基于云计算技术的供热工程项目质量自动控制方法

羊培铭

摘 要：在供热工程项目施工过程中，通常采用数理统计方法进行工程项目质量评价，无法得出准确的质量评价结果，使得质量自动控制方法的返工成本较高。为此，提出应用云计算技术的供热工程项目质量自动控制方法，针对供热工程项目进行分析，采用故障模式与影响分析原理辨识质量控制点。依托于云计算技术搭建云架构，获取控制点质量评价相关数据，再引入变权理论设计大数据多层变权云计算质量综合评价体系，确定每个控制点当前质量情况。构建以贝叶斯网络为基础的供热工程项目质量控制模型，通过网络学习更新能力，实现质量分阶段自动控制。该方法应用到建筑面积为5万m2的供热工程项目中，最终产生的返工成本仅为3.4万元，实现了工程项目成本的降低。

关键词：云计算；供热工程；质量控制；质量评估；贝叶斯网络

中图分类号：TM611.3                              文献标识码：A                                文章编号：2096-6903（2023）05-0116-03

0 引言

集中供热是城市能源结构优化的必然阶段，而在集中供热区域实施热电联产规划，可以达到推进生态文明建设的效果[1]。供热工程属于大范围线性管道工程，结合热电联产计划后，供热工程项目的施工难度成倍增长。这种环境下，工程项目质量的自动控制越发重要。供热工程项目的施工需要多方面配合，其质量控制管理也需要全面分析各种质量影响因素，及时发现可能会造成工程质量降低的问题[2]，并采用合理的控制措施进行解决。

从项目质量自动控制方法应用效果来看，大部分情况下，为了保证工程质量符合施工要求，需要进行多次返工，由此导致工程投资成本大幅增长。对此，文中设计应用云计算技术的新型控制方法，通过云计算思想得到全面的质量评价数据，并应用云模型得出准确的质量量化评价结果，以此为基础定义合理的返工方案，在提高项目质量的同时降低项目投资。

1 设计工程项目质量自动控制方法

1.1 辨识供热工程项目质量控制点

针对整个供热工程项目的施工流程进行分解，采用FMEA（故障模式与影响分析）方法，确定可能会影响工程质量的缺陷出现点，将其作为质量控制点。实际控制点辨识过程中，需要考虑3方面因素。首先，确定该点出现质量缺陷后造成的负面影响严重程度[3]。其次，分析潜在供热工程项目质量缺陷引起原因，并形成一幅鱼骨图，确定造成质量缺陷的最主要原因，该因素也可以作为后续质量控制策略生成的依据。最后，按照当前供热工程项目施工规范，对施工现场进行分析，确定质量轻降检测难度。各种工程项目质量影响因素分析结果相结合，得出控制点风险优先数计算结果。具体计算如式（1）所示。

（1）

式中：τ表示风险优先数；S表示质量缺陷造成后果的严重程度；I表示质量缺陷引发机理的出现频度；F表示质量缺陷检测度。

实际计算过程中，检测度、严重程度和频度都需要提前计算赋分值，前两者的赋分范围在1～110之间，后者的赋分值在1～10之间。通常情况下，风险优先数计算值越大，表明该点出现质量缺陷后，对整体供热工程项目质量会产生直接影响。此时可以将该点看作关键控制点，进行实时质量评价和风险管控。

1.2 设计基于云计算技术的质量评价体系

针对质量控制点进行质量状态评价时，文中采用了以互联网为核心的云计算技术，通过软硬件云计算设备的配合，实现供热工程项目质量评价数据的收集与共享。依托于云计算理念[4]，搭建包含数据中心、服务中心和一个接入层的云架构，两种中心分别连接供热工程施工系统数据库和供热工程质量管理数据库，实时获取多个层次的供热工程项目质量评价数据，作为控制点质量评价体系建设的基础。

设计以云计算技术为核心的云模型，结合变权理论设计完善的控制点质量评价体系。简单来说，需要在收集供热工程项目资料后，确定每个控制点的风险优先数，按照从高到低的顺序，分别进行质量评价。每个控制点质量评价数据采集完成后，确定多个评价指标，并为每个指标赋予对应的初始权重值，结合变权理论更新权重值，将其导入以云计算技术为核心的云模型中，对采集数据进行分析处理，生成质量评价结果[5，6]。以大数据多层变权云计算为核心的质量评价体系，如图1所示。

应用云计算技术进行质量综合评价时，云模型是数据处理的基础，通过云模型逆向云发生器，可以采集所有质量评价相关数据包含的数字特征，再运用正向云发生器进行分析，可以输出定性评判云图。

采用原始评价指标和初始权重，采集供热工程项目控制点质量评价数据时，需要对各个指标的量化结果进行平均值计算，而后采用逐级递阶变权理念更新指标权重值。正向、逆向云发生器共同运算，得到工程控制点的每个评价指标的评价结果，再分别与定性评判云图进行对比，输出质量评价结果。

1.3 建立供热工程项目质量自动控制机制

定义质量状况控制点为状况节点，并设置质量状况控制影响因素为影响因素节点，将这两种节点看作贝叶斯网络的基本节点，结合供热工程项目质量管理专家的经验，以及以往施工工程案例的施工经验，分析不同节点之间的关联性，形成完整的贝叶斯网络结构。

考虑到贝叶斯网络具有自动学习的功能，文中应用贝叶斯网络分析软件，依托于该网络构建贝叶斯网络结构模型，并形成对应的項目质量自动控制机制。在历史数据和专家经验的支持下，可以计算出每个网络节点的具体参数。

在实际控制过程中，结合供热工程项目质量控制点的质量状况评价结果，记录关键控制点的质量信息，完成质量信息的全方面管理。将质量管理信息输入构建完成的贝叶斯网络中，对未来时刻供热工程项目质量控制点的质量状态进行预测。当质量缺陷超出设计标准规范后，需要采用对应的控制方案解决该缺陷问题。但随着供热工程施工进度的推进，供热项目涉及的不确定信息越来越多，在质量自动控制过程中，需要不断更新网络节点参数和质量评价结果，依据贝叶斯网络的自动学习更新能力，更新整个自动控制方案，达到自动控制工程质量的目的。

依托于贝叶斯网络，建立的供热工程项目质量自动控制机制应用过程中，需要根据工程控制点的质量评价结果，生成分阶段的有序质量控制策略。以质量评价结果为依据，划分轻度质量缺陷控制点、中度质量缺陷控制点和重度质量缺陷控制点，形成一种分层次、有体系的控制模式，将贝叶斯网络模型贯穿到控制过程中，从而呈现出呈阶梯上升的自动控制方案。这种工程项目自动控制形式的设计，主要是因为供热工程质量问题的出现，是一环套一环的。每个施工步骤的结束后，就会进行一个更大的施工过程，将上一步骤包含在其中，所以在确定最初出现质量缺陷的控制点后，只有针对该点直接进行质量控制处理，才能在最小的施工成本下，提升整个工程项目的质量。

2应用分析

文中设计的项目质量控制方法，主要是针对供热工程提出的。为了验证该方法在实际工程施工过程中可以发挥较大的应用价值，需要进行现场应用分析。考虑到最终测试结果的稳定性与可靠性，测试以对比方式展开。与此同时，选择3个项目，分别命名为燃气热水锅炉供热项目1、燃气热水锅炉供热项目2以及燃气热水锅炉供热项目3，进行供热工程项目质量控制点与自动控制结果分析。

对工业集群区的热用户资料进行调查，确定区域日工业热负荷变化情况。该实验区內部的工业企业包括多种类型，需要考虑到最大热负荷叠加的情况，设置每台燃气热水锅炉的最大供热量为220 t/h，以满足所有企业用户的用热需求。

在应用分析过程中，为了体现文中设计自动控制方法的优越性能，将整个实验区域平均划分为3部分，每部分面积为5万m2，采用文中设计方法进行项目质量控制，对每个子区域分别对应方法，对比各个控制方法的应用后返工成本结果。

2.1 质量自动控制结果

采用基于云计算技术的方法进行质量自动控制后，得到每个质量控制点的自动控制结果如表1所示。

该方法在应用后，让质检人员针对3个燃气热水锅炉供热项目进行现场检测，确定每个控制点的质量控制结果都显示为合格，符合供热工程项目施工要求。这表明基于云计算技术的供热工程项目质量自动控制方法效果较好，具有可行性。

2.2 质量控制方法应用效果分析

考虑到文中是以降低工程项目投资为目标设计的质量自动控制方法，文中从定量的角度进行分析，选择返工成本作为评价指标，评价不同方法的应用效果，得到如图2所示的返工成本对比结果。

根据图2可知，所提自动控制方法应用后，工程测量定位、管槽工程、管道安装工程三个项目的返工成本分别为0.31万元、1.5万元和1.89万元，供热工程项目总返工成本为3.7万元。而应用其他两种文献方法进行项目质量控制，产生的总返工成本分别为18.9万元、16.3万元。本文方法较文献方法的成本分别少15.2万元、12.6万元。

综上所述，运用云计算技术后，可以得到更加准确的控制点质量评价结果，生成合理的返工方案，使得供热工程项目总返工成本有效降低。其原因是本文提出的方法建立了供热工程项目质量自动控制机制，在确定最初出现质量缺陷的控制点后，针对该点直接进行质量控制处理。定义质量状况控制点为状况节点，并设置质量状况控制影响因素为影响因素节点，将这两种节点看作贝叶斯网络的基本节点，结合供热工程项目质量管理专家的经验以及以往施工工程案例的施工经验，分析不同节点之间的关联性，形成完整的贝叶斯网络结构。在上述内容基础上，结合最小的施工成本情况，可提升整个工程项目的质量，一定程度上有利于降低总返工成本。

3 结束语

为了实现供热工程项目施工要求越来越复杂，项目质量控制方法的研究越来越受到重视。本文以供热工程项目为研究对象，定义提升项目施工质量、降低项目投资为目标，设计一种结合了云计算技术的自动控制方法。在大量数据的支持下，判断每个控制点的实际质量情况，从而制定科学的动态控制策略。

参考文献

[1] 杨大田，范良宜.基于MIV-SVM的混凝土结构工程质量控制模型应用研究[J].工程管理学报，2022，36（3）：147-152.

[2]王喜红，张雷，邓建芳，等.基于改进ISM-MICMAC的装配式建筑工程质量控制研究[J].项目管理技术，2022，20（4）：46-51.

[3] 刘新伟.BIM软件在工程质量控制中的应用[J].山西交通科技，2021（5）：43-45+54.

[4] 孙亮.建筑工程质量控制中工程检测技术要点[J].城市住宅，2021，28（1）：231-232.

[5] 毛应斌.住宅建筑工程管理中工程质量控制分析[J].建筑与预算，2021（5）：35-37.

[6] 付嘉衡，宋梦宇，田晓亮.青岛某办公建筑供热改造工程技术经济分析[J].热科学与技术，2021，20（2）：200-208.