王宁渤 胡宇华 董玮华 成红斌

（中建七局第四建筑有限公司，陕西 西安 710016）

0 引言

在现代工程建筑中，机电工程是建筑主体的重要组成部分，涉及的机电安装专业面较广泛，对安装的质量、成本和进度等方面都有严格要求，安装过程中的约束边界条件很多，给建筑工程机电安装项目管理带来极大的挑战。这些挑战主要集中在以下方面：1）建筑机电工程安装的施工周期较短，同时受到主体结构移交的时间限制，因此需要保证对项目进度的把控，对施工各个流程和工序进行细化、量化。2）建筑机电工程安装的劳动强度大，设备构件的自重大，因此在安装过程中存在搬移、起吊等危险性系数较高的工序，给安全管理带来一定的难度。3）建筑机电工程的安装目前信息化应用程度较低，尽管目前有相关BIM技术的应用实例，但实际推广应用并不广泛，且安装涉及的专业多，交叉现象严重，导致机电安装仍依靠项目的施工图纸以及与业主的大量沟通来进行，管理过程较为粗放，极大地增加了管理成本。

1 建筑机电安装项目中的精细化管理的基本原理及内容

20世纪50年代，日本最早提出精细化管理的概念，它是现代管理学的基础组成部分，主要目的是最大程度地降低生产管理过程中的资源占用和资源消耗，基于一般的管理机制的基础，以精细化的管理模式降低管理成本，达到管理分工以及服务质量的精细化、规范化和个性化。精细化管理不仅是一种企业的生产方式管理，更是一种企业的文化和技术相互融合的智慧。它在现代企业管理中，能够更细致地对生产的各个环节进行管控，通过数据化信息化的手段，使系统过程的组织管理和系统管理更精确和高效，同时，在管理实效上能够让系统单元更专注、精益求精和相互协同。从精细化管理的内涵来看，其在生产活动中的思想内涵可以认为是对生产过程全过程和全面化的管控，具体包括操作的精细化、控制的精细化、核算的精细化、分析的精细化以及规划的精细化。在生产管理的过程中，对每个生产岗位职责进行精细分析，精确定位岗位职责，合理分配生产任务，达到细化办事流程的目的，各个生产系统和生产岗位明确生产职责，建立完善的内部管理制度和部门目标的量化考核制度。

如图1所示，在建筑机电安装项目中，精细化管理表现出了7个最明显的特征，分别是精细化、严格化、协调化、标准化、流程化、量化和细化。在精细化方面，对机电工程的安装进行精细化管理，以项目的整体目标为出发点，实现各个环节的资源最优配置，获取更大的生产效益；在严格化方面，应该根据建筑工程机电安装工程项目的特点建立严格的制度，以提高施工的执行意识和执行力；在协同性方面，机电安装工程涉及的专业有消防专业、给排水专业、动力照明专业、信息网络专业等，提高专业化的协作能力、提供专业化的支持，进而降低管理成本以及资源内耗；在标准化方面，实现精细化管理的前提是管理的标准化，在机电工程安装中，无论是机电设备还是管道，都存在大小、规格、材质的差异，在设备构件选择上应以标准化为前提；在流程化方面，机电工程安装管理还处于比较粗放的阶段，流程化的能效问题突出，应着重提高流程化的管理水平；在量化方面，机电工程安装管理过程中产生了海量的信息与数据，通过数据的表达能够实现无形管理变为有形的效果，更顺利地开展安装工作；在细化方面，无论是机电工程安装的技术还是项目安装制定，都应对其进行细化管理，针对每个专业的内容以及安装技术要点进行细化。

图1 建筑机电安装项目精细化管理

2 基于神经网络法的建筑机电工程安装管理

神经网络算法在土木工程管理学领域对施工质量管理、进度管理和资金管理等方法进行优化，为施工管理人员的决策提供依据。神经网络法的计算核心是求解属西数和求解隶属度，两者结合了神经网络的自学习能力和逻辑推理能力。在建筑机电工程安装领域，它可以应用于安装风险的排查、优化安装管控路径、安装工期、质量和成本的精细化管理，为建筑工程机电安装管理人员的决策提供依据。神经网络法的基本原理如图2所示，它是正向学习的机器学习方法，其层次主要分为3层，分别为输入层、隐含层（可以为多个层级，如图2所示，有1层隐含层）和输出层。输出层中包括大量的训练样本，将其与训练集中的样本进行学习训练，即经过隐藏层的运算和传递，达到输出层，输出层参数结果与实际值进行对比，如果两者出现误差，则通过调整隐藏层的权函数值、阈值等，直到计算结果达到精度要求，即为期望的优化结果。

图2中N……N为训练样本，N为输入节点数量，N为隐含层的节点数量，……NN为权函数值，为传递函数，为传递函数斜率，为传递函数截距，采用双曲正切线函数作为隐含层节点的激活函数，而采用线性函数作为输出层的激活函数，激活函数的表达式如公式（1）所示。

图2 神经网络法的基本原理图

式中：e为自然常数。

对第个因素样本，在第个隐含层与输出层之间的权值函数，其对应的雅克比矩阵J如公式（2）所示。

由输入层至隐含层之间的权值函数雅克比矩阵关系如公式（3）所示。

3 建筑机电工程安装精细化管理应用实例

某省房地产开发建设项目位于城市主干道南侧，总用地面积42943.00m，总建筑面积117674m，见表1，采用装配式建筑实施，装配率不少于51%。该项目任务包括施工图设计及概算、设备采购、施工（小区住宅以及配建幼儿园、社区用房、物业用房、景观绿化、配套工程、人防、供水、供电、燃气、通风空调、供电照明、光伏发电等全部工程）及与其有关的其他技术服务（包括BIM）等全部内容。该项目投资概算45512.82万元。中标价为工程设计费32.00元/m，施工工程费下浮率13%。建设工期为总工期900天，其中设计60天，施工840天。

表1 建筑工程建设指标明细

基于视神经网络法对项目中的机电安装管理进行优化，具体的机电安装内容包括供水系统、排水系统、燃气系统、消防系统、通风空调系统、供电照明系统、光伏发电系统和供暖系统，计算结果如图3所示。从图3（a）中可以看出，在采用视神经网络对各个建筑机电安装项目系统进行优化后，实际工期比预期工期呈现不同程度的缩短，缩短幅度最大的安装项目为供暖系统的安装，缩短了约10d，缩短幅度最小的安装项目为消防系统，其实际工期与计划工期相同，这是因为消防系统在整个项目中受到建筑消防检查的影响，对工期的要求较为严格，可以优化的工序较少；从图3（b）中可以看出，对各个建筑机电安装项目系统进行成本优化后，优化前各个安装系统的成本比率出现不同程度的变化，最大值为1.18（供暖系统），最小值为0.8，成本超标的有消防系统和供电照明系统，而优化后，所有的安装成本均低于成本平衡线（图中的虚线），最大值为0.84（供水系统），最小值为0.51（供电照明系统），表明采用精细化的管理可以有效地节约建筑机电安装项目的成本；从图3（c）中可以看出，运用视神经网络法对各个建筑机电安装项目系统的质量管理进行精细化优化，结果表明优化前的各机电安装系统的质量优良率变化为70.38%～85.00%，质量优良率小于75.00%的机电安装项目有供水系统、光伏发电系统、供暖系统，其质量优良率分别为70.38%、73.23%和70.86%，而经过精细化管理后，各个机电安装系统的质量优良率得到了大幅度的提升，优良率的变化为80.05%～94.33%，供水系统、光伏发电系统、供暖系统的质量优良率分别提高至80.05%、81.34%和88.14%。

图3 基于视神经网络的建筑机电安装项目的精细化管理成果对比

4 结论

以实际工程案例为研究对象，基于精细化（无缝隙）管理的思想，运用视神经网络法对建筑机电安装项目的质量、工期和成本进行精细化优化，分析其管理优化效果，得到以下4个结论。1）建筑机电安装项目中，精细化管理表现出了7个最明显的特征，分别是精细化、严格化、协调化、标准化、流程化、量化和细化；2）在采用视神经网络对各个建筑机电安装项目系统进行精细化优化后，实际工期比预期工期呈现不同程度的缩短，达到了建筑机电安装项目的工期降低的目的；3）优化前各个安装系统的成本比率出现不同程度的变化，优化后所有的安装成本均低于成本平衡线，有效地实现建筑机电安装项目的成本节约；4）优化前的各机电安装系统的质量优良率变化为70.38%～85.00%，而经过精细化管理后，各个机电安装系统的质量优良率得到了大幅度的提升，优良率的变化为80.05%～94.33%。