摘 要：基于互联网技术的发展，我国建设工程管理达到了新的发展水平。运用大数据理念，搭建建设工程质量监督平台，对工程建设全面监控，提升工程整体施工质量。利用信息监控平台，了解项目建设过程，对建设工程进行动态监控，有利于项目管理的高效运作。大数据在很多方面具有一定的优势，近年来在项目管理中有着广泛的应用。基于此，文章分析了大数据在建设工程质量监督管理中的应用新模式。

关键词：大数据时代;建设工程;质量监督;管理新模式

中图分类号：TU71                                  文献标识码：A                                  文章编号：2096-6903（2022）03-0117-03

0引言

在大数据背景下，建设工程质量监督将取得了良好的效果。大数据应用于工程管理，运用大数据技术，可以提升现场管理质量，保证建设工程质量监督管理的有效性。打造建设工程质量监督管理平台，对提高建设质量起到重要的作用。

1大数据概念

大数据为建设工程质量监督的高质量管理带来了新的发展方向，通过数据库进行信息采集、管理和分析。快速收集建设工程信息，及时发现施工中的问题，提取大量数据，将为质量监督带来更高的价值。因此，做好该领域的创新实施，使工程质量监督管理优化生产流程，进一步提升行业发展价值。大数据可以创造信息价值，通过更新数据库，更新管理平台和相关软件进行数据分析。由于工程质量监督管理过程涉及海量数据，对于数据结构需要进行分析，以获得重要的数据，了解施工中的安全隐患，进而提高施工整体质量控制。大数据分析更贴近客观事实和准确的数据，因此优势在于整个建设工程质量监督过程。

2大数据进行建设工程质量监督的必要性

随着网络技术及信息化技术的发展，大数据被用于各行业的数据管理及资源共享，同时也有效的应用于建设工程管理。我国质量管理处于起步阶段，一些信息系统无法实时的接收数据。针对建设工程安全隐患及其质量，需要提高质量监督管理，建立合适的平台，利用平台获取数据，提取信息的重要价值。在质量管理中，减少了数据使用不对称，并为提高建设工程质量提供了技术支持。

3大数据技术分类

一般而言，大数据技术分为信息采集与处理、存储管理、分析技术和可视化技术等。采集与处理技术可以根据软件对信息采集，得到标准化的数据。通过对图像、视频等信息的结构化数据处理，为下一步处理提供了计算性的数据库，在存储方面，可以提供更多的数据类型和信息。由于大数据存储庞大，也面临一些问题。对于存储结构管理和存储效率是大数据技术管理应用需要关注的问题。利用大数据技术，在收集施工现场和管理信息后，对数据进行提取，寻找质量问题的根源。大数据的动态性，相关人员可以尽快挖掘有用的信息，以确定数据的重大价值。在建立风险防控模型时，大数据选择风险区域和风险类型，分析数据进行风险控制。建立风控模型了解现场的问题并进行监管。利用可视化技术，在平台上传输施工现场的动态。可视化分析采用可视化和人机交互，帮助质量管理人员选择信息。人机交互还可以让用户在进行质量检查时，了解数据分析过程和注意事项。

4建设工程质量监督系统平台构建

以大数据和建设工程质量监督控制为平台，建立了项目质量控制体系，在这个平台上，参与者都有各自的分工。技术专家通过工程质量获取信息。通过分析数据，可以发现质量管理中的问题。结合施工经验和建筑标准，进而解决施工问题或改进施工流程。大数据管理专家将数据上传发布，轉发给相关单位及管理部门，帮助分析大数据。测试员通过系统下载数据信息，分析数据的合理性，了解质量问题产生的原因。检验人员需要对建设质量、施工进度等进行分析，及时掌握最新情况。对数据进行分析，并将其传达给管理人员，跟随趋势并及时做出决策。

5建设工程质量监督管理面临的问题

5.1 项目动态变化大

在建设工程质量监督管理中，由于施工的独特性，很难对施工质量进行全面动态化的管理。由于施工场地大，动态变化大，场地会出现各种隐患。如果仅靠自身了解现场情况，进行决策、研究、设计等，同时专注于动态的检查，不可避免地会带来巨大的压力。在不同阶段有不同的影响因素，基于人、材料和环境，它们会相互影响，并为动态管理带来问题。一些大型建设项目，场地占地面积比较大。在工程质量监督管理中，工作人员需要到现场质量控制，现场检查耗时。如果采用信息控制模式，在一定程度上提高了工程质量监督的有效性。

5.2 监管模式滞后

建设工程质量监督管理需要常设管理人员对工程的重要部位进行检查。在进行抽查前，告知抽查的内容。这种监管很难发现施工问题，对于工程质量监督有效性和可靠性也得不到保障。工程质量管理信息也存在不足，主要功能是接收部分数据，在施工中无法获取某些数据，不能提供全面施工过程的实时监控。这将导致无法对项目质量数据进行提取，导致质量管理处于失控状态。

5.3 系统应用集成度低

目前信息系统的集成度较低，无法及时地收集建设工程质量数据，导致无法客观地分析项目质量管理中的信息。因此，在进行建设工程质量监督管理中，需要整合所有数据，并经过分析后将结果发送给不同部门，提高管理项目质量的水平，促进建设工程的持续发展。

6大数据时代工程质量监督管理模式

6.1 构建质量监督平台

针对大数据时代发展对质量控制管理的挑战，应以大数据为主要手段，建立建设工程质量监督管理的系统平台，作为平台的基础。在创建平台中，参与者都有自己的分工，分配好具体的管理任务，让每个岗位人员都可以各司其职，提高施工監管质量。建立在大数据的质量控制系统是质量管理的创新，也是未来发展的必然趋势。检查人员通过监控系统和平台进行数据分析，了解现有施工总体情况进行动态监控，及时了解质量问题并进行及时的整改。基于现场检查、数据收集和反馈，由于建设工程涉及的数据非常多，需要处理状态、进度、施工效率等。及时将反馈数据上传至平台，掌握监测的动态化过程，并进行适当的调整。因此，大数据平台是建设工程质量监督创新管理的趋势，为建设工程发展提供了技术支持。

6.2 完善大数据做好质量监控

在大数据的背景下，要提高项目质量，就必须明确不同领域的分层管理。评估关键指标的相关性，加强大数据技术的应用，为建设工程质量监督提供不同的数据预测，在大数据时代拥有符合项目特点的监督管理模型。在此基础上，对现场进行分级管理，优化资源配置。按照分级管理的模式，质量管理部门对业务执行部门组织考核和培训。管理部门负责内部质量管理和监督，以及后续管理和监督检查等工作。垂直的管理促进了监督管理的一致性，对被业务部门实现分级管理，对不同的对象实行差异化的管理。在项目验收阶段，传统的项目管理也采用审批制度，加快项目建设。对于信息实时传递、公开是优化项目管理的重点，因此，大数据平台是创新的业务管理和监管模式[1]。

6.3 大数据决策应用

在大数据背景下，项目管理发生了由传统管理向信息化管理模式的转变，提高了管理效率和建设质量。从现代的角度来看，信息技术在工程管理中的应用有很多，应用最广泛的是物联网技术、云计算技术。借助这些技术，建设工程质量监督可以管理各种建筑内容，如材料和设备管理，以及施工过程和质量管理。在此基础上，全面掌握项目情况，从而提高进一步决策的可行性。大数据挖掘技术的应用，为工程质量监督管理人员提供实时交流的平台。在平台上大数据使用范围更广，使得项目管理更加智能。因此，在项目管理中，应充分发挥大数据分析的作用，确保在更多的环节利用信息化技术来管理项目[2]。

6.4 建立大数据分析的管理层次

在建立大数据分析的管理层级架构时，应坚持分级管理、集中控制的原则，将项目作为大数据的收集者，视为大数据决策者和项目管理的承担者。在项目权责分配方面，收集项目管理信息并进行审核。依靠大数据来控制项目质量管理、安全保障，确保可以在质量管理中进行分析和决策。项目经理在接收到大数据后，建立数据处理中心和大数据传输系统。在执行工作中，项目经理要坚持数据集中、业务集中和管理集中的原则。在完成数据的分析和分类后，可以将数据输入信息系统，创建项目数据库。大数据中心对建设过程中的信息进行提取，可以提供决策级的数据支持，每个部门都可以调动大数据，确保了信息技术指导建设管理工作。在现场使用物联网传感器进行监控，在监督管理中，项目管理人员利用大数据技术提取结构化数据，进一步提高了现场管理质量[3]。

6.5 过程监控控制

在建设工程建设过程中，采用过程控制，确保各环节的质量达到标准要求。并根据监测控制及时调整管控计划，进一步加强项目施工质量管理。在BIM管理的作用下，根据项目的情况接收模型信息，从而有效管理现场活动的开展。将三维模型与项目设计进行比较，确认项目的状态、质量，对于施工中存在的质量问题实时上传到BIM平台，及时通知相关部门人员，实时有效地报告质量问题。基于大数据和BIM的质量管理，更新了以往以图纸指导和控制施工的模式，有效地提高了项目的施工效率。做好信息的收集和管理，可减少大量输入或交换带来的错误，提高信息的可靠性和准确性。BIM模型实现了项目中不同信息的集成，创建了涵盖所有信息的数据库，从中实时收集、处理和提取工程中的信息，用于质量管理研究，为项目质量管理奠定了良好的基础。在技术影响下进行BIM数据管理，以提高数据分析的效果，更好地促进施工水平的提高。

6.6 数据收集与分析

建立工程建设质量风险清单，对当前工程建设和各种数据采集都具有重要的意义。在水利工程建设的质量风险中包含了大量的数据信息，体现在每个管理体系中。如果建设质量风险越来越科学化、全面化，加强风险清单中信息资料的收集。数据收集后，收集到的数据不仅对工程后续建设风险分析具有重要的作用，对于风险的逐步优化也起到了指导意义。数据采集后，以多层次为出发点进行数据分析，以此来分析质量风险。在收集到数据后，建立相应的分析系统，对工程建设质量的风险清单进行优化。在数据分析中，对初始质量风险进行分析，并根据工程流程进行调整。调整期间，对拟申请的风险清单的质量风险进行综合分析。在分析质量风险清单时，很可能与原清单的存在一定的差异。随着工程质量监测工作的开展，被监测场所应了解风险清单变化的不同内容。有必要对工程质量风险清单进行优化，采用深度学习方法和随机分类分类算法。与技术质量风险聚合问题作为分类变量，将风险中的指标作为质量变量，创建质量风险分类算法，使用不同的算法来优化数据。根据指标的重要性，对风险清单数据进行剔除或调整，以确保风险清单是可行的，确保满足工程的客观需要。

6.7 在大数据质量控制中的实现流程

在项目设计阶段，一旦设计出现问题，施工过程中就会出现更多问题。借助大数据技术，充分利用大数据提供的数据，通过对数据的分析对比，打造高效的数据流。设计完成后，在准备过程中要对各种施工数据进行记录和归类，使用建筑设计数据和设计变更数据等，以确保施工符合标准。施工部门应根据建筑参数及时修改方案，并利用软件进行建模，及时优化施工方案。在施工过程中可能会出现各种问题，利用大数据收集和整理新出现的问题，并结合问题给出最佳解决方案。大数据可以处理各种建设数据，对工程所涉及的施工技术操作人员的要求也非常高。对于收集的数据确保是同步且准确的，并且应共享有关数据。对于采集的数据主要包括静态和动态数据，静态数据稳定，而动态数据随时发生变化。在动态数据中，数据实时反映施工日志参数。根据这些数据评估施工人员的状况。一旦在施工动态数据中发现异常，必须停止所有施工工作，然后进行全面的进行检查，确保工程顺利施工。

7结语

总之，在大数据时代背景下，对施工质量管理提出了新的标准。对于工程质量管理要基于大数据技术，同时还要做好创新工作，推动建设工程高质量发展。利用信息技术建设管理平台，实现信息的交互，进一步提高动态跟踪的时效性。

建立大数据管理层次和组织架构，最大限度发挥大数据效益，建立系统化、规范化的管理体系。因此，项目管理需加大对大数据的研究，让大数据分析在建设工程质量监督管理中发挥更大的作用。

参考文献

[1] 朱云.大数据时代建设工程质量监督管理新模式[J].中国建设信息化，2021（23）：69-71.

[2] 甘肃建设工程质量管理相关责任主体终身负责[J].工程质量，2021，39（11）：44.

[3] 吴文生，陈俊.政府监督视角下建设工程质量管理模式探讨[J].北方建筑，2021，6（4）：70-73.

A New Mode of Quality Supervision and Management of Construction Projects in the Era of Big Data

HE He

（Juancheng County Real Estate Service Center， Heze Shandong  274600）

Abstract： Based on the development of Internet technology， my country's construction project management has reached a new level of development. Using the concept of big data， build a construction project quality supervision platform， comprehensively monitor the construction of the project， and improve the overall construction quality of the project. Using the information monitoring platform to understand the project construction process and dynamically monitor the construction project is conducive to the efficient operation of the project management. Big data has certain advantages in many aspects， and has been widely used in project management in recent years. Based on this， this paper analyzes the new application model of big data in the quality supervision and management of construction projects.

Keywords： era of big data; construction engineering; quality supervision; new management mode

收稿日期：2022-01-05

作者簡介：何河（1972—），女，山东菏泽人，本科，工程师，研究方向：建筑工程。