基于ISM+AHP的智慧工地建设影响因素分析
贾美珊 徐友全 赵灵敏 黄根. 基于ISM+AHP的智慧工地建设影响因素分析[J]. 建筑经济,2020,50(3).
JIA Meishan XU Youquan ZHAO Lingmin HUANG Gen. Analysis of Factors Affecting the Construction of Smart Site Based on ISM+AHP[J]. build,2020,50(3).
1 引 言
工程建设中,若设计方、施工方乃至业主之间无法进行有效的信息传递和共享,将必然导致因信息沟通不畅出现的效率低下、质量安全不达标等情况。《2016-2020年建筑业信息化发展纲要》中指出“十三五”时期,要全面提高建筑业信息化水平,着力增强信息技术集成应用能力。为了解决信息孤岛问题,满足建筑业日益增长的从业人员保护、产品高质量、0生产安全事故、节能环保等需求,业界提出将新一代信息化技术应用于施工阶段,即建设智慧工地。智慧工地是智慧建造在施工阶段的具体应用,其利用传感器、移动终端等技术感知施工现场各监管要素,通过数据处理形成管理人员可用的信息,以便施工现场协同管理,常见的智慧工地监管框架体系如图1所示。企业可以通过监管信息平台进行经营分析和业务管理;行业主管部门则可以通过数据对建筑相关企业进行持续监督并对其改进情况进行跟踪。相较于传统方式,智慧工地建设可大大提升施工现场管理效率,保障质量安全等建设目标实现,以达到工地数字化、精细化、智慧化,最终促进建筑业持续健康发展。
智慧工地不仅意味着基于互联网新的建造模式,也意味着新的组织、管理流程和参建方交互关系,这种建造方式的转变受多种因素的制约,这些因素相互影响,导致其应用效果始终无法保证。因此,对关键影响因素的识别,制定有针对性的建设方案,是提高智慧工地建设水平的关键所在。
对于智慧工地的研究,国外现有文献主要针对智能化技术的创新和二次开发,国内现有关于智慧工地的研究主要体现在以下方面:(1)项目具体实践。(2)体系架构的设计。(3)存在的问题及建设需求。(4)应用意义及发展趋势。这些研究有利于从多方面、多角度认识智慧工地,但对其建设的影响因素及其关系方面,却鲜有研究。为此,本文通过文献研究及试点项目技术负责人访谈,建立智慧工地建设的影响因素指标体系,通过专家调查法判定因素间的影响关系,采用解释结构模型(ISM)构建影响因素的多层次结构图,探讨不同层次以及同一层次因素间的关系,然后运用层次分析法(AHP)确定各因素的相对重要性,并针对因素的重要性和相关性提出推进策略,期望为决策者制定及推行智慧工地建设方案提供科学的参考依据,推进智慧工地的有效落地和可持续发展。
2 智慧工地建设影响因素识别
通过文献阅读法提炼智慧工地开展存在的问题及建设需求,由于与智慧工地建设影响因素相关的文献较少,研究将搜索扩大到“新技术推广影响因素、建筑企业信息化建设影响因素”等内容,将全部因素根据智慧工地独有特征进行删减合并,之后在济南西客站科技馆、济南奥体超高层两项试点项目实地调研,结合访谈记录对因素进行添加、修改。初步确定智慧工地的建设受到技术条件、经济条件、组织条件、认知条件和环境条件5大方面因素的影响,并进一步细分为24个二级因素。最后通过专家(包括导师、学校教授和BIM专家)意见对指标进行修正。删除有重复性的因素(如人员激励方式、绩效考核)、相关性低的因素(如做表面形象工程)、表达模糊因素(如实施方式不当)。最终确定5个层面20个智慧工地建设影响因素,如表1所示。
3 影响因素的层次结构分析
ISM法是华费尔于1973年提出,主要用于分析复杂系统的构成元素以及它们之间的相互依赖、相互制约关系,尤其适用于分析构成元素众多、关系复杂的系统。本文采用ISM法分析智慧工地建设影响因素,分析过程如下:
3.1 建立邻接矩阵
邻接矩阵A用来描述系统两两影响因素之间的关系,A中元素aij取值如下:
3.2 建立可达矩阵
可达矩阵M用来反映有向图各节点经过一定路径可以到达的程度。应用布尔矩阵运算规则,将邻接矩阵A与单位矩阵I求和得到的A+I进行幂运算,直至(A+I)k-1≠(A+I)k=(A+I)k+1,则M=(A+I)k。运用MATLAB进行(A+I)的7次迭代得(A+I)6=(A+I)7,即M=(A+I)6。
3.3 建立ISM层级结构
可达矩阵M的分解是为了进一步剖析因素间的相互影响关系与层次。对可达矩阵进行处理,构建可达集R(Ii)和前因集Q(Ii),按照R(Ii)∩Q(Ii)=R(Ii)的条件,分解可达矩阵M,每抽取一次为一个层级的因素。在第一次抽取时,符合条件的因素有I2、I5和I16,这是智慧工地建设最为直接的影响因素,将这三个因素的行列在可达矩阵中删除,重新计算R(Ii)和Q(Ii),重复R(Ii)∩Q(Ii)=R(Ii)进行剩余因素的层级提取,其ISM层级结构如图2所示。
3.4ISM层级结构分析
由图2可以看出这5层因素按照影响的直接程度被分为了表层直接影响因素、中间层间接影响因素和深层根本影响因素。不同层级和同一层级的之间因素相互关联、相互影响。
3.4.1 表层直接影响因素
表层直接因素分为两层。第一层为数据信息应用能力、知识管理完善度和网络基础设施完善度,这正是智慧工地运转的主要组成要素。在施工阶段,现场要素的实时监测需依靠良好的网络设施来采集和传输数据,将深度处理的数据应用于各监测模块,实现项目协同,保障控制目标的实现;将施工现场可用数据提取,完善企业风险决策库、项目信息库以及方案库,辅助企业的经营分析和业务开展。第二层主要数字产品性能(包括集成度和匹配度),直接成本(包括产品、人机料投入),组织关系(包括方案契合度、各方协同度和利益关系)。产品的集成度和功能匹配度影响其应用效果,同时也影响信息的共享程度和管理效率;直接成本投入是数字化设备质量的重要保障;施工方案的配套性决定方案实施效果;参建方利益关系影响其参与意愿和配合程度,从而影响组织协同度,组织协同度又会影响信息的交互,从而影响施工管理效率。
3.4.2 中间层间接影响因素
中间层因素同样分为两层。包括间接成本(包括培训、管理),企业能力(包括可用资金、人才数量),认知引导(领导重视、政策标准引导、试点借鉴)。培训、管理等间接投入对人才培养、组织管理、过程管理均有重要作用;企业资金实力和人才储备是后期建设运营的基础,必不可少的因素;试点项目、政策和技术标准为智慧工地的建设提供了技术指导和方案参考,也为项目的评比和验收提供依据;业主和企业领导的理念认知是技术开展的动力,这是因为新技术的开展需要自上而下的推动。
3.4.3 深层根本影响因素
深层次因素有政府激励、工程特征(规模、工期、性质)、外部环境。政府通过资金奖励、诚信加分、投标加分以及优先评选等奖励扶持政策来推动企业自发开展智慧工地,惩罚措施的制定可保障政策标准的有效执行;而工程自身性质,如生产流动性和建造地理空间的差异,会客观上影响智慧工地的实施;工期和规模是影响企业建设意愿的重要因素,调研中得知,规模小、工期短的项目应用效益不明显,尤其是“短平快”的市政工程,其应用价值并不大;当地的政治经济环境决定了技术先进程度和政府推广意愿,是智慧工地建设及推广的根本影响因素。
4 影响因素的影响力分析
通过ISM将智慧工地建设影响因素分为5个层级,又进一步分为表层、中间层和底层因素。将表层直接影响因素作为制定智慧工地建设方案的重点改进方面,这是建设智慧工地最快速、直接和有效的方法。本文将对表层直接影响因素进行重要性测度,并对影响力大的因素提出相应的提升建议。
4.1 建立表层影响因素指标体系
由图2确定表层直接影响因素指标体系,如图3所示。
4.2 计算指标权重
本文采用专家打分法,给智慧工地试点项目的技术人员、高校教授及BIM专家发放调查问卷,共收回7份问卷并进行了第二轮反馈,综合得出判断矩阵用于指标权重计算。由计算得出λmax=10.4145,CI=
4.3 权重结果分析
经过层次分析法对表层因素权重的测度,权重最高的两项分别为网络基础设施完善度和各组织、专业间协同度,权重为0.258。由此发现行业人士以及学者认为以上两项是智慧工地建设最重要的影响因素。本文将针对以上两项因素提出智慧工地建设的改进建议。
4.3.1完善施工现场网络基础设施
智慧工地是以施工现场数据感知为基础的集数据感知、数据传输、数据认知和智能决策为一体的信息化管理方式,其信息采集传输路径如图4所示。由图可以看出,提高网络设施水平可从以下几点进行改进。
(1)提高网络覆盖率。
具备无线局域网络设施,如WIFI、ZigBee、RFID、蓝牙,网络信号可覆盖所有信息采集设备装置点;具备移动通讯网络,如GPRS、3G,信号应能覆盖主要工地办公、生活区域和施工现场,以此保证物联网信息采集及传输的完整性、及时性。
(2)完善网络设施、设备。
施工现场应设置控制机房,其符合《云计算数据中心基本要求》(GB/T34982)第五章的规定;采集设备应符合JGJT434-2018《建筑工程施工现场监管信息系统技术标准》(JGJ/T434-2018),支持应用设备自动采集传感、位置、出入信息和具有权限的管理人员手动录入信息;应具有移动和固定终端设备,可对现场管理要素进行识别、监管、控制,便于数据信息的提交和任务下达。
(3)建立和维护信息化监管平台。
应具备所有物联网设备接口的支撑能力,以提高监管平台的集成度和功能完善性;应统一数据标准,提高数据交互性和软件兼容性。
4.3.2 提高施工阶段组织、专业协同度
Eadie在研究中强调,协作和流程方面比软件技术更为重要,能够产生最大的积极影响。基于BIM和移动终端的协同管理平台可有效将施工现场数据和业务经营相融合,移动终端的应用,一是可以采集和传输施工现场数据到控制中心,以此对项目进行实时监控;二是作为管理终端通过APP或BIM轻量化展示来进行数据信息的查看,以此对施工现场进行协同管理。运用BIM模型可以集成项目现场移动终端、视频以及物联网采集的数据和文档数据,从而对成本、进度、质量等控制目标进行集成管理,并可通过移动终端查看,以此实现项目施工阶段综合协同管理。其平台设计架构如图5所示。
5 结 语
智慧工地作为建筑业信息化落地的最后一公里,是近些年为追求更高的管理水准、人员素质、工艺工法和环境保护而提出的新兴名词,仍处于起步阶段。本文通过文献梳理和实际案例分析,总结出了目前阶段智慧工地建设影响因素,结合专家意见构建因素指标体系,运用解释结构模型和层析分析法,对因素间的相互关系、层次和影响力度进行剖析。研究表明,网络基础设施、知识管理库和数据信息应用能力是最直接的影响因素,工程性质特征和外部环境是最根本因素;网络基础设施、各组织专业间协同度和软硬件系统集成能力是最重要的因素。本文针对提升智慧工地建设水平重点关注方面进行剖析,可为主管部门及企业编制更直接有效的建设方案提供参考。
本文应用ISM来判断因素之间的关系,带有主观性且无法展示其关系的强弱,因此模型和数据有效性的优化是下一步的研究重点;除此之外,政府主导的智慧工地建设是以从业人员保护、产品高质量、生产0事故、节能环保为最终目标,具有很强的社会、生态等外部性效益,因此外部性效益测算和政府对开展企业的效益补偿机制是下一步的研究重点。
[2] Teizer,J.,Status quo and open challenges in vision-based sensing and tracking of temporary resources on infrastructure construction sites.Advanced Engineering Informatics 2015(2):225-238.
[3] 《中国建筑施工行业信息化发展报告》编委会.中国建筑行业信息化发展报告(2017)——智慧工地的应用与发展[M].北京:中国建材工业出版社,2017.
[4]Iacovidou,E.,Purnell,P.,Ming,K.L.The use of smart technologies in enabling construction components reuse:A viable method or a problem creating solution?[J].Journal of Environmental Management,2017(4).
[5] 王景.“互联网+”助推智慧建造健康发展[J].中国建设信息化,2017(16):16-19.
[6] 李霞,吴跃明.物联网+下的智慧工地项目发展探索[J].建筑安全,2017(2):35-39.
[7] 刘金周,肖游和朔,郭彪,王湖.基于智慧建造的质量安全协同管理技术研究[J].施工技术,2019(1):9-12.
[8] 马明磊;李敏.基于BIM技术的智慧工地建设[J].中国建设信息化,2019(6):47-49.
[9] 张艳超.智慧工地建设需求和信息化集成应用探讨[J].智能建筑与智慧城市,2018(5):86-88.
[10] Robert Eadie,Mike Browne,Henry Odeyin kaetal.BIM implementation through out the UK construction project lifecycle:Ananalysis[J].Automation in Construction,2013,36:145-151.