CN117541197A - 一种基于bim和aiot数据驱动的智能建造方法及系统 - Google Patents
一种基于bim和aiot数据驱动的智能建造方法及系统 Download PDFInfo
- Publication number
- CN117541197A CN117541197A CN202410012040.1A CN202410012040A CN117541197A CN 117541197 A CN117541197 A CN 117541197A CN 202410012040 A CN202410012040 A CN 202410012040A CN 117541197 A CN117541197 A CN 117541197A
- Authority
- CN
- China
- Prior art keywords
- data
- construction
- bim
- intelligent
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000010276 construction Methods 0.000 claims abstract description 203
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 238000013461 design Methods 0.000 claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 27
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000013523 data management Methods 0.000 claims abstract description 14
- 239000000463 material Substances 0.000 claims description 81
- 238000007726 management method Methods 0.000 claims description 69
- 238000012544 monitoring process Methods 0.000 claims description 48
- 238000005516 engineering process Methods 0.000 claims description 27
- 238000007405 data analysis Methods 0.000 claims description 26
- 231100001267 hazard identification Toxicity 0.000 claims description 22
- 238000013468 resource allocation Methods 0.000 claims description 21
- 230000010354 integration Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000005728 strengthening Methods 0.000 claims description 8
- 238000012300 Sequence Analysis Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 claims description 5
- 230000010485 coping Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000013068 supply chain management Methods 0.000 claims description 5
- 238000009430 construction management Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000007728 cost analysis Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 4
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000001934 delay Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013349 risk mitigation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Abstract
本发明公开了一种基于BIM和AIOT数据驱动的智能建造方法及系统，涉及计算机平台负载平衡技术领域，包括：构建智能建造运管平台；实施BIM数字一体化设计，整合BIM模型和应用成果；构建部品部件智能生产专项；建立工程现场大数据管理系统，基于BIM施工进度模型；建立建筑产业互联网平台；搭建数字交付与智慧运维系统。本发明提供的基于BIM和AIOT数据驱动的智能建造方法既能涵盖建造全生命期，又能精确到某一具体建造过程；技术层面用到BIM、AI、IOT，实现智能控制，减少对人的依赖；重视信息在体系中的作用，对信息进行分类研究；能够对不同的建造对象进行结构层级的区分。
Description
技术领域
本发明涉及计算机平台负载平衡技术领域，具体为一种基于BIM和AIOT数据驱动的智能建造方法及系统。
背景技术
智能建造是指在工程全生命期中，以数据为核心，驱动标准化设计、工业化制造、智能化施工和智慧化运维，实现工程勘察、测量、设计、构件生产、物流供应、现场施工以及验收交付的全流程精细化协同的新一代建造模式与管理理念。
现有的智能建造相关专利，多集中在智能建造过程中使用的某设备改进和提升，且多以单点应用和局部系统为主，对集成化应用和整体架构研究较少，在宏观方面，以建造全生命期为背景，对智能建造理论和体系架构方面的研究不足。在微观方面,各项技术交互使用的案例较少,各环节之间以及环节与整个建造过程之间的关系不够清晰。
因此亟需一种基于BIM和AIOT数据驱动的智能建造方法，围绕项目全生命周期，以数据为核心，充分融合BIM、AI、IOT技术，构建以智能建造运管平台为中心，BIM数字一体化设计、部品部件智能生产、智能施工管理、建筑机器人及智能装备、建筑产业互联网及数字交付与智慧运维六大专项的智能建造方法，提升项目管理水平和建造质量水平。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的传统建造方法存在效率低下、资源管理不充分、安全风险较高，以及如何高效集成和分析大量施工数据以优化建造过程的问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于BIM和AIOT数据驱动的智能建造方法，包括：
构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据；实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型；构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理；建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理；构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录；建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化；搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述构建智能建造运管平台包括构建中央数据仓库，部署边缘计算节点处理物联网设备的数据，利用数据湖架构容纳和处理数据，部署NLP算法来自动处理和分析文本数据；所述关联业务数据与BIM模型包括将来自中央数据仓库和边缘计算节点的业务数据映射到BIM模型中，根据来自数据湖和NLP处理的业务数据，基于实时数据分析在BIM模型中自动进行设计调整，利用BIM模型展示资源分布、进度追踪和成本分析，基于AI算法分析的业务数据，结合BIM模型进行智能预测，进行材料需求预测、施工进度跟踪和潜在安全隐患识别。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述智能预测包括基于材料需求预测模型获取所述材料需求预测结果构建部品部件智能生产专项，基于施工进度跟踪模型获取所述施工进度跟踪和潜在安全隐患识别的结果建立工程现场大数据管理系统，基于安全隐患识别模型获取所述潜在安全隐患识别的结果构建机器人及智能装备系统；所述材料需求预测模型基于时间序列分析和 LSTM 深度学习算法，通过分析历史数据和当前趋势来预测未来需求；通过二维码及 RFID 技术生成的实时追踪数据以及供应链实时信息和市场趋势数据，集成数据集；引入自适应学习机制适应项目的动态变化；所述施工进度跟踪模型基于图论和网络流理论，深度集成 BIM 模型，综合考虑从所述材料需求预测模型获得的结果和实时施工数据，纳入多维实时数据，包括天气状况、工人出勤记录和设备状态，通过VR和AR技术，模拟不同的施工进度方案，评估施工进度，在虚拟环境中互动评估和调整施工计划；所述安全隐患识别模型使用贝叶斯网络，结合实时施工进度、工人分布、设备使用情况和环境因素，进行全面的安全风险评估，集成环境监测数据和智能装备的运行数据，以及所述材料需求预测模型和所述施工进度跟踪模型的关键输出，根据施工进度和当前环境条件的实时数据动态评估安全风险，提供预警和改善建议；所述关键输出包括环境监测数据、智能装备运行数据、来自材料需求预测模型的数据以及来自施工进度跟踪模型的数据。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述构建部品部件智能生产专项包括动态预测项目的材料需求，模型分析历史数据、当前趋势、二维码及RFID技术生成的实时追踪数据、供应链信息和市场趋势，预测材料需求为正常需求状态A1、增加需求状态A2、减少需求状态A3和延迟需求状态A4，根据预测情景调整部品部件的智能生产计划，根据预测结果更新BIM设计模型，结合二维码和RFID技术，实时监控材料从生产到运输的全过程，调整物流和供应链策略。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述建立工程现场大数据管理系统包括基于所述施工进度跟踪模型预测设备进度状态，所述进度状态包括正常进度状态B1，延迟进度状态B2，加速进度状态B3，基于所述安全隐患识别模型预测当前安全隐患，所述安全隐患状态包括低风险状态C1，中风险状态C2，高风险状态C3，当状态为B1及C1时，判断为第一正常运行状态，当状态为B1及C3或B2及C2时，判断为第二调整应对状态，当状态为B2及C3或B3及C3时，判断为第三紧急干预状态；当处于第一正常运行状态时，利用智能建造运管平台监控施工进度和安全状况，在BIM模型中实时更新工程状态，基于机器人及智能装备系统进行调整，若处于A1状态，应用基于历史数据和当前市场趋势的时间序列分析，确保材料和资源按需供应，使用从智能建造运管平台收集的数据，通过机器学习模型预测未来需求，并据此调整资源配置，若处于A2状态，动态调整材料采购计划，使用AI算法分析的供应链数据，预测可能的短缺，并及时调整物流策略，若处于A3状态，实施基于数据分析的资源循环利用策略，根据实时需求调整存储策略，若处于A4状态，利用物联网和AI分析的数据监测供应链动态，预测并管理延迟情况，在BIM模型中模拟供应链延迟对项目的影响，制定相应的备用施工计划；当处于第二调整应对状态时，在智能建造运管平台中分析延迟原因，识别影响进度的关键因素，利用物联网设备和智能监控系统监控风险区域，基于机器人及智能装备系统进行调整，若处于A1状态，监控关键区域，调整人员和设备分配，若处于A2状态，启动紧急资源调配计划，增加关键材料的采购和快速调动人力资源，在资源紧张导致的潜在风险区域加强现场安全监测，若处于A3状态，根据当前的资源和材料状况调整施工计划，重新分配资源，若处于A4状态，采取措施应对材料供应延迟，调整施工序列、暂停非关键活动，临时调整人力资源分配和加强监控；当处于第三紧急干预状态时，综合考虑施工进度和安全风险，制定应急计划，在BIM模型中模拟不同的施工方案，评估风险和效率，选择最佳方案，基于机器人及智能装备系统进行调整，若处于A1状态，在保证安全的前提下，优化资源分配，调整施工流程和资源分配，若处于A2状态，在保证安全的前提下，加急调配必要的资源，若处于A3状态，减轻工作负荷，集中资源应对高风险区域，若处于A4状态，评估材料延迟对施工进度的影响。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述构建机器人及智能装备系统包括实时监控施工进度、机器人位置、设备状态和安全警报，选择并部署适用于特定建筑任务的机器人和智能设备，建立数据集成系统，将机器人和智能设备的操作信息实时反映到BIM模型中，并根据BIM模型的更新调整操作，使用传感器和摄像头实时监控施工现场的安全状态，在出现潜在危险时，立即采取措施，调整机器人的工作路径或暂停某些设备的操作。
作为本发明所述的基于BIM和AIOT数据驱动的智能建造方法的一种优选方案，其中：所述建立建筑产业互联网平台包括建立基于云计算的中央平台，整合来自智能建造运管平台的业务数据、BIM模型、以及物联网设备的实时数据，集成用于材料需求预测和供应链管理的时间序列分析和深度学习算法，利于项目管理工具，结合实时数据分析，提供资源优化、进度跟踪和成本控制，所述项目管理工具基于AI的数据分析和模式识别，利用历史数据和当前趋势，提供项目预测、风险评估和优化建议；
所述搭建数字交付与智慧运维系统包括集成设计、施工和竣工阶段的数据以及物联网设备收集的实时数据，优化运维过程，使用数据分析和模式识别技术，进行建筑的全生命周期管理，所述全生命周期管理包括预测性维护和绩效监控。
本发明的另外一个目的是提供一种基于BIM和AIOT数据驱动的智能建造系统，其能通过集成实时数据分析、预测模型和自动化决策制定，解决了传统建筑方法中的资源浪费、施工进度延误和高安全风险问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于BIM和AIOT数据驱动的智能建造系统，包括：数据集成与管理模块、BIM一体化设计模块、智能生产管理模块、数据分析模块、施工监控模块、网络构建模块以及数字运维模块；所述数据集成与管理模块用于构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据；所述BIM一体化设计模块用于实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型；所述智能生产管理模块用于构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理；所述数据分析模块用于建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理；所述施工监控模块用于构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录；所述网络构建模块用于建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化；所述数字运维模块用于搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于BIM和AIOT数据驱动的智能建造方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于BIM和AIOT数据驱动的智能建造方法的步骤。
本发明的有益效果：本发明提供的基于BIM和AIOT数据驱动的智能建造方法既能涵盖建造全生命期，又能精确到某一具体建造过程；通过BIM、AI及IOT技术，实现智能控制，减少对人的依赖；重视信息在体系中的作用，对信息进行分类研究；能够对不同的建造对象进行结构层级的区分。通过集成BIM、AI、IOT技术，以数字设计、产业互联网、智慧施工、智能建造装备为主要手段，提高智能建造程度，实现了项目的精细化管理、业财信息整合、上下游数据链打通、施工质量提升、施工安全保障、完善数字资产交付，为在建项目提供信息化数字化智能化监管手段，大大提升项目质量和安全。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一个实施例提供的一种基于BIM和AIOT数据驱动的智能建造方法的整体流程图。
图2为本发明第二个实施例提供的一种基于BIM和AIOT数据驱动的智能建造系统的整体结构图。
图3为本发明第二个实施例提供的一种基于BIM和AIOT数据驱动的智能建造系统的部品部件智能生产管理系统图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
实施例1
参照图1，为本发明的一个实施例，提供了一种基于BIM和AIOT数据驱动的智能建造方法，包括：
构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据，提供工程项目资源优化配置和智能决策支持。
实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型，实现项目管理数据的可视化。
构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理。
建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理。
构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录。
建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化。
搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心，实现数字化资产、设施和运维管理。
构建智能建造运管平台包括构建中央数据仓库，部署边缘计算节点处理物联网设备的数据，利用数据湖架构容纳和处理数据，部署NLP算法来自动处理和分析文本数据。
关联业务数据与BIM模型包括将来自中央数据仓库和边缘计算节点的业务数据映射到BIM模型中，根据来自数据湖和NLP处理的业务数据，基于实时数据分析在BIM模型中自动进行设计调整，利用BIM模型展示资源分布、进度追踪和成本分析，基于AI算法分析的业务数据，结合BIM模型进行智能预测，进行材料需求预测、施工进度跟踪和潜在安全隐患识别。
智能预测包括基于材料需求预测模型获取材料需求预测结果构建部品部件智能生产专项，基于施工进度跟踪模型获取施工进度跟踪和潜在安全隐患识别的结果建立工程现场大数据管理系统，基于安全隐患识别模型获取潜在安全隐患识别的结果构建机器人及智能装备系统。
材料需求预测模型基于时间序列分析和 LSTM 深度学习算法，通过分析历史数据和当前趋势来预测未来需求；通过二维码及 RFID 技术生成的实时追踪数据以及供应链实时信息和市场趋势数据，集成数据集；引入自适应学习机制适应项目的动态变化。
材料需求预测模型表示为，
；
其中，表示遗忘门激活向量，/>表示输入门激活向量，/>表示输出门激活向量，表示细胞状态，/>表示隐藏状态，/>表示输入向量，/>表示细胞候选向量，表示权重矩阵，/>表示偏置向量，/>表示时间/>的材料需求量预测值。
施工进度跟踪模型基于图论和网络流理论，深度集成 BIM 模型，综合考虑从材料需求预测模型获得的结果和实时施工数据，纳入多维实时数据，包括天气状况、工人出勤记录和设备状态，通过VR和AR技术，模拟不同的施工进度方案，评估施工进度，在虚拟环境中互动评估和调整施工计划。
施工进度跟踪模型表示为：
；
其中，表示施工任务和依赖关系的有向图，/>表示图中的节点，代表施工任务，/>表示任务/>的最早开始时间，/>表示任务/>的最晚完成时间，/>表示考虑材料需求预测的任务/>的持续时间。
安全隐患识别模型使用贝叶斯网络，结合实时施工进度、工人分布、设备使用情况和环境因素，进行全面的安全风险评估，集成环境监测数据和智能装备的运行数据，以及材料需求预测模型和施工进度跟踪模型的关键输出，根据施工进度和当前环境条件的实时数据动态评估安全风险，提供预警和改善建议。
安全隐患识别模型表示为：
；
其中，表示代表风险因素的随机变量，/>的父节点集合，/>表示从施工进度模型得到的任务开始和完成时间，/>表示在给定施工进度和父节点状态下，风险因素/>的条件概率分布。
关键输出包括环境监测数据、智能装备运行数据、来自材料需求预测模型的数据以及来自施工进度跟踪模型的数据。
环境监测数据：如温度、湿度、噪音水平等，以评估施工环境对工人安全的潜在影响。
智能装备运行数据：包括施工机器人、自动化设备的状态和性能数据，以监控设备的运行安全性。
来自材料需求预测模型的数据：特别是关于材料可用性和预期到货时间的预测信息，以识别由于材料短缺可能引起的施工中断或安全风险。
来自施工进度跟踪模型的数据：主要包括当前的施工进度、工序安排和资源分配情况，以评估是否存在由于进度延误导致的潜在安全问题。
构建部品部件智能生产专项包括动态预测项目的材料需求，模型分析历史数据、当前趋势、二维码及RFID技术生成的实时追踪数据、供应链信息和市场趋势，预测材料需求为正常需求状态A1、增加需求状态A2、减少需求状态A3和延迟需求状态A4，根据预测情景调整部品部件的智能生产计划，根据预测结果更新BIM设计模型，反映材料供应的最新情况，在关键施工阶段设计决策中考虑材料供应的变化，结合二维码和RFID技术，实时监控材料从生产到运输的全过程，调整物流和供应链策略。
确定历史平均需求，当/>与/>差异在±10%以内时，判断为A1状态。当/>比/>高出10%以上时，判断为A2状态。当/>比/>低10%以上时，判断为A3状态。当/>预示需求出现的时间比预期晚超过设定的时间阈值，本发明中时间阈值为超过一周时，判断为A4状态。
在本申请方法系统数据集的历史数据表明，项目的需求波动在10%范围内。这个阈值可以有效地捕捉大多数情况下的需求变动。设置太高的阈值可能无法及时响应重要的需求变化，而太低的阈值可能导致过度反应和不必要的调整。10%提供了一个平衡点。
当处于正常需求状态A1对于小幅度需求波动，进行精确的资源微调。例如，细微调整生产计划、存储条件和运输时间表，以最大程度地减少成本和资源浪费。利用实时数据监控系统持续跟踪材料流动，通过分析模型预测未来几周的需求趋势，以便及时调整策略。与供应商保持紧密沟通，确保即使在需求波动时也能保持供应链的流畅和高效。定期进行成本效益分析，以确保当前的资源配置在经济上是合理的。
当处于增加需求状态A2制定快速应对策略来处理突然增加的需求，包括加班生产、紧急采购或临时增加供应商。深入分析增加生产和采购的成本，评估对项目预算和时间表的潜在影响。重新评估当前项目的资源分配，将资源从低优先级任务转移到关键任务上。制定紧急物流和运输计划，以确保材料按时到达，防止项目延误。
当处于减少需求状态A3减少即将到来的订单量，避免过剩库存，同时与供应商协商可能的订单调整。将因减少的需求而节省的资源重新分配到其他项目或任务，特别是那些需要额外支持的。密切关注市场动态，以判断需求减少是否是短期波动还是长期趋势。
当处于延迟需求状态A4评估供应链延迟对项目进度和成本的影响，制定风险缓解计划。激活备用供应链计划，以缓解供应延迟的影响。根据材料延迟调整项目进度计划，以最小化对总体进度的影响。利用RFID和GPS追踪技术，提高供应链透明度，更好地预测和管理延迟。
利用RFID和GPS追踪技术包括使用BIM模型分析供应链延迟对整个项目进度的具体影响。通过历史数据比对和当前项目需求，估算延迟可能导致的成本增加和进度推迟。制定备选方案，寻找替代供应商或使用现有库存来弥补延迟。优化资源分配，调整施工序列，以最小化延迟的影响。启动预先设定的备用供应链计划，以保证材料的及时供应。在所有关键材料上部署RFID标签，实现实时跟踪。通过RFID系统，监控材料的生产、出库、运输和到场情况，以实时掌握材料状态。RFID系统与中央数据平台集成，自动更新BIM模型中的材料供应情况。在运输车辆上安装GPS设备，实时监控材料的运输进度。通过GPS数据，评估运输路径的效率，必要时调整运输路线以避免延误。GPS数据实时反馈至中央控制系统，帮助项目管理团队做出更快的决策。根据RFID和GPS提供的实时数据，动态调整项目进度计划。在BIM模型中模拟不同的施工方案，以评估不同供应链情况下的最佳施工计划。重新安排工作优先级，调整人员和设备的分配。
建立工程现场大数据管理系统包括基于施工进度跟踪模型预测设备进度状态，进度状态包括正常进度状态B1，延迟进度状态B2，加速进度状态B3，基于安全隐患识别模型预测当前安全隐患，安全隐患状态包括低风险状态C1，中风险状态C2，高风险状态C3，当状态为B1及C1时，判断为第一正常运行状态，当状态为B1及C3或B2及C2时，判断为第二调整应对状态，当状态为B2及C3或B3及C3时，判断为第三紧急干预状态。
检查所有施工任务，若至少75%的任务实际完成时间早于或等于模型预测的最晚完成时间fi，则整个项目被判定为正常进度状态B1。
检查所有施工任务，若超过25%的任务实际完成时间晚于模型预测的最晚完成时间fi加上5%的时间长度，项目整体被判定为延迟进度状态B2。
检查所有施工任务，若超过25%的任务实际完成时间早于模型预测的最早开始时间si减去5%的时间长度，项目整体被判定为加速进度状态B3。
其中，5%时间长度指原计划单个任务持续时间的5%。
计算每个风险因素的条件概率，若所有关键风险因素的条件概率均低10%，同时没有任何单个风险因素的概率显著高于10%，则判定为低风险状态C1 。若任何关键风险因素的条件概率大于10%且小于30%，或者大于3个次要风险因素的条件概率超过10%，则判定为中风险状态C2。若任何关键风险因素的条件概率大于30% ，或者大于3个重要风险因素的概率大于30% ，则判定为高风险状态C3。
关键风险因素对项目安全或进度有直接且显著的影响，包括工人安全：包括高空作业、机械操作等安全风险。重要设备状态：涵盖关键机械和设备的运行状态，如起重机、泵车等。环境因素：如极端天气条件、地质不稳定等可能对施工现场产生直接影响的因素。
次要风险因素包括供应链稳定性：材料供应的可靠性和及时性。工人出勤：影响工作进度的人力资源状况。设备维护：非关键设备的维护和故障记录。
当处于第一正常运行状态时，利用智能建造运管平台监控施工进度和安全状况，在BIM模型中实时更新工程状态，基于机器人及智能装备系统进行调整，若处于A1状态，应用基于历史数据和当前市场趋势的时间序列分析，确保材料和资源按需供应，使用从智能建造运管平台收集的数据，通过机器学习模型预测未来需求，并据此调整资源配置，若处于A2状态，动态调整材料采购计划，使用AI算法分析的供应链数据，预测可能的短缺，并及时调整物流策略，若处于A3状态，实施基于数据分析的资源循环利用策略，根据实时需求调整存储策略，若处于A4状态，利用物联网和AI分析的数据监测供应链动态，预测并管理延迟情况，在BIM模型中模拟供应链延迟对项目的影响，制定相应的备用施工计划。
当处于第二调整应对状态时，在智能建造运管平台中分析延迟原因，识别影响进度的关键因素，利用物联网设备和智能监控系统监控风险区域，基于机器人及智能装备系统进行调整，若处于A1状态，监控关键区域，调整人员和设备分配，若处于A2状态，启动紧急资源调配计划，增加关键材料的采购和快速调动人力资源，在资源紧张导致的潜在风险区域加强现场安全监测，若处于A3状态，根据当前的资源和材料状况调整施工计划，重新分配资源，若处于A4状态，采取措施应对材料供应延迟，调整施工序列、暂停非关键活动，临时调整人力资源分配和加强监控。
当处于第三紧急干预状态时，综合考虑施工进度和安全风险，制定应急计划，在BIM模型中模拟不同的施工方案，评估风险和效率，选择最佳方案，基于机器人及智能装备系统进行调整，若处于A1状态，在保证安全的前提下，优化资源分配，调整施工流程和资源分配，若处于A2状态，在保证安全的前提下，加急调配必要的资源，若处于A3状态，减轻工作负荷，集中资源应对高风险区域，若处于A4状态，评估材料延迟对施工进度的影响。
施工进度跟踪模型专注于项目的时间管理，如进度预测、延误识别等。它使用图论和网络流理论来分析和预测整个施工项目的进度。
安全隐患识别模型专注于识别和评估潜在的安全风险。该模型使用贝叶斯网络来分析各种因素，如工人分布、设备使用和环境条件，以预测安全风险。
施工项目管理不仅需要考虑进度，还要考虑安全性。两个模型相结合提供了一个更全面的视角，确保项目既高效又安全。
施工进度和安全风险相互影响。施工延迟可能增加工作人员的压力，从而引发安全问题。因此，综合考虑这两个方面可以提供更准确的洞察和决策支持。
虽然安全隐患识别模型考虑了施工进度，但其主要目的是识别风险，而不是管理整个施工过程。施工进度跟踪模型提供了更专注于时间管理和进度优化的分析，这是安全模型所不涵盖的。结合使用这两个模型可以更全面地解决施工管理的各种挑战，从而提高整个项目的效率和安全性。可以确保工程现场大数据管理系统不仅能够有效地管理施工进度，而且能够及时识别和应对潜在的安全风险。
构建机器人及智能装备系统包括实时监控施工进度、机器人位置、设备状态和安全警报，选择并部署适用于特定建筑任务的机器人和智能设备，包括自动搬运、精确测量和材料加工。安装导航系统、实时数据收集传感器和必要的安全监测装置，建立数据集成系统，将机器人和智能设备的操作信息实时反映到BIM模型中，并根据BIM模型的更新调整操作，使用传感器和摄像头实时监控施工现场的安全状态，在出现潜在危险时，立即采取措施，调整机器人的工作路径或暂停某些设备的操作。
建立建筑产业互联网平台包括建立基于云计算的中央平台，整合来自智能建造运管平台的业务数据、BIM模型、以及物联网设备的实时数据，集成用于材料需求预测和供应链管理的时间序列分析和深度学习算法，利于项目管理工具，结合实时数据分析，提供资源优化、进度跟踪和成本控制，项目管理工具基于AI的数据分析和模式识别，利用历史数据和当前趋势，提供项目预测、风险评估和优化建议。
搭建数字交付与智慧运维系统包括集成设计、施工和竣工阶段的数据以及物联网设备收集的实时数据，优化运维过程，使用数据分析和模式识别技术，进行建筑的全生命周期管理，全生命周期管理包括预测性维护和绩效监控。
实施例2
参照图2-图3，为本发明的一个实施例，提供了一种基于BIM和AIOT数据驱动的智能建造系统，包括：数据集成与管理模块、BIM一体化设计模块、智能生产管理模块、数据分析模块、施工监控模块、网络构建模块以及数字运维模块。
数据集成与管理模块用于构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据。
BIM一体化设计模块用于实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型。
智能生产管理模块用于构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理。
数据分析模块用于建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理。
施工监控模块用于构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录。
网络构建模块用于建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化。
数字运维模块用于搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心。
实施例3
本发明的一个实施例，其不同于前两个实施例的是：
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
实施例4
为本发明的一个实施例，提供了一种基于BIM和AIOT数据驱动的智能建造方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。对比传统建造方法和基于BIM和AIOT数据驱动的智能建造方法在建筑项目的效率、成本、安全性、和项目管理方面的表现。
项目描述：两个中型商业综合体项目，位于相似的地理和气候条件下，每个项目包括办公楼、零售空间和停车设施。项目位置：均位于相同城市。项目规模：每个项目占地面积约30,000平方米，总建筑面积约100,000平方米。
实验参数包括工期：项目实际完成所需的总月份。成本：包括材料成本、人工成本和意外费用的总成本（以人民币计算）。安全事故：项目施工期间发生的安全事故次数。资源利用率：材料浪费率和人员工效。项目管理效率：项目变更的响应时间和决策速度。
实验过程包括准备阶段：两个项目均在相同的时间开始，预定工期均为18个月。实施阶段：每月记录两个项目的进度、成本支出、安全记录和资源使用情况。管理阶段：记录项目管理中的关键决策时间，包括应对突发事件的反应速度和决策效率。实验结果如表1所示。
表1 实验结果对比表
传统方法缺乏高效的信息管理和实时数据分析因此存在较长的工期，成本管理不足导致资源浪费和低效的供应链管理，缺乏实时监控和预防措施安全风险高，对突发事件反应缓慢，决策基于有限的信息，项目管理效率低。
本申请方法利用BIM和AIOT提高效率：通过精细化管理和实时数据分析缩短工期，通过AI驱动的资源和供应链管理减少不必要的支出，利用IOT技术进行实时监控和预防安全事故，基于大数据的快速和精确决策能力。
通过集成数据分析和实时监控，快速调整资源配置和施工计划，减少浪费和提高施工效率。利用先进的监控技术和安全隐患识别模型，及时识别和响应潜在的安全问题，保障工人和施工现场的安全。集成的数据分析和项目管理工具可以提供准确的成本预测和控制，帮助项目保持在预算内。通过云平台和BIM模型的集成，项目参与者能够实时访问最新的项目信息，提高决策的透明度和效率。优化材料使用和资源配置，有助于减少环境影响，支持可持续建设实践。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于BIM和AIOT数据驱动的智能建造方法，其特征在于，包括：
构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据；
实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型；
构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理；
建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理；
构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录；
建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化；
搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心。
2.如权利要求1所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述构建智能建造运管平台包括构建中央数据仓库，部署边缘计算节点处理物联网设备的数据，利用数据湖架构容纳和处理数据，部署NLP算法来自动处理和分析文本数据；
所述关联业务数据与BIM模型包括将来自中央数据仓库和边缘计算节点的业务数据映射到BIM模型中，根据来自数据湖和NLP处理的业务数据，基于实时数据分析在BIM模型中自动进行设计调整，利用BIM模型展示资源分布、进度追踪和成本分析，基于AI算法分析的业务数据，结合BIM模型进行智能预测，进行材料需求预测、施工进度跟踪和潜在安全隐患识别。
3.如权利要求2所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述智能预测包括基于材料需求预测模型获取所述材料需求预测结果构建部品部件智能生产专项，基于施工进度跟踪模型获取所述施工进度跟踪和潜在安全隐患识别的结果建立工程现场大数据管理系统，基于安全隐患识别模型获取所述潜在安全隐患识别的结果构建机器人及智能装备系统；
所述材料需求预测模型基于时间序列分析和 LSTM 深度学习算法，通过分析历史数据和当前趋势来预测未来需求；通过二维码及 RFID 技术生成的实时追踪数据以及供应链实时信息和市场趋势数据，集成数据集；引入自适应学习机制适应项目的动态变化；
所述施工进度跟踪模型基于图论和网络流理论，深度集成 BIM 模型，综合考虑从所述材料需求预测模型获得的结果和实时施工数据，纳入多维实时数据，包括天气状况、工人出勤记录和设备状态，通过VR和AR技术，模拟不同的施工进度方案，评估施工进度，在虚拟环境中互动评估和调整施工计划；
所述安全隐患识别模型使用贝叶斯网络，结合实时施工进度、工人分布、设备使用情况和环境因素，进行全面的安全风险评估，集成环境监测数据和智能装备的运行数据，以及所述材料需求预测模型和所述施工进度跟踪模型的关键输出，根据施工进度和当前环境条件的实时数据动态评估安全风险，提供预警和改善建议；
所述关键输出包括环境监测数据、智能装备运行数据、来自材料需求预测模型的数据以及来自施工进度跟踪模型的数据。
4.如权利要求3所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述构建部品部件智能生产专项包括动态预测项目的材料需求，模型分析历史数据、当前趋势、二维码及RFID技术生成的实时追踪数据、供应链信息和市场趋势，预测材料需求为正常需求状态A1、增加需求状态A2、减少需求状态A3和延迟需求状态A4，根据预测情景调整部品部件的智能生产计划，根据预测结果更新BIM设计模型，结合二维码和RFID技术，实时监控材料从生产到运输的全过程，调整物流和供应链策略。
5.如权利要求4所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述建立工程现场大数据管理系统包括基于所述施工进度跟踪模型预测设备进度状态，所述进度状态包括正常进度状态B1，延迟进度状态B2，加速进度状态B3，基于所述安全隐患识别模型预测当前安全隐患，所述安全隐患状态包括低风险状态C1，中风险状态C2，高风险状态C3，当状态为B1及C1时，判断为第一正常运行状态，当状态为B1及C3或B2及C2时，判断为第二调整应对状态，当状态为B2及C3或B3及C3时，判断为第三紧急干预状态；
当处于第一正常运行状态时，利用智能建造运管平台监控施工进度和安全状况，在BIM模型中实时更新工程状态，基于机器人及智能装备系统进行调整，若处于A1状态，应用基于历史数据和当前市场趋势的时间序列分析，确保材料和资源按需供应，使用从智能建造运管平台收集的数据，通过机器学习模型预测未来需求，并据此调整资源配置，若处于A2状态，动态调整材料采购计划，使用AI算法分析的供应链数据，预测可能的短缺，并及时调整物流策略，若处于A3状态，实施基于数据分析的资源循环利用策略，根据实时需求调整存储策略，若处于A4状态，利用物联网和AI分析的数据监测供应链动态，预测并管理延迟情况，在BIM模型中模拟供应链延迟对项目的影响，制定相应的备用施工计划；
当处于第二调整应对状态时，在智能建造运管平台中分析延迟原因，识别影响进度的关键因素，利用物联网设备和智能监控系统监控风险区域，基于机器人及智能装备系统进行调整，若处于A1状态，监控关键区域，调整人员和设备分配，若处于A2状态，启动紧急资源调配计划，增加关键材料的采购和快速调动人力资源，在资源紧张导致的潜在风险区域加强现场安全监测，若处于A3状态，根据当前的资源和材料状况调整施工计划，重新分配资源，若处于A4状态，采取措施应对材料供应延迟，调整施工序列、暂停非关键活动，临时调整人力资源分配和加强监控；
当处于第三紧急干预状态时，综合考虑施工进度和安全风险，制定应急计划，在BIM模型中模拟不同的施工方案，评估风险和效率，选择最佳方案，基于机器人及智能装备系统进行调整，若处于A1状态，在保证安全的前提下，优化资源分配，调整施工流程和资源分配，若处于A2状态，在保证安全的前提下，加急调配必要的资源，若处于A3状态，减轻工作负荷，集中资源应对高风险区域，若处于A4状态，评估材料延迟对施工进度的影响。
6.如权利要求5所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述构建机器人及智能装备系统包括实时监控施工进度、机器人位置、设备状态和安全警报，选择并部署适用于特定建筑任务的机器人和智能设备，建立数据集成系统，将机器人和智能设备的操作信息实时反映到BIM模型中，并根据BIM模型的更新调整操作，使用传感器和摄像头实时监控施工现场的安全状态，在出现潜在危险时，立即采取措施，调整机器人的工作路径或暂停某些设备的操作。
7.如权利要求6所述的基于BIM和AIOT数据驱动的智能建造方法，其特征在于：所述建立建筑产业互联网平台包括建立基于云计算的中央平台，整合来自智能建造运管平台的业务数据、BIM模型、以及物联网设备的实时数据，集成用于材料需求预测和供应链管理的时间序列分析和深度学习算法，利于项目管理工具，结合实时数据分析，提供资源优化、进度跟踪和成本控制，所述项目管理工具基于AI的数据分析和模式识别，利用历史数据和当前趋势，提供项目预测、风险评估和优化建议；
所述搭建数字交付与智慧运维系统包括集成设计、施工和竣工阶段的数据以及物联网设备收集的实时数据，优化运维过程，使用数据分析和模式识别技术，进行建筑的全生命周期管理，所述全生命周期管理包括预测性维护和绩效监控。
8.一种采用如权利要求1~7任一所述的基于BIM和AIOT数据驱动的智能建造方法的系统，其特征在于，包括：数据集成与管理模块、BIM一体化设计模块、智能生产管理模块、数据分析模块、施工监控模块、网络构建模块以及数字运维模块；
所述数据集成与管理模块用于构建智能建造运管平台，利用BIM整合业务、物联网、空间结构及智能装备数据；
所述BIM一体化设计模块用于实施BIM数字一体化设计，整合项目各阶段BIM模型和应用成果，关联业务数据与BIM模型；
所述智能生产管理模块用于构建部品部件智能生产专项，无损导入深化BIM设计模型，结合二维码RFID技术，进行生产过程追溯管理；
所述数据分析模块用于建立工程现场大数据管理系统，进行施工质量、安全、材料管理的数据采集和智能分析，进行综合项目管理；
所述施工监控模块用于构建机器人及智能装备系统，基于BIM施工进度模型，对施工机器人及智能设备进行作业监控、调度和效率记录；
所述网络构建模块用于建立建筑产业互联网平台，进行对建筑工程项目的生产、管理和监管，进行产业链资源的整合优化；
所述数字运维模块用于搭建数字交付与智慧运维系统，整合设计、施工、竣工的数据，提供数字资产交付物，建设基于BIM的运维中心。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于BIM和AIOT数据驱动的智能建造方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于BIM和AIOT数据驱动的智能建造方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410012040.1A CN117541197B (zh) | 2024-01-04 | 2024-01-04 | 一种基于bim和aiot数据驱动的智能建造方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410012040.1A CN117541197B (zh) | 2024-01-04 | 2024-01-04 | 一种基于bim和aiot数据驱动的智能建造方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117541197A true CN117541197A (zh) | 2024-02-09 |
| CN117541197B CN117541197B (zh) | 2024-03-19 |
Family
ID=89790322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410012040.1A Active CN117541197B (zh) | 2024-01-04 | 2024-01-04 | 一种基于bim和aiot数据驱动的智能建造方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117541197B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829787A (zh) * | 2024-03-05 | 2024-04-05 | 中亿丰数字科技集团有限公司 | 一种基于bim和ai大模型的工程安全智能管理方法及系统 |
| CN117852845A (zh) * | 2024-03-07 | 2024-04-09 | 中建科技集团有限公司 | 建造供应链的可视管理方法及可视管理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127379A (zh) * | 2016-06-22 | 2016-11-16 | 中智城信息科技（苏州）有限公司 | 一种基于灯联网传感器群和云计算的智慧城市组建方法 |
| CN112488487A (zh) * | 2020-11-25 | 2021-03-12 | 国网河北省电力有限公司物资分公司 | 基于智慧运营中心的电力物资供应链体系及其构建和应用 |
| CN116823191A (zh) * | 2023-08-29 | 2023-09-29 | 中亿丰数字科技集团有限公司 | 一种基于empc模式的智能建造工程管理平台 |
| CN117038025A (zh) * | 2023-08-07 | 2023-11-10 | 深圳布雷奥特信息技术有限公司 | 基于医院质量监测数据分析与精细化管理系统与方法 |
-
2024
- 2024-01-04 CN CN202410012040.1A patent/CN117541197B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127379A (zh) * | 2016-06-22 | 2016-11-16 | 中智城信息科技（苏州）有限公司 | 一种基于灯联网传感器群和云计算的智慧城市组建方法 |
| CN112488487A (zh) * | 2020-11-25 | 2021-03-12 | 国网河北省电力有限公司物资分公司 | 基于智慧运营中心的电力物资供应链体系及其构建和应用 |
| CN117038025A (zh) * | 2023-08-07 | 2023-11-10 | 深圳布雷奥特信息技术有限公司 | 基于医院质量监测数据分析与精细化管理系统与方法 |
| CN116823191A (zh) * | 2023-08-29 | 2023-09-29 | 中亿丰数字科技集团有限公司 | 一种基于empc模式的智能建造工程管理平台 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829787A (zh) * | 2024-03-05 | 2024-04-05 | 中亿丰数字科技集团有限公司 | 一种基于bim和ai大模型的工程安全智能管理方法及系统 |
| CN117852845A (zh) * | 2024-03-07 | 2024-04-09 | 中建科技集团有限公司 | 建造供应链的可视管理方法及可视管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117541197B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117541197B (zh) | 一种基于bim和aiot数据驱动的智能建造方法及系统 | |
| Hussein et al. | Modelling in off-site construction supply chain management: A review and future directions for sustainable modular integrated construction | |
| EP3477560A1 (en) | Method and system for management and control | |
| Negahban et al. | Simulation for manufacturing system design and operation: Literature review and analysis | |
| Gambardella et al. | Simulation and planning of an intermodal container terminal | |
| US8504505B2 (en) | System and method for controlling an autonomous worksite | |
| CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
| CN111199309A (zh) | 一种电力物资供应链运营的预警管控系统 | |
| Ma et al. | Stochastic programming approach for unidirectional quay crane scheduling problem with uncertainty | |
| Welte et al. | Operation and maintenance modelling | |
| Saeedi et al. | A De Novo programming approach for a robust closed-loop supply chain network design under uncertainty: An M/M/1 queueing model | |
| US20220180291A1 (en) | Method and system for workflow assignment | |
| CN111144632A (zh) | 一种电力储备物资的预测管控模型 | |
| Baghizadeh et al. | Closed-loop supply chain design with sustainability aspects and network resilience under uncertainty: modelling and application | |
| Gutschi et al. | Evaluating the performance of maintenance strategies: a simulation-based approach for wind turbines | |
| US20230267400A1 (en) | Artificially intelligent warehouse management system | |
| JP2015049787A (ja) | Ｃｏ２排出量シミュレーションシステム及び方法 | |
| Badakhshan et al. | Deploying hybrid modelling to support the development of a digital twin for supply chain master planning under disruptions | |
| Lee | A reference model for big data analysis in shipbuilding industry | |
| Bányai | Cloud logistics | |
| Carpitella et al. | How sustainability factors influence maintenance of water distribution systems feeding manufacturing industries | |
| Guerra et al. | A system dynamics model for a single-stage multi-product kanban production system | |
| Moeuf | A Novel Analysis Framework of 4.0 Production Planning Approaches–Part I | |
| Bányai | Optimisation of purchasing strategy of tools and components based on exchange curve theory | |
| Khalid et al. | A Design Support Tool for Improving Maintenance Scheduling Process |
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 |