大数据在建筑业中的应用

大数据在建筑业中的应用

蔡得菊

(中国十七冶集团有限公司 安徽马鞍山 243000)

摘 要：随着社会的不断进步和发展，科学技术水平有了很大程度的提升，大数据技术得到了更大的应用和普及。建筑行业作为国家经济发展的重要支柱，如何将大数据技术科学合理地应用于建筑行业中并且取得一定的成效，这是值得我们认真思考的问题。将大数据和建筑行业进行有效综合的过程中势必会遇到一定的困难，我们要不畏艰辛，为了建筑行业更好的发展前景，一定要将大数据有效地应用于建筑行业中。

关键词：大数据 建筑业 应用 探究

中图分类号：TP311.13 文献标识码：A 文章编号：1674-098X(2018)08(a)-0125-02

1 如何将大数据和工程建设进行有效的综合

1.1 在施工现场进行相关的材料管理

整个工程建设涉及到的材料种类比较多，材料的消耗量也比较大，针对那些核心材料、大型和中型材料做好相关的编码处理，厂家对出厂材料要进行科学合理的数据编码，施工建设单位要对所选购的材料进行数据录入以及综合分析。现场材料所使用的数量可以借助实时的数据记录分析，实时查看材料的使用量，当整个项目完成之后再对所使用的数据编码材料进行深层次的综合归纳，计算出损失的数量，这整个过程的数据编码、数据记录、实时监管、综合分析，对于工程建设中材料的使用状况而言都是非常优质的监控和管制。举个例子来说，对每一根使用的钢筋进行二维码标志，然后对每一根预制构件都做好唯一仅有的编码，根据编码追踪材料实际的使用部位，结合编码统计材料的剩余情况，所有的一切都是可以借助数据统计进行管制[2]。

1.2 对现场的施工人员进行科学的管理

对施工现场的所有工作人员建立相关的数据库，录入准确的身份信息以及他们的专业技能水平，保证每个施工现场的工作人员都随身携带定位系统并且实施跟踪查看，及时做好施工人员情况的探析以及数据反馈，查看管理人员是否在岗，统计施工操作人员对材料的需求量，明确每天的任务数量和施工人员需求数量，这些方面都需要借助大数据技术。通过专业的数据分析可以帮助我们更好的完成现场施工管理，并且科学有效地控制施工速度。

1.3 对施工现场的基础设备进行管制

随着BIM技术模式的广泛使用，在工程建设开始前期就可以科学合理地构建BIM模型，对现场总体平面布控情况进行科学合理的模拟演练，施工机械放置是不是科学可靠，施工现场道路以及运输车辆的交通路线是不是顺畅，都可以借助三维建模完成。简而言之，这些数据模型自身就是信息化应用的一种体现，对这些有效的数据进行分析和处理，最终形成一种有效的管理模式和运行体系。针对那些大型群体项目施工现场的管制，运输车辆是否可以按照约定时间和路线到达目的地，我们可以构建二维码导航，通过扫描二维码可以更好地明确车辆所处的方位，然后方便寻找正确的目的地，系统自然就会规划出最为科学合理的路线，然后在最短的时间内到达目的地。该系统的实现需要依据前期的数据导航系统为前提，这也是大数据在建筑行业中很好的应用实例[3]。除此之外，也要对大中型施工机械设备的运行情况构建数据库，录入的内容要包含机械设备的基础信息、购入时间、使用年限、修理记录、操作规范和安全守则等其他信息，对运行的数据进行准确的跟踪和监督并且及时地将数据信息传送到数据库，一旦录入的数据和返回的运行数据出现一定的出入，就要启动自动报警系统，并且对设备容易出现安全隐患的部位及时地检查维护，做好相关的数据收集、探析和处置，这样做可以更好地保证机械设备的使用质量和使用速度，而且也能避免机械出现故障。

2 大数据在建筑行业应用中存在的缺陷

2.1 基础设备硬件设施问题

大数据是对海量数据进行不断收集和处理的过程，不能仅仅依靠一台计算机就可以完成这些工作，在实际的应用中需要依靠云计算和云存储等相关技术。大数据的深层次剖析和处理一定要借助云技术，而云技术对于基础设备的要求程度也十分高。当前，建筑行业的经济效益不高，建筑企业对于未来大数据行业的发展前景也不够明确，并不能够在短时间获取经济收益，所以，企业很难积极主动的投入足够的成本，购入高水平设备，这不利于建筑行业更好的发展。

2.2 缺乏足够的应用软件

当前，越来越多项目管理软件都对项目的管控起到了一定的辅助作用，可是这些数据过于分散和，亦或是依据一定的模式要求需要相关的管理人员地去寻找所需要的数据、记录数据和整合探究数据，并不具备很强的实时探究能力，而且受人为方面因素影响程度大[4]。在实际的工程建设中，海量的数据采集和探究缺少一套较为完善的监控应用软件，包含了基础材料、施工设备、施工人员信息的收集和记录。项目在实际的建设过程中会产生很多的数据，如何有效地进行监控、采集、整合、探析，将其应用于实际的工程建设，这仍需要我们坚持不懈的努力。

3 大数据在建筑行业中应用前景

3.1 执业人员的管理模式更加合理

对于工作人员信息和成绩的数据记录，这个环节的工

(下转127页)设计要求，为保证锚杆孔的直径达到要求，所用钻头的直径应达到设计孔径以上。为保证锚杆孔的深度，实际孔深需要大于设计深度至少0.2m。（4）钻深达到要求后，不可立即停止钻进，应稳定1～2min，避免孔底尖灭。孔壁上不能有水体粘滞，应清理干净，完成钻孔以后，用高压空气进行清理[2]。（5）钻孔完成后，经现场监理工程师验收确认合格后，开始下一道工序的施工。孔深与孔径的检查通常采用旁站法，验孔时钻头平稳推进，严禁抖动与冲击，验送长度需要满足设计要求确定的深度，退钻应顺畅。（6）锚杆为螺纹钢筋，在锚杆的轴线方向上按照2.0m的间隔设置对中器，确保锚杆有厚度足够的保护层。在锚筋的尾端应进行防腐处理。在施工过程中，如果锚杆和箍筋或钢筋发生干扰，则可进行局部调整，横向主筋和竖向主筋的交叉点应绑扎牢固。（7）注浆方法采用高压劈裂注浆法，从孔底处开始，注浆量不能少于理论值，也可将排气孔停止排气为结束标准。若一次注浆住不满，则应进行补注，到注满为止，压力要达到2.5MPa以上。

2.2.4 土钉挂网

（1）基坑的开挖根据设计要求分层实施，禁止超深挖孔。在机械开挖以后，由现场施工人员对坡面进行修整。（2）在坡面形成以后进行第一次喷浆，将坡面完成覆盖，在钢筋网和锚杆完成安装后，开始第二次喷射，所用混凝土的强度应达到C20，厚度控制在80～100mm范围内。喷浆应按照从上到下的顺序进行，为使厚度能够达到要求，需要在坡面设置短钢筋来进行控制。（3）混凝土喷射完成后，需要进行混凝土养护，方法为喷水法，养护时间通常要达到5d以上。（4）喷浆时所用材料的质量应满足以下要求：钢筋应有各项检验单和质量证明，不得在施工中使用质量不合格的钢筋；水泥材料应有试验报告，不得在施工中使用质量不合格的水泥；所用石子粒径应保持在20～40mm范围内，采用洁净且坚硬的中粗砂，含泥量不可超出标准要求[3]。（5）混凝土喷射施工中，应注意以下要点：喷浆需要分段和分片实施，相同喷浆段上的喷射施工应按照从上到下的顺序进行，喷射距离保持在0.8～1.5m范围内；喷射时所用混凝土水灰比应控制在0.40～0.45范围内，砂率控制在45%～55%范围内，砂石和水泥的重量比应控制在1:4～1:4.5范围内；在二次喷射以前，将面层上存在的碎屑与浮浆应彻底清理干净。

3 结语

综上所述，本建筑工程深基坑周围环境复杂，建筑、设施较多，深基坑支护难度较大。通过对以上支护措施的合理应用，达到了理想的支护效果，所用支护技术合理可行，具有良好的参考借鉴价值。

参考文献

[1] 孙志群,肖先炳.刍议深基坑支护施工技术在建筑工程

中的应用[J].中国高新技术企业,2016(31):94-95.

[2] 谢青松.建筑工程中深基坑支护的施工技术[J].住宅与

房地产,2016(9):4-8.

(上接125页)

作已经几乎通过“四库一平台”大体完成，如何在后期对已经记录的数据进行深入的探究分析就变得更加重要。举个例子来说，可以统计当前的建筑工程项目数目和已经注册的建造师数量配比问题，注册建造师是否全程都参与到建筑工程中，如果在一定的时间内获取了建造师的资格认证书但却并没有参与到实际工程建设中，这些问题都可以借助大数据技术进行分析综合，进而方便制定解决方案，通过科学有效的来进一步调节工作人员的从业人员和专业能力。获取建造师资格认证书的主要目的是为了做好工程建设，如果持有了证书却并不从事工程建设，这部分人都可以借助大数据技术寻找出来，进行及时的处理[5]。

3.2 评标环境更加透底

随着“互联网+”在电子招投标平台的广泛应用，有助于数据的整合统一，现场资格审查完全可以借助网络平台实现，企业人员条件和技术水平都可以直观地体现出来，平台的科学筛选也让那些满足设定条件的企业有条件进行下一个环节的招标工作，评标系统的电子化有助于商务标数据的正常导入，平台自动化评标系统也可以在第一时间内将评标结果及时发布，现在的技术水平也可以满足这样的需求。从另一方面而言可以有效地避免由于外界人为因素导致结果不公平，而且借助数据的有效监控可以避免出现围标串标等不良情况，净化了评标的环境，让整个评标过程变得更加公平公正公开。

4 结语

随着社会的不断进步和发展，大数据技术的应用范围也在不断地扩大，而且随着国家相关的战略，大数据技术在建筑行业的应用会更加深入，数据综合、数据分析、数据挖掘、利用价值都会随着科学技术的进步而进步，发展中遇到的困难也会迎刃而解，大数据对建筑行业的可持续发展有着积极的意义，如何更有效地将大数据应用于建筑行业中，这也是值得深思的一个问题，需要我们的共同努力。

参考文献

[1] WELSCH W.重构美学[M].陆扬,张岩冰,译.上海:上海世

纪出版集团,2006.

[2] 查尔斯·詹克斯.后现代建筑语言[M].李大夏,摘,译.北

京:中国建筑工业出版社,1986.

[3] MILLER J H,SCOTT E P.复杂适应性系统——社会生

活计算模型导论[M].隆云涛,译.上海:上海世纪出版集团,2012.

[4] LOHR S.Data-Ism:Inside the big data revolution[M].

Oxford:Oneworld Publications,2015.

[5] 克莱尔·库伯·马库斯,卡洛琳·佛朗西斯.人性场所——

城市开放空间设计导则[M].俞孔坚,孙鹏,译.2版.北京:中国建筑工业出版社,2008.