можете воспользоваться формой обратной связи.

Средняя оценка — 3,3 на основании 4 оценок

Анализ рисков инженерных закупок и строительства

Контракт с единовременной оплатой «под ключ» (LSTK) для проектов проектирования, закупок и строительства (EPC) является типичным типом контракта, используемым в крупномасштабных и сложных заводских проектах.

Извлечение риска контракта EPC

Лексика контрактов EPC

онтологическая семантическая модель

уровень риска рейтинг

1. Введение

Контракт с единовременной оплатой под ключ (LSTK) для проектов проектирования, снабжения и строительства (EPC) является типичным типом контракта, используемым в крупномасштабных и сложных заводских проектах ^[1] . Проект завода EPC сочетает в себе производство и услуги, такие как информационное обслуживание, проектирование, оборудование и строительство. Кроме того, это сложная отрасль с различными передними и задними секторами. Кроме того, он включает глобальные цепочки поставок на протяжении всего цикла, от торгов до технического обслуживания ^[2] . В частности, договор ЛСТК, по которому на генподрядчика возлагаются все обязательства по проектированию, закупке, строительству и пуско-наладке, является несбалансированным договором, так как несет больше рисков генподрядчику из-за увеличения сложности при увеличении размера контракта. проект расширяется ^[1] . С середины 2000-х годов проекты зарубежных заводов EPC корейских компаний активно растут, и количество заказов продолжает расти благодаря расширению рынка ^[3] . Однако возникла необходимость в улучшении управления проектными рисками, поскольку индустрия заводов EPC испытала шок доходов, например, снижение урожайности отрубов из-за снижения цен на нефть. Развитие интеллектуальных информационных технологий в эпоху Четвертой промышленной революции в настоящее время перерастает в цифровую трансформацию всех отраслей. Таким образом, необходимо повысить производительность и усилить конкурентоспособность с помощью технологии конвергенции, чтобы реагировать на бизнес-среду EPC, которая становится все более обширной и сложной. Соответственно, исследовательская группа авторов рассматривала возможность применения технологии искусственного интеллекта (ИИ) для управления рисками тендерных документов на этапе торгов проекта.

Приглашение к участию в торгах (ITB), контракт и претензия, которые в основном используются во время проекта EPC, представляют собой текстовые неструктурированные данные, которые описывают требования клиента и важные договорные вопросы. Кроме того, неспособность должным образом проанализировать риски ITB на этапе торгов может привести к будущим спорам. Тем не менее, EPC-подрядчики испытывают затруднения с анализом ITB и выявлением оговорок о рисках из-за большого объема документов, сжатых сроков и отсутствия опытных специалистов-практиков на этапе торгов. С этой целью на этапе проектных торгов требуется исследование системы, которая может анализировать тендерную документацию, особенно факторы риска ITB. Необходимо преобразовать текстовые данные в естественно-языковой форме в сценарий, распознаваемый компьютером. Кроме того, случаев НЛП и ИИ в индустрии EPC было не так много по сравнению с другими областями, такими как медицина; поэтому он относительно неполный. Поскольку документы проекта EPC состоят из большой части неструктурированных текстовых данных, в них достаточно места для приложения NLP. НЛП — это ветвь ИИ, которая использует ИИ, чтобы позволить компьютерам обрабатывать текст на естественном языке ^[4] . В следующем содержании исследуется новый подход к автоматизации анализа рисков контрактов EPC и вычислительных разработок в NLP.

Целью этого контента является эффективный анализ большого количества документов ITB за короткий период и снижение неопределенности при принятии решений на основе человеческого опыта и суждений. Кроме того, он направлен на поддержку быстрого принятия решений EPC-подрядчиками и повышение конкурентоспособности за счет автоматического анализа критических рисков ITB на этапе торгов EPC-проекта. Предлагается новая структура модели семантического анализа (SA) на основе NLP и модели ранжирования уровней риска (RLR) на основе методов двунаправленной долговременной кратковременной памяти (bi-LSTM) для анализа статьи о договорных рисках EPC ITB. автоматически.

Предлагаемая модель SA представляет собой подход, который применяет лексикон контрактов EPC к кортежам SVO для разработки семантических правил. Затем он извлекает риски в зависимости от того, соответствует ли целевое предложение анализа правилам. В следующем контенте применяется метод извлечения семантической информации (IE) на основе онтологий, который сопоставляет разнородные пункты контракта со словарями на основе онтологий. Онтология выражает отношения между объектами в форме, которую может обработать компьютер, и, связывая предметные знания, становится основой для разработки семантических правил. В семантическом IE, основанном на онтологии, конфигурация лексикона важна, поскольку она определяет пункты риска, рассматривая семантические отношения элементов предложения на основе информации, хранящейся в лексиконе, а не используя простой метод поиска по ключевым словам. Следовательно, семантический IE на основе онтологий работает лучше, чем синтаксический IE 9.0009 [5] . Кроме того, для повышения точности анализа текстовых данных был разработан модуль структуризации PDF, который распознает и формализует текстовые данные в документах отдельно. Модель RLR была создана для решения проблемы использования алгоритма bi-LSTM, проверки риска каждого предложения в ITB и классификации класса риска. Кроме того, модель RLR классифицирует и выделяет каждое предложение контракта EPC на пять уровней в соответствии со степенью риска. Кроме того, был разработан набор данных для обучения модели и оптимизированы гиперпараметры, чтобы максимизировать производительность модели.

2. Извлечение рисков на основе знаний для проектов EPC

Ebrahimnejada et al. ^[6] предложил расширенный метод ВИКОР, основанный на теории нечетких множеств, как новый подход к оценке риска в крупных проектах. Они применили его к проекту иранской электростанции, чтобы сравнить отличия с традиционной версией. Hung and Wang ^[7] провели исследование с целью выявления основных факторов риска, вызывающих задержки в реализации проектов строительства гидроэлектростанций во Вьетнаме, и анализа степени влияния каждого фактора риска на строительство. Джахантиг и Мальмир ^[8] определил, оценил и приоритизировал значительные финансовые риски проектов EPC с точки зрения национального развития в развивающихся странах. Кроме того, их работа была основана на нечеткой модели TOPSIS, и они использовали проект нефтеперерабатывающего завода в качестве примера. Ким и др. ^[9] разработала Систему индекса оценки завершения детального проектирования (DECRIS), которая сводит к минимуму доработку подрядчиков EPC и поддерживает оптимизацию графика для морских проектов EPC. Эта модель улучшила существующие теории, такие как рейтинговый индекс определения проекта (PDRI) и предварительная загрузка (FEL). Их исследование подтвердило влияние графика и стоимости на 13 мегапроектов. Кабирифар и Моджтахеди ^[10] изучил наиболее важные факторы в реализации проекта EPC, применив метод TOPSIS к крупномасштабному проекту жилищного строительства в Иране. Кроме того, они пришли к выводу, что закупки являются наиболее важным фактором риска. Gunduz и Almuajebh ^[11] оценили 40 критических факторов успеха (CSF) после обзора литературы по CSF с учетом воздействия заинтересованных сторон в строительных проектах. Собранные ими данные были проанализированы с использованием индекса относительной важности (RII) и метода аналитической иерархии (AHP) со случайным индексом Саати. Кулинас и др. ^[12] предложил подход, основанный на моделировании, для оценки риска задержки графика проекта и прогнозирования своевременного завершения проекта. Этот подход, реализованный в рамках проекта реконструкции гостиницы, продемонстрировал лучшее выражение неопределенности и лучшие прогнозы по сравнению с классическим методом PERT при оценке бюджета и критического перерасхода средств. Окудан и др. ^[13] разработал инструмент управления рисками, основанный на знаниях (а именно, CBLisk) с использованием рассуждений, основанных на прецедентах (CBR). Как веб-инструмент, эта система характеризуется применением списка подобия проекта в виде нечетких лингвистических переменных для эффективного поиска случаев.

3. Автоматическое извлечение договорных рисков с использованием технологии ИИ в проектах EPC

В последние годы активно проводятся исследования по извлечению договорных рисков из юридических документов с применением технологии ИИ. Surden ^[14] изучал метод представления конкретных договорных обязательств в компьютерных данных для финансовых контрактов, таких как опционные контракты. Автоматизированное ручное сравнение значительно снизило транзакционные издержки, связанные с мониторингом контрактов, по сравнению с традиционными письменными контрактами, поскольку в нем применяется технология, которая преобразует конкретные условия контракта в набор правил, обрабатываемых компьютером. В 2018 году LawGeex ^[15] сотрудничал с 20 опытными юристами, получившими образование в США, для проведения исследования платформы проверки контрактов, разработанной с помощью приложения ИИ. Исследование, в котором рассматривались соглашения о неразглашении (NDA), показало, что ИИ был точен на 94 процента по сравнению с опытными юристами, которые были точны на 85 процентов. Их исследование улучшило качество юридических человеческих ресурсов за счет более быстрого и надежного управления контрактами. Cummins и Clack ^[16] рассмотрели концепцию «вычислимых контрактов», которую могут понять как люди, так и компьютеры, поскольку эта концепция существует в текстовой форме на естественном языке. Кроме того, они предложили интегрированную структуру различных технологий и подходов для моделирования своих концепций. Диксон младший ^[17] описал случаи применения различных технологий искусственного интеллекта, используемых в правовой сфере, таких как прогнозирование, предотвращение, обнаружение преступлений, а также составление и проверка контрактов. Clack ^[18] изучал проблемы преобразования естественного языка в компьютерный код, возникшие при разработке «умного юридического контракта», автоматизирующего юридические контракты с использованием компьютерных технологий. Его исследование объяснило важность дизайна языка в смарт-контрактах, таких как вычисляемый язык, естественный язык и значение языкового выражения. Салама и Эль-Гохари ^[19] изучал модель автоматической проверки соответствия, которая применяла деонтическую логику к области построения.

Документы EPC состоят из значительной части текстовых неструктурированных данных, в то время как технология NLP в основном используется для извлечения и поиска текстовой информации. НЛП — это связанная с ИИ область взаимодействия человека с компьютером, которая позволяет компьютеру интерпретировать человеческий язык посредством машинного обучения ^[20] . Чжан и Эль-Гохари ^[21] представили подход NLP, основанный на семантических правилах, с использованием извлечения информации (IE) из сложных строительных норм. Их исследование имело смысл, так как позволило усовершенствовать существующий метод выборочного извлечения из документов лишь части информации. Уильямс и Гонг ^[22] предложил модель риска для прогнозирования перерасхода средств с использованием алгоритмов интеллектуального анализа данных и классификации в тендерных документах для строительных проектов. Однако существовало ограничение на анализ только простых текстовых данных, ориентированных на ключевые слова, таких как сводная информация о проекте для анализа текста. Ли и Йи ^[23] предложили модель прогнозирования рисков при торгах с использованием анализа текстовой информации о торгах по строительным проектам. Однако количественное объяснение того, сколько должна отражать себестоимость, отсутствовало. Зуа и др. ^[24] предложил подход, который сочетает в себе два метода NLP, модель векторного пространства (VSM) и расширение семантического запроса, для повышения эффективности поиска аварийных случаев в строительном проекте. В результате исследования проблема смыслового сходства остается существенной проблемой. Ли и др. ^[25] предложил модель извлечения контрактных рисков для строительных проектов путем применения метода автоматического анализа текста НЛП в Красной книге Международной федерации инженеров-советов (FIDIC). Их исследование показало эффективность извлечения только около 1,2 процента всего предложения в качестве риска, и их модель нельзя применять к другим типам контрактов, кроме основанных на FIDIC, таких как оффшорные заводы. Мун и др. ^[26] предложил структуру извлечения информации, которая использовала Word2Vec и распознавание именованных объектов (NER) для разработки модели автоматического обзора строительных спецификаций при подаче заявок на инфраструктурные проекты. Их модель ориентировалась только на текстовые данные документа строительной спецификации и не могла анализировать текстовые данные, показанные в таблицах или чертежах, включенных в документ. Чой и др. ^[27] разработал платформу автоматизации инженерного машинного обучения (EMAP). Эта интегрированная платформа поддерживает принятие решений, применяя алгоритмы искусственного интеллекта и машинного обучения (ML) на основе данных, сгенерированных на протяжении всего цикла проекта EPC. Их исследование имеет смысл, поскольку это первая интегрированная платформа для извлечения рисков из всего жизненного цикла проекта EPC. Чой и др. ^[28] разработал модель проверки наличия пункта о рисках в EPC-контракте с использованием NER и фразового сопоставления. Парк и др. изучил модель на основе машинного обучения для извлечения технических рисков из документов технических спецификаций EPC ^[29] . Чой и др. ^[27] и Park et al. ^[29] были взаимосвязаны, поскольку они создавали части подэлемента, составляющие систему EMAP. Фантони и др. ^[30] использовал современные инструменты компьютерного языка с обширной базой знаний для автоматического обнаружения, извлечения, разделения и присвоения информации из технической документации при проведении тендера на железнодорожный проект. Реализация методологии была использована в проекте высокоскоростного поезда.

4. Классификация текста

Классификация текста классифицирует текстовые данные по значимым категориальным классам и является одной из ведущих областей исследований НЛП ^[31] . Традиционные методы классификации текста включают основанные на словаре и базовые методы машинного обучения ^[31] . С 2000-х годов его заменило глубокое обучение, такое как рекуррентная нейронная сеть (RNN), долговременная кратковременная память (LSTM) и сверточная нейронная сеть (CNN) ^[32]. В настоящее время появился более мощный метод классификации текстов, такой как BERT.0009 [33] . RNN — это одна из архитектур нейронных сетей, используемых для анализа и классификации текста. Кроме того, RNN представляет собой своего рода искусственную нейронную сеть, в которой направленные ребра соединяют скрытые узлы, образуя направленный цикл ^[34] . Кроме того, он подходит для обработки данных временных рядов, которые появляются последовательно, например речь и текст ^[35] . Однако у RNN есть проблема долгосрочных зависимостей, в которых исчезают прошлые результаты обучения. Таким образом, LSTM был разработан для решения этой проблемы RNN 9.0009 [36] ^[37] . Модель LSTM, предложенная Хохрайтером и Шмидхубером ^[37], внутренне контролируется вентильным механизмом, называемым входным вентилем, выходным вентилем и затвором забывания. Улучшив проблему долгосрочной зависимости RNN, он без проблем обрабатывает массивные данные, такие как данные временных рядов. Однако однонаправленный LSTM имеет тот недостаток, что сохраняет только прошлую информацию ^[38] . Шустер и Паливал ^[38] предложили модель bi-LSTM, которая расширяет однонаправленный LSTM за счет введения второго скрытого уровня, чтобы компенсировать эту проблему LSTM. Bi-LSTM использует ячейки LSTM в обоих направлениях, поэтому можно использовать прошлую и будущую информацию ^[39] . Кроме того, он в основном используется для классификации текста из-за его отличной производительности при последовательном моделировании задач ^[33] . Ли и др. ^[40] рассмотрел методы классификации текста с 1961 по 2021 год и создал таксономию для задач классификации текста от традиционных моделей до глубокого обучения. Они также представили наборы данных со сводной таблицей и представили количественные результаты ведущих моделей. Минаи и др. ^[41] представил всесторонний обзор моделей классификации текста, основанных на глубоком обучении, разработанных в последние годы, и обсудил их технический вклад, сходство и сильные стороны. Они также объяснили сводку более 40 популярных наборов данных для классификации текста.

СНС-Лавалин запускает стратегический обзор | CTV News

Штаб-квартира SNC-Lavalin в Монреале, 12 февраля 2019 г. THE CANADIAN PRESS/Paul Chiasson

SNC-Lavalin Group Inc. столкнулась с тем, что контракты на строительство с фиксированной ценой снизили ее результаты в последнем квартале, даже несмотря на то, что компания продолжает отказываться от убыточного сектора и проводит стратегический анализ с целью оптимизации различных направлений своей деятельности.

Инженерная фирма сообщила об убытках в размере 54,4 млн долларов от продолжающейся деятельности, приходящихся на долю акционеров, за квартал, закончившийся 31 декабря, по сравнению с убытком в размере 15,3 млн долларов за последние три месяца 2021 года9.0003

Генеральный директор Ян Эдвардс заявил в пятницу, что проблемы компании с так называемыми проектами «под ключ» (LSTK) в значительной степени были позади.

«Поэтому мы проводим стратегический обзор для дальнейшей оптимизации нашего портфеля бизнеса, чтобы сосредоточиться на успешном росте, которого мы достигли в 2022 году», — говорится в заявлении Эдвардса.

Под его руководством с июня 2019 года SNC-Lavalin переключила свое внимание на инженерные услуги и отказалась от так называемых проектов «под ключ» с паушальной оплатой (LSTK) — контрактов с фиксированной ценой, по которым компании должны сами оплачивать любой перерасход средств.

Тем не менее, компания столкнулась с трудными вопросами во время телефонной конференции с финансовыми аналитиками о том, действительно ли эта утечка денег была в зеркале заднего вида, причем один из них указывал на бесконечную линию легкорельсового транспорта Eglinton в Торонто, которая строилась с 2011 года.

«Вы были завершены на 90, 95 процентов … в течение трех или четырех кварталов и по пути терпели списания. Итак, что изменилось, так что мы увидим, что отставание фактически сведется к нулю, и эта вещь, наконец, будет поставлена. в кровать?» — спросил Юрий Линк, аналитик Canaccord Genuity.

Эдвардс сказал, что, поскольку строительные работы практически завершены, связанные с этим проблемы — сбои в цепочке поставок, перерасход средств из-за инфляции, перебои с рабочей силой — также остались в прошлом. По его словам, оставшаяся работа подпадает под «профессиональные услуги» — тестирование систем, обучение водителей, разрешения на безопасность, одобрения регулирующих органов — и должна вызывать меньше проблем.

Eglinton Crosstown LRT, Trillium Line в Оттаве и расширение сети легкорельсового транспорта REM в районе Большого Монреаля — это три основных контракта с фиксированной ценой, на которые приходится основная часть убытка компании в размере 150,2 млн долларов в виде скорректированной прибыли до вычета процентов и налогов в ее сегменте LSTK в четвертая четверть.

Тем не менее, его инженерный сегмент продемонстрировал хорошие показатели, на которые пришлось 65% его дохода в 1,90 миллиарда долларов. Общая сумма снизилась с 1,94 миллиарда долларов за те же три месяца годом ранее.

Инжиниринговый сегмент SNC увеличил объем невыполненных работ до третьего квартального рекорда подряд в размере 4,66 млрд долларов США по сравнению с 3,77 млрд долларов США за тот же период в 2021 году.

Подтверждением ее списка заказов стали недавние выигрыши государственных контрактов в Соединенных Штатах, в том числе на проектирование шоссе, услуги по картированию поймы, а также соглашение о проектировании и проектировании замены дамбы в Майами после разрушения ураганом Ян в сентябре прошлого года.

Эдвардс сказал, что видит потенциал в масштабном вливании финансирования со стороны правительства США через Закон об инвестициях в инфраструктуру и рабочих местах и Закон о снижении инфляции.

«Мы видим, что многие из них проходят через транспортную сторону. Мы видим, что некоторые из них сейчас проходят через сторону передачи энергии. И мы также видим, что довольно небольшая их часть поступает в то, что я бы назвал водными и экологическими программами. — не только качество воды, но и защита от наводнений, реабилитация, дренаж».

Он сказал, что SNC необходимо расширить свое присутствие «всего лишь в нескольких штатах», чтобы создать плацдармы во многих других.

Эдвардс также отметил возрождение интереса к ядерной энергетике после вторжения России в Украину, которое в прошлом году спровоцировало полномасштабный энергетический кризис.

«Возрождение новых атомных электростанций в качестве настоящей «зеленой» энергии и альтернативы другим формам «зеленой» энергии становится реальным осознанием для правительств», — сказал он, назвав этот сдвиг «драматическим».

Он подчеркнул новые возможности для SNC, сославшись на заключенную в январе сделку по проектированию и строительству небольшого модульного реактора на атомной станции Дарлингтон в Онтарио.

«Очевидно, что индустрия вот-вот откроет перед собой потрясающие возможности, особенно для SNC-Lavalin».

На скорректированной основе профессиональные услуги и операции по управлению проектами SNC показали убыток в размере 19 центов на разводненную акцию в четвертом квартале по сравнению с убытком в размере 15 центов на разводненную акцию в четвертом квартале 2021 года9.