大型项目中BIM对管线安装劳动生产率的影响

陈丽娟， 谢 雄， 江忆楠， 史培新

(1. 苏州大学 轨道交通学院， 江苏 苏州 215131； 2. 常州市规划设计院， 江苏 常州 213002)

劳动生产率是生产技术水平、经营管理水平的综合体现，反映物质、能量的转移效率。传统二维设计条件下，由于电气、暖通、给排水等设备管线种类和数量繁多，实际中采用分专业设计致使错、漏、碰、缺问题突出[1]。依赖专家经验审查图纸以及现场管理人员协调冲突，极大地限制了现场施工安装生产效率的提高[2]。

美国劳动统计局数据显示近年来建筑业劳动生产率逐渐降低[3]，而制造业保持稳步攀升，其中信息技术应用有突出作用[4]，通过技术升级和流程优化等途径提高劳动生产率。为提高生产率，需在信息工具开发和协同策略制定方面做出重大改变[5]，3D技术以及参数化设计结合创造了一个合适的平台[6]。因此，BIM(Building Information Modeling)被广泛研究与应用于解决复杂综合管线设计冲突问题，对保障施工的连续性有重要意义。

早期规划相对于现场变更所花费的时间和费用成本少得多[7]。虽然从宏观经济角度看建筑业生产率是否下滑的结论还有所争议[8]，但是建筑业劳动生产率需要提高是一个普遍共识。由于设计阶段对项目总成本的影响远高于施工阶段[9]，在设计阶段引入 BIM 可减少设计错误、提高后期施工的可预见性[10]。在施工安装阶段，应用 BIM 进行多专业综合协调[11]以及构件工厂化预制[12,13]可减少大量现场协调及返工导致的工程延误。通过减少设计变更、增强施工可协调性等方式可减少施工任务时间，从而提高安装劳动生产率[14]。通过应用BIM实现复杂管线在三维空间的预排布、协调现场施工安装及构件精准预制，能提高75%～240%的管线安装劳动生产效率[15]，节省资源并创造巨大效益。研究显示，根据不同的BIM应用管理流程，项目整体劳动生产率能提高5%～40%[6]。其中生产率差异的产生是由于在 BIM 实施过程中除其带来的技术升级外，对应管理方式也面临一定挑战，如管理不当会导致劳动生产率降低甚至索赔[16]。掌握生产率影响因素及其量化影响对于保证 BIM 实施过程的可行性和有效性极为重要，然而，劳动率影响因素复杂、生产率测算困难等导致对其影响定量化的研究少且难度大。

为揭示 BIM 对施工劳动生产率的影响，近年来国内外学者展开了相关研究，在技术应用研究方面，有研究者利用信息技术接受模型(Technology Acceptance Model，TAM)描述个体行为意愿对信息技术的使用选择[17]，未探索研究特定技术 BIM 对生产率方面的作用原理；在 BIM 应用对劳动生产率影响方面，研究者通过对特定组织单个翻修项目应用BIM的分析方法，对比 BIM 应用和非 BIM 应用条件下安装劳动生产率指标[17]，未考虑多个组织应用水平及项目特征之间的差异性。总的来说，研究多为尝试量化单个施工安装项目 BIM 应用及其效益[18]降低和时间的节省等[19]涉及 BIM对生产率的潜在影响，而劳动生产率提高是效益产生的根源。 BIM 在设计协同、设计深化以及施工指导等方面应用促进了供应链中各环节的高效运作：首先，设计协同工作能减少设计错误及变更[20]，生成施工图纸[21]；在此基础上进行智能管道划分、支架设计和管组拼装等设计深化工作[22]；利用三维管线模型指导施工及预制构件加工[23]。技术对生产的作用包括新的蓝图、科学成果、组织中新的技能以及在设计、资本品和中间投入的质量上的改进[24]。由于建筑供应链上的每个单位或者活动都紧密相关并相互影响，微小的偏差会对整个项目的质量和工期造成重要影响[25]。因此需要分析主要BIM技术对安装劳动生产率的主要影响因素及其作用下产生的现场生产率数据。

1 BIM对生产率的影响因素

近四十年来国内外研究者[26]，对劳动生产率的影响因素进行深入研究[27]，大量的安装劳动生产率研究集中应用专家问卷结合层次分析法判别主要影响因素[28]，总结出项目劳动生产率影响因素评价方法[29]，在劳动生产率影响因素提取方面取得了一定进展。

多数研究使用双层系统将影响因素分为大类与子集。根据研究目标的不同，这些影响因素又被研究者分为技术、监管、劳动力、管理及外部环境等几个方面[30]或环境、人员、材料、设备、管理等五个方面[31]。这些影响项目生产率的因素被进一步分类，由多种主观和客观因素组成，如班组人数、班长管理技能、任务的复杂性、图纸的质量、施工难度[3]、项目环境参数等。这些因素决定了项目内部和外部环境，直接或间接地影响着生产资料转换过程的效率。 对文献的归类显示，影响因素分为环境、行业、组织、项目以及管理等几大类[16]，为生产率影响因素特征评价与综合评价提供了基础。然而，面向不同管理需求，影响劳动生产率具体因素分类及其权重取值相差较大，缺乏特定技术条件下面向劳动生产率管理的影响因素研究。

BIM应用并不直接影响建设产品的价值，而是通过优化管理过程，减少或消除因为图纸错误、现场发现设计冲突以及施工空间协调困难带来的进度落后以及施工工程量加大；保证施工的连续性，减少浪费的时间和产能损失，从而提高劳动生产率。

为识别影响劳动生产率的因素，以进一步研究 BIM 对劳动生产率的影响，本文通过广泛的文献分析，及对多个项目的参与与工程资料分析，总结对劳动生产率起主要影响的情况包括：(1)设计冲突导致方案变更，如图1；(2)设备到场后运输与安装空间不足导致进度滞后；(3)原料现场拼装占用施工空间导致进度滞后；(4)施工任务随到货情况安排，未有序组织安装；(5)部分设备之间型号与尺寸不匹配；(6)业主临时变更。

本文结合美国国家BIM标准(National Building Information Modeling Standard， NBIMS)，有针对性地选择和参考了该标准的影响因素，并且通过文献计量补充了其他项目与生产率相关的所有BIM特征，将这些对生产率产生影响的情况可进一步归纳为经济类因素、组织类因素、管理类因素、技术类因素三类，再进一步细分为二级影响因素，如表1所示。

图1 设计冲突导致方案变更图示

影响因素一级指标二级指标作用方式组织类因素合同模式明确参与方的责权利,在法律层面保障BIM在项目中有效实施[32]BIM团队模式BIM培训以及团队成员之间的协同合作模式[33]组织参与方的支持度组织参与方对BIM应用支持和认可会主动打破传统工作模式,决定BIM的持续实施及BIM应用深度[34]管理类因素设计变更设计变更会影响项目进度以及带来资金损失等质量控制(返工)返工影响项目进度及施工质量[35]信息请求次数模型集成施工安装所需信息,减少请求次数准时完成避免延误导致的进度滞后和费用增加风险控制提高施工的可预见性,协助发现、识别与防范风险[36]技术类因素BIM建模精度建模粒度、表现方法及精确性,并根据现场实际施工现状更新模型以反映施工现状的能力[34]数据丰富度支持BIM预期用途的数据细节水平,概念阶段的BIM与设计阶段的BIM数据包含水平不同,模型中数据覆盖设计、施工生产过程相关的信息[36]数据交换和信息共享程度实现信息共享,减少信息传递的损失和错误BIM软件功能软件在可拓展性、可视化效果、参数化建模的方便程度、协同性、算量的准确性、模拟性、优化能力、2D 出图能力、建模能力等[33]

2 项目BIM成熟度评价

2.1 BIM成熟度评价指标

为综合评价项目BIM应用水平，应该对项目生产率数据综合量化BIM影响，本文结合成熟度模型的基本理论，参考美国国家BIM标准，将BIM从滞后到提高再到优化的过程分为10个阶段。其成熟度评价指标需要包含以下特点：(1)针对性：能够客观反映施工安装生产率，针对BIM技术对施工安装劳动生产率带来的改变来做出选择；(2)可操作性：定量分析要有可量化的结果，定性分析要能真实客观地反映需要评价的情况；(3)全面性：指标要反映影响模型中的几大要素，保证评价结果真实可靠。

层次分析法能将定性与定量相结合，是适用于系统中多层次、多目标决策问题的决策方法，基本原理可归纳为两两比较标度与判断原理、递接层次结构原理及层次排序原理[37]。基于该方法高度的逻辑性、简洁性、整体性和实用性，且因素的层次构造明显，结合建筑施工项目BIM应用影响因素层次较多的特点，本研究采用层次分析法 (Analytic Hierarchy Process，AHP)，先将劳动生产率影响因素定性的分为两个层次，再定量对比两个层次中各影响因素间权重，描述各影响因素的重要性，作为后续研究中评价单个项目BIM成熟度的基础，如表2～5所示。

表2 第一层因素影响程度比较

表3 组织类因素下各因素影响程度比较

表4 管理类因素下各因素影响程度比较

表5 技术类因素下各因素影响程度比较

根据表2计算可得判断矩阵λmax=3.0385，第一层各影响因素权重为W=[W组织因素，W技术因素，W管理因素]=[0.1506，0.3715，0.9161]；一致性指标CI=(λmax-n)/(n-1)=(3.0385-3)÷(3-1)=0.01925；一次性比率CR=CI/RI=0.01925÷0.5149=0.0374<0.1，满足一致性要求。

根据表3计算可得判断矩阵λmax=3.0037，各因素的权重为W=[W合同模式，WBIM团队模式，W组织参与方的支持度]=[-0.1640，-0.4629，-0.8711]；一致性指标CI=(λmax-n)/(n-1)=(3.0037-3)÷(3-1)=0.00385；一次性比率CR=CI/RI=0.00385÷0.5149=0.0074<0.1，满足一致性要求。

根据表4计算可得判断矩阵λmax=5.1621，各因素权重为W=[W设计变更，W准时完成，W质量控制，W风险控制，W信息请求次数]=[0.8277，0.4935，0.2365，0.1040，0.0685]；一致性指标CI=(λmax-n)/(n-1)=(5.1621-5)÷(5 - 1)=0.0405；一次性比率CR=CI/RI=0.0405÷1.1185=0.0362<0.1，满足一致性要求。

根据表5计算可得判断矩阵λmax=4.1170，各因素权重为W=[WBIM建模精度，W数据丰富度，W数据交换与信息共享程度，WBIM软件功能]=[0.8880，0.4121，0.1847，0.0869]；一致性指标CI=(λmax-n)/(n-1)=(4.1170-4)÷(4-1)=0.039；一次性比率CR = CI / RI = 0.039÷0.8931= 0.0437 < 0.1，满足一致性要求。

2.2 项目成熟度评价

会议中心安装工程BIM模型如图图2所示。

图2 会议中心安装工程BIM模型

针对建筑行业劳动生产率的各个影响因素，通过文献分析出其影响力大小，分析现阶段BIM在劳动生产率方面的应用成熟度水平。劳动生产率的影响因素权重乘以成熟度评分得出成熟度等级，最后建立BIM成熟度与生产效率数据的对应关系。

BIM成熟度评价模型的概念最早是由美国国家BIM标准提出的，将BIM 的 11 个特征作为评价指标，并把每个指标分成 10 个不同等级的成熟度，其中 1 级表示最不成熟，10 级表示最成熟，分别赋予 11 个指标不同的权重值，采用百分制按照项目实际BIM应用情况进行打分，评价项目BIM应用成熟度。

本文根据现有成熟度理论的研究思路和方法，综合参考美国国家标准提出的打分体系，对BIM在施工安装劳动生产率方面应用的成熟度水平进行分析研究。将BIM在施工安装劳动生产率效益方面影响情况以及从滞后到提高再到优化过程中有序的分为10个阶段。不同层级代表了10个不同的成熟度，1级最不成熟，10级最成熟。概括来说，每项指标的等级对应大致为：(1)无实施；(2)开始认识；(3)有限认识；(4)完全认识；(5)有限控制；(6)完全控制；(7)有限整合；(8)完全整合；(9)有限优化；(10)完全优化。每个阶段BIM在施工安装劳动生产率方面的应用与优化的过程，也是使用BIM使施工安装劳动生产率逐步提高的过程。初步阶段是BIM技术应用不成熟，对施工安装劳动生产率的各个因素影响几乎为0，随着BIM应用的逐渐成熟，劳动生产率将逐步提升，向更高的成熟等级迈进。

本文对武汉某酒店及某会议中心两个案例进行对比，以某酒店项目作为对照对象，某会议中心项目作为研究对象，变量为在施工方面BIM的应用程度。下面为两个案例的基本情况。

(1)武汉某会议中心工程

本工程的建筑总面积约为170000 m2，机电安装工程包括给排水、电气、通风以及空调三大分部和若干子分部，风管有110000 m2，设备约1300 台，各类水管共计124 km，桥架7300 m，各类阀门大约18000 个，电线管约92000 m，电缆约71000 m，电线约300000 m，末端(开关、插座、灯具、风口、风阀、喷头)共计约200000 个。

(2)武汉某酒店工程

酒店建筑总面积240360.6 m2，其中地下建筑面积46499.6 m2，地上建筑面积193861.0 m2。工程建筑共21层，建筑高度94.45 m，属于一类高层。

酒店项目与会议中心的建设项目毗邻，由一条联络通道连接，因此两个建设项目的气候条件、地理位置、地质情况等因素相近。除此以外，两个建设项目是由一个建设单位管理，不同总承包单位承建，总承包单位资质均为机电工程施工总承包一级，因此数据具有一定可比性。对会议中心进行成熟度评价如下：

合作模式：由建设单位委托专业咨询团队协助BIM应用，有专门确保执行BIM的制度，有特定的负责人确保执行，得6分。

团队模式：项目进行过程中BIM实施有专业团队进行模型的更新与展示，显现出团队良好的沟通模式，得5分。

组织参与方支持度：在建设单位负责人的协调下，组织项目参与方对咨询团队较为支持，主动提供数据及配合进行模型的校核，得6分。

设计变更： 项目进行初期发现了大量设计问题并进行了相应调整，在施工期间出现的变更进行快速的模型反馈，并预见其影响，得5分。

质量控制： BIM的碰撞检查功能有效避免管道碰撞，能有效减少返工，并且有效预见施工目标，得6分。

信息请求次数：BIM使资料更便于管理，减少变更返工，信息请求次数相应减少，得4分。

准时完成：施工安装进度模拟减少了变更和返工，但现场环境等因素不能预见，得5分。

风险控制：BIM可对施工安装进行管理，规避一部分风险，得6分。

建模精度：项目以运用BIM服务运维管理为目标，建模精度为LOD(Level of Details)最高等级，但鉴于施工现场调整较多，部分调整被很快隐蔽，因此模型不能完全反映施工现场实际情况，存在一定滞后性，得4分。

数据丰富度：项目BIM应用从设计阶段持续到运维阶段，模型中数据覆盖设计、施工生产过程相关的部分信息，积累了丰富的设计目标、施工数据及运维资料，得5分。

数据交换与信息共享程度：使用BIM通用IFC(Industry Foundation Classes)标准进行数据交换，得5分。

BIM软件功能：采用主流BIM建模及协同软件，进行碰撞检查与施工方案模拟，并利用模型进行现场的持续协调，可视化效果较好，且可操作性较强，但出图能力较差，得4分。

综合评价结果如表6所示。

表6 成熟度等级打分

表6表明该工程BIM的成熟度等级为5级，成熟度水平中等偏上，12个影响指标中设计变更对施工安装劳动生产率的影响最大，质量控制(返工)次之，主要的影响因素为设计变更、质量控制、准时完成、BIM建模精度等。

3 劳动生产率测算

进行单个项目成熟度评价后，再分析与测算该项目与一般对照对象的建筑管线施工安装劳动生产率，建立BIM成熟度与生产效率数据的对应关系，分析BIM与劳动生产率变化的关联关系，从而分析BIM技术应用对劳动生产率的影响。

为统计项目现场施工安装劳动生产率，收集了工程图纸、施工组织设计、周报等工程资料。并通过对非结构化的原始数据进行整理、统计、分析及测算对比，具体流程如下

(1)收集数据与资料。对数据进行收集、整理、检查，获取有关生产人员、生产对象及生产实际完成情况等信息。

(2)整理数据。对300多份周报中与生产相关的5000多条生产信息进行结构化处理，提取风管、水管、喷淋管、水管支架及桥架的现场拼装安装等施工安装任务对应的工作量、班组人数及工作时长等信息(根据GB 50500-2013《建设工程工程量清单计价规范》所规定的工程量单位)。

(3)劳动生产率计算。本研究采用通用的劳动生产率计算公式，如式(1)所示。

(1)

(4)数据对比。对比不同项目的劳动生产率，研究BIM对施工安装劳动生产率的影响。

依照上述步骤，本研究劳动生产率计算结果如表7，8所示。

表7 某酒店劳动生产率统计

表8 某会议中心劳动生产率统计

根据表6，7的统计结果，将两个工程的工程数据进行对比分析，如表9所示。

表9 BIM使用程度不同情况下劳动生产率比较

上述数据表明，在研究的五个安装工程方面，应用BIM程度较高的会议中心项目劳动生产率比酒店项目劳动生产率高，且在风管安装、水管安装、喷淋管道安装等方面尤为明显。

4 BIM与生产率灰色关联模型构建

(1)确定参考数列及比较数列

设定BIM对施工安装劳动生产率影响因素的参考数列为BIM应用程度低或未使用的管道安装的劳动生产率，记作X0；设定比较数列为BIM使用程度较高的劳动生产率，记作X1。每一项数据依据BIM使用程度的不同分为k级，分别进行比较，k=1,2,…,5，原始数据如表10所示。两项数据分别表示影响安装工程劳动生产率的两个方面，依照灰色关联模型原理进行计算。

(2)无量纲化处理

无量纲化采用初值化法，初值化即用每一数列的其他数Xi(k)除以第一个数Xi(1)，初值变换的计算公式为：

(2)

计算得到无量纲化处理后的初值化序列如表10所示。

表10 无量纲化处理结果

(3)计算关联系数

根据灰色关联模型及其计算方法和式(2)，计算关联度系数ξi(k)，根据得到的无量纲化初始值处理结果，经过比较得：

然后根据关联系数计算式(2)，计算各因数的关联度系数，计算结果如表11所示。采用求平均值法将因素的多个关联系数集中为一个值，代入近似式(3) 计算灰色关联度。

(3)

式中：ri为曲线Xi对参考曲线X0的关联度，ri越大关联程度越大，对X0的影响程度越大。依据计算结果比较可以得出：r1=0.9942，ξ1(1)>ξ1(3)>ξ1(5)>ξ1(4)>ξ1(2)，如表11所示。

表11 关联系数计算结果

(4)结果分析

BIM对施工安装劳动生产率的关联度较大，对管道安装劳动生产效率提高有显著的影响。BIM应用程度较高的会议中心项目劳动生产率较酒店项目劳动生产率高12.96%～28.49%。

5 结 语

本文首先通过文献分析及施工现场工程资料记录，得到BIM应用过程中，对施工安装劳动生产率有主要影响的因素是设计变更、质量控制、准时完成、BIM建模精度等；其次，评价会议中心项目的BIM应用成熟度，建立BIM应用与施工安装劳动生产率数据的关联模型量化作用效应；再将会议中心与酒店项目生产数据进行统计分析，对比不同BIM应用程度下劳动生产率指标。可以发现，应用BIM程度较高的会议中心项目的施工安装劳动生产效率较高，特别是风管、水管、喷淋管道等对施工空间有较高要求的安装对象，通过三维排布后精准的支架和桥架安装也能保证后续管道安装的顺利进行。

研究还存在一定的局限性。首先，由于类似施工条件下工程案例也十分有限，因此本文研究对象仅有两例，可获取及可供对比的数据有限；其次，施工生产数据的完整性不够，施工周报数据存在缺失，记载完成度情况不够明确等问题，无法完全反映实际情况。因此，后续研究应集中于收集更广泛的工程案例作为研究对象，采用更加完备和可靠的数据采集方法。