《基于cloud-bim的工程项目数据管理研究》由会员分享，可在线阅读，更多相关《基于cloud-bim的工程项目数据管理研究（10页珍藏版）》请在金锄头文库上搜索。
1、基于 Cloud-BIM 的工程项目数据管理研究 乐云 郑威 余文德 同济大学经济与管理学院 中华大学营建管理学系 摘 要： 建筑业动态和碎片的属性导致项目协同团队之间的数据管理在工程项目生命周期内没有获得有效改善。研究提出了工程项目大数据实时处理模型和基于Cloud-BIM 的模型应用框架,Cloud-BIM 平台对工程项目大数据进行收集、集成、关联、存储和数据挖掘,实现工程项目数据的再利用和知识管理。基于云计算的应用框架不仅使个人与项目团队之间,而且使各个项目组织之间以一致的、实时的、可持续、基于项目生命周期的方式进行数据管理,从而有效提高项目不同组织界面之间的协同工作,有助于把项目数据转
2、换成组织的信息资产。关键词： 大数据; 建筑信息模型; 云计算; 数据管理; 作者简介：乐云(1964-),男,教授,博士生导师,研究方向:项目前期策划,复杂项目管理,项目治理;作者简介：郑威(1975-),男,博士研究生,研究方向:项目管理;E-mail:作者简介：余文德(1966-),男,教授,研究方向:商业智能。收稿日期：2014-10-14基金：国家自然科学基金项目(71390523)Cloud-BIM Based Construction Project Lifecycle Data ManagementLE Yun ZHENG Wei YU Wen-de School of Eco
3、nomics and Management,Tongji University; Department of Construction Management,Chung Hua University; Abstract： Due to the dynamic and fragmented characteristic of construction industry, the construction project lifecycle data management among project collaborative organizations are not effectively i
4、mproved. This paper presents a big data real-time processing model and Cloud-BIM based application framework for construction projects,which collects,integrates,correlates,stores and mines project big data through Cloud-BIM platform for data reuse and knowledge management. Such a cloud computing bas
5、ed model enables construction lifecycle data management, not only between individuals and project teams but also across different project organizations, in a consistent,real-time,and sustainable manner throughout the construction project lifecycle. By providing real-time and efficient lifecycle data
6、 management,it would effectively improve collaboration among different project organization and facilitate transforming construction project data into organization information assets.Keyword： big data; BIM; cloud computing; data management; Received： 2014-10-14一个工程项目通常有多个阶段划分,比如规划、设计、施工、运维等;涉及多个地理位置
7、分散的专业团队,比如业主,建筑师、咨询顾问、承包商、监理、分包商和供应商等;在每个阶段部署了多个异构的信息系统,生成涉及成千上万的建筑物构件的海量项目数据。随着建筑企业中的各类重要数据增多,数据才是企业管理的重要资源逐渐成为共识,需要用信息化的手段对数据进行合理管理, 促进其在决策过程中发挥作用1。建筑业的信息化经过几十年的发展正在从集成阶段迈向数据管理阶段 ,其主要目标是使数据互操作性可行,以便于一方生成的数据能够在所有参与者中顺利地分享2。但是建筑业中数据管理的复杂性:包括以项目为中心的工作属性,行业碎片化的属性和在不同组织中对立的行为3,已经严重阻碍了建筑业对信息技术的采用,并明显落后于
8、其他行业。BIM 是当前一个非常活跃的建筑业信息化研究方向,也是用于收集、集成、分析和存储工程项目数据的最前沿技术。与传统的以文档为中心的信息管理方式相比,BIM 有助于以数据为中心的项目管理,但是当前 BIM 采用一个关键的障碍是项目生命周期数据缺乏整体的数据管理策略4。各个专业模型信息常常孤立存放在本地计算机上,计算性能、网络带宽和存取效能受到极大的限制,削弱了BIM 作为项目生命周期数据管理理想载体的能力。 随着 BIM 服务器技术发展和云计算的流行,已经促成桌面版 BIM 软件逐步迁移到云平台,并正在成为一种新的发展趋势。本文提出了一个工程大数据实时处理模型,实现生命周期内工程数据的再
9、利用、 数据挖掘和知识管理;构建一个基于 Cloud-BIM 应用框架,促进项目团队的信息共享、协同工作,以及对项目业务、决策和战略目标的支持;最终实现一致的、实时的、可持续的、基于项目生命周期的工程项目数据管理。1 大数据时代下的工程数据随着云计算、物联网、4G 网络等信息技术的兴起和普及,以及以微信、Twitter、Facebook 等为代表的虚拟社交网络在移动互联网上广泛运用,数据正以前所未有的深度和广度影响着人们的生活, 促进社会和行业的升级和变革,大数据时代已经到来。大数据时代下的工程数据,需要从根本上转变思维和行为,把工程数据看成一种基础性和战略性资源,从中提取有用的知识,用这种资
10、源和提取的知识协同解决工程项目的管理和决策问题。1.1 大数据特征大数据尚未有一个公认的定义,目前比较有代表性的是 3V 定义,即认为大数据需满足 3 个特点: 规模性(Volume)、多样性(Variety)和高速性 (Velocity)5。工程数据被认为是一类典型的大数据6,因为工程数据具有以下大数据特征:(1)数据量巨大。工程项目数据要求作为信息资产永久保存,导致随着项目的推进,数据量持续增加。据测算一个典型的 1 亿美元的工程项目会产生 15 万份资料信息,包括图形资料、法律文件、 采购单等,存储空间需要上百个 10 亿字节7。随着 BIM 技术和社交网络在工程项目中的广泛应用,文件的
11、数量和大小有明显持续增长的趋势。(2)多样性。结构化数据文件(Structured Data Files):如建筑产品的几何尺寸、构件属性、WBS 包含的进度、质量、成本等数据等能存储在关系数据库中进行管理的数据;半结构化数据文件(Semi Structured Data Files):如工程上的施工日志等量化及非量化文件;非结构化数据文件(Unstructured Data Files):如项目上签订的各种合同、会议视频、 施工录像、文档、照片、图像等非量化文件。其中结构化数据文件往往只占建设工程整体信息的 10%20%,其余是非结构化的信息8。(3)高速性。工程项目从规划、设计、施工到运维
12、全项目生命周期的需求、内外环境和组织架构快速变化;试图降低和控制项目风险的各种工程和管理类变更和应对措施频繁出现。上述现象导致了项目数据也快速更新与迭代,数据之间的关系和结构变得非常复杂,它们相互关联、作用和影响, 如施工变更会引起工程项目进度、成本和施工方案相关数据的变化,因此需要实时进行数据处理和版本控制。除此以外,工程数据也具有大数据另外一个统计学的特征,数据是全样本,不再是抽样数据样本,因此大数据也被称为更好的数据(better data),因为它能够呈现传统统计取样方法无法呈现的真实情况。表 1 列举了工程大数据与若干具有代表性的大数据应用比较。表 1 工程大数据与若干代表性大数据应
13、用比较 下载原表 1.2 互操作性互操作性(Interoperability)是指“两个或多个系统或模块之间交换信息和使用所交换信息的能力”9。在一个建设工程项目中可能有多个异质的 IT 信息系统,其产生的数据彼此之间无法做到互联互通,交互性不强,其现象表现为一个信息系统产生的数据,在另外一个系统中无法使用或者信息丢失,从而导致数据无法有效共享,增加许多重复工作,效率低下。虽然专有格式数据文件的使用可以减轻对协同工作的影响,但由于缺乏基于项目生命周期的数据管理,数据交换的复杂性将最终导致项目组织之间低效的协同工作。很多研究机构和学者一直试图建立统一的结构化数据标准,如 IFCs、 STEP 和
14、 aec XML 等标准。采用这些标准的系统如 IFC 建筑模型,3D 虚拟设计环境,Web 服务系统等, 但是这些系统部署复杂、使用成本高,加上性能的局限,导致没有在实践中广泛使用和推广10。1.3 数据处理特点与 Web 大数据比较,工程大数据处理有其自身特点。(1)生命周期。工程大数据处理跨越整个工程项目生命周期,从规划、设计、施工、运维直到拆除,时间跨度可能超过 100 年,对数据的一致性, 存储性、可访问性要求较高。而 Web 数据生命周期较短,时间一般 1 年左右就会被新的数据取代。(2)处理性能。工程大数据和 Web 大数据都需要强大的数据计算、存储和分析能力,但是工程大数据更强
15、调图形运算能力,从而有效应对三维建模、图形渲染、工程量计算、碰撞检测、环境模拟等所产生的大数据挑战。随着 BIM 的出现和普及, 为了满足项目用多个变量和动态情况表现整个建筑系统的需求,它通常要求更精密的和更大范围的模拟,导致数据处理的强度和复杂性指数级增长, 产生的信息量和数据量也极其巨大。(3)处理机制。工程大数据是工程项目的数字表达,当进行数据的收集、集成和共享时,会涉及到知识产权、组织机构、沟通机制和管理权限等, 因此必须进行用户和权限管理。而 Web 大数据主要涉及到个人行为和隐私,数据拥有者是在数据生成者被动和无意识的情况下进行数据处理。1.4 知识管理虽然工程项目本身具有唯一性特
16、点,但同类工程项目在组织和管理过程中仍具有较大的相似性。 因此,管理过程中如能对历史项目数据进行积累、 汇总、整理,为后续待建工程提供良好的借鉴是非常重要的11。工程项目业务处理系统或平台大多只是建立了文件管理系统,不能动态和实时收集、存储、查询、关联和挖掘数据;少数支持数据库,但也不能集成来自于不同异构信息源的数据,自动地进行数据交换,生成各类分析报告,不能有效支持工程项目的决策分析。其次工程数据没有完整的保存下来,绝大部分知识和经验都存在于项目成员个人的大脑中,数据化和系统化隐性知识并自动转化为企业的核心竞争力目前仍然是一个巨大的挑战。 这些数据不仅对于已完工程项目意义重大,而且对于正在规划中的工程项目也有着重要的参考和借鉴作用。如果能够将分散混乱的数据转化成有关联的知识,项目团队将能够借鉴和参考类似工程项目的经验,充分利用以前的知识做出主动的、积极的、 有前瞻性的、知识驱动的决策,这对于企业和社会来说无疑是巨大的知识进步。2 工程大数据实
