某超高层项目基于4D-BIM平台的“大数据”分析

陶 磊, 孙 斌, 吴小冬

(成都市建筑设计研究院， 四川成都 610000)

近几十年来，信息技术在各行各业中迅速发展。信息和数据应用逐渐成为衡量一个行业创新性、先进性的标志；同时也逐渐成为一个企业发展和竞争的核心资产。大数据技术可以为决策提供一定的“预见参考”，而成功的分析和预见往往能带来经济价值，起到增值的效果[1]。

本文对某超高层项目施工管理平台4D-BIM记录和统计的大量施工数据进行收集、分析。采用ABC分类法对问题数据进行归类，并对重点问题进行识别，在施工之前对重点问题进行排查和交底，以达到减少施工问题，提高工程质量，节约工程成本的目的。

1 项目概况

本文所研究项目总建筑面积约20×104m2，项目分南北两区，南区地下室为2层，局部3层，地上为多层商业；北区地下室为4层，地上44层，建筑高度193.5 m，为超高层办公楼，地上主要包含办公、商业、餐饮等，地下室主要包含机动车库、非机动车库、设备用房、人防区等功能。

BIM技术在该项目中得到了充分而深入的应用，应用贯穿于项目整个生命周期。在项目的设计、造价、施工各个阶段，信息和数据都在BIM平台中进行收集和积累，为本文“大数据”分析提供了数据基础。

2 数据收集

2.1 D-BIM平台简介

4D-BIM平台是一个将建筑物及BIM-3D模型与施工进度、资源、安全、质量、成本以及场地布置等施工信息相集成的平台，实现了基于BIM的施工进度、施工资源及成本、施工安全与质量、施工场地及设施的4D集成管理、实时控制和动态模拟等功能。

本文主要对平台质量管理数据进行统计分析。

2.2 数据收集流程

整个项目施工过程中的问题均记录在4D-BIM平台中，由现场管理人员在平台对问题进行反馈，直接对接相关经办人，记录问题详情及处理时间，形成问题闭环处理，问题涉及各方均能及时查看问题处理进度。通过4D-BIM平台对问题数据记录，可将传统问题改单、通知单等纸质非结构化数据转换为储存于质量管理平台的结构化、半结构化数据。该类数据不仅可以有效的存储，更能进行分类、分析，为后期的施工质量进行指导。

为了能更加有效的进行数据记录，同时保证记录的问题能更及时的得到处理，该项目制定一套严格的问题数据记录和处理机制。具体流程如图1所示：

图1 施工质量问题(EPC管理发起施工质量问题流程)

2.3 数据收集情况

从2018年6月4D-BIM开始使用至2019年4月30日，平台上所记录质量问题共计313条。每个月问题记录情况如图2所示。

图2 每月问题记录情况

由图2可见，从4D-BIM平台开始使用到现在，所记录的问题数量先增加后减少，问题数量记录高峰为9月～11月(10月因为放假有所下降)。在6月到9月每月记录问题数增加明显，这表明现场工作人员已经从传统的非结构化数据进行问题处理的方式逐渐习惯了采用平台进行问题沟通交流及记录；这种习惯的转变有益于问题数据的记录和保证，平台记录的结构化数据也为后期数据分析提供基础。

3 数据分析

3.1 数据基本情况

对平台质量问题进行统计，结果如图3。总质量问题数为313条，其中施工质量问题为262条，占总问题数83.7 %；设计任务发布47条，占总问题数15.0 %，分包问题数量4条,占总问题数1.3 %。从数据中可以看出在整个项目中，施工问题占主要部分，需要重点关注和分析，分包问题数和时间与现场反应的问题数不符，究其原因为分包单位对平台使用率较低，导致数据过少，应在之后的项目实施过程中督促分包单位正确使用4D-BIM平台，保证数据的完整性。下文主要对施工质量问题进行分析。

图3 质量问题数量统计

3.2 数据分析

3.2.1 类型划分原则

平台中问题类数据包含不少图片、文字描述等非结构化数据，因此为了对数据进行合理分析，首先需要将平台问题进行合理分类，本文将平台问题采用分层分类法进行分类[2]，分类原则如表1所示。

表1 类型划分原则

施工问题按发生构件分类，可以很直接的了解施工最容易发生的构件位置及各个构件最易发生问题的原因，从而更好指导后续施工。

3.2.2 数据分析

按上述分类问题原则问题进行分类，并通过检索关键字对问题数量进行统计并按数量从大到小排列，同时统计各类型问题在本专业问题中的占比和累计频率(表2)。

对表中统计的问题数据采用ABC分类法对问题类型进行归类。ABC分类法：累计频率0～80 %的主要问题，应重点关注；累计频率80 %～90 %的为次要问题；累计频率90 %

表2 施工质量问题分析

～100 %的为一般问题。

3.3 分析结果及问题排查

通过对重点问题的排查和关注，提高工程质量，减少了工程问题。如2.3节，从12月开始，施工质量问题逐月减少。

对施工质量问题，通过上述统计可以看出在钢筋、洞口预留、设备安装等方面均存在不少重点问题。针对这些常见施工问题采取以下措施进行改进和避免。

(1)对当期发现的施工技术问题进行排查及技术交底，避免相关问题发生。

(2)施工阶段对容易出问题的位置进行重点巡视，控制过程质量，避免返工情况。

(3)建立奖惩制度，引起施工人员重视。

4 结论及展望

4.1 结论

(1)通过对项目问题的统计和分析，可以实现对重点问 题的提前排查和处理，提高了工程质量，减少了施工问题。

(2)完善的数据录入是保证数据正确性、提高大数据分析效率的前提。

(3)对当期发现的施工技术问题进行排查及技术交底，避免相关问题发生。

(4)技术联系单、图纸会审、改单的数据均为非结构化数据，对大数据分析不利，应将上述数据进行结构化，完善数据分析结果。

(5)随着工程进行，完善数据库，可将同类型建筑质量问题进行统计分析，归类总结更多问题类型，指导设计及施工。

4.2 展望

(1)图纸深度大数据分析。

通过大数据分析其他设计院图。基于相关数据及数学模型判断图纸深度是否满足高标准的质量要求，如同规模同类型建筑平剖面图、大样图占比。图面文字数据信息占比等，提升出图质量。

(2)对数据价值进行分析研究。

并非所有的信息都是有价值的，通过对数据产生的价值进行估算，从而建立相关数学评价模型，通过数据(如问题处理时效性)对设计师、管理工程师的工作行为进行评价。(基于大数据的KPI考核)

(3)数据分析指导工作。

采用聚类分析、关联分析、神经网络、决策树分析等方法对院已有数据进行挖掘[3]，通过获取的信息进行管理模型的转型升级研究，提升核心竞争力。如通过大数据进行质量问题预警、人员习惯研究。