项目管理在实践中的应用.docx

毕业设计（论文）题目：项目管理在实践中的应用系部：专t:Ifl级：姓名：指导教师：2022年XX月XX日目录摘要11前言21.l研究背景21.2研究目的与研究意义3研究目的31.2.2研究意义31.2国内外研究现状综述41.2.1国内研究现状4L2.2国外研究现状4L2.3国内外研究现状述评51. 4研究内容与框架52相关理念基础及概念界定62. IBlM62. 2'jj"'I:62. 2.1数字工程概念62. 2.2大数据72. 3工程项目管理83基于BIM技术在数字工程项目管理的方案93. 1数据采集93. 1.1数据采集准备工作93.1. 2数据采集注意事项103. 2数据分析103. 2.1进度管理113. 2.2成本管理133. 3J员管*153. 4数据决策163. 4.1进度管理16结论17参考文献18摘要以海量数据为依托进而快速发展的大数据技术在成为时代潮流的同时也在引领各行各业探索新的产业变革方向。建筑业依据大数据进行数字化改革已经是必然趋势。项目管理是工程项目完工的保证，大数据是帮助项目管理者进行决策的前提。BIM技术为“数据化”项目管理及大数据分析创造条件。所以将两者结合对数字工程的项目管理具有重要的现实意义。探索BlM技术与大数据技术集成应用方案为工程项目管理的优化提供了现实可能。本文以数字工程项目管理为研究对象，分析与大数据具有相似特征的建筑业数据利用大数据进行可视化数据分析的可行性，创新性地将BIM与大数据技术结合数据分析模型以数据可视化的方式在数字工程质量、进度、成本项目管理中应用，并在此基础上，提出基于BIM技术和大数据技术集成应用于工程项目管理的保障措施，增加方案应用于实际情况的可行性。丰富了基于BIM和大数据技术的数字工程项目管理理论，为数字工程项目管理的实际应用提供一定程度的指导。关键词：BIM技术；大数据；项目管理；数字工程1前言1.1 研究背景随着数字技术的快速发展，以数字为关键要素的“数字经济”也得以快速发展，社会逐渐走向数字化时代。对于数字社会发展的基本工作便是对数据进行储存与分析。数字化时代的来临的主要特征体现在数据量的增长速度显著加快。由此提出的大数据这一高频词汇也逐渐被大众所熟知。统筹复杂繁多的行业数据并对其进行有利用价值的分析后就可以得到大数据的关键功能：决策。因此如何分析并利用大数据进行决策逐渐成为各行各业数字化改革的关键方向。建筑行业也开始充分利用数字化建造技术进行数字化产业变革。目前BIM技术作为在工程建筑行业广泛应用的关键项目管理辅助技术，大幅度提升了项目管理效率，成功推动了建筑工程项目管理从二维到三维的变革。传统的工程建筑行业虽然在一定程度上被BIM技术带入数字化应用领域，但目前工程建筑行业依然存在着数字化利用程度较低，管理组织信息壁垒现象严重，大数据应用情况落后的现象。海量的隐藏的工程建筑行业数据在工程项目管理中不能得到良好的采集与储存，导致大量数据分散遗失，这也意味着目前项目管理人员在项目决策方面依然有非常大的提升空间。目前建筑行业工程项目鳞次栉比，不胜枚举。在国内GDP大幅增长的情况下，行业却陷入项目资金高，利润率低的困境。国内行业大型建筑公司利润远低于国外大型建筑公司，中国建筑行业利润与中国工业平均利润相比相差甚远，可以说建筑业在第二产业中利润率排名最末。有数据表明：建筑行业整体利益约为l%-3%,研发投入资金过低，近二成以上项目存在超进度现象，近八成以上项目存在超投资现象。面临行业低潮期的建筑业正迫切的需要数字化改革给行业注入一剂有效的强心剂。2020年住房和城乡建设部等13个组织部门出台了关于推动智能建造与建筑工业化协同发展的指导意见指出要以大力发展建筑工业化为载体，以数字化、智能化升级为动力，创新突破相关核心技术，加大智能建造在工程建设各环节应用，形成涵盖科研、设计、生产加工、施工装配、运营等全产业链融合一体的智能建造产业体系。到2025年,我国智能建造与建筑工业化协同发展的政策体系和产业体系基本建立,打造中国建造升级版。从以上分析可以看出，要适应新的经济形势，坚持数字化创新改革发展已经成为各建筑企业的必经转型之路。尽管我国的BIM与大数据结合应用现在还处于起步阶段，主要有缺乏懂得BIM技术与大数据分析的复合专业人才、数据标准不统一、通用软件成熟低等现象。此外BIM技术获得的一些数据也不是很详尽，收集数据后也不知道如何对数据进行有效分析，目前行业协会也没有出台详细的贴合实际的施工指导文件。因此企业无法用有限的经验探索出将BIM与大数据技术结合的，具有实践性的改革方案，这限制了BlM与大数据技术集合应用与数字工程项目管理的发展。随着以智慈城市为建造方向的城市发展观形成，结合居民消费结构升级，生活品质与需求随之升级等因素都在推动建筑行业加快数字化改革进程。数字化发展基于BIM技术，将BlM技术和大数据、人工智能和互联网等技术相融合来进行项目管理是在系统工程整体思想下的最优变革方向。这也是智能建筑、数字工程、物联网等新兴发展行业理念对建筑业和工程项目管理的共同选择。通过结合BlM软件进行高效大数据分析，使得项目管理人员做出正确的决策使其达到预期的效益，这是一个非常值得研究的行业前沿热点课题。1.2 研究目的与研究意义1.2.1 研究目的BIM技术和大数据是计算机技术发展的产物，目前BIM技术在工程项目管理中已经实现普遍应用。但将BlM技术与大数据相结合进行建筑工程项目管理方面的研究和实践较少，研究方向较为广阔。本文旨在利用数据分析模型将大数据与BlM技术以数据可视化的方式应用于数字工程的质量、进度、成本三大项目管理方向。提出以BIM技术为基础的数字工程大数据项目管理应用分析方案，实现对建筑业大数据的管理及价值利用。最后，提出与应用方案相匹配的保障措施，使其具有应用于实际工程的应用价值，丰富数字化项目管理理论，为今后我国城市建造数字工程项目管理工作提供一定的参考。1.2.2 研究意义（1）理论意义在于：通过阐述BlM概念和大数据概念，在丰富大数据与BIM技术结合理论的同时推广了BlM技术应用于数字工程项目管理的集成理念，结合数据分析模型建立了基于BlM技术的数字工程关于进度管理、质量管理、成本管理的全新方案，解决了目前BIM在项目管理应用中无法充分利用建筑业数据的问题，并提供方案实施时的相应保障措施。（2）实践意义在于：提出可以应用于实际工程中的项目管理的应用方案，并根据方案提出保障措施，希望能够给相关建筑单位一定的指导参考，培养项目管理人员拥有数字化改革的意识，进而推动相关改革的进行。本文为工程项目管理决策优化工作提供更好、更全面、更科学的管理方法，以便于解决项目管理人员决策风险高、信息壁垒等问题，对于加快工程项目管理的数字化水平，提高项目经济效益有着重要意义，促进建筑行业产能提高。1.2国内外研究现状综述在调查国内研究现状时采用中国知网进行检索，以“大数据”“项目管理”为关键词共检索到2021年发表的最新文献421篇，以“BIM”“项目管理”为关键词共检索到2021年发表的最新文献386篇，以“BIM”和“大数据”为关键词共检索到2021年发表的最新文献283篇。在调查国外研究现状时同样采用通过谷歌学术进行检索，最后根据现有的研究文献归纳国内外研究现状。1.2.1 国内研究现状韩港(2021)：在企业组织架构上以信息部为中枢，第一时间对数据进行深度挖掘、分析、预测，提高项目管理人员决策可靠程度。在技术上利用BP神经网络模型完成对项目施工的安全管理预测。杨波(2021)认为：BIM技术与管理信息系统ERP相结合的BIM-ERP系统可以更加科学地处理工程项目的各个阶段,包括立项、招投标、施工等阶段管理，ERP是企业常用的信息化管理平台，但无法对各类专业数据集中化处理和分析。BIM技术弥补了ERP数据采集的劣势，把ERP统计的各类专业信息优化处理，并集中应用到实际项目管理中，提高企业数字化管理水平。梁进(2021)认为：BlM技术的推动逐步转变为由业主方主导。BIM技术正在和其他相关技术深度融合。据此重新定义了BIM的核心价值：实现工程建造全过程的精确建造和全过程的流程优化“叫吴京戎(2020)：将BlM技术引入项目管理的源头，打通项目管理各个阶段与环节，创新性地将BIM技术应用于数字化项目管理全寿命周期，建立以监督项目产出数据为目的管理系统，实现了过程数据在建设中的循环应用。李庆平(2021)：搭建BIM十大数据技术平台，在工程招标采购领域实现对工程领域中“一套模型，贯穿始终”的新模式，将项目相关人员集中到统一平台与标准化系统中，提出深化建立电子招标采购云平台，以此改善行业秩序1.2.2 国外研究现状Zhou(2021)：通过集成物联网、BlM和计算技术来解决在项目管理中低效的数据采集方法、不充分的进度监控以及缺乏自动决策支持等问题，提出了面向办公自动化系统的物联网智能BIM平台(SBIMP)o定义并配置了配备STT和GPS传感器的智能建筑对象(SeoS),以实现高效和可靠的数据收集过程f。Chen(2021)：建立了基于CIoUd的云系统BIM技术框架，利用BigTable和MapReduce技术充当数据收集和处理手段,提供基于Web的海量建筑信息模型的查看、存储和分析服务。用于有效地从数据中心的动态BIM中检索和计算各种应用所需的信息Mohit(2021)：提出了一种新的基于BIM技术的无碰撞钢筋混凝土结构设计方法。利用演化优化方法解决梁柱节点的碰撞问题。最佳方案最大限度地减少了材料的使用，同时加强了钢筋的放置,。Kim(2021)：利用BIM技术研发一种新型BIM集成的施工机器人任务规划与仿真系统。开发了IFC-SDF转换器来提取BIM的信息并将其传递到ROS框架。专注于研发生成室内墙面喷涂集成施工机器人，提高项目质量管理效率Jasmine(2020)：开发基于因素的大数据和预测分析(BDPA)能力评估工具，确定影响施工组织实施BDPA能力的关键决定因素，对施工组织实施BDPA能力的诊断，通过实践确定多种因素影响施工组织的能力情况。1.2.3 国内外研究现状述评国内的研究方向具有一定的中国社会主义特色，紧跟国家政策号召，以建设智慧城市为发展思路，从集体角度出发考虑行业发展方向。以解读基础概念，总结应用现状，分析应用问题，提出宏观对策为主询。国外研究比国内研究更加深入与多元，研究内容均走在行业前沿研究发展方向上，更倾向于细化BlM技术，侧重于对建造建筑的每一道工序所需要的技术方法进行深入的研究精进。总体来说有关BIM技术与大数据的结合应用在项目管理的研究虽然已经涉及较多方面，给本文提供了深厚的理论支持，但在研究方向上仍然存在研究方向广度有余深度欠缺的现象，对于新兴行业热点依然需要深入研究。同时有关BIM技术与大数据结合集成应用的应用方案型研究较少，探索集成应用过程的问题对策性研究较多，理论性较强。从建筑企业实际参考价值角度来说，BIM与大数据技术结合应用于数字工程项目管理方面的应用型研究文献比简单的提出问题对策型研究文献更符合管理者的需求，能给予管理者可以直接应用的改革方案。基于此，本文从项目管理人员的角度研究在数字工程中利用BlM技术进行项目管理的应用方案。希望可以为建筑企业在BIM技术上进行数字化改革时提供参考或指导。1.4研究内容与框架本文旨在通过提出基于BIM技术的数字工程项目管理应用方案，提高项目管理人员决策效率，减轻决策风险，提高项目管理经济收益。具体内容如下：(1)综述了国内外关于工程建筑行业数字化技术应用发展的研究现状，准确把握数字工程含义，有助于项目管理人员掌握数字工程项目管理内涵，从而充分利用建筑数据分析决策。(2)论述了建筑行业数据特点，提出建筑业数据与大数据具有相似特征，并在此基础上得出了可以将大数据相关的分析模型与技术类比应用到建筑业数据进而进行项目管理的结论。（3）在理论基础的前提下从项目管理影响因素的角度出发，提出以大数据分析为核心的基于BlM技术应用于工程建筑项目进度管理、成本管理、质量管理的应用流程。提出关于施工阶段项目进度实时监测与优化流程、成本监测与优化流程、质量监测与优化流程。（4）提出应用方案的相应保障对策，希望为我国的数字工程项目管理工作推进提供经验借鉴。2相关理念基础及概念界定2.IBIM技术BIM主要是基于国际智慧建造联盟提出的理念，其定义有三种:建筑信息模型、建筑信息模型应用、建筑信息管理。BIM是先进计算机技术，也是项目信息化管理的工具，更是一种行业前沿的项目管理思维。BIM的工具是软件，BIM的核心是信息网。BlM利用三维建模完成对建筑基本特征的数字化描述，在虚拟环境中数字化地模拟真实建筑项目管理实况。BIM的核心实用价值是信息可视化的数据集成。利用BIM实现了各参与方在建筑上下游产业的协同信息交流。项目人员能实时查阅所需相关数据，提高协同水平和决策效率。BlM技术可被贯穿应用于工程项目全部管理阶段，监督并优化项目的各个实施阶段。在工程设计阶段可直接对参数进行修改，降低图纸出错概率，优化设计图纸。在施工阶段，可以对施工方案进行碰撞检验和模拟施工方案，降低施工风险，提升团队沟通效率。BlM为工程项目管理提供了强有力的信息化技术保障。2. 2数字工程2.1.1 数字工程概念随着数字化改革理念在各行业的不断深化，数字工程成了建筑业各大企业重点攻克的对象。数字工程是利用逐渐发展兴起的信息技术，如BlM、大数据、人工智能等，引导各大建筑企业进行数字化转型，最终实现建筑建造过程从立项、设计、施工、验收到运营等全方位的数字化管理的工程例。数字工程的首要工作是对工程产生的数据进行采集与传输，利用以BlM为代表的数字集成技术，采集工程建设过程中产生的所有数据。以可视化的形式表达数据，将其应用在不同建造阶段中。方便不同专业方向的项目人员了解工程的全部数据，从而有利于各工程部门之间的信息传递，打通信息壁垒。简而言之数字工程就是在工程项目中充分利用大数据分析对项目产生数据进行可靠的管理与决策的工程。2.1.2 大数据1 .大数据概念大数据是指不从数据中进行随机采样分析，而是对所有数据进行收集储存，利用计算机技术对全部数据进行有效分析，帮助管理者进行决策的有价值的数据。大数据的5V特征如下21：(1) Volume：数据量巨大，大数据所处理的数据量通常在PB级以上；(2) Variety：数据多类别储存，大数据很难具体描述储存哪些类别的数据，只要是能被智能设备收集的，都会被认为是大数据。目前数据类型主要以结构化数据、非结构化数据、半结构化数据为主。(3) Velocity：数据时效性，大数据是动态变化的，产生的大数据会随时被采集，数据也会被不断累积，因此无法预测数据最终的容量停止级别。同时数据也是有一个时效性的，超过了时效，对数据的分析将不再具有价值。实施利用数据分析手段处理大数据是大数据的技术关键。(4) Value：价值密度低，大数据收集到的只是一些普通的低价值数据，只有通过不断对这些数据进行分层，采用各种分析技术和分析工具，从而得出的数据可视化规律或模型才是大数据的真正价值。大数据数量过于庞大，目前已经利用的大数据在数据总量中可以说是沧海一粟，大数据利用潜在价值可见一斑。(5) Veracity：数据真实度，大数据是从现实世界中捕捉的，分析大数据就是从互联网产生的网络数据中提取出能预测发展趋势的数据。2 .建筑业数据特点建筑业数据被认为是一类典型的行业大数据，因为建筑业数据同样具有以下大数据特征:(1)数据量巨大建筑业是国家经济的重要支柱产业，满足人民日益增长的对美好的物质和生活的需求，解决人民居住困难问题，与多行业上下游产业均有深厚联系。繁多的数据数量由此产生，海量的建筑数据会在项目全寿命管理周期的各个阶段产生。建筑业数据也是一种重要的信息资产需要永久存储。这些都导致了项目进程越步入尾声，项目累加的数据量越多。(2)数据多样性建筑行业数据种类繁多，项目各参与方，如承包方、发包方、监理方等，都为建筑行业提供了不同侧重方向的专业数据。此外，建筑行业行政规则、法律规定也被认为是建筑业数据的一种。建筑业数据种类也不同，包括能够利用软件进行量化管理的结构化数据；包括以合同文本、项目图像等为主的非结构化数据。（3）数据时效性建筑工程项目必须严格按照施工工艺流程进行建造，项目在各阶段会时刻迭代产生海量的项目管理数据。数据进行高效利用的关键是要在数据产生的阶段对数据进行有效抓取与利用，一旦工艺流程完成施工，超过了数据时效，对数据的分析将不再具有价值，做出的决策可靠性也会下降，风险也会增加。（4）数据价值密度低建筑工程项目建造时，项目各组织之间存在数据壁垒。项目的建筑数据分割储存在项目业主、承包商与分包商等参与方独立使用的软件平台中，不同软件输出的建筑信息格式无法通用，目前没有通用的软件完成对全部建筑信息的收集。软件壁垒导致虽然建筑数据的量在急速增长，但是建筑数据的价值并不是与数据量增长成正比的。（5）数据具有高真实性建筑行业具有许多严格建设要求，例如必须严格按照项目生产流程生产。同时由于工程建造特点建筑生产过程很难连续依次完成，建筑建造都要求建筑图纸与现实中的建筑实体完全符合，同时在施工阶段进行的建材库存计划，施工工程进度计划编制、人员的排班安排、机械的进出场计划均依赖于真实建筑项目编制，因此建筑业的数据具备真实性的特点。将上述建筑业数据特点类比大数据的5V特点，可以看出建筑业数据明显与大数据具有相似特征。虽然目前建筑业数据数字化利用的程度不高，建筑业数据不能像其他高科技信息产业那样大规模地进行数据价值分析与决策，但我们必须承认建筑业数据目前拥有着无与伦比的发掘潜力。工程项目管理需要采集、分析、决策、总结其深刻的内部规律，进而反过来指导建设工程项目管理工作。2. 3工程项目管理工程项目管理理论有三个理论方向：进行工程项目的管理模式研究，进行工程项目管理的影响因素研究以及进行工程项目的全寿命周期研究。管理模式研究侧重于不同的管理流程和不同的管理重点；影响因素研究主要集中在三个方面：质量、成本、进度；全寿命周期研究主要集中在项目的全过程阶段，以设计、施工、运营管理三个阶段为主。项目管理理论的独特性体现在在项目具有一次性、整体性、全过程管理和协作要求高的特点。本论文的研究侧重点是基于项目管理的影响因素研究。项目管理的内容研究的核心管理三要素即为质量、进度、成本。项目管理的主要目标就是将成本降到极致，将施工时间缩到最短，将工程项目质量达到最优。但在实际工程项目管理应用上，进度、质量、成本三要素难以同时达到最优，可类比为鱼和熊掌不能兼得，如果要兼顾三者达到最优则难度会成几何级数上升。因此项目管理人员在项目监督管理过程中通常利用系统工程整体最优思想实现工程项目整体利益最大化。后面论文中如果没有特别说明，一般都是从项目管理的因素研究这方面来论述和分析的。3基于BIM技术在数字工程项目管理的方案2.1 数据采集2.1.1 数据采集准备工作（1）企业组织架构建立数据部项目组织应在传统的组织结构中创新性地增加一个用于采集大数据的部门，优化组织架构。以大数据采集为核心，数据部将作为项目的核心管理部门，协调、收集、统计、挖掘、筛选数据，同时负责对公司各部门的信息和数据进行深入分析和预测，并将分析结果透明地传递给平台，支持项目管理和其他组织部门的业务创新；同时，数据部门应主动加强与项目各部门的合作，尽可能多的获取数据和信息，打破组织结构之间的信息壁垒。实现了项目参与方、项目组织、组织生态等不同层次数据处理的衔接。（2）构建共享数据平台构建共享数据采集平台，并辅助传统的项目管理方法收集数据用于决策与分析。项目数据部需要建立一个实时的通用项目数据平台。该平台主要支持现场监控、实时记录、动态更新等方面的数据收集工作。给项目各参与方提供一个能够查阅通用数据的项目管理平台，实时更新项目数据。利用信息技术实现通用平台支持数据库的可行性，具备能集成异构信息源数据的功能，实现数据的自动转换。加强工程项目从碎片化单一管理到集成化协同管理发展，满足数字工程一体化项目管理需求。项目进行施工前应建立一个可以即时互动交流沟通的项目信息采集平台。该平台主要支持现场监控、实时记录、动态更新实际进度等信息的采集工作;在项目实施阶段,施工单位、监理单位等各参建方的进度管理人员以及现场施工人员可以充分利用各种手段对现场的进度信息进行采集更新,然后根据采集的信息更新BIM模型,将数据传入信息平台。利用计算机技术实现通用平台支持数据库的可行性，具有集成异构数据源，实现自动数据交换的功能，并生成各类可视化数据分析报告。基于平台的信息采集手段主要以现场自动监控为主，人工更新手段为辅。现场监控利用GPS定位实时确定工程项目所在坐标。利用监控设备视频监控控制节点坐标，对于在监控设备盲区的项目位置可增加临时控制点，三维激光扫描等设备采集项目的实时数据，使进度管理人员不用到现场也能实时掌握现场进度，并且自动将采集的数据反馈回平台分类汇总。必要时可采用无人机等先进遥感技术对项目数据进行实时采集。（3）建立项目数据库建立平台后应通过不断拓展数据的采集广度及收集深度，逐渐形成配套完善的相关项目数据库。项目数据库主要用于储存工程项目多参与方共同在平台上传的海量信息，采用SQL关系型数据库对项目中的数据，如BIM模型，双代号网络图等结构化文件进行储存。从根源上提高项目管理平台的利用率，实现对工程项目数据的协同管理。项目基本数据完成入库后，可进一步整合城镇区域大数据库、企业知识库，两者可以为项目管理数据库提供潜在数据，扩大数字工程项目管理数据分析基数。海量的城市级大数据可为建筑项目的开展提供数据支持，完成多样性数据闭环。2.1.2 数据采集注意事项建立好以数据部负责为核心的项目平台采集数据库后，在数据采集过程中要注意以下几卢（I）建立以数据为核心的责任管理制度。每个上传数据的用户ID与监测设备都会被显示在相对数据平台的附录中，方便数据部管理人员对数据进行定期的检查，同时在源头处保障数据传递的可靠性与有效性。为后续项目管理者利用数据进行决策打下坚实基础。（2）在项目数据库利用测算软件测量并上传项目数据时，平台需要比对上传数据是否与多参与方上传数据相互映照。如果提交方上传数据经平台技术比对后准确无误或偏差较小的，数据可以直接通过审核成功录入。（3）经比对后若上传数据方与其他项目参与方已经上传的数据存在重大偏差。就需要提醒数据上传方重新实际勘测、检查软件是否存在操作失误后再上传数据。同时检查出现数据偏差的原因，及时修理设备，从而降低偏差幅度。（4）项目平台数据库收录项目数据必须是及时高效的。在工序完成后立即利用技术手段完成数据的上传，保证数据具有高时效性。这样尽最大限度地保证挖掘项目数据的全面性。同时对采集好的海量数据也要利用数据分析软件进行初步的分类储存，为接下来在数据分析过程查询有关数据做好准备，提高数据价值密度。3. 2数据分析在进行数字工程项目管理时，数字工程项目管理的三大影响因素为：进度、成本、质量。因此不仅要利用BIM与大数据集成技术对数据进行实时的监测处理，更要及时对数据进行对比分析，保证项目工期目标最大化实现。3.2.1进度管理在利用BIM技术对数字工程施工阶段进行大数据进度检测管理时，将采集到的项目数据输入到BlM软件中，建立S形曲线模型和香蕉曲线模型进行算法分析，从而得出项目进度状态：S形曲线模型S形曲线模型是建立以时间为横坐标，累计完成百分比为纵坐标的二维坐标体系，输入在项目进度计划编制阶段已经绘制完成的计划工程项目进度曲线，在以数据监测时间点为截止时间，迅速累加计算传输至项目平台的已完成的工作量数据，再以此为依据绘制一条实际的工程项目进度曲线，从而对实际进度与计划进度进行比较。在BlM软件构建S形曲线模型进度控制的流程为：1）在项目平台数据库中检索已经入库的工程项目各工序计划完成时间，选全部项目施工工艺计划时间大数据，结合WBS项目流程分解文件与项目进度横道图等项目设计准备阶段产出的计划文件，利用BIM技术自动编制出一条计划工程项目大数据进度曲线。2）在项目平台数据库中检索已反馈的工程项目各工序完成情况与实际工期数据，并与经手数据的施工现场相应的过程监理人员、施工人员进行三重确认。确保数据准确无误后，以当下监测时刻为截止日期，选定全部己完成施工工艺流程的大数据，利用BIM技术自动编制出在同一坐标内实际工程项目大数据进度的累计曲线。3）建模完成后，通过BIM软件的模拟功能，对比分析预测大数据进度曲线与实际大数据进度曲线，自动生成结论报告。如果以监测时刻为基准点，实际大数据进度点与计划预测大数据进度曲线相比靠上，说明数据表明实际施工进度超前计划施工进度；ATa量化了Ta时刻实际进度超前程度。如果以监测时刻为基准点，实际大数据进度点与计划预测大数据进度曲线重合，说明数据表明实际施工进度与计划施工进度持平。如果以监测时刻为基准点，实际大数据进度点与计划预测大数据进度曲线相比靠下，说明数据表明实际施工进度落后计划施工进度。图中ATb量化了Tb时刻实际施工进度落后的程度；图3-1工程进度（2）香蕉曲线模型香蕉曲线模型是建立以时间为横坐标，累计工程量为纵坐标的二维坐标体系。以工程项目在进度计划编制阶段预测绘制而成的双代号网络图等计划文件为基础，绘制三条大数据进度曲线，分别是：以最早开始时间为计算依据的计划最早完成大数据进度曲线（ES曲线），以最晚开始时间为计算依据的计划最晚完成大数据进度曲线（LS曲线），以及实际进度大数据完成曲线。绘制完成后的三条大数据曲线称之为香蕉曲线模型，利用BIM软件对三条大数据曲线进行对比分析。在BIM软件构建香蕉曲线模型进度控制的流程为：D在项目平台数据库中检索已经入库的工程项目各工序计划完成时间，导出进度大数据双代号网络计划图，利用BIM技术计算图中包含每项施工工艺流程的ES>EF、LS、LF、FF、TF等数据时间参数。2）以进度大数据双代号网络计划图为基准，在BlM软件中建立以时间为横坐标，累计工程量为纵坐标的二维坐标轴，在BIM软件中绘制计划最早完成大数据进度曲线（ES曲线）和以最晚开始时间为计算依据的计划最晚完成大数据进度曲线（LS曲线）。3）在项目平台数据库中检索已反馈的工程项目各工序完成情况与实际工期数据并与经手数据的施工现场相应的过程监控人员、施工人员进行三重确认。确保数据准确无误后，在计划实施过程中，定期检查工程的实际完成工程量数据，以当下监测时刻为截止日期，选定全部已完成施工工艺流程的大数据，在BIM软件中导入相关大数据，自动绘制出在同一坐标内实际工程项目大数据进度的累计曲线。4）建模完成后，通过BIM软件的模拟功能，对比分析三条大数据进度曲线，自动生成结论报告。如果以监测时刻为基准点，实际大数据进度点与计划最早完成大数据进度曲线相比靠上，说明数据表明实际施工进度超前最早完成大数据进度计划。如果以监测时刻为基准点，实际大数据进度点与计划最晚完成大数据进度曲线相比靠下，说明数据表明实际施工进度落后于最晚完成大数据进度计划，进度计划过慢，项目进度管理处于严重落后状态，必须立即采取相应措施进行进度优化。如果以监测时刻为基准点，实际大数据进度点在计划最早完成大数据进度曲线和计划最早完成大数据进度曲线之间，处于两条曲线封闭形成的闭合空间内，说明数据表明实际进度适中，进度偏差在合理的范围内，维持正常项目管理节奏即可。图3-2进度监测3.2.2成本管理在利用BIM技术对数字工程施工阶段进行大数据成本检测管理时，将采集到的项目数据输入到BlM软件中建立挣值模型，在此基础上利用大数据进行算法分析，从而得出项目成本状态：（1）挣值模型挣值模型是建立以时间为横坐标，预算金额或完成百分比为纵坐标的二维坐标体系。挣值模型利用大数据在BlM软件中对项目进度和成本进行高效的复合监测，提供可靠的优化管理思路。挣值模型最关键的目的就是通过大数据分析比较项目实际完成工程量成本与项目计划完成工程量成本的差距。以从平台数据库中查询完成全部的施工项目工序所需工程量数据及其区域行业单价数据为核心数据，利用BIM软件对项目中全部工程项目工序进行实时的监测与优化管理。BCWS曲线是计划工程量数据与预算单价数据累计集成的计划费用曲线，利用数据记录项目计划成本费用的累计数据曲线。ACWP曲线是已完成工作量数据与实际单价数据累计集成的实际费用曲线，利用数据记录项目实际成本费用与进度状态的累计数据曲线。挣值模型的三个基本大数据参数如下：1）项目计划完成工作的工程量预算成本BCWS=计划工程量X预算单价；2）项目已完成工作的工程量预算成本BCWP（挣值）二已完成工程量X预算单价。检测时间计划完工时间图3-3ACWP曲线项目已完成工作的工程量实际成本ACWP二已完工程量X实际单价在BIM软件构件挣值模型进行工程项目成本监测的流程为：1）在项目平台项目数据库中检索已经入库的工程项目全部工序工程量数据，选中全部工程量数据。在预算单价数据库中查阅对应预算单价，选中对应预算单价数据。在BlM软件中导入计划工程量数据与预算单价数据。数据一一匹配后，计算出各工序的计划完成工作的工程量预算成本数值。2）以大数据双代号网络进度计划图为基准，在BIM软件中建立以时间为横坐标，预算金额为纵坐标的二维坐标体系，在BIM软件中绘制计划完成工作的工程量预算成本曲线。3）在项目平台数据库中检索已反馈的工程项目各工序完成情况与实际工期数据并与经手数据的施工现场相应的过程监控人员、施工人员进行三重确认。确保数据准确无误后，在计划实施过程中，定期检查工程的实际完工大数据。以当下监测时刻为截止日期，选定全部已完成施工工艺流程的大数据。在预算单价数据库中查阅对应预算单价，选中对应预算单价数据。在BlM软件中导入实际完成工程量数据与预算单价数据，自动绘制出在同一坐标内BCWP曲线。以当下监测时刻为截止日期，选定全部已完成施工工序的大数据。选定单价数据库中工序的实际单价数据。在BlM软件中导入实际完成工程量数据与实际单价数据，数据一一对应后，自动绘制出在同一坐标内ACWP累计曲线。4）以当下监测时刻为基准点，利用挣值模型的评价指标进行大数据对比计算：费用偏差（CV）二已完成工作工程量预算成本-已完成工作工程量实际成本；进度偏差（SV）=已完成工作工程量预算成本-计划工作工程量预算成本；费用绩效指数（CPI）二已完工作工程量预算成本/已完工作工程量实际成本；进度绩效指数（SPl）二已完工作工程量预算成本/计划工作工程量预算成本。5）建模完成后，通过BIM软件的模拟功能，对比分析三条大数据进度曲线，自动生成结论报告。表3-1进度报告费用节支超支费用偏差CV=BCWP-ACWP>0<0费用绩效指数CPI=BCwP/ACWP>1<1进度提前拖延进度偏差SV=BCWP-BCWS>0<0进度绩效指数SPI=BCWP/BCWS>1<1如果以监测时刻为基准点，实际完成工作大数据成本数值大于计划工作大数据预算成本数值，差值为正，说明数据表明实际施工成本小于计划施工成本，数字工程成本管理趋势良好，仍有节余，管理效率较高。如果以监测时刻为基准点，实际完成工作大数据成本数值小于计划工作大数据预算成本数值，差值为负，说明数据表明实际施工成本大于计划施工成本，需尽快进行优化数字工程成本管理计划，超支严重。如果以监测时刻为基准点，实际完成工作大数据预算成本数值与实际完成工作大数据实际成本数值相比，比值CPI>1时，说明数据表明实际施工成本小于计划施工成本，数字工程成本管理趋势良好，仍有节余，管理效率高。如果以监测时刻为基准点，实际完成工作大数据预算成本数值与实际完成工作大数据实际成本数值相比，比值CPIVl时，说明数据表明实际施工成本大于计划施工成本，需尽快进行优化数字工程成本管理计划，超支严重。3.3质量管理在利用BIM技术对数字工程施工阶段进行大数据质量检测管理时，将采集到的项目数据输入到BlM软件中建立可视化数据模型，在此基础上利用大数据进行算法分析，从而得出项目质量状态：(1)排列图模型在BIM软件中以二维坐标轴的形式将质量可优化的影响因素从高到低进行排列。核心问题是找出关键的少数影响因素。按重要顺序显示每个质量改进项目对整个质量的作用；主要是对从项目数据库中查阅核检出的不合格工序存在的不同问题进行集成优化，找出现质量问题的核心因素。帮助项目管理者正确选择质量改进方向，提高质量管理效率。(2)直方图模型确定质量分布的基本特征；质量分布图；质量变化和现状评估；分析和评估生产过程是否稳定。收集所有质量数据后，计算最大和最小范围R,即频率直方图。数据分布的可视化表示，分析质量异常的原因，显示质量波动状态，直观地传递过程质量状态信息；确定提高质量的方法对收集到的数据进行分类和比较，以评估满足标准要求的程度，并根据不同情况确定纠正或预防措施。标准差越小，数据分布越小，处理精度越高。(3)控制图它是一种区分异常或特殊原因引起的波动或过程内在随机原因引起的随机波动的工具。决定生产过程是否异常，以及是什么因素导致的。在质量诊断方面，它可以用来测量过程和稳定性。监测过程是否受控；就质量控制而言，它可用于确定何时需要调整工艺；为了提高质量，可以确定一个过程是否得到改进，并使用控制图评估从过程控制和测量中获得的数据,以确定过程是否处于控制之下。（4）因果图表示质量特性变化之间的潜在关系。查找问题的原因。分析不符合或可能不符合的原因，以便采取有针对性的措施。（5）相关图利用相关图实现对研究影响工程项目工序质量影响因素之间的关联性，粗略判断影响因素之间的关联密切程度。变量因素之间主要有正线性相关、负线性相关、非线性相关和不相关四种关系。从图上每个点的离散度，可以评估两个变量之间关系的密切程度。3.4数据决策在BIM软件中完成对分析模型的数据处理后，依据软件产出的数据报告，结合现场的实际情况实地考察后。如果项目管理偏差过大，项目管理者必须采取相应的数字化管理措施，利用软件与大数据算法对进行项目管理方案优化。3.4.1进度管理在BIM软件中利用S曲线模型、香蕉曲线模型对大数据进行算法分析后，从产出的可视化数字文件中可以得到项目进度管理情况。通常对于进度计划的优化主要是针对仍未完成的工作，利用大数据进行进度优化的思路通常为两种：一是加大资源配置，缩短位于关键线路工序的施工时间；二是用平行施工方法改变工序之间的逻辑方式以此达到缩短工作时间的目的。利用大数据进行进度优化的思路如下：1）如果以监测时刻为基准时间，进度数据利用运筹学模型求最优解，从而得到优化的进度计划。2）利用BIM4D进度管理功能，以