刘鹏1 吕素强2
1.济南天发建筑安装工程公司 山东济南 250032 2.北京市市政四建设工程有限责任公司 北京 100176
摘要：近些年，国内建筑行业发展突飞猛进，市场竞争愈发激烈。BIM的运用，极大的提升了行业的建筑设计、项目施工及管理能力，使建筑工程更加精确、高效、优质和安全，为了进一步提升BIM的运用能力，需要深入探讨BIM能力成熟度。
关键词：建筑施工；BIM；能力成熟度评价
引言
随着经济迅猛发展，原有建筑管理模式难以满足现代化建筑工程项目管理需求。在新形势背景下需要加大信息技术在现代化建筑工程项目中的应用，提高建筑工程的质量，优化管理流程。BIM技术表现出较强全面和准确性，且在模型内部蕴含相互关联的各项数据，现代化项目管理开展相关工作提供坚实基础。
1 BIM技术概述
BIM技术指建筑信息模型技术，是一种应用于建筑项目设计、管理的一种辅助工具，主要体现在项目规划、施工、运营维护的整个生命周期内全过程中，可以让参与建设的企业及个人及时的了解项目新产生的信息以及正在发生的事情，提供每个环节的工程师对下一步工作的基础，并且在一系列流程过程中不仅提高了施工生产效率，而且成本也会产生优化，大大的提升生产效率。BIM技术的发展离不开技术力量的推动，强大的技术力量使得BIM技术可以开展三维数字设计，使得项目可以3D立体展示，就可以实现信息化智能化的数字模型。当形成项目3D模型，每个环节每个步骤都会在此模型上展示，并立体的呈现在每个施工人员面前，可以更好的对设计、对施工、对维护形成良好的效果，实现工种的连续穿插作业，实现信息的共享，促进工程管理科学化。
2 BIM应用能力成熟度等级划分
BIM能力等级0：BIM技术未实施或部分实施、无法实现BIM结果、没有可用的BIM属性。
BIM能力等级1：执行BIM。为了实现施工过程中的目的而实施BIM技术，并用于指导基本实践并产生独立的BIM结果。但是BIM的输出结果并没有传递到其他施工流程中对其他流程产生作用效益，并且施工过程中各工序工种之间没有基于BIM的协作或数据交换。BIM属性1.1：“执行BIM”是BIM技术应用成果输出衡量标准；BIM属性1.2：“BIM技能”是具体项目施工过程中BIM培训或BIM员工经验丰富程度衡量标准。
BIM能力等级2：集成BIM。能够实现项目利益相关者之间的协作，并在整个施工过程中及各个工种之间实现数据交换、协同工作。BIM属性2.1：“BIM协作”是BIM用于支持各工种和流程之间的协作和信息交换的衡量标准；BIM属性2.2：“互操作性”是支持BIM软件应用程序之间的互操作性和数据交换的衡量标准。
BIM能力级别3：优化BIM。集成的BIM在企业级使用，并且其BIM技术得到不断的改进和提升。BIM属性3.1：“企业范围内BIM部署”是BIM在企业内部多大程度扩散到各项目并被所有团队成员所接受的衡量标准。BIM属性3.2：“持续的BIM技术优化”是通过分析BIM使用过程中常见问题解决率及对BIM部署的创新方法的衡量标准。
3建立BIM技术能力成熟度评价模型
3.1潜在指标权重的确定
根据问卷调查所确定的潜在指标和测量指标的重要程度来建立测量模型。潜在指标的测量模型方程为：
采用AMOS软件建立测量模型路径分析图，采用修正指数法对模型的路径进行调整并采用最大似然估计拟合法对路径系数标准化处理。将拟合后的模型路径系数（α）代入下面公式确定测量指标的权重系数aij：
式中，i=1，2，3，4；j=1，2，3…；αij表示测量指标Wij的路径系数；aij表示测量指标Wij的权重；m
为潜在指标所包含的测量指标Wij数目。将测量指标权重系数aij代入到下式，确定BIM成熟度评价潜在指标Vi权重：
式中，为根据问卷调查数据得到的测量指标重要程度的平均等级；ai表示潜在指标Vi的权重系数。
3.2建立评语云模型
结合模糊语言的特点，同时反映每个等级评价标准之间的差异性和独立性，建立D={d0，d1，d2，d3}评语集，将相应的评价分值边界区间设置为（0，1]、（1，2]、（2，3]、（3，4]。在保证评分区间边界的模糊性和随机性原则上，通过正向云模型和区间数来确定各等级定性概念云模型的数字特征。
式中，Cmin，Cmax表示评分区间边界；本研究中根据评价语言模糊程度确定S取0.05。
通过正向云发生器将上述所得的BIM成熟度分值区间的数字特征和云滴数N拟合得到相应的评语云，本研究将正向云发生器生成的云滴数N设定成1100个能达到很高的精度，各等级评语云模型如表1所示。
表1评语云模型
3.3测量指标评价矩阵
建立测量指标集：V1={W11，W12，W13，W14}，V2={W21，W22，W23，W24，W25}，V3={W31，W32，W33，W34，W35}，V4={W41，W42，W43，W44，W45}。对应权重向量：A1=(a1，a2，a3，a4)，A2=(a21，a22，a23，a24，a25)，A3=(a31，a32，a33，a34，a35)，A4=(a41，a42，a43，a44，a45)。对各测量指标进行问卷调查，邀请多名BIM技术人员对测量指标进行评分，得到每人对单一测量指标的评价分值为Xkij（i=1，2，3，4；j=1，2，…，m；k=1，2，…，n），然后将每一个评价分值代入上述评语云中，通过正向云发生器得到隶属度矩阵：Ukij=(Ukij1，Ukij2，Ukij3，Ukij4，Ukij5)，再通过下式计算各测量指标隶属度矩阵为Uij=(Uij0，Uij1，Uij2，Uij3)：
则测量指标的评价矩阵为R1=（U1j）T4×5=(U11，U12，U13，U14)T；R2=(U2j)T5×5=(U21，U22，U23，U24，U25)T；R3=(U3j)T5×5=(U31，U32，U33，U34，U35)T；R4=(U4j)T5×5=(U41，U42，U43，U44，U45)T。
3.4确定潜在指标的评价矩阵
潜在指标集R={V1，V2，V3，V4}，对应权重向量A=（a1，a2，a3，a4）。各潜在指标的评价矩阵为：
则潜在指标的评价矩阵为B=(B1，B2，B3，B4)T。
3.5确定成熟度等级
目标U的评价矩阵为：
下转第59页
论文作者:刘鹏1,吕素强2
论文发表刊物:《建筑学研究前沿》2019年17期
论文发表时间:2019/11/21
标签：指标论文; 测量论文; 模型论文; 评价论文; 成熟度论文; 权重论文; 矩阵论文; 《建筑学研究前沿》2019年17期论文;