桥梁精益建造的数字管理能力成熟度评价研究

许志坚 杨波 邓玉辉

（广东省建筑设计研究院有限公司，广州 510000）

引言

以BIM、Cloud Computing、Big Data、IoT、AI、5G 为代表的新技术在工程建设领域通过不断的融合和交互，逐步发展出新型的项目管理模式，相较于传统项目管理模式的最大区别是数字化程度得到了显著性提高。

数字经济时代，数据成为新的生产要素，行业的数字化转型已经成为亟需解决的问题。工程行业以工程项目为开展管理活动的基本单元，工程企业的数字化转型需要从工程项目的数字化转型作为出发点，需要通过工程项目的数字化转型带动企业及行业完成数字化转型。

数据管理能力成熟度评估模型（Data Management Capability Maturity Assessment Model，简称DCMM）是用于评价项目数字管理能力成熟的模型工具[1]。本文结合沉香大桥项目实践，介绍DCMM 在桥梁精益建造全过程中的应用。

1 项目概况

沉香大桥属于广佛两市交通连接项目。路线全长约3.86 千米，采用城市主干路标准，设计速度 60 千米/小时，跨江桥梁双向 8 车道，全线设置 2 座跨越珠江特大桥，2 座跨河涌中桥，2 处立交，2 座匝道，如图1、图2 所示。

图1 总体鸟瞰图

图2 项目效果图

本项目以精益品质、绿色长寿为发展方向，采用BIM 技术为主要支撑，坚持数字化理念，从规划、设计、施工到运营维护全生命期内的数据管理出发，为工程全生命期提供了一个有效的协同平台作为数据流转和管理的载体，实现技术和管理方面的创新和突破。BIM 技术与移动互联网、云计算、RFID 技术等先进技术的融合，使工程设计与施工更加精细化、工程项目的管理更加透明、顺畅，在建设和运维养护期的方案更加优化、管理更加有序、数据更加准确可靠、资源共享更顺畅、决策更加及时有效，解决投入成本与质量管控之间的矛盾[2-4]。图3—图4 为项目不同局部的BIM 模型图。

图3 桥梁BIM 模型图

图4 立交BIM 模型图

数字化技术在项目层面取得了较好的应用效果，为了能更客观地评价项目管理的绩效以及通过定量分析确定薄弱环节，寻找进一步提升和优化的方向，本项目引入成熟度模型的评价方案，从数据管理的角度对各能力项进行逐一分析，确定本项目数据管理成熟度[5-7]。

2 DCMM 模型构建

DCMM 模型出自于我国首部数据管理国家标准，该模型定义了8 个能力域和5 个成熟度等级，适用于组织与机构对数据管理能力成熟度进行评估。本文以此为依据搭建桥梁精益建造数据管理能力成熟度模型，如图5 所示。

图5 桥梁精益建造数据管理能力成熟度模型

能力域由能力项组成，每一个能力域由若干能力项组成，通过对能力项实施的情况，综合确定能力域所处的成熟度阶段。根据项目实际情况进行打分，各项目分值设定为初始级1、受管理级2、稳健级3、量化管理级4、优化级5。

桥梁精益建造的数字化成熟度模型目标层为 M，能力域指标为 Mi（i=1，2...），能力项指标为 Mij（i=1，2…；j=1，2…）,

目标层M 得分分布情况为初始级[1-28]，受管理级[29-56]，稳健级[57-84]，量化管理级[85-112]，优化级[113-140]。8 个能力域及28 个能力项权重[1]如表1 所示。

表1 能力权重分值表

3 成熟度模型检验与应用

3.1 数据战略

3.1.1 数据战略规划

项目在启动阶段编制了数据管理战略相关文件，按照项目实施的安全、质量、进度、成本、绿色施工、科技创新等业务领域进行维护数据的要求，将建设单位、设计单位、咨询单位、施工单位、供应单位等纳入到管理范围，明确了各参建方的目标、优先权、工作范围等内容可以指导数据管理的实施工作。得分为4分，处于量化管理级。

3.1.2 数据战略实施

组织完成数据战略规划并逐渐实现数据职能框架的过程。实施过程中评估组织数据管理和数据应用的现状，确定与愿景、目标之间的差距；依据数据职能框架制定阶段性数据任务目标，并确定实施步骤。得分为4 分，处于量化管理级。

3.1.3 数据战略评估

本项目建立了数据评估模型，通过统计方法分析数据管理的成本评估和资金预算满足了项目目标的有效性和准确性。得分为4 分，处于量化管理级。

3.2 数据治理

3.2.1 数据治理组织

管理层负责相关决策工作，有明确的管理部门，对相应人员有评价标准和奖惩制度。得分为3 分，处于稳健级。

3.2.2 数据制度建设

项目设立了专门的部门和人员编制，编制并下发了管理办法和细则，持续管理保证政策的落实，制度编制参考了外部合规与监管方面的要求。得分为3 分，处于稳健级。

3.2.3 数据治理沟通

项目成立科技部，由科技部主导编制沟通计划，并与各部门达成一致，按计划推动沟通活动；科技部负责宣贯数据管理的相关政策、标准；科技部组织开展内部的相关培训；科技部编制数据工作综合年度报告，汇报项目内部发展情况。得分为2分，处于受管理级。

3.3 数据架构

3.3.1 数据模型

科技部结合项目管理需求，制定了数据模型的管理规范；梳理项目部数据现状，了解当前存在的问题，并建立了相对应的项目级数据模型。得分为2 分，处于受管理级。

3.3.2 数据分布

科技部已完成了对应用系统的梳理，明确了需求及存在的问题；根据掌握的信息建立了数据分布关系的管理规范，确定了关键数据的权威来源。得分为2 分，处于受管理级。

3.3.3 数据集成与共享

建立了项目部各部门之间公用数据交换服务规范及数据复用机制并通过集成平台进行共享但各部门之间点对点的数据集成现象普遍存在。得分为2 分，处于受管理级。

3.3.4 元数据管理

在项目层面上定义了业务术语、数据模型、接口定义、数据库结构、数据字典查询、业务术语查询等项目建设需要的元模型定义。得分为1 分，处于初始级。

3.4 数据应用

3.4.1 数据分析

项目各部门在科技部编制的整体管理办法基础上进行了部门级数据分析建设，可以实现两个部门之间的数据交互分析，未完全摆脱线下的数据共享行为。得分为2 分，处于受管理级。

3.4.2 数据开放共享

项目领导层牵头制定了开放数据目录、统一的数据开放策略，并对开放共享数据实现了统一管理。得分为3 分，处于稳健级。

3.4.3 数据服务

科技部对数据服务的表现形式进行了统一要求，明确了项目级数据服务安全、质量、监控的要求，有明确的流程指导项目各部门规范管理。得分为2 分，处于受管理级。

3.5 数据安全

3.5.1 数据安全策略

项目将数据安全作为最重要的环节由项目决策层直接管理，数据安全相关的标准和策略复核国家标准的规定，梳理和明确了与项目相关的外部法律、监管等方面的安全方面的需求列表与项目标准匹配并建立优化提升机制。得分为4 分，处于量化管理级。

3.5.2 数据安全管理

数据安全管理作为重要程度最高的版块，投入最大，发展时间最长，且有完整的考核办法进行定期考核，有成熟的数据安全管理工作报告机制，对重点数据可管理至字段级。得分为4 分，处于量化管理级。

3.5.3 数据安全审计

审计工作是数据安全闭环管理的重要环节，坚持内外部审计相结合，可以通过审计报告进行数据安全管理工作的改进。得分为4 分，处于量化管理级。

3.6 数据质量

3.6.1 数据质量需求

制定了数据质量需求模板，在项目内部可以识别关键数据的质量需求，建立了数据质量规则库。得分为2 分，处于受管理级。

3.6.2 数据质量检查

建立了数据检查方面的管理制度和流程，项目各部门可根据需要进行数据质量的剖析和校验。得分为2分，处于受管理级。

3.6.3 数据质量分析

在绝大多数部门建立了数据质量问题评估分析方法并制定数据质量报告模板，对数据质量问题进行分析，确定问题原因和影响，可以输出数据质量报告。得分为2 分，处于受管理级。

3.6.4 数据质量提升

制定了管理制度并可以指导数据质量提升工程，责任到人并对问题进行跟踪记录，编制并实施质量问题预防方案。得分为2 分，处于受管理级。

3.7 数据标准

3.7.1 业务术语

由于业务术语属于重要的基础环节并做了充足的准备，所以相应的发展成熟度较高，建立了KPI 分析指标监控业务术语管理过程的效率，并定期对于管理流程进行优化，业务术语全部来源于国家及行业标准。得分为4 分，处于量化管理级。

3.7.2 参考数据和主数据

建立了项目部内容参考数据和主数据管理的考核体系并定期生成考核报告。得分为4 分，处于量化管理级。

3.7.3 数据元

已经实现了通过管理报告汇总数据元管理工作的进展，根据考核体系生成考核报告同时具备相应的优化管理规定和管理流程。得分为4 分，处于量化管理级。

3.7.4 指标数据

在项目部内容形成了指标数据手册，统一了指标数据标准和管理规定，指定了专职人员进行日常管理。得分为2 分，处于受管理级。

3.8 数据生存周期

3.8.1 数据需求

在项目内部完成了数据设计和开发标准流程并执行，优化了数据集成关系并进行了评审，明确数据供需双方职责，统一开展数据准备工作。得分为4 分，处于稳健级。

3.8.2 数据设计和开发

在项目内部完成了数据设计和开发标准流程并执行，优化了数据集成关系并进行了评审，明确数据供需双方职责，统一开展数据准备工作。得分为4 分，处于稳健级。

3.8.3 数据运维

建立了项目级数据提供方管理流程和标准、数据运维方案和流程、数据需求变更管理流程并执行，定期发布工作报告。得分为4 分，处于稳健级。

3.8.4 数据退役

建立了数据退役标准并执行，项目内部数据进行统一归档和备份，可以进行数据推移，清除请求进行审批。得分为2 分，处于受管理级。

确定各能力项的得分及成熟度，汇总计算出各能力域的得分及成熟度，再根据各能力域的得分情况，计算出本项目的数字管理能力的成熟度，根据各部分的计算情况，汇总如表2 所示

表2 能力得分表

根据得分情况可知，数据战略、数据安全、数据标准、数据生存周期能力域都表现较好，超出整体成熟度水平，基本进入了量化管理级；数据治理能力与整体成熟度匹配为稳健级；数据架构、数据应用、数据质量能力域低于整体成熟度处在受管理级。能力项得分分布图如图6 所示。

图6 能力项得分分布图

通过各能力域的表现可知，本项目贯彻了自上而下的管理思路，由决策层直接管理的能力域表现出较为成熟的发展状态，决策层也精准地把控了整体要素。管理制度的执行和落实需要一定的时间和积累，实操层面的能力域呈现出明显的成熟度发展滞后的情况，制度层面处于运行及优化阶段，可以通过项目经验的积累对实操层面进行提升。能力域得分分布图如图7所示。

图7 能力域得分分布图

4 优化建议

对于本项目采用的精益建造思路，结合实际项目执行情况的反应，给出如下建议：

4.1 总部人员下沉

公司层面形成的决策意见和思路在向项目传导的过程中出现了反应滞后的情况，可以通过公司部门级负责人或核心技术人员下沉项目的方式减少因空间关系产生的信息滞后[8]。

4.2 平行推进策略

本项目以单点的方式印证了技术路线的可行性并取得了预期之内的结果，为了快速提升能力域主要发生在项目层面的成熟度，可以在多个项目同时应用，统一进行优化，加快迭代速度[9]。

4.3 扩大人员范围

受到专业限制和人员配置问题，项目层面的参与度主要集中局部有一定专业基础和积累的技术人员范围，快速提高整体成熟度可以通过系统的培训和人员补充扩大数据管理人员范围实现[10]。

本项目所建立的管理制度和方法，符合科学发展的客观规律，通过实际项目的应用也取得了较好的反馈同时呈现出持续向好的趋势。可以持续改进并推广至其他类似项目中使用。