周 洁, 张哨军
武汉工程大学, 湖北 武汉 430074
我国住房和城乡建设部颁布的《“十四五”建筑业发展规划》[1]强调,我国建筑业发展要由大规模增量建设转为存量提质改造和增量结构调整并重,从“量”的扩张转向“质”的提升,这需要推进智能建造技术在工程项目全寿命期的应用。近年来,建筑信息模型(BIM)在国内外得到了广泛应用和推广,欧美等发达国家的建筑行业在一些大型建筑项目的设计和施工阶段能成熟应用BIM技术,政府也通过发布法规和政策来推动BIM技术的应用。我国政府也高度重视BIM技术的发展,发布了一系列政策文件支持BIM的推广和应用。BIM在中国建筑行业中,包括设计、施工、运营等各个环节都得到应用。
文化设施项目大多为公共建筑,有着项目规模大、投资金额高、成本难控制、项目管理要求高[2]等特点。而项目的施工阶段是工程建设项目管理参与方最多的一个阶段,也是使图纸变成实物的关键阶段,涉及成本、进度、质量、安全等全方面的项目管理问题[3]。基于以上背景,本文将建立一个文化设施项目施工阶段BIM应用的成熟度评价体系,以期推进BIM在该类项目中能得到更好的应用。
最早的成熟度评价模型是1986年由卡梅隆大学的软件研究所提出的软件能力成熟度模型(Capability Maturity Model,CMM)[4],用于评估和改进组织软件开发过程成熟度的工具。该模型通过5个不同的成熟度级别来描述组织的软件开发过程,达到使软件开发过程标准化、科学化的目的。本文通过文献搜索并结合文化设施项目施工阶段BIM应用现状,对能力成熟度等级进行了划分,如图1所示。
图1 文化设施项目施工阶段BIM应用能力成熟度等级
通过文献总结法将“文化设施项目施工阶段BIM应用成熟度评价”这一研究对象划分为几个关键词进行搜索,将文献中的指标用表格的方式进行总结,并结合专家调查法,本着全面性、针对性、独立性原则进行指标筛选,并总结出适用于文化设施项目施工阶段BIM应用的指标体系。
本文使用粗糙集理论确定指标权重,建立标准云模型进行成熟度评价。其中,粗糙集相较于其他权重确定方法,在处理问题的过程中只利用原本就存在的数据,通过属性约简除去冗余的属性,使结果更加客观;云模型利用正向云发生器将云参数变为云滴并形成云图,直观地反映评价结果。
粗糙集理论是由波兰科学家、数学家Pawlak在1982年提出来的[5],主要思想是在让分类的能力保持不变的基础上,通过属性知识约简的方式导出问题决策的分类规则,用于处理不完备、不确知和不精确的信息,主要涉及集合论、模糊集理论和近似推理等数学方法。
粗糙集理论作用于指标的权重确定时,可分为以下一般步骤[6]。
2.1.1 构建决策表
2.1.2 基于粗糙集理论的属性简约
粗糙集的属性简约在确保原始信息库分类功能不变的前提下,通过删除某些冗余属性,减少数据集中的不必要信息,从而提高数据分析的效率和准确性[8]。基于粗糙集理论的属性约简过程中涉及到约简(reduction)和核(core)2个基本概念。设Q是一个等价关系族,q∈Q,有ind(Q)=ind(Q-{q}),则称q在Q中是可被约去的知识,称q在Q中是不必要的,否则称q在Q中是必要的。Q中所有不可被约去的必要约简red(Q)构成Q的核集core(Q),有core(Q)=∩red(Q)。本文采用典型属性约简。
2.1.3 归一处理得到属性权重
基于粗糙集理论中的属性依赖度的概念,定义指标体系U上决策指标对条件指标C的依赖度为:
(1)
式中:|U|为约简后指标的数量,γC(D)越接近1就表示D对C的依赖程度越大。
计算剔除某一指标Ci之后决策指标D对条件指标C-ci的依赖程度为:
(2)
第i个指标对决策指标的重要性可表示为:
σCD(ci)=γC-γC-ci(D)
(3)
其中i=1,2,…,m。
归一化运算第i个条件指标的权重系数为:
(4)
云模型理论主要涉及到云数字特征和云发生器2个核心内容[6]。云模型是一种反映综合评价的随机性与模糊性的决策方法,通过云发生器实现定性到定量的相互转换[9],主要使用期望Ex、熵En和超熵He3个数字特征来描述一个定性概念。在利用云模型评价成熟度时,需要建立标准云模型作为评价基础。
其数字特征(Ex,En,He)的计算如下。
(5)
采用加权平均算术法将各指标层的评语云(子云)转化为要素层的评价云(子云),最终转化为目标层的综合云(父云)[10],其转化计算公式如下。
(6)
通过上述方法,可归纳总结出适用于文化设施项目施工阶段BIM应用的指标体系。由于篇幅限制,这里直接给出指标选择结果(见表1)。
表1 文化设施项目施工阶段BIM应用成熟度评价指标
3.2.1 构建决策表
为了使分析更具真实性,减少专家的主观随意性,本文采取线下一对一发放问卷调查法,邀请10位行业经验丰富的工作者,采取0-1打分法生成原始的信息决策表,其中0表示不重要,1表示中立,2表示重要,此种方式得到的数据已是离散数据,在一定程度上减少专家对指标的主观影响。由于篇幅原因,这里只例举施工前准备的二级指标决策表(见表2)。
表2 施工前准备的二级指标决策评价数据
其中:U={1,2,…,10}为论域,C={A1,A2,…,A6}为条件属性,D为决策属性。
3.2.2 基于粗糙集理论的属性简约
根据条件属性与决策属性将粗糙集的知识划分论域,划分结果如表3所示。
表3 施工前准备基于属性的信息系统划分
根据粗糙集的典型属性约简算法,可得到信息系统划分结果,如表4所示。
表4 施工前准备剔除某条件属性后的信息系统划分
由表4可得:pos{C-{Ai}}(D)≠posC(D) (i=1,2,…,6),所以C的D核为{A1,A2,A3,A4,A5,A6},即无需对施工前准备的二级指标进行约简,同理经验证可得,对其他一级指标下的二级指标也无需约简,也验证了上文提到的指标选取原则。
3.2.3 归一处理得到属性权重
根据式(1)~(4)计算指标权重。
ω(A4)=ω(A5)
综上,得到施工前准备下指标权重分配向量。
ωA=(A1,A2,A3,A4,A5,A6)=(0.125,0.125,0.250,0.125,0.125,0.250)。
同理可得其他要素层下指标层的权重分配向量。
ωB=(B1,B2,B3,B4)=(0.267,0.267,0.267,0.200)
ωE=(E1,E2,E3,E4,E5)=(0.231,0.231,0.231,0.154,0.154)
ωF=(F1,F2,F4,F5)=(0.182,0.182,0.182,0.273,0.182)
ωH=(H1,H2,H3)=(0.333,0.333,0.333)
ωN=(N1,N2,N3,N4)=(0.235,0.235,0.294,0.235)
根据问卷调查可得到要素层(一级指标)的判断矩阵,借助Matlab由矩阵的几何平均法求得权重ω=(A,B,E,F,H,N)=(0.165 9,0.186 2,0.186 2,0.165 9,0.147 8,0.147 8)。
3.3.1 建立标准评价云模型
本文在建立评价云模型时,基于云模型的理论,采用黄金分割法在评分标准分值区间[0,1]上划分等级,通过区间数和正态云模型之间的转换关系,得到各级定性概念云模型的数字特征(Ex,En,He)。
由二阶正态云发生器,将成熟度评价标准分值区间的数值特征和云滴数N得到相应的评价云,本文云滴数N设置为1 400,得到标准评价云模型如表5所示,标准评价云云图如图2所示。
表5 标准评价云模型
图2 标准评价云云图
3.3.2 评价方法
根据不同的实际项目,邀请与项目相关的人员进行指标打分,将定性的指标定量化,利用3.2节的计算方法得出数字特征(Ex,En,He),基于标准评价云云图,借助Matlab利用正态云发生器将云参数变为云滴并形成云图,根据可视化云图得出评价结果,决策者根据评价结果提出改进措施。
某体育活动中心由训练馆、竞赛厅及配套设施组成,为文化设施项目,其建筑总长度214 m,总宽度117 m,总高度29.14 m,总建筑面积37 200 m2,是一个综合体育场馆。
为评价该项目施工阶段BIM技术应用情况,邀请6名本项目相关工作人员进行打分,由云模型的定义及公式,借助Matlab进行数据分析,可以得到此项目的各层评价云模型的数字特征(Ex,En,He),其目标层云模型的数字特征(Ex,En,He)=(0.419 7,0.270 5,0.033 4),将目标层数字特征带入标准评价云模型中,其评价云云图如图3所示,可判断出本项目施工阶段BIM应用成熟度为认知级与重用级交叉处。基于本文的案例,应更好地建立BIM应用体系,利用BIM与各参与方各专业协同化作业,技术工作与管理工作应加快实现标准化文档化的步伐。
图3 评价云云图
在其他BIM应用成熟度评价方法中,储天罡[11]利用AMOS软件、采用修正指数法求得潜在指标权重,利用云模型进行成熟度评价,分析出某一项目施工过程BIM成熟度等级为2级,即集成BIM。李妍蓓[12]利用层次分析法和熵权法确定权重,采用云模型进行成熟度评价,通过案例分析出某水厂扩建项目运维阶段BIM应用为提高阶段。与这些方法相比,本文提出的粗糙集-云模型评价方法数据处理结果更加简洁明晰,评价结果更为清楚明确。
通过粗糙集-云模型方法建立的BIM应用成熟度评价模型,能有效地评价出文化设施项目在施工阶段的BIM应用情况,决策者可以根据评价结果提出改进措施,通过这些措施促使项目更加顺利的建设。该模型可推进BIM技术在文化设施项目中的更好应用,本文也根据实例验证了该模型的适用性,但研究存在一定的局限性,有待进一步完善修正BIM评估模型。