建筑工程涵盖多学科、多专业, 其项目管理具有复杂性、模糊性、不确定性与重复性等特征, 多学科、多专业协同的纵深发展, 将打破传统建筑行业简单业务流程阻碍。无疑, BIM 将成为未来建筑业发展的主流技术^[1]。在过去10年间, 美国、德国、法国和芬兰等发达国家均通过建设建筑工程试点项目, 展示BIM技术的施工能力与应用价值。应用BIM技术的建筑工程项目被认为是更为可靠、持久的产品^[2]。不论学术界还是实务界都普遍认为阻碍建筑行业纵深发展的因素不是技术或工具本身的创新或变革, 而是对新兴技术的认知、应用与评价^[3]。然而, 当下业界往往关注BIM技术在建筑工程项目过程中各独立阶段的应用, 较多地讨论BIM技术在施工阶段的初级应用。而达到全生命周期广度及深度的BIM应用并不多见, 并没有把主要关注点放在建筑过程管理的应用价值评价方面。部分文献认为BIM 技术在建筑工程全生命周期管理的应用价值评价方法主要以财务指标为主, 集中在短期、单个案例研究的财务指标上, 其方法用于衡量BIM技术在建筑工程全生命周期管理的效益、效率和质量情况较为局限。本文从获益方的视角衡量BIM在建筑工程全生命周期管理应用价值评价指标的适用性。

通过关键词模糊检索, 获得约300篇在线文献, 整理选择了2002—2017年与研究主题相关且引用次数 (times cited) 较高的学术性文献。在研究内容相关性与引用次数双重因素影响下, 尽量保证使用的参考文献公开发表时间呈正态分布 (见图1) , 本文以研究目的为主要思路进行文献归纳, 分类成29个信息源。

依照文献研究法, 将29个信息源文献归纳成7个类别进行论述:第1类是案例研究和指标量化的研究方法, 这类文献较有代表性, 涉及和涵盖建筑工程项目管理BIM应用价值指标的测量^[4,5,6,7];第2类是单一项目案例研究与讨论, 关注BIM技术在全生命周期管理的应用分析, 没有提供量化效益指标或测量方法^[8,9,10,11];第3类是案例研究及模型或业务流程管理研究, 文献提供项目案例和BIM应用效益模型, 但没有可量化的评价指标^{[12,13,14,15]};第4类是评价模型或业务流程管理的过程研究, 提出框架建议或过程的评估^[16,17,18];第5类是开展调查形式的研究, 包括问卷调查、半结构化或结构化调查、田野调查和访谈等形式, 以此展开BIM应用价值的评价内容或指标概念定义^{[19,20,21,22]};第6类是进行调查和案例相结合的研究, 包含具体项目案例的调研, 以及以实施BIM应用的项目团队成员为调查对象的协同研究^[23,24,25];第7类是理论和一般假设类型的研究, 其中包含统计分析BIM项目真实数据, 提出框架建议和效益评估^{[26,27,28,29,30,31]}。

综上所述, 没有发现以上文献信息源能直接确立应用价值评价框架模型, 并将其应用于具体项目案例和提出量化资料指标的研究, 对案例项目数据研究的方式通常采用项目比较或对比性研究。本文以第1类参考文献为指导, 进一步讨论评价指标定义与适用性问题。Kagioglou 等提出的关键绩效指标 (key performance indicators, KPI) 虽然较为笼统, 但其需要在评价前确定针对BIM的执行计划内容, 只有在BIM项目执行计划得到明确评估时, 才能做出有针对性的应用价值评价。Luu 等认可将绩效指标评价作为衡量效率的基本要素。M.R.Hosseini等^[32]进一步验证了关键绩效指标可以促进系统性能改进, 并将其列出:产品的成本预算力、时间的预测能力、盈利能力、生产力、建设成本和施工周期等。尽管这些指标较为笼统, 但其被证明可以用于评价BIM的应用价值, 只是在使用这些指标前, 需要辨别BIM的评价意图和观察内容。目前BIM技术及其在建筑工程全生命管理应用的实践日趋完善, 但对于评估BIM应用价值的研究并不多见, 尚未形成完整、系统的理论体系。以上文献研究给出了建筑工程行业目前的评价指标, 为评估具体的BIM应用价值起到参考作用。按使用频率提炼出评估BIM应用价值关键评价指标, 使用产品的客户满意度、服务的客户满意度、错误率、成本预算力、时间的预测能力、盈利能力、生产力、安全性能、建设成本和施工周期评价其适用性。

由于BIM应用价值影响具有不能从原始环境中提取变量和因素的特征, 应用价值评价通常采用调查和访谈等质性研究法, 从具有主观性和感知性调查对象的一般估计中获得。主要研究方法如下。

利用BIM应用价值各维度的问卷调查数据, 统计分析观测变量 (manifest variable) , 通过论文定义的相对重要指数 (index of relative importance, RII) 公式 (见式 (1) ) 分配影响力权重, 以此对BIM应用价值的各维度影响力进行重要性排序。根据权重值评价BIM在全生命周期各阶段或特定业务流程的影响力, 讨论BIM的应用现状与价值。

$R{\rm I}{\rm I}=\frac{{\displaystyle \sum W}}{A\cdot {\rm N}}(0\le R{\rm I}{\rm I}\le 1)(1)$

式中:W是调查对象分配给各选项的权重;A是最高权重值;N是调查对象总人数。

Charles Spearman提出的因子分析模型为:

$X=AF+\alpha \epsilon (2)$

式中:X为观测变量, 表示为X₁, X₂, …, X_p;p为观测变数数量;F为n个公共因子变数, n<p;α为公共因子变数的相关系数, α越大说明公共因子F和观测变量X的相关性越强;ε为特殊因子, 表示观测变量不能被公共因子所解释的部分, 相当于多元回归分析中的残差部分。

判别适合因子分析的维度, 利用SPSS因子分析 (factor analysis) 模块, 分维度进行因子荷载矩阵求解、提取公共因子等探索性因子分析 (exploratory factor analysis) 操作, 建立分维度公共因子结构模型, 使用因子得分 (factor score) 系数矩阵数值, 计算因子得分函数 (各观测量因子变量的线性表达式) :

$F{}_i=\beta {}_{i1}X{}_1+\beta {}_{i2}X{}_2+\cdots +\beta {}_{ip}Xn(3)$

式中:β_ip为因子得分系数。

使用因子得分 (F_i) 与因子方差贡献率 (d_i) , 计算各分维度的综合得分:

$F={\displaystyle \sum _{n=1}^{{\rm P}}d}{}_i\cdot F{}_i(4)$

式中:d_i=λ_i/∑λ_i (i=1, 2, 3, …, m) 。

由于横断式调查数据, 调查对象接受一次调查, 所以样本数据不测量调查对象的变化情形, 为总样本个体间的差异, 可以代表被界定的较大主体变化。将752名专家视为计算必要样本量时的总人数, 采用α=0.05, t=1.65, 置信区间 (confidence interval) Z=8.52, 样本量为113。113是基于0.65的回答率得出的, 研究需要74份回答, 实际收到104份, 样本数适当。

在中国建筑业协会BIM专家库中, 包括国内勘察单位、设计单位、施工单位、监理单位和业主方的五大责任主体及造价咨询、招标代理、工程项目管理与建筑运营单位等项目管理参与方的752名专家, 作为调查对象展开问卷调查, 进行非概率性随机抽样。调查问卷采用半结构化、封闭式选项, 调查时间为2017年1—4月, 从752名专家中非概率性随机抽样223名 (29.65%) 、104名 (46.64%) 的完整答复, 样本数适当。根据统计显示, 调查对象的行业工作时长、单位组织规模和职业构成情况符合样本调查对象的属性特征。调查对BIM行业进展情况有了广泛了解, 通过经验丰富的项目管理参与方主导, 能真实反映与评价建筑工程行业BIM的现状和应用价值, 具有代表性。

采用独立样本t检验方法计算鉴别度, 用排在前后27%的样本分别定义高分组和低分组, 设定高低分组 (N=104, 故高、低分组样本数均为28) , 利用转换 (transform) 中的计算变量 (compute variable) 操作各变量的总分, 以此建立高、低分组样本群, 独立样本t检验 (independent-sample t test) 结果如表1所示。由表1可知, 方差齐性检验结果p=0.237, 由于显著性水平设定为a=0.05, p>0.05, 故不能拒绝零假设, 即两个总体方差具有齐性。t=-18.510, df=54, p=0.000, 由于显著性水平设定为a=0.01, p<0.01, 所以应拒绝零假设, 样本有极其显著的差异, 代表问卷中的题目具有很强的鉴别力。

计算可得, 各题目的Cronach’s α介于0.79～0.91, 总量表Cronach’s α=0.859<0.6, 说明调查问卷的内部一致性与稳定性在可接受范围。基于标准化项Cronach’s α与原系数差别不大, 仅为0.026, 说明题目间的相关性较好。

本文认为BIM的应用价值需在项目全生命周期内进行评价, 以确保实现持续改进。依据关键评价指标作为BIM应用价值的评价指标分配权重, 其RII值如表2所示。

由BIM关键评价指标X样本的KMO与Bartlett’s球状检验可知KMO统计值为0.521, 满足因子分析条件;在Bartlett 检验中, 近似卡方值为38.476, 对应的显著性概率P=0.006<0.01, 小于显著性水平, 拒绝检验的零假设。KMO与Bartlett检验均表明BIM关键评价指标X研究适合因子分析。

表3所示为公共因子方差表示因子分析的初始解, 给出所有观测变量的共同度数值, 由于观测变量标准化的方差都为1, 故X₀～X₉共10个观测变量的共同度都为1, 说明观测变量的所有方差均可以被解释。然而, 按照特征值>1提取公共因子时, 测量变量的方差可以被解释的程度都会到损失, 其程度在29%～46%。对比最大方差旋转的最终因子解, 旋转前观测变量信息损失程度等于旋转后, X₀～X₉共10个观测变量的数据差异性不大, 因子意义较为含糊, 本文将进行因子解释观测变量总方差计算和分析。

表4显示了10个因子解释观测变量总方差的情况, 主成分编号按特征值大小排序。分析可知, 如果要求累计贡献值>62%, 则需提取5个公共因子, 且这5个公共因子的特征值均>1.0, 测量变量方差可以被解释的程度达到要求, 但提取公共因子效果不合范畴。

从表4中可以看出, 第1个公共因子特征值为1.556, 方差贡献率为15.563%。分析过程提取了5个因子, 5个因子解释方差共占总方差主成分累计贡献率62%以上, 被认为勉强可以解释观测变量, 被舍弃的其他5个因子解释方差占不到40%, 说明前5个因子的数值变化基本可以代表前述10个观测变量的变化。从图2可以看出, 前4个因子的特征值比较大, 连成了陡峭的折线, 第4个因子对应点是折线转折点。第5个因子对应点为另一个转折点, 同时第5个因子之后的特征值比较小, 折线平缓, 可认为提取前5个因子较为合适。

3) 建立因子模型

构建BIM关键评价指标X的因子模型, 根据样本数据矩阵估计因子荷载矩阵 (见表5) , 可以看出每个公共因子对应于各观测变量的荷载表现不太明显, 不便于用观测变量解释其含义。

为了明确因子含义, 对初始因子荷载矩阵进行旋转。因子荷载矩阵经旋转后如表6所示, 表中数据向0, 1两极分化;在旋转空间中的成分图 (见图3) 可见, 公共因子与观测变量的关系较为明确:第1个公共因子F₁与X₀, X₂和X₃关系密切, 表明在产品客户满意度、错误率和成本预算力3个观测变量上有较大的荷载, 一定程度上反映了BIM关键评价指标在于BIM在工程建设质量的管理能力体现, 因此称F₁为质量因子。第2个公共因子F₂与X₅, X₈关系密切, 表明在安全性和时间的预测能力两个观测变量上有较大的荷载, 一定程度上反映了BIM关键评价指标在于BIM在工程建设运行控制能力的体现, 因此称F₂为运行因子。第3个公共因子F₃与X₃, X₇和X₉关系密切, 表明在成本预算力、生产力和施工周期3个观测变量上有较大的荷载, 一定程度上反映了BIM关键评价指标在于BIM在工程建设计划与调控能力的体现, 因此称F₃为调控因子。第4个公共因子F₄与X₁关系密切, 表明在服务客户满意度这个观测变量上有较大的荷载, 一定程度上反映了BIM的关键评价指标在于BIM对客户服务价值的体现, 因此称F₄为服务能力因子。第5个公共因子F₅与X₄, X₆关系密切, 表明在总成本和盈利能力这两个观测变量上有较大的荷载, 一定程度上反映了BIM关键评价指标在于BIM在工程建设支出与收入效用价值的体现, 因此称F₅为收支因子。

建立上述因子分析模型 (见图4) 后, 根据经过旋转后的因子变量线性表达式, 使用因子得分系数矩阵和标准化的数值计算因子得分, 并计算综合得分。依据因子分析及得分统计可对10个显在变量的分析转化为5个潜在变量的分析, 有一定的相关性。虽然5个公共因子的累计方差贡献率仅达到62.372%<70%, 但根据杜智敏等^[33]研究认为:累计方差贡献率的适宜率要根据具体问题确定有关科学技术, 要求累计方差贡献率要在95%以上;但对于社会科学、行为科学中的数据, 可能达到60%就被认为是适宜的。

在公共因子定义时发现F₁和F₃出现X₃共线性 (图4中的灰色因子) , 被认为归纳公共因子意义不明显, 对所蕴含的潜在变量信息解释存在牵强语义, 总体评价BIM关键评价指标的效果不理想;但是, 从X₃成本预算力这一显在变量与F₁质量因子、F₃调控因子这两个潜在变量的语义上分析, 其相关性比较显著, 因子意义较为明确。一方面, 从公共因子的定义可知, X₃存在相关的共同趋势, 这是主要原因;另一方面与样本体量小或横断资料的偶然性有关, 这也是样本的局限性因素。依据刘国旗^[34]对解决因子多重共线性问题的界定, 2个或多个自变量之间存在多重共线性, 才被认为因子模型不能很好解释因变量的变化。故此, 本文1个自变量的共线性在容许度内, 为近似共线性, 故不进行排除引起共线性的变量操作。

通过评价目前用来衡量建筑BIM应用价值的标准, 为后续研究提供参考, 也对BIM的实际效益和计划执行情况做出对比。BIM应用价值的评价指标较多, 不过总成本 (经常使用比例是53.85%) 和盈利能力 (经常使用比例是45.19%) 是最常测量的方面, 而后是生产力指标 (经常使用比例为41.35%) , 时间的预测能力最少用到。另外, 由于BIM可用项目数据信息的性质, 研究存在局限性:参考文献的局限性矛盾, 本文使用了2002—2017年引用次数较高的学术性文献, 文献时间分布受研究内容相关性与引用次数影响, 尽量保证使用的参考文献公开发表时间呈正态分布;文献分中文和英文两类, 中文文献以考虑创新性为主, 兼顾引用次数, 时间为2010—2017年, 英文文献关注研究方法与结果相关性, 兼顾引用次数。使用引用次数归纳的文献, 虽然代表了业界或学者的认同度, 但同样存在新颖性损失、中英文文献分布不均等问题, 导致研究的粗浅性。

综上所述, 根据BIM关键评价指标X的研究需要, 选择5个公共因子建构因子模型比较合适;BIM关键评价指标X₆中10个题目结构与工程项目全生命周期管理中BIM关键评价指标的基本结构一致;BIM关键评价指标分维度的结构效度达到了要求, 公共因子建构因子模型与工程项目全生命周期管理中BIM关键评价指标的基本结构一致, 结构效度呈现出更为明显的特性;评估建筑工程项目效益、效率和质量三要素, 可以实现建筑工程项目的持续改进;将评价指标作为衡量效率的基本要素, 虽然较为笼统, 但在建筑工程行业受到普遍认同和广泛使用, 使用关键评价指标可以使BIM的执行计划与相似项目案例进行比较, 以便确定差异区间, 评估实际效益。