計算機視覺與傳感技術下全新勞務計酬模式探究

譚毅飛

(東亞聯合控股(集團)有限公司，上海 200002)

0 引言

目前人工智能在施工現場的運用還是有限的，尤其在建筑勞務人工費方面。傳統勞務計價模式由于受技術所限，無法對勞動過程中主要勞動時長與輔助勞動時長進行細致區分，因而普遍采取按出勤時間或定額產量的籠統計價模式，存在“出工不出力”“出力不出產”的弊端。本文旨在通過計算機視覺與傳感技術建立真實客觀的按勞取酬的計薪模式，充分挖掘勞動力潛能，實現公平合理薪酬標準。

1 傳統計薪模式弊端

我國建筑行業傳統的人工費結算方式主要以產量乘以單價的模式，這種結算方式存在一定的弊端。首先，發包單位缺乏有效的科學管理手段來衡量勞務工人實際產出能力，面對勞務單位的無理訴求，往往只能被迫通過調增合同單價、費用補貼或以增加輔助用工量等方式作為妥協，來平衡勞務工訴求。其次，建筑行業勞動力人工價格受地域、素質、機具配置等因素影響波動較大，定額籠統的工種劃分模式，不具有即時性、客觀性，導致定額人工單價與市場實際價格背離嚴重。總之，沿用多年的定額計價體系，由于其寬泛性、滯后性，已不能真實反映建筑工程實際勞動力成本，不利于提高行業的整體效益。

1.1 定額計價

建筑業已進入微利時代很多年，定額價、信息價與市場價三者價格不匹配，前兩者價格滯后于市場價。上海定額的發展從九三綜合定額“量價合一”到2000定額開始的“量價分離”，再發展到2016定額。其人工消耗含量隨著工藝和工具的改進不斷降低，人工單價隨市場行情逐漸提高，建筑市場的發展促使定額版本的更新[1]。目前九三定額以工料機補差方法無法適應市場的需求，鮮有運用。針對這三種不同定額計價形式進行比對，人工價格基期以十年為一個周期。內墻面以1∶1∶6混合砂漿粉刷為例，執行的定額子目分別是九三定額子目11-32，2000定額子目10-1-1，2016定額子目01-12-1-2。表1中信息價為全年中間價的平均值，實際人工價格為不含班組長管理費后人工日結工資價格。

表1 上海不同定額墻面粉刷人工費用分析

從表1中可以看出墻面粉刷綜合人工消耗量從九三定額的0.197 2工日/m2下降到0.160 7工日/m2，下降幅度達18.51%。繼而再降到2016定額的0.126 9工日/m2，下降率21.03%。從執行的同類定額子目可以看出九三定額的消耗量要比2016定額消耗量高出35.65%。定額人工費的比重加大究其原因主要有以下幾方面：

1)建筑從業者的減少，有良好技能的年輕人不愿從事這項工作。

2)目前建筑工人年紀集中在40歲～50歲，老一代的建筑工人文化水平普遍較低并且接受培訓意愿低，技能水平已經無法滿足建筑發展的需要[2]。

3)我國自2010年以來不斷上調職工最低工資標準。

4)居民消費價格指數CPI影響社會用工成本增加。

5)社會保險費率的調整導致用工成本的上升。

綜上，在定額人工費=∑(定額人工消耗量×人工單價)的組價模式下雖然定額版本經過幾輪的修訂，但依舊定額人工費與市場實際人工支出存在差距。且全國各地地區差異，定額標準各不相同帶來人工費計算的復雜度。

1.2 計日工計價

計日工從勞務承包模式上可以理解為點工制，是以工人出勤時間為工資支付的主要依據，一般是指承包人完成發包人規定的合同范圍以外的零星工作或是定額所無法核定的項目。而工程實踐過程中對零星工作或定額無法核定的項目又缺乏判斷標準和依據，導致在人工費結算時由于事先合同約定不清產生的糾紛。

2 計算機工效監督下的計酬模式

本文在已有人工智能領域計算機視覺、深度學習等理論研究基礎上，從工程造價角度將人工費管控分為價控和量控。價控，采用BP神經網絡，通過采集全國大范圍勞動力經濟效益指標來預測分析合理薪酬單位值。量控，采取基于計算機視覺的人臉識別、人體姿態估計、目標檢測、無線射頻技術定位這四部分技術的融合[3]，進行統計分析在總工作時長下主要工作、輔助工作和不完全工作的占比來判定工人實際投入的勞動強度，從而合理計取勞務費用,如圖1所示。

有效勞動時長和輔助勞動時長對應報酬的估值，通過構建工業互聯網的態勢感知能力，對已知定額價格、市場價格的信息采集，結合項目所在區域多因子經濟指標，運用BP神經網絡迭代運算，預測分析出合理的對應報酬的估值[4-6]。

3 案例運用分析

3.1 案例背景介紹

本幢建筑為國家保護文物建筑，總建筑面積：4 196.18 m2，外立面見圖2。建筑層數：6層(局部7層)，建筑高度29 m，結構形式為鋼-混。由于施工場地范圍狹小，現場無住宿和就餐條件，因此現場不設置生活區域，故進場人員為承擔施工任務的作業人員及管理人員。本工程設計圖紙要求在原有基礎梁邊布置樹根樁。但該建筑歷史上經過幾次改造，地下障礙物情況復雜，為地下清障工作及樁基礎施工帶來困難，導致勞動力投入難以估量，這也為本文計算機視覺與傳感技術提供了應用場景。

3.2 兩種方案實施經濟效果比較

清障采取鉆孔取芯的方式,將原狀土層以上舊承臺及地下障礙物切割取出。設計要求鉆孔清障孔徑380 mm，深度1.5 m～1.7 m。

1)方案一定額計價。

采取房修定額中定額子目的最大鉆孔孔徑為160 mm，鉆孔厚度為100 mm，故每孔的工程量計算方式如圖3所示，公式如式(1)所示。本項目采用2018的計價標準。

如表2中的人工單價參照《上海市2018年10月建設工程價格市場信息》，綜合單價的企業管理費和利潤率取費依據滬建市管[2016]42號文中房修取值34%。安全防護、文明施工措施費按滬建交[2006]445號文3.3%計取，規費參照滬建市管[2017]105號文按37.25%計取，稅金按滬建市管[2018]28號文的規定，10%計取。

表2 混凝土墻面鉆孔定額費用表

Z=int{8×(h/100)}

(1)

其中，h為鉆孔深度，mm。

本例參照定額φ160 mm混凝土墻面開孔中較低的人工消耗量0.109工日/只，平均孔深1 600 mm測算，人工費為2 117元/孔。

2)方案二基于計算機視覺與傳感技術的綜合行為計酬模式。

本例神經網絡模型搭建分三塊，分別為地下清障作業人員的人臉身份信息識別、鉆孔機具目標檢測、施工工序下蹲動作姿態的識別[7]。此次參與研究的實驗對象為2名成年男性，身份信息及本人臉部照片已在電腦中提前錄入。清障工作人員識別出后，進入目標檢測的工具識別環節。通過事先在人工智能平臺中創建開孔機的工具檢測模型，上傳并標注數據后進行模型訓練并校驗效果。待模型上線發布成功后，調用API接口或下載SDK離線包[8-9]，見圖4。

模型訓練后進行實景施工照片校驗，在置信度大于0.6的條件下，能識別出圖中的開孔機具。動作姿態依靠人工智能平臺強大的公共數據集，將待檢測圖像幀分別導入得出預測結果，如圖5所示[10-11]。

在檢測時序中，站立與下蹲的動作一致，人體保持蹲姿狀態時，各個角度較小。當要準備起立時先有個緩沖準備動作，此時特征角發生微小變化。隨后再逐漸增大。起立過程中髖關節buttocks和膝關節knee的角度變化大于踝關節foot的角度變化。人體從雙膝蹲的姿態到站立姿態分為幾個階段，第一階段完全下蹲時重心較低，此時頭部與膝關節距離較近，小腿與大腿夾角最小。第二階段半蹲狀態，小腿與大腿夾角開始增大，頭部與膝關節的距離變化速度小。第三階段小腿與大腿基本直立，頭部與膝關節距離增大，變化速度加快。

連續5 d對清障鉆孔工人每日上午工作狀態的記錄如表3所示。

經測算主要工作占總時長的60.43%，輔助工作占總時長的17.92%，不完全工作占總時長的(抽煙、喝茶、聊天、就餐、上廁所等)21.63%。按鉆孔深度1.6 m，每孔人工費價格商議1 800元/根，共計41孔人工費總計73 800元。前5天成孔速率為平均每三天一孔，則其人工費成本平均每人600元/d，每日工作總時長9 h～10 h。按“多勞多得”激勵和“偷懶怠工”懲罰為原則計算人工費如表4所示[12-13]。

表4 各工作狀態下的費用核算

表4中按10 h計算，如不足10 h則剩余時間計為不完全工作時間。

3)兩方案經濟對比。

傳統定額計價模式采用定額人工費單價乘以工程量，所有風險都在建設方且增加投資額。本研究方法對成本加酬金有了公平合理的核算方式，本案例的管理費加利潤10%，則投資額相比定額計價方式下降6.64%,如表5所示。

表5 不同計價方式下平均每孔清障人工費用表

本研究方法區別于傳統計日工形式的“點工制”，也打破按工程量劃塊的“包工形式”。以有監督下投入勞動強度來衡量人工費用。工人受外部監督制約下整體施工效率提升，使工期縮短。

4 結語

勞務作業是一個復雜多元的綜合行為過程，勞動價值的產生是該綜合行為過程中主要勞動時長與輔助勞動時長創造價值的總和。因此，在通過不同環節探討和模擬了技術層面的可實現性后，繼而提出人工費的簡化計算公式，勞動薪酬=∑[(主要勞動時長×對應報酬)+(輔助勞動時長×對應報酬)+(不完全勞動時長×對應報酬)]。故在計算機的輔助下，勞動力的計酬將變得更具有即時性和可追索性。