МУЛЬТИСИСТЕМНОЕ МОДЕЛИРОВАНИЕ И УПРАВЛЕНИЕ С ЦЕЛЬЮ ПОВЫШЕНИЯ ТОЧНОСТИ ПРОГНОЗА В СТРОИТЕЛЬСТВЕ

MULTI-SYSTEM MODELING AND MANAGEMENT IN ORDER TO IMPROVE THE ACCURACY OF THE FORECAST IN CONSTRUCTION

 

Птухина Ирина Станиславовна, канд. техн. наук, доцент, Санкт-Петербургский Политехнический университет Петра Великого, 196251, РФ, г. Санкт-Петербург, ул. Политехническая, д. 29 E-mail: irena_ptah@edu.spbstu.ru

Кирсанова Татьяна Александровна, студент магистратуры, Санкт-Петербургский Политехнический университет Петра Великого, 196251, РФ, г. Санкт-Петербург, ул. Политехническая, д. 29 E-mail: kirsanova.ta@edu.spbstu.ru

 

Ptuhina Irina Vyacheslavovna, candidate of tehnicall sciences, manager pathoanatomical office, peter the great St. Petersburg Polytechnic University, 196251, Russian Federation, St. Petersburg, Politechnicheskaya str., 29

Kirsanova Tatiana Alexandrovna, master’s degree student, peter the great St. Petersburg Polytechnic University, 196251, Russian Federation, St. Petersburg, Politechnicheskaya str., 29

 

Аннотация:

Цель: Установка необходимости контроля качества BIM-модели для выявления ряда проблем, требующих решения.

Методы: Применение оптимизированного алгоритма управления контролем качества эксплуатационной модели промышленного объекта с использованием больших данных на основе РНСНСДКП для определения ориентира для дальнейшего развития строительной отрасли в России.

При решении поставленных задач применялись методы эмпирического исследования, метод поиска данных и метод интеллектуального анализа данных.

Результаты: В настоящее время большие данные разбросаны по разным участкам. Очень трудно классифицировать, хранить, запрашивать и обновлять данные в сложившейся системе. Наряду с прочим нет системы для создания, расчета, управления, применения и обмена данными. Руководителям проектов по-прежнему приходится ежедневно обрабатывать массивные информационные материалы. Они просто полагаются на бумажные материалы или персонализированную сетевую связь для передачи проектной информации, что затрудняет своевременный запрос данных, необходимых для управления проектами.

Отслеживание проектов в режиме реального времени также невозможно, что, несомненно, приводит к большой трате ресурсов данных. Низкая степень информатизации в значительной мере сдерживает трансформацию и модернизацию строительной отрасли в России. Для того, чтобы строительство в России стало «преуспевающим», «умным» и «экологичным» необходимо производить предварительный максимально точный расчет, эффективное управление, применение современных технологий и оперативный обмен данными.

Выводы: 1. На пути к оптимизации больших данных в управлении строительными проектами было определено, что BIM является его исходным кодом. В данной статье, основанной на базе данных BIM-модели промышленного предприятия, абстрагируются многомерные данные из нескольких случаев и извлекаются данные информации о качестве.

2. С помощью методов интеллектуального анализа данных исследуются первопричины многих проблем относительно качества во время разработки проекта и происходит фокусировка на ключевых моментах в процессе управления качеством при запуске нового проекта и укрепляется способность контролировать управление им.
3. При извлечении и первичной обработке данных о качестве был представлен процесс интеллектуального анализа данных текста управления качеством архитектурной инженерии, что дает нам возможность увидеть детальное представление всего процесса.
4. Установлено, что в процессе очистки повторяющиеся данные, отсутствующие значения, ошибки ввода и бессмысленные значения обрабатываются, а некорректные данные обнаруживаются и корректируются как можно скорее, чтобы предоставить стандартизированные высококачественные сведения для последующих работ. В основном, для нормализации данных должны быть приняты следующие меры: дедупликация данных, исправление ошибок ввода, обработка пропущенных значений и сегментация текста.
5. Визуальный анализ облака слов нам показал, что существует множество проблем с качеством компонентов и деталей, таких как стены, несущие колонны и арматура и пр. Среди них наиболее заметными являются проблемы качества проекта арматуры. Проблемы в основном связаны со стременами, основными стержнями, тяговыми крюками и усиленными стержнями.
6. При анализе майнинга на основе алгоритма кластеризации установлено, что тексты описания вопросов качества, изучаемых в этой главе, являются короткими фразами, что говорит о крайне малой вероятности повторного появления одного и того же ключевого слова в любом тексте, а рассчитанный TF-IDF более точен. Поэтому в данном анализе текста вес каждой фразы рассчитывается с использованием значения TF-IDF и матрицы TDM. На основании этого была построена математическая характеристика TF-IDF.
7. Результаты кластеризации показали, что чем больше квадрат и дисперсия между классами, тем более дифференцированы эти две категории.

Abstract:

Objective: To establish the need for quality control of a BIM model to identify a number of problems that need to be solved.

Methods: Application of an optimized algorithm for quality control control of an operational model of an industrial facility using big data based on the RNSNSDCP to determine a benchmark for the further development of the construction industry in Russia.

The methods of empirical research, the method of data search and the method of data mining were used to solve the tasks.

Results: Currently, big data is scattered across different sites. It is very difficult to classify, store, query and update data in the current system. Among other things, there is no system for creating, calculating, managing, applying and exchanging data. Project managers still have to process massive informational materials on a daily basis. They simply rely on paper materials or personalized network communication to transmit project information, which makes it difficult to request the data needed for project management in a timely manner.

Tracking projects in real time is also impossible, which undoubtedly leads to a large waste of data resources. The low degree of informatization significantly hinders the transformation and modernization of the construction industry in Russia. In order for construction in Russia to become «prosperous», «smart» and «eco-friendly», it is necessary to make the preliminary most accurate calculation, effective management, the use of modern technologies and operational data exchange.

Conclusions: 1. On the way to optimizing big data in construction project management, it was determined that BIM is its source code. In this article, based on the BIM model database of an industrial enterprise, multidimensional data from several cases is abstracted and quality information data is extracted.

2. With the help of data mining methods, the root causes of many quality problems during project development are investigated and the focus is on the key points in the quality management process when launching a new project and the ability to control its management is strengthened.
3. During the extraction and primary processing of quality data, the data mining process of the architectural engineering quality management text was presented, which gives us the opportunity to see a detailed representation of the entire process.
4. It is established that during the cleaning process, duplicate data, missing values, input errors and meaningless values are processed, and incorrect data are detected and corrected as soon as possible to provide standardized high-quality information for subsequent work. Basically, the following measures should be taken to normalize data: data deduplication, correction of input errors, processing of missing values and text segmentation.
5. Visual analysis of the word cloud showed us that there are many problems with the quality of components and parts, such as walls, supporting columns and fittings, etc. Among them, the most noticeable are the quality problems of the valve design. The problems are mainly related to stirrups, main rods, traction hooks and reinforced rods.
6. When analyzing mining based on the clustering algorithm, it was found that the texts describing the quality issues studied in this chapter are short phrases, which indicates an extremely low probability of the same keyword reappearing in any text, and the calculated TF-IDF is more accurate. Therefore, in this text analysis, the weight of each phrase is calculated using the TF-IDF value and the TDM matrix. Based on this, a mathematical characteristic of TF-IDF was constructed.
7. Clustering results showed that the larger the square and the variance between classes, the more differentiated these two categories are.

Ключевые слова: большие данные, контроль качества, управление строительными проектами, информационное моделирование.

Keywords: big data, quality control, construction project management, information modeling.

Список литературы:

1. Коста Г., Мадрасо Л. Соединение каталогов строительных компонентов с моделями BIM с использованием семантических технологий: приложение для сборных железобетонных компонентов / Автоматизация в строительстве. – 2015. — С. 239–248.
2. Кляйн Л., Дж. Ю. Квак, Кавуля Г. Координация поведения жильцов для управления энергопотреблением и комфортом здания с использованием многоагентных систем / Автоматизация в строительстве. – 2012. — С. 525–536.
3. Гаффариан Хосейни А., Чжан Т., Нвадиго О. / Применение интегрированной системы управления зданием, основанной на знаниях BIM (BIMIKBMS) для проверки энергоэффективности после строительства / Обзоры возобновляемых и устойчивых источников энергии. – 2017. — С. 935– 949.
4. Гаффариан Хосейни А., Макареми Н., Гаффариан Хосейни М. Устойчивые энергетические характеристики зеленых зданий: обзор современных теорий, реализаций и проблем / Обзоры возобновляемых и устойчивых источников энергии. – 2017. — С. 1– 17.
5. Хамледари Х., Маккейб Б., Давари С. Автоматическое обновление расписания и хода выполнения 4D BIM на основе IFC / Журнал вычислительной техники в гражданском строительстве. – 2017. – С. 31-37.
6. Лю З., Ву Д., Ю Х. Полевые измерения и численное моделирование комбинированных режимов работы солнечного отопления для жилых зданий на основе случая Цинхай-Тибетского плато / Ма В., Джин Г. Энергия и здания. – 2018. – С. 312 – 321.
7. Сенарад С., Ли К., Шен Л. Анализ стоимости жизненного цикла внедрения экологически чистых зданий с использованием деревянных материалов / Журнал чистого производства. – 2017. — С. 458–469.
8. Лю З., Ченг К., Ли Х. / Изучение потенциальной взаимосвязи между качеством воздуха в помещении и концентрацией переносимых по воздуху культивируемых грибов: комбинированный экспериментальный и нейронный анализ, исследование сетевого моделирования // Цао Г., Ву Д., Ши Ю. Науки об окружающей среде и исследования загрязнения. — 2018. — С. 3510–3517.
9. Фу Х., Лю С. Исследование влияния экологического образования на поведение людей в отношении повторного использования оборотной воды / Евразийский журнал математики, естественных наук и технического образования. – 2017. — С. 6715–6724.
10. Волк Р., Стенгель Дж., Шультманн Ф. Информационное моделирование зданий (BIM) для существующих зданий — обзор литературы и будущие потребности / Автоматизация в строительстве. – 2014. — С. 109–127.
11. Миеттинен Р., Паавола С. За пределами утопии BIM: подходы к разработке и внедрению информационного моделирования зданий / Автоматизация в строительстве. – 2014. — С. 84–91.
12. Фу Х., Лю С., Исследование феномена духовного заражения жителей Китая при повторном использовании оборотной воды на основе SC-IAT. – 2017. — С. 846.
13. Боше Ф., Ахмед М., Туркан Ю. Ценность интеграции методов сканирования в BIM и сканирования против BIM для мониторинга строительства с использованием лазерного сканирования и BIM: случае цилиндрических компонентов МЭП / Хаас К., Хаас Р. Автоматизация в строительстве. – 2015. — С. 201–213.
14. Ян А., Хан Ю., Пан Ю. Прогнозирование оптимальной шероховатости поверхности титанового сплава с использованием методологии поверхности отклика / Син Х., Ли Дж. Результаты по физике. – 2017. — С. 1046–1050.

List of literature:

1. Costa G., Madrazo L. Connecting catalogs of building components with BIM models using semantic technologies: an application for precast concrete components / Automation in construction. — 2015. — pp. 239-248.
2. Klein L., J. Y. Kvak, Kavulya G. Coordination of residents’ behavior for managing energy consumption and building comfort using multi-agent systems / Automation in construction. — 2012. — pp. 525-536.
3. Gaffarian Hoseini A., Zhang T., Nwadigo O. / Application of an integrated building management system based on BIM knowledge (BIMIKBMS) to verify energy efficiency after construction / Reviews of renewable and sustainable energy sources. – 2017. — pp. 935-949.
4. Gaffarian Hoseini A., Makaremi N., Gaffarian Hoseini M. Sustainable energy characteristics of green buildings: a review of modern theories, implementations and problems / Reviews of renewable and sustainable energy sources. – 2017. — p. 1– 17.
5. Hamledari H., McCabe B., Davari S. Automatic schedule and progress update of 4D BIM based on IFC / Journal of Computing in Civil Engineering. – 2017. – pp. 31-37.
6. Liu Z., Wu D., Yu H. Field measurements and numerical modeling of combined modes of operation of solar heating for residential buildings based on the case of the Qinghai-Tibetan Plateau / Ma V., Jin G. Energy and Buildings. – 2018. – p. 312 – 321.
7. Senarad S., Li K., Shen L. Cost analysis of the life cycle of the introduction of environmentally friendly buildings using wooden materials / Journal of Clean Production. – 2017. — pp. 458-469.
8. Liu Z., Cheng K., Li H. / Study of the potential relationship between indoor air quality and the concentration of airborne cultivated fungi: combined experimental and neural analysis, network modeling study // Cao G., Wu D., Shi Yu. Environmental sciences and pollution research. — 2018. — pp. 3510-3517.
9. Fu H., Liu S. Investigation of the impact of environmental education on people’s behavior regarding the reuse of recycled water / Eurasian Journal of Mathematics, Natural Sciences and Technical Education. – 2017. — pp. 6715-6724.
10. Wolf R., Stengel J., Schultmann F. Building Information Modeling (BIM) for existing buildings — Literature review and future needs / Automation in construction. — 2014. — pp. 109-127.
11. Miettinen R., Paavola S. Beyond the utopia of BIM: approaches to the development and implementation of building information modeling / Automation in construction. — 2014. — pp. 84-91.
12. Fu H., Liu S., Investigation of the phenomenon of spiritual infection of Chinese residents during the reuse of recycled water based on SC-IAT. – 2017. — p. 846.
13. Boche F., Ahmed M., Turkan Yu. The value of integrating scanning methods into BIM and scanning against BIM for monitoring construction using laser scanning and BIM: the case of cylindrical components of MEP / Haas K., Haas R. Automation in Construction. — 2015. — Pp. 201-213.
14. Yan A., Han Yu., Pan Yu– Prediction of optimal surface roughness of a titanium alloy using the response surface methodology / Xing H., Li J. Results in physics. – 2017. — pp. 1046-1050.