某超高層項目基于4D-BIM平臺的“大數據”分析

陶 磊, 孫 斌, 吳小冬

(成都市建筑設計研究院， 四川成都 610000)

近幾十年來，信息技術在各行各業中迅速發展。信息和數據應用逐漸成為衡量一個行業創新性、先進性的標志；同時也逐漸成為一個企業發展和競爭的核心資產。大數據技術可以為決策提供一定的“預見參考”，而成功的分析和預見往往能帶來經濟價值，起到增值的效果[1]。

本文對某超高層項目施工管理平臺4D-BIM記錄和統計的大量施工數據進行收集、分析。采用ABC分類法對問題數據進行歸類，并對重點問題進行識別，在施工之前對重點問題進行排查和交底，以達到減少施工問題，提高工程質量，節約工程成本的目的。

1 項目概況

本文所研究項目總建筑面積約20×104m2，項目分南北兩區，南區地下室為2層，局部3層，地上為多層商業；北區地下室為4層，地上44層，建筑高度193.5 m，為超高層辦公樓，地上主要包含辦公、商業、餐飲等，地下室主要包含機動車庫、非機動車庫、設備用房、人防區等功能。

BIM技術在該項目中得到了充分而深入的應用，應用貫穿于項目整個生命周期。在項目的設計、造價、施工各個階段，信息和數據都在BIM平臺中進行收集和積累，為本文“大數據”分析提供了數據基礎。

2 數據收集

2.1 D-BIM平臺簡介

4D-BIM平臺是一個將建筑物及BIM-3D模型與施工進度、資源、安全、質量、成本以及場地布置等施工信息相集成的平臺，實現了基于BIM的施工進度、施工資源及成本、施工安全與質量、施工場地及設施的4D集成管理、實時控制和動態模擬等功能。

本文主要對平臺質量管理數據進行統計分析。

2.2 數據收集流程

整個項目施工過程中的問題均記錄在4D-BIM平臺中，由現場管理人員在平臺對問題進行反饋，直接對接相關經辦人，記錄問題詳情及處理時間，形成問題閉環處理，問題涉及各方均能及時查看問題處理進度。通過4D-BIM平臺對問題數據記錄，可將傳統問題改單、通知單等紙質非結構化數據轉換為儲存于質量管理平臺的結構化、半結構化數據。該類數據不僅可以有效的存儲，更能進行分類、分析，為后期的施工質量進行指導。

為了能更加有效的進行數據記錄，同時保證記錄的問題能更及時的得到處理，該項目制定一套嚴格的問題數據記錄和處理機制。具體流程如圖1所示：

圖1 施工質量問題(EPC管理發起施工質量問題流程)

2.3 數據收集情況

從2018年6月4D-BIM開始使用至2019年4月30日，平臺上所記錄質量問題共計313條。每個月問題記錄情況如圖2所示。

圖2 每月問題記錄情況

由圖2可見，從4D-BIM平臺開始使用到現在，所記錄的問題數量先增加后減少，問題數量記錄高峰為9月～11月(10月因為放假有所下降)。在6月到9月每月記錄問題數增加明顯，這表明現場工作人員已經從傳統的非結構化數據進行問題處理的方式逐漸習慣了采用平臺進行問題溝通交流及記錄；這種習慣的轉變有益于問題數據的記錄和保證，平臺記錄的結構化數據也為后期數據分析提供基礎。

3 數據分析

3.1 數據基本情況

對平臺質量問題進行統計，結果如圖3?？傎|量問題數為313條，其中施工質量問題為262條，占總問題數83.7 %；設計任務發布47條，占總問題數15.0 %，分包問題數量4條,占總問題數1.3 %。從數據中可以看出在整個項目中，施工問題占主要部分，需要重點關注和分析，分包問題數和時間與現場反應的問題數不符，究其原因為分包單位對平臺使用率較低，導致數據過少，應在之后的項目實施過程中督促分包單位正確使用4D-BIM平臺，保證數據的完整性。下文主要對施工質量問題進行分析。

圖3 質量問題數量統計

3.2 數據分析

3.2.1 類型劃分原則

平臺中問題類數據包含不少圖片、文字描述等非結構化數據，因此為了對數據進行合理分析，首先需要將平臺問題進行合理分類，本文將平臺問題采用分層分類法進行分類[2]，分類原則如表1所示。

表1 類型劃分原則

施工問題按發生構件分類，可以很直接的了解施工最容易發生的構件位置及各個構件最易發生問題的原因，從而更好指導后續施工。

3.2.2 數據分析

按上述分類問題原則問題進行分類，并通過檢索關鍵字對問題數量進行統計并按數量從大到小排列，同時統計各類型問題在本專業問題中的占比和累計頻率(表2)。

對表中統計的問題數據采用ABC分類法對問題類型進行歸類。ABC分類法：累計頻率0～80 %的主要問題，應重點關注；累計頻率80 %～90 %的為次要問題；累計頻率90 %

表2 施工質量問題分析

～100 %的為一般問題。

3.3 分析結果及問題排查

通過對重點問題的排查和關注，提高工程質量，減少了工程問題。如2.3節，從12月開始，施工質量問題逐月減少。

對施工質量問題，通過上述統計可以看出在鋼筋、洞口預留、設備安裝等方面均存在不少重點問題。針對這些常見施工問題采取以下措施進行改進和避免。

(1)對當期發現的施工技術問題進行排查及技術交底，避免相關問題發生。

(2)施工階段對容易出問題的位置進行重點巡視，控制過程質量，避免返工情況。

(3)建立獎懲制度，引起施工人員重視。

4 結論及展望

4.1 結論

(1)通過對項目問題的統計和分析，可以實現對重點問 題的提前排查和處理，提高了工程質量，減少了施工問題。

(2)完善的數據錄入是保證數據正確性、提高大數據分析效率的前提。

(3)對當期發現的施工技術問題進行排查及技術交底，避免相關問題發生。

(4)技術聯系單、圖紙會審、改單的數據均為非結構化數據，對大數據分析不利，應將上述數據進行結構化，完善數據分析結果。

(5)隨著工程進行，完善數據庫，可將同類型建筑質量問題進行統計分析，歸類總結更多問題類型，指導設計及施工。

4.2 展望

(1)圖紙深度大數據分析。

通過大數據分析其他設計院圖?；谙嚓P數據及數學模型判斷圖紙深度是否滿足高標準的質量要求，如同規模同類型建筑平剖面圖、大樣圖占比。圖面文字數據信息占比等，提升出圖質量。

(2)對數據價值進行分析研究。

并非所有的信息都是有價值的，通過對數據產生的價值進行估算，從而建立相關數學評價模型，通過數據(如問題處理時效性)對設計師、管理工程師的工作行為進行評價。(基于大數據的KPI考核)

(3)數據分析指導工作。

采用聚類分析、關聯分析、神經網絡、決策樹分析等方法對院已有數據進行挖掘[3]，通過獲取的信息進行管理模型的轉型升級研究，提升核心競爭力。如通過大數據進行質量問題預警、人員習慣研究。