CN117094472A - 一种基于bim的全过程工程咨询集成管理方法及系统 - Google Patents
一种基于bim的全过程工程咨询集成管理方法及系统 Download PDFInfo
- Publication number
- CN117094472A CN117094472A CN202311329707.2A CN202311329707A CN117094472A CN 117094472 A CN117094472 A CN 117094472A CN 202311329707 A CN202311329707 A CN 202311329707A CN 117094472 A CN117094472 A CN 117094472A
- Authority
- CN
- China
- Prior art keywords
- task
- delay
- obtaining
- project
- extensive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 46
- 238000010327 methods by industry Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000003111 delayed effect Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Discrete Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于管理目的的数据处理系统领域,提出了一种基于BIM的全过程工程咨询集成管理方法及系统,包括:采集若干项目每个任务的任务数据;根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务;根据关键任务对项目的全过程工程咨询进行集成管理。本发明旨在解决BIM全过程工程项目中由于任务延误影响集成管理的问题。
Description
技术领域
本发明涉及用于管理目的的数据处理系统领域,具体涉及一种基于BIM的全过程工程咨询集成管理方法及系统。
背景技术
基于BIM的全过程工程咨询集成管理是通过BIM模型对工程项目中的任务进行管理,而项目中存在诸多任务,部分任务存在延误完成的情况,进而会导致项目的全过程工程咨询集成管理无法达到预期的效果,导致对于项目任务的管理效率降低;而现有方法中在任务发生延误的情况下,通过补充资源来减小延误的损失,即仅考虑延误任务并进行处理。然而任务之间存在依赖关系,发生延误往往与其他任务存在关联,同时任务存在先后与并行关系,仅针对发生延误的任务进行分析,没有考虑这种任务之间的关系,导致延误任务无法及时发现,进而在新的项目进行任务集成管理时,仍无法及时发现延误任务并处理,降低全过程工程咨询集成管理效率。
发明内容
本发明提供一种基于BIM的全过程工程咨询集成管理方法及系统,以解决现有的BIM全过程工程项目中由于任务延误影响集成管理的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于BIM的全过程工程咨询集成管理方法,该方法包括以下步骤:
采集若干项目每个任务的任务数据;
根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;
根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务;
根据关键任务对项目的全过程工程咨询进行集成管理。
进一步的,所述每个项目的若干类别,具体的获取方法为:
根据任务数据获取每个任务的第一特征向量;对于任意一个项目,对该项目的所有任务根据第一特征向量进行DBSCAN聚类,聚类中任务之间的距离度量采用第一特征向量之间的DTW距离,得到若干聚簇,将每个聚簇记为该项目的一个类别,得到该项目的若干类别。
进一步的,所述根据任务数据获取每个任务的第一特征向量,包括的具体方法为:
对于任意一个项目的任意一个任务,根据该任务的开始时间及预期完成时间,得到该任务的预期持续时间;根据该任务的开始时间及实际完成时间,得到该任务的实际持续时间,将开始时间、预期持续时间及实际持续时间作为向量的三个元素,得到该任务的第一特征向量。
进一步的,所述得到每个项目的若干延误类别及代表延误值,包括的具体方法为:
对于任意一个项目的任意一个任务,对于该任务的第一特征向量,若第一特征向量中实际持续时间大于预期持续时间,将实际持续时间减去预期持续时间得到的差值,记为该任务的延误值,将该任务记为延误任务;若实际持续时间小于或等于预期持续时间,不计算该任务的延误值,该任务记为正常任务;
对该项目中每个任务进行延误判断,得到若干延误任务及每个任务的延误值;
对该项目所有延误任务的延误值进行OTSU阈值分割,得到分割阈值,将延误值大于分割阈值的延误任务,记为延误影响任务;将该项目若干类别中,存在延误影响任务的类别,记为延误类别;对于任意一个延误类别,将该延误类别中所有延误影响任务的延误值的最大值,作为该延误类别的代表延误值。
进一步的,所述得到若干匹配组及共延任务组,包括的具体方法为:
根据不同项目的延误类别的代表延误值得到若干匹配组;对于任意一个匹配组,根据匹配组中每个延误类别中的任务,得到若干延误类别之间的交集;
对于任意一个交集,将该交集对应的延误类别数量,与该匹配组的延误类别总数量的比值,记为该交集的共延程度;获取该匹配组中每个交集的共延程度,将共延程度大于共延阈值的交集,记为共延任务组。
进一步的,所述根据不同项目的延误类别的代表延误值得到若干匹配组,包括的具体方法为:
对于任意两个不同项目中的延误类别,获取两个延误类别的代表延误值的差值绝对值,获取差值绝对值与两个代表延误值中最大值的比值,将1减去比值得到的差值,作为两个延误类别的匹配距离;
获取任意两个不同项目中的延误类别的匹配距离;对所有项目的所有延误类别进行DBSCAN聚类,聚类的距离度量采用延误类别的匹配距离,得到若干聚簇,将每个聚簇记为一个匹配组,得到若干匹配组。
进一步的,所述每个共延任务的若干最佳嵌入图,具体的获取方法为:
根据每个项目的PERT图得到每个项目在不同邻域参数下的嵌入图结构;对于任意一个共延任务组,获取该共延任务组对应的延误类别所属的项目的若干嵌入图结构,记为该共延任务组的参考嵌入图;
对于任意一个邻域参数下的若干参考嵌入图,获取该共延任务组中任意一个任务在该邻域参数下每个参考嵌入图的嵌入向量,记为该任务在该邻域参数下的若干参考向量,对任意两个参考向量计算余弦相似度,获取所有余弦相似度的均值,记为该邻域参数对该任务的参考程度;
获取该邻域参数对该共延任务组中每个任务的参考程度,获取所有参考程度的均值,记为该共延任务组在该邻域参数的一致性;获取该共延任务组在每个邻域参数的一致性,将一致性最大的邻域参数,记为该共延任务组的最佳邻域参数,最佳邻域参数下的参考嵌入图作为该共延任务组的最佳嵌入图,得到该共延任务组在每个对应的延误类别所属的项目的最佳嵌入图。
进一步的,所述根据每个项目的PERT图得到每个项目在不同邻域参数下的嵌入图结构,包括的具体方法为:
对于任意一个项目,获取该项目的PERT图;PERT图中每个节点对应该项目的一个任务,将每个任务的任务数据,作为每个任务对应节点的节点值;
将该项目的PERT图输入到Node2Vec模型中,通过模型及设置邻域参数得到该项目的PERT图的嵌入图结构,同一个嵌入图结构中每个节点的邻域参数相同,得到该项目在每个邻域参数下的嵌入图结构。
进一步的,所述根据最佳嵌入图得到若干关键任务,包括的具体方法为:
对于任意一个共延任务组的任意一个最佳嵌入图,获取该共延任务组中每个任务在该最佳嵌入图中对应的节点,记为该共延任务组在该最佳嵌入图的若干延误节点,对每个延误节点对获取最短路径;获取每个延误节点在所有最短路径中的出现次数,记为每个延误节点对应的该共延任务组中的任务在该最佳嵌入图的出现次数;
获取该共延任务组中每个任务在每个最佳嵌入图的出现次数,对于该共延任务组中任意一个任务,将该任务在所有最佳嵌入图的出现次数的和,作为该任务的关键程度;获取该共延任务组中每个任务的关键程度,对所有关键程度进行线性归一化,得到的结果记为每个任务的关键系数;将关键系数大于关键阈值的任务,记为该共延任务组的关键任务。
第二方面,本发明另一个实施例提供了一种基于BIM的全过程工程咨询集成管理系统,该系统包括:
工程项目任务采集模块,用于采集若干项目每个任务的任务数据;
项目任务延误分析模块,用于根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;
根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务;
工程项目任务管理模块,用于根据关键任务对项目的全过程工程咨询进行集成管理。
本发明的有益效果是:本发明通过对项目的任务发生延误进行分析,通过获取关键任务并调整分配资源,来降低项目整体发生延误的可能性,从而提高项目的全过程工程咨询集成管理的效率;其中关键任务通过历史的若干项目中发生延误的任务量化得到,通过分析不同项目中相同任务的延误性质,得到共延任务组,共延任务组由不同项目的延误类别匹配得到,表征了不同项目中延误性质相近的相同任务;再对共延任务组结合PERT图及嵌入图结构进行分析,考虑任务之间的先后及并行关系,得到若干最佳嵌入图,再根据最佳嵌入图中任务对应节点的分布来量化关键程度,使得延误发生的可能性越大,同时延误值越大,且对项目其他任务影响越多的任务,越可能成为关键任务,而通过调整关键任务所分配的资源,最终实现项目的全过程工程咨询集成管理的较好效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种基于BIM的全过程工程咨询集成管理方法流程示意图;
图2为本发明另一个实施例所提供的一种基于BIM的全过程工程咨询集成管理系统结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的一种基于BIM的全过程工程咨询集成管理方法流程图,该方法包括以下步骤:
步骤S001、采集若干项目每个任务的任务数据。
本实施例的目的通过若干历史项目中的任务进行分析,寻找到容易出现延误且对整个项目的任务进行影响较大的关键任务,通过在新的项目中对关键任务采取相应措施,减小项目整体发生延误的可能性,从而提高项目的全过程工程咨询集成管理的效率,因此首先需要获取历史的若干项目的每个任务的数据。
具体的,本实施例共采集历史的100个项目,获取每个项目中若干任务,并对每个任务获取开始时间、预期完成时间及实际完成时间来作为任务数据;需要说明的是,不同项目中存在相同任务,相同任务不是指任务数据相同,而是同一任务,例如项目都需要进行实地勘测这个任务,则该任务在多个项目中均存在,相同的任务直接得到,无需再进行判断。
至此,得到了若干项目的若干任务,以及每个任务的任务数据。
步骤S002、根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值。
需要说明的是,根据任务数据可以构建对于每个任务的第一特征向量,根据第一特征向量进行聚类,通过聚类得到每个项目中延误性质相近的任务;而不同项目中存在相同任务,部分任务在多个项目中均发生延误,因此首先需要根据延误的程度得到延误值,并根据延误值提取延误类别及代表延误值,来为后续不同项目相同任务的延误进行分析提供基础。
具体的,对于任意一个项目的任意一个任务,根据该任务的开始时间及预期完成时间,得到该任务的预期持续时间,即预期完成时间减去开始时间得到的差;根据该任务的开始时间及实际完成时间,得到该任务的实际持续时间,将开始时间、预期持续时间及实际持续时间作为向量的三个元素,得到该任务的第一特征向量;按照上述方法获取该项目每个任务的第一特征向量。
进一步的,对该项目的所有任务根据第一特征向量进行DBSCAN聚类,聚类中任务之间的距离度量采用第一特征向量之间的DTW距离,得到若干聚簇,将每个聚簇记为该项目的一个类别,得到该项目的若干类别;则相同类别中任务的开始时间相近,且延误性质相近;按照上述方法获取每个项目中每个任务的第一特征向量,并对每个项目通过聚类得到若干类别。
进一步的,对于任意一个项目的任意一个任务,对于该任务的第一特征向量,若第一特征向量中实际持续时间大于预期持续时间,则将实际持续时间减去预期持续时间得到的差值,记为该任务的延误值,同时将该任务记为延误任务;若实际持续时间小于或等于预期持续时间,则不计算该任务的延误值,该任务记为正常任务;按照上述方法对每个项目中每个任务进行延误判断,得到若干延误任务及每个延误任务的延误值。
进一步的,对于任意一个项目,对该项目所有延误任务的延误值进行OTSU阈值分割,得到分割阈值,将延误值大于分割阈值的延误任务,记为延误影响任务;将该项目存在延误影响任务的类别,记为延误类别;对于任意一个延误类别,将该延误类别中所有延误影响任务的延误值的最大值,作为该延误类别的代表延误值;按照上述方法获取每个项目的若干延误类别,以及每个延误类别的代表延误值。
至此,获取到了每个项目的若干类别及延误类别,以及每个任务的延误值及每个延误类别的代表延误值。
步骤S003、根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务。
需要说明的是,获取到延误类别及代表延误值后,则需要对不同项目的延误类别进行匹配,来提取在不同项目中延误性质相似的相同任务进行分析,则通过匹配得到若干匹配组,匹配组包含了若干不同项目的类别,再根据类别中任务的交集,得到若干共延任务组,共延任务组即是匹配组中存在于多个项目中的相同任务组成的交集。
进一步需要说明的是,项目中的任务存在依赖关系或递进关系,即一个任务完成才能继续进行其他任务,通过项目的PERT图来表示每个项目的依赖关系,再通过图嵌入过程得到每个项目在不同邻域参数下的嵌入图结构,通过嵌入图结构来反映每个任务对应节点的邻域信息,即嵌入向量;根据嵌入向量的相似性及共延任务组中类别的数量来量化,得到对于共延任务组的最佳嵌入图,通过最佳嵌入图来最大程度地反映共延任务组中任务的依赖关系;再通过分析最佳嵌入图中各延误节点对的最短路径,通过若干最短路径中相同节点的出现次数,量化得到关键程度,关键程度用以反映节点对应任务会影响延误发生的关键程度,进而得到关键任务。
具体的,对于任意两个不同项目中的延误类别,获取两个延误类别的代表延误值的差值绝对值,获取差值绝对值与两个代表延误值中最大值的比值,将1减去比值得到的差值,作为两个延误类别的匹配距离;按照上述方法获取任意两个不同项目中的延误类别的匹配距离,则对同一项目的延误任务不获取匹配距离;对所有项目的所有延误类别进行DBSCAN聚类,聚类的距离度量采用延误类别的匹配距离,得到若干聚簇,将每个聚簇记为一个匹配组,得到若干匹配组;需要说明的是,由于相同项目的延误类别之间不具有匹配距离,则同一个匹配组中的延误类别,均为不同项目的延误类别。
进一步的,对于任意一个匹配组,根据匹配组中每个延误类别中的任务,得到若干延误类别之间的交集,且每个交集对应的延误类别数量存在差异,即交集涉及到的延误类别的数量;对于任意一个交集,将该交集对应的延误类别数量,与该匹配组的延误类别总数量的比值,记为该交集的共延程度;按照上述方法获取该匹配组中每个交集的共延程度,预设一个共延阈值,本实施例共延阈值采用0.7进行叙述,将共延程度大于共延阈值的交集,记为共延任务组,则交集或共延任务组中为不同项目均存在的任务;按照上述方法获取每个匹配组中若干共延任务组,同时记录每个共延任务组对应交集对应的延误类别。
进一步的,对于任意一个项目,获取该项目的PERT图,需要说明的是,PERT图为有向图结构,能够表示项目中不同任务的先后和并行关系,项目的任务构建PERT图为公知技术,本实施例不再赘述;PERT图中每个节点对应该项目的一个任务,将每个任务的任务数据,即开始时间、预期完成时间及实际完成时间,作为每个任务对应节点的节点值;将该项目的PERT图输入到Node2Vec模型中,本实施例采用2-10共9个邻域参数来进行设置,通过模型及设置邻域参数得到该项目的PERT图的嵌入图结构,同一个嵌入图结构中每个节点的邻域参数相同,则得到了该项目的若干嵌入图结构;按照上述方法获取每个项目的PERT图,并得到若干嵌入图结构。
需要说明的是,邻域参数即是将任意一个节点与多少邻域节点的信息输入到模型中,进而得到嵌入图结构,邻域参数为2即是将该节点,以及与该节点相连的所有其他节点共同输入到模型中,得到该节点邻域参数为2的嵌入向量,再根据每个节点的嵌入向量,得到邻域参数为2的嵌入图结构,嵌入向量及嵌入图结构获取为Node2Vec模型的现有技术,本实施例不再赘述;而邻域参数为3,将与该节点直接相连的节点记为第一相邻节点,在该节点、第一相邻节点的基础上,再添加与第一相邻节点直接相连的节点(不包括该节点及第一相邻节点),这些节点记为第二相邻节点;则后续邻域参数添加的节点,均为与前一个邻域参数所添加的节点直接相连的节点。
进一步的,获取到嵌入图结构后,嵌入图结构中每个节点均有对应的嵌入向量;对于任意一个共延任务组,获取该共延任务组对应的延误类别所属的项目的若干嵌入图结构,记为该共延任务组的参考嵌入图;对于任意一个邻域参数下的若干参考嵌入图,获取该共延任务组中任意一个任务在该邻域参数下每个参考嵌入图的嵌入向量,记为该任务在该邻域参数下的若干参考向量,对任意两个参考向量计算余弦相似度,获取所有余弦相似度的均值,记为该邻域参数对该任务的参考程度;按照上述方法获取该邻域参数对该共延任务组中每个任务的参考程度,获取所有参考程度的均值,记为该共延任务组在该邻域参数的一致性;按照上述方法获取该共延任务组在每个邻域参数的一致性,将一致性最大的邻域参数,记为该共延任务组的最佳邻域参数,最佳邻域参数下的参考嵌入图作为该共延任务组的最佳嵌入图,则得到了该共延任务组在每个对应的延误类别所属的项目的最佳嵌入图;按照上述方法获取每个共延任务组的最佳嵌入图。
进一步的,对于任意一个共延任务组的任意一个最佳嵌入图,获取该共延任务组中每个任务在该最佳嵌入图中对应的节点,记为该共延任务组在该最佳嵌入图的若干延误节点,对每个延误节点对获取最短路径;获取每个延误节点在所有最短路径中的出现次数,记为每个延误节点对应的该共延任务组中的任务在该最佳嵌入图的出现次数;按照上述方法获取该共延任务组中每个任务在每个最佳嵌入图的出现次数,对于该共延任务组中任意一个任务,将该任务在所有最佳嵌入图的出现次数的和,作为该任务的关键程度;按照上述方法获取该共延任务组中每个任务的关键程度,对所有关键程度进行线性归一化,得到的结果记为每个任务的关键系数;预设一个关键阈值,本实施例关键阈值采用0.65进行叙述,将关键系数大于关键阈值的任务,记为该共延任务组的关键任务;按照上述方法获取每个共延任务组的若干关键任务。
至此,通过对延误类别获取匹配组并得到共延任务组,通过图结构分析得到每个共延任务组的关键任务,通过关键任务来反映容易出现延误且对项目整体影响较大的任务。
步骤S004、根据关键任务对项目的全过程工程咨询进行集成管理。
获取到关键任务后,关键任务则是通过历史的项目中提取到的容易出现延误,且延误值较大,同时影响整个项目其他任务较多的任务;则对于一个全新的项目,在对该项目的若干任务进行全过程工程咨询集成管理时,判断其中是否存在关键任务,若存在关键任务,获取该关键任务的关键系数加1得到的和,将和值作为倍数,将该关键任务在该项目已经分配的资源调整到和值对应的倍数的资源,则通过提高对关键任务分配的资源,减小关键任务发生延误的可能性,提高项目的全过程工程咨询集成管理的效率。
至此,通过若干历史项目来得到关键任务,提高工程项目的全过程工程咨询集成管理的效率。
请参阅图2,其示出了本发明另一个实施例所提供的一种基于BIM的全过程工程咨询集成管理系统结构框图,该系统包括:
工程项目任务采集模块101,用于采集若干项目每个任务的任务数据。
项目任务延误分析模块102:
(1)根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;
(2)根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务。
工程项目任务管理模块103,用于根据关键任务对项目的全过程工程咨询进行集成管理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于BIM的全过程工程咨询集成管理方法,其特征在于,该方法包括以下步骤:
采集若干项目每个任务的任务数据;
根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;
根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务;
根据关键任务对项目的全过程工程咨询进行集成管理。
2.根据权利要求1所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述每个项目的若干类别,具体的获取方法为:
根据任务数据获取每个任务的第一特征向量;对于任意一个项目,对该项目的所有任务根据第一特征向量进行DBSCAN聚类,聚类中任务之间的距离度量采用第一特征向量之间的DTW距离,得到若干聚簇,将每个聚簇记为该项目的一个类别,得到该项目的若干类别。
3.根据权利要求2所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述根据任务数据获取每个任务的第一特征向量,包括的具体方法为:
对于任意一个项目的任意一个任务,根据该任务的开始时间及预期完成时间,得到该任务的预期持续时间;根据该任务的开始时间及实际完成时间,得到该任务的实际持续时间,将开始时间、预期持续时间及实际持续时间作为向量的三个元素,得到该任务的第一特征向量。
4.根据权利要求3所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述得到每个项目的若干延误类别及代表延误值,包括的具体方法为:
对于任意一个项目的任意一个任务,对于该任务的第一特征向量,若第一特征向量中实际持续时间大于预期持续时间,将实际持续时间减去预期持续时间得到的差值,记为该任务的延误值,将该任务记为延误任务;若实际持续时间小于或等于预期持续时间,不计算该任务的延误值,该任务记为正常任务;
对该项目中每个任务进行延误判断,得到若干延误任务及每个任务的延误值;
对该项目所有延误任务的延误值进行OTSU阈值分割,得到分割阈值,将延误值大于分割阈值的延误任务,记为延误影响任务;将该项目若干类别中,存在延误影响任务的类别,记为延误类别;对于任意一个延误类别,将该延误类别中所有延误影响任务的延误值的最大值,作为该延误类别的代表延误值。
5.根据权利要求1所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述得到若干匹配组及共延任务组,包括的具体方法为:
根据不同项目的延误类别的代表延误值得到若干匹配组;对于任意一个匹配组,根据匹配组中每个延误类别中的任务,得到若干延误类别之间的交集;
对于任意一个交集,将该交集对应的延误类别数量,与该匹配组的延误类别总数量的比值,记为该交集的共延程度;获取该匹配组中每个交集的共延程度,将共延程度大于共延阈值的交集,记为共延任务组。
6.根据权利要求5所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述根据不同项目的延误类别的代表延误值得到若干匹配组,包括的具体方法为:
对于任意两个不同项目中的延误类别,获取两个延误类别的代表延误值的差值绝对值,获取差值绝对值与两个代表延误值中最大值的比值,将1减去比值得到的差值,作为两个延误类别的匹配距离;
获取任意两个不同项目中的延误类别的匹配距离;对所有项目的所有延误类别进行DBSCAN聚类,聚类的距离度量采用延误类别的匹配距离,得到若干聚簇,将每个聚簇记为一个匹配组,得到若干匹配组。
7.根据权利要求1所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述每个共延任务的若干最佳嵌入图,具体的获取方法为:
根据每个项目的PERT图得到每个项目在不同邻域参数下的嵌入图结构;对于任意一个共延任务组,获取该共延任务组对应的延误类别所属的项目的若干嵌入图结构,记为该共延任务组的参考嵌入图;
对于任意一个邻域参数下的若干参考嵌入图,获取该共延任务组中任意一个任务在该邻域参数下每个参考嵌入图的嵌入向量,记为该任务在该邻域参数下的若干参考向量,对任意两个参考向量计算余弦相似度,获取所有余弦相似度的均值,记为该邻域参数对该任务的参考程度;
获取该邻域参数对该共延任务组中每个任务的参考程度,获取所有参考程度的均值,记为该共延任务组在该邻域参数的一致性;获取该共延任务组在每个邻域参数的一致性,将一致性最大的邻域参数,记为该共延任务组的最佳邻域参数,最佳邻域参数下的参考嵌入图作为该共延任务组的最佳嵌入图,得到该共延任务组在每个对应的延误类别所属的项目的最佳嵌入图。
8.根据权利要求7所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述根据每个项目的PERT图得到每个项目在不同邻域参数下的嵌入图结构,包括的具体方法为:
对于任意一个项目,获取该项目的PERT图;PERT图中每个节点对应该项目的一个任务,将每个任务的任务数据,作为每个任务对应节点的节点值;
将该项目的PERT图输入到Node2Vec模型中,通过模型及设置邻域参数得到该项目的PERT图的嵌入图结构,同一个嵌入图结构中每个节点的邻域参数相同,得到该项目在每个邻域参数下的嵌入图结构。
9.根据权利要求1所述的一种基于BIM的全过程工程咨询集成管理方法,其特征在于,所述根据最佳嵌入图得到若干关键任务,包括的具体方法为:
对于任意一个共延任务组的任意一个最佳嵌入图,获取该共延任务组中每个任务在该最佳嵌入图中对应的节点,记为该共延任务组在该最佳嵌入图的若干延误节点,对每个延误节点对获取最短路径;获取每个延误节点在所有最短路径中的出现次数,记为每个延误节点对应的该共延任务组中的任务在该最佳嵌入图的出现次数;
获取该共延任务组中每个任务在每个最佳嵌入图的出现次数,对于该共延任务组中任意一个任务,将该任务在所有最佳嵌入图的出现次数的和,作为该任务的关键程度;获取该共延任务组中每个任务的关键程度,对所有关键程度进行线性归一化,得到的结果记为每个任务的关键系数;将关键系数大于关键阈值的任务,记为该共延任务组的关键任务。
10.一种基于BIM的全过程工程咨询集成管理系统,其特征在于,该系统包括:
工程项目任务采集模块,用于采集若干项目每个任务的任务数据;
项目任务延误分析模块,用于根据每个任务由任务数据得到的第一特征向量,获取每个项目的若干类别;根据每个项目每个任务的延误值,得到每个项目的若干延误类别及代表延误值;
根据不同项目的延误类别的代表延误值及其中任务,得到若干匹配组及共延任务组;根据每个项目的PERT图及若干嵌入图结构,以及共延任务组,获取每个共延任务的若干最佳嵌入图;根据最佳嵌入图得到若干关键任务;
工程项目任务管理模块,用于根据关键任务对项目的全过程工程咨询进行集成管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311329707.2A CN117094472B (zh) | 2023-10-16 | 2023-10-16 | 一种基于bim的全过程工程咨询集成管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311329707.2A CN117094472B (zh) | 2023-10-16 | 2023-10-16 | 一种基于bim的全过程工程咨询集成管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094472A true CN117094472A (zh) | 2023-11-21 |
CN117094472B CN117094472B (zh) | 2023-12-15 |
Family
ID=88782044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311329707.2A Active CN117094472B (zh) | 2023-10-16 | 2023-10-16 | 一种基于bim的全过程工程咨询集成管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094472B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040117232A1 (en) * | 2002-12-16 | 2004-06-17 | Benitez Pedro Luis | Timeliness rating |
CN107833463A (zh) * | 2017-10-25 | 2018-03-23 | 上海应用技术大学 | 基于二维聚类的交通信号时段划分方法及系统 |
CN108288236A (zh) * | 2018-01-12 | 2018-07-17 | 华北电力大学 | 一种基于cpm网络时差的项目工期索赔分析方法 |
CN110379184A (zh) * | 2019-07-25 | 2019-10-25 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN116151599A (zh) * | 2023-04-21 | 2023-05-23 | 湖南维胜科技有限公司 | 一种基于深度强化学习的排产数据处理方法 |
CN116307481A (zh) * | 2023-01-10 | 2023-06-23 | 中国电力科学研究院有限公司 | 基于bim和模糊决策的配电台区进度编排方法、系统及设备 |
-
2023
- 2023-10-16 CN CN202311329707.2A patent/CN117094472B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040117232A1 (en) * | 2002-12-16 | 2004-06-17 | Benitez Pedro Luis | Timeliness rating |
CN107833463A (zh) * | 2017-10-25 | 2018-03-23 | 上海应用技术大学 | 基于二维聚类的交通信号时段划分方法及系统 |
CN108288236A (zh) * | 2018-01-12 | 2018-07-17 | 华北电力大学 | 一种基于cpm网络时差的项目工期索赔分析方法 |
CN110379184A (zh) * | 2019-07-25 | 2019-10-25 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN116307481A (zh) * | 2023-01-10 | 2023-06-23 | 中国电力科学研究院有限公司 | 基于bim和模糊决策的配电台区进度编排方法、系统及设备 |
CN116151599A (zh) * | 2023-04-21 | 2023-05-23 | 湖南维胜科技有限公司 | 一种基于深度强化学习的排产数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117094472B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11900598B2 (en) | System and method of classification of biological particles | |
US7386577B2 (en) | Dynamic determination of transaction boundaries in workflow systems | |
Wang et al. | Searching for representative modes on hypergraphs for robust geometric model fitting | |
CN108763420B (zh) | 数据对象的分类方法、装置、终端和计算机可读存储介质 | |
US20170330078A1 (en) | Method and system for automated model building | |
CN109445936B (zh) | 一种云计算负载聚类方法、系统及电子设备 | |
WO2017114276A1 (zh) | 基于图的分析用户的方法和系统 | |
CN104391879A (zh) | 层次聚类的方法及装置 | |
CN112036476A (zh) | 基于二分类业务的数据特征选择方法、装置及计算机设备 | |
CN114638234A (zh) | 应用于线上业务办理的大数据挖掘方法及系统 | |
CN112148942A (zh) | 基于数据聚类的业务指标数据分类方法及装置 | |
CN112270614B (zh) | 一种面向制造企业全系统优化设计的设计资源大数据建模方法 | |
CN117094472B (zh) | 一种基于bim的全过程工程咨询集成管理方法及系统 | |
CN113420506A (zh) | 掘进速度的预测模型建立方法、预测方法及装置 | |
CN117235606A (zh) | 特种不锈钢的生产质量管理方法及系统 | |
CN112749003A (zh) | 系统优化的方法、设备及计算机可读存储介质 | |
Graaff et al. | Using sequential deviation to dynamically determine the number of clusters found by a local network neighbourhood artificial immune system | |
JP2016520220A (ja) | 隠れ属性モデル推定装置、方法およびプログラム | |
CN114842178A (zh) | 一种基于电子产品的在线可视化交互系统及方法 | |
CN113946717A (zh) | 一种子图指标特征获得方法、装置、设备及存储介质 | |
Wang et al. | A knowledge discovery case study of software quality prediction: Isbsg database | |
CN109493249B (zh) | 一种用电数据在多时间尺度上的分析方法 | |
CN116755848B (zh) | 一种基于预测的事务调度方法及系统 | |
US20080244492A1 (en) | Apparatus and method for designing system, and computer readable medium | |
CN113688229B (zh) | 一种文本推荐方法、系统、存储介质和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |