2. 清华大学 水利水电工程系, 北京, 100084;
3. 中国长江三峡集团有限公司, 北京 100038
2. Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China;
3. China Three Gorges Corporation, Beijing 100038, China
智能化方法、技术及应用的研究是当前世界各国发展的重点和热点[1-12]。众多学者结合行业应用场景[2-3]从智能化的特性及演变历程[4]、自动化、信息化及数字化的关系[5],智能化与数字技术、人工智能的关系及智能化专有实用技术等方面开展了研究[6-11],并从行业特性上构建了智能化的框架体系[12],推进了智能化技术的深度应用。智能化随着感知物联、移动互联、数据分析、人工智能及自动控制等技术进步而逐步发展,且深度融入人类活动,并逐步发挥重要作用,成为欧美各国各行业布局的战略方向和重点领域[13-15]。中国也相继提出《新一代人工智能发展规划》《中国制造2025》[9]《中国建造2035战略研究》[16]及“新基建”等。促进能源、建筑和信息深度融合,应用人工智能、信息、通信等相关理论方法开发智能建造技术,推进智能建造管理已成为大势所趋。
将人类从烦琐和危险的劳作、建造环境中解放出来,一直是人类追求的梦想。从图 1可知,从埃及金字塔的建造开始,建造活动经历了人力、机械化、自动化及数字化等阶段,建造的发展与四次工业革命的典型创新技术,如蒸汽机、电力、互联网、智能机器人紧密结合,进而实现装备、技术、方法和理论的创新。随着建造规模、效率、安全、环保等更高的要求,智能建造阶段已经逐步到来[5, 7-8]。近10年来智能建造技术在建筑、土木、水利及海洋等基础设施建造行业的应用越来越广泛[6-12],如智能碾压[17-21]、智能温控[22-29]、智能灌浆[30-34]、智能安全[35-38]等,但相应的智能建造理论方法的研究鲜有文献报道。
当前,我国水电、交通、机场等重大基础设施工程建造面临着复杂多样性、动态变化性、多元耦合性、累积叠加性、突发爆发性、社会群体性、重大危害性等建造风险与挑战。作为世界工程建造大国,为不断提高应对挑战和风险的建造管理水平,中国的智能建造在理论方法、关键技术等方面也将迎来巨大变革和发展,其重要意义体现在:1) 智能建造是重大工程提高建设质量和国家高质量发展的迫切需要。在重大工程领域深化大数据、人工智能、区块链、物联网、5G等新一代智能网络、通信技术的融合创新与应用,推动重大工程建造与工程管理向数字化、网络化、智能化方向发展,加快构建以数据为核心驱动要素的新型建造体系。2) 智能建造是提高基础建设工程管理效率、保证建造安全的迫切需要。通过对土木结构、施工设备、施工环境和现场人员的智能化管理与控制,实现监测数据与仿真分析一体化、施工管理和预警控制在线智能化,减少工程建设过程中的人为干预。3) 智能建造是工程建设价值创造的迫切需要。建造活动不只是交付一个满足设计功能要求的建筑物,而是让其具有持续的价值创造能力。基于数字、智能技术的沟通与共享能力,组织内部实现开放而具有弹性的内部协同,并帮助组织外部达成以工程质量和安全为导向的价值共同体,进而实现建造活动的精准析源、精心组织、精细布置、精益施工、精明施策。
面对水电、交通、工民建等行业越来越多的智能建造技术实践,如何充分发展和明确智能建造技术,进一步深化理解智能建造定义、理论方法和关键单一或者集成应用技术,将是未来智能建造学科发展的重点与难点。本文提出并明确了“智能建造”定义,论述了其主要特征,提出了智能建造闭环控制理论,讨论了智能建造技术与管理融合方式和价值创造案例。
1 智能建造定义与特征 1.1 智能建造定义智能建造(intelligent construction)是指集成融合传感技术、通信技术、数据技术、建造技术及项目管理等知识,对建造物及其建造活动的安全、质量、环保、进度、成本等内容进行感知、分析、控制和优化的理论、方法、工艺和技术的统称,以促进安全、优质、绿色、高效建造。
如水电工程智能建造则指对水电建造物及其建造活动的智能建造,其建造活动按照基本单元与过程进行结构分解,使智能建造落脚到对每一项建造活动的资源投入、工艺过程、业务流程、结构性态、工程进度、实物成本等6个要素,并对建造活动进行数字化和智能化改造,使建造过程更加可控,确保建造目标实现。又如在能源电力工程建设领域的实践中,将智能建造技术融合创新,进而实现“安全零隐患、质量零缺陷、环保零违规、进度零延误、成本零浪费、行为零问责”的“六零”工程建设管理目标。
如图 1所示,智能建造目前还正处于自动化、数字化之后的起步与发展期。因此在论述智能建造的特征和内涵之前,有必要先了解工程建设中数字化、网络化与智能化的关系[5]。数字化是信息处理与表示方式,是将信息载体(文字、图片、图像、信号等)以数字编码形式(通常是二进制)进行储存、传输、加工、处理和应用的技术途径[39]。网络化则表征了人与人、人与物、物与物之间的连接,使得各类数据快速、在线、实时地连接起来。智能化是数字化的升华,通过智能化手段分析数据是释放数据价值的有效手段。智能化不再是简单的信息数字化和数据的收集和传递,而是更倾向于复杂信息的分析、处理和反馈,进而实现对某项活动的闭环控制。通常是赋予系统或装备灵敏准确的感知、正确的思维与分析判断、自适应的学习,以及行之有效的执行控制功能等。数字化和智能化的主要联系如下:
1) 数字生成方式:目前人们提到数字化,更趋向于把它理解为一种技术,即将多模态信息转换为数字,实现多模态数据真实无损失、快速安全传输和储存的技术[39]。智能化则是以数字化技术为基础,希望机器可以在状态不稳定时智能地发出信号、系统感知信号、分析信号、反馈信号,并做出决策解决问题,实现智能化流程中“信息”在“数字”和“接受物可识别的多模态信息”之间的相互转化。
2) 传输方式:智能化的前提需要实现闭环控制系统,即感知、分析、控制,而“信息”流动的载体便是数字,数字承载信息的前提便是数字化。
3) 处理方式:数字化将多元多模态信息处理为“数字信息”,而智能化则是借助数字信息在闭环控制系统的流动,实现对物体状态的快速分析和扁平化的决策处理。
因此,数字化是智能化的必要条件和最重要的基础。数字化能够提高效率,智能化能够创造价值。数字化是途径,智能化是目标和方向。智能化如果没有数字化、网络化的支撑,那么一切基于计算机的智能技术将没有分析的数据和基础。
智能建造是在人类近5 000年的建造实践上,通过对建造活动中建造材料、设备、环境和人员及其工艺过程和业务流程的全面感知、真实分析和实时控制,达到全流程、全过程的智能管控[10, 12, 40-42],减少在工程建设及运行过程中的人为干预,实现对施工场人员和工程安全、质量、环保的有效在线闭环管控,使建造活动安全、优质、绿色、高效、可持续,从而确保工程建造全过程建造活动的规范、有序、协调、健康[43],实现价值创造。对大型基础设施工程建设来说,本文提出的智能建造定义体现了以数字化技术为基础的工程建设全资源要素、全工艺过程、全业务流程、全实物成本及建造物结构全生命期工作性态安全的数字化、智能化管控。根据各行业安全和智能需求的不同,智能化的目标与核心技术存在一定差异[4],即使在同一行业内的不同场景,也要从安全出发来选择适用的智能技术,如大型发电站以及通航船闸的工业控制过程等。
1.2 智能建造特征智能建造的主要特征如下:
1) 数据驱动:数据是生产要素,数据驱动则是智能建造的核心要素。智能建造本质特征是要对建造物和建造活动的资源投入、工艺过程、业务流程、结构性态、工程进度、实物成本等信息进行全面感知,进而采集建造物和建造活动的结构化或非结构化的位置和动作等不同属性的特征数据,并建立相应的数据标准库、案例库、规则库和判读库。通过混合策略或者算法自动搜索可供分析和深度学习的特征数据,达到用数据驱动建造工艺过程和业务流程的智能控制。在智能建造过程中,数据成为组织竞争力和建造活动持续进行的重要资源。以水电工程建设为例,为什么建设过程对现场作业人员的位置轨迹采集的数据可以转向合同管理[38]?这些都是数据分析驱动在后台起作用。
2) 在线连接:连接是智能建造的基础。依托传感和无线移动网络通信技术,把建造物、建造活动和管理控制的设备、人和服务相互连接起来,并迅速将感知采集、识别到的信息传递到控制处理中心,同时也可迅速传递智能系统反馈给前端的信息。智能建造中的精准识别是多元多模态数据采集的前提,通过对建造物和建造活动的视频识别和音频识别技术,对采集的建造活动现场的原始信息进行领域识别,确定信息的含义及特定对象的存在,并为在线连接做出适应调整服务,这将增强智能建造活动的现场感、生动性和多样性。目前在重大基础设施建造现场复杂地形和动态工程环境下,采用移动端、PC端互联网以及物联网等通信技术,实现在线网络连接的时空响应精度和速度的程度,决定了智能建造在未来发展和深化的程度。
3) 闭环调控:智能建造的另一个显著特征是对建造活动、工艺过程或建造设备的灵敏感知、快速分析和反馈控制的闭环调控。灵敏感知是指通过智能传感器技术,灵敏地感知建造环境的变化,如温度、浓度、轨迹以及压力等;快速分析是指通过深度学习、人工智能、大数据分析等智能技术,对多模态、海量和实时接收到的信息进行快速分析,至少给出有助于决策的结果;反馈控制是指通过自动控制技术等,根据感知到的环境条件和过程数据,运用优化决策,自动控制生产过程,控制的目标可以是人(某些环节还未完全达到无人智能化生产或将依场景需求保留有人生产)或者机器和设备。
4) 持续优化:通过云计算、模糊处理、优化函数分析技术或人工智能技术,针对建造过程中的决策环节,给出自主优化决策方案及其依据,从而辅助决策人员实现建造过程的最大效能。持续优化除对智能建造系统提出建议外,也对建造的过程提出适应纠错。通过扁平化的管理,提出敏捷的预警预控。让每一个项目或者全过程的建造活动均能闭环调控,又能在持续优化中发展,使建造活动更高效、更智能。
5) 认知反应:一个真正完整的智能建造过程或者系统具有对信息、控制行为的思考认知过程,从而提高判断学习能力、自适应功能、判断决策能力、容错能力、自组织能力和对复杂问题进行有效处理的全局控制能力。智能建造中涉及的认知反应其实是在全面感知、识别比对的基础上,对建造活动和建造对象的关键资源和管理要素具有思考、认识与调整的能力,使参与建造的智能系统或智能体(智能装备)具有对应人类思维及心理的性能,它可以使建造过程中的人了解智能体的能力及心理,使两者之间的交互更加有效和便捷,最终使得建造智能系统或智能体更好地理解和服务于人类的建造活动。
6) 协作共享:智能建造通过自动化和智能体(智能装备)如机器人等技术,利用智能化系统替代人从事特殊环境中的作业,进而提高工作效率,减少对劳动力的需求。从感知、分析、控制、反馈到持续优化,真正做到全过程无人智能化共享作业、可视化阳光作业。智能建造通过工程建造各方在智能建造管理平台上的跨地域协同实时工作,依靠数据流动、在线连接、闭环调控和持续优化的认知过程,去掉传统建造过程中不必要的环节或者资源,使工程现场建设者、物质设备供应商和技术咨询服务提供商、让科研人员以及专家团队消除地域时空限制,而直接真实地融入建造活动。智能建造技术与管理创新体现了施工全过程的全面精细化的控制,构建了新的协作共享生产关系,让生产资料流动更高效,从而提升价值创造能力,促进生产力的提高。
2 智能建造闭环控制理论 2.1 智能建造闭环控制基于本文提出的智能建造定义和近几年国内外的实践可知,在建造过程中涉及建造物、人、设备和环境的共同理论基础是感知、分析、控制和持续优化的闭环控制,即“全面感知、真实分析、实时控制、持续优化”(见图 2),从而确保工程建造全生命期结构工作性态安全及管理活动的可知可控,以提升建筑物的质量、节约成本、确保建造安全。
全面感知是指采用感知采集传输技术、移动互联网络、物联网等,全面地实时获取和传输工程建造过程中建造物、智能装备以及与环境之间相互作用的环境、状态、要素特征数据。真实分析是指利用实时数据和智能计算、数值反演数据,全过程分析建造过程中的各类信息和数据,并开展结构真实工作性态仿真,对工程建设质量、安全和进度等要素中涉及的稳定、偏差进行分析、预测、优化并反馈。实时控制就是通过智能设备及软件,围绕关键工艺和业务流程,对照规则和标准,实现管理目标、建造过程和行动的有效控制,达到实时动态调整和预报预警目的。持续优化则相当于“生长”和“发育”,通过对回报(或称为效益、价值)最大值的计算,智能建造系统可以不断优化自身算法和结构,不断积累“经验”。智能建造闭环控制的核心是建立建造环境、建造物和智能体(智能建造装备)的智能通用驱动系统(包括抗力驱动、荷载驱动、感知驱动和行动驱动),促进监测仿真、智能计算分析一体化,施工全要素管理和运行控制一体化等。
2.2 智能建造闭环控制状态表征结合第三代基于知识的控制方法(knowledge-based control method),AI技术和全周期项目管理方法,依托工程建造实际,本文提出智能建造闭环学习逻辑流程(见图 3),使建造活动在定量描述和对已有活动进行行为学习的基础上,形成新的建造活动,从而具有一定的智能行为,而不仅仅是传统的依靠纯数学计算和经验设计来保持建造过程可建可控。本文提出的建造过程的闭环学习理论模型是基于时间(t)和空间位置(p)的强化学习的通用智能建造,并通过对建造物、建造环境(物料)、建造装备(智能体)及其构成的建造系统的多状态监测(m)、多状态反馈(f)、来实现多管理内容目标(i)、多管理要素(e)等的优化控制。智能建造过程也可采用其他的先进智能算法和学习方法,本文仅给出了智能建造对时空状态进行通用控制的逻辑流程,如图 3所示,包含了建造环境、建筑物和智能装备(智能体)3部分的相互作用机理,图 3中公式具体解释见式(13)—(15)。在这里智能装备(智能体)即建造过程中所采用的装备,如3D打印机、智能机械臂、智能碾压机、智能通水集成柜、智能灌浆机、智能挖掘机等。
这个时空状态可以针对建筑物或者建造过程中与安全、质量、环保、进度、成本等管理内容相关的资源投入、工艺过程、业务流程、结构性态、实物成本及工程进度等管理要素来建立。状态时空可以用一个四元组表示:(S,C,S0,G)。其中,S是状态集合,S中每一个元素表示某一时刻的一个状态,状态是某种建筑物结构或者管理要素的符号或数据,如状态S中包含资源投入(resource, Re)、工艺过程(crafting process, Cp)、业务流程(business flow, Bf)、结构性态(structural behavior, Sb)、实物成本(direct cost, Dc)、工程进度(schedule, Sc)等要素。S0和G分别对应初始状态和目标状态的集合,其中G可以是具体的状态也可是满足某些性质的路径信息描述。状态S为与时间相关的矢量,每一时刻的状态St为与多管理要素相关的矢量,如式(1)所示;状态S表示如式(2)所示,St与S关系如式(3)所示。
$ \boldsymbol{S}_{t}=\left[\operatorname{Re}_{t}, \mathrm{Cr}_{t}, \mathrm{Bf}_{t}, \mathrm{Sb}_{t}, \mathrm{Co}_{t}, \mathrm{Sc}_{t}\right]^{\mathrm{T}}, $ | (1) |
$ \boldsymbol{S}=\left\{\begin{array}{l} \operatorname{Re}_{0}, \operatorname{Re}_{1}, \operatorname{Re}_{2}, \operatorname{Re}_{3}, \cdots, \operatorname{Re}_{t} \\ \mathrm{Cp}_{0}, \mathrm{Cp}_{1}, \mathrm{Cp}_{2}, \mathrm{Cp}_{3}, \cdots, \mathrm{Cp}_{t} \\ \mathrm{Bf}_{0}, \mathrm{Bf}_{1}, \mathrm{Bf}_{2}, \mathrm{Bf}_{3}, \cdots, \mathrm{Bf}_{t} \\ \mathrm{Sb}_{0}, \mathrm{Sb}_{1}, \mathrm{Sb}_{2}, \mathrm{Sb}_{3}, \cdots, \mathrm{Sb}_{t} \\ \mathrm{Dc}_{0}, \mathrm{Dc}_{1}, \mathrm{Dc}_{2}, \mathrm{Dc}_{3}, \cdots, \mathrm{Dc}_{t} \\ \mathrm{Sc}_{0}, \mathrm{Sc}_{1}, \mathrm{Sc}_{2}, \mathrm{Sc}_{3}, \cdots, \mathrm{Sc}_{t} \end{array}\right\}, $ | (2) |
$ \boldsymbol{S}_{t} \in \boldsymbol{S}. $ | (3) |
如式(4)所示,C是操作算子的集合,c代表某个特定动作或者操作算子,利用算子可将环境从一个状态转换为另一个状态,也就是相当于智能装备、建造物在不同状态时做出的行动。操作算子作用于t时刻,p(x, y, z) 位置的时空状态得到(t+1)时刻的时空状态,如利用Markov决策过程(Markov decision process,MDP)来简化强化学习的建模,假设从初始状态S0转化为目标状态G仅与上一个状态,即初始状态有关,表示如下:
$ {\mathit{\boldsymbol{c}} \in \mathit{\boldsymbol{C}},} $ | (4) |
$ {P_{{\mathit{\boldsymbol{S}}_0}\mathit{\boldsymbol{G}}}^c = E\left( {{\mathit{\boldsymbol{S}}_{t + 1}} = \mathit{\boldsymbol{G}}\mid {\mathit{\boldsymbol{S}}_t} = {\mathit{\boldsymbol{S}}_0},\mathit{\boldsymbol{C}} = \mathit{\boldsymbol{c}}} \right).} $ | (5) |
其中PS0Gc表示转移概率,即智能体或者建造物采取行动c,从状态S0转移为G的概率。E为期望函数,同时定义建造环境在某个状态St时,智能体或者建筑物采取某个行动c的概率为智能体或者建筑物执行某个行动的策略πSt,表示如下:
$ \mathit{\boldsymbol{c}} = {\rm{ \mathsf{ π} }}{\mathit{\boldsymbol{S}}_t}. $ | (6) |
定义在建造环境状态St采取行动c以后,得到一次回报(或奖励)Rw(St, c)表示如下:
$ \operatorname{Rw}\left(\boldsymbol{S}_{t}, \boldsymbol{c}\right)=E\left[\boldsymbol{S}_{t+1} \mid \boldsymbol{S}_{t}, \boldsymbol{c}\right]. $ | (7) |
则在执行一组行动后所有状态累计的回报之和U(c0, c1, c2, …, cn)是管理者更加关心的问题,本文称为回报。但是若将若干次回报直接求和不仅求最优解难度很大,同时会在无限时间序列中导致无偏向,而且可能会产生状态的无限循环。因此在回报函数中引入折扣率γ的概念,即在状态St得到的回报比未来状态的回报更加重要,将往后状态的奖励均乘上折扣率,表示如下:
$ U\left(\boldsymbol{c}_{0}, \boldsymbol{c}_{1}, \boldsymbol{c}_{2}, \cdots\right)=\sum\limits_{t=0}^{\infty} \gamma^{t} \mathrm{R} \mathrm{w}_{\max }\left(\boldsymbol{S}_{t}\right) \text { 且 } 0 \leqslant \gamma<1. $ | (8) |
由式(8)可以进一步得到式(9),这对于求解回报最大值很有意义。
$ U\left(\boldsymbol{c}_{0}, \boldsymbol{c}_{1}, \boldsymbol{c}_{2}, \cdots\right) \leqslant \sum\limits_{t=0}^{\infty} \gamma^{t} \mathrm{R} \mathrm{w}_{\max }=\frac{\mathrm{R} \mathrm{w}_{\max }}{1-\gamma}. $ | (9) |
智能建造强化学习的最终目标是求得最大回报Umax, 也就是使智能体或者建筑物在特定环境中能够采取回报最大化的行为。价值函数用来衡量某一状态或行动的优劣,即对智能体或者建筑物来说是否值得选择某一状态或在某一状态下执行某一动作。因此,定义智能建造的状态价值函数表示如下:
$ v\left(\boldsymbol{S}_{t}\right)=E\left[U_{t} \mid \boldsymbol{S}=\boldsymbol{S}_{t}\right]. $ | (10) |
式(10)意义为基于t时刻的状态St能获得的未来回报的期望,加入行动选择策略π后状态价值函数vπ可表示为式(11)的形式。
$ v_{\pi}\left(\boldsymbol{S}_{t}\right)=E\left[U_{t} \mid \boldsymbol{S}=\boldsymbol{S}_{t}\right]. $ | (11) |
其中Ut为St状态采取动作c后的回报和,为之后所有时刻的回报累积。定义给定策略π后动作函数qπ如式(12)所示,表示基于t时刻的状态St,选择一个行动c以后能够获得的回报。
$ q_{\pi}=E_{\pi}\left[U_{t} \mid \boldsymbol{S}=\boldsymbol{S}_{t}, \boldsymbol{C}_{t}=\boldsymbol{c}\right]. $ | (12) |
智能建造则是要寻找一个最优的策略让智能体在与建造环境和建筑物相互作用过程中获得始终比其他策略都要多的收获,这个最优策略本文用π*表示。求解回报函数最大值的方法较多,本文建议采用Bellman方程或称为动态规划法求解最优解,表示如下:
$ \begin{array}{*{20}{c}} {{v^*}(\mathit{\boldsymbol{S}}) = \mathop {\max }\limits_c {q^*}(\mathit{\boldsymbol{s}},\mathit{\boldsymbol{c}}) = }\\ {\mathop {\max }\limits_c \left( {{\rm{Rw}}_s^c + \gamma \sum\limits_{{\mathit{\boldsymbol{s}}^\prime } \in \mathit{\boldsymbol{S}}} {P_{{\rm{s}}{{\rm{s}}^\prime }}^c} {v^*}\left( {{\mathit{\boldsymbol{s}}^\prime }} \right)} \right),} \end{array} $ | (13) |
$ \begin{array}{*{20}{c}} {{q^*}(\mathit{\boldsymbol{s}},\mathit{\boldsymbol{c}}) = {\rm{Rw}}_s^c + \gamma \sum\limits_{{\mathit{\boldsymbol{s}}^\prime } \in \mathit{\boldsymbol{S}}} {P_{{\rm{s}}{{\rm{s}}^\prime }}^c} {v^*}\left( {{\mathit{\boldsymbol{s}}^\prime }} \right) = }\\ {{\rm{Rw}}_s^c + \gamma \sum\limits_{{\mathit{\boldsymbol{s}}^\prime } \in \mathit{\boldsymbol{S}}} {P_{{\rm{s}}{{\rm{s}}^\prime }}^c} \frac{1}{{{c^\prime }}}\max {q^*}\left( {{\mathit{\boldsymbol{s}}^\prime },{\mathit{\boldsymbol{c}}^\prime }} \right).} \end{array} $ | (14) |
v*描述了处于一个状态的长期最优化价值,即在这个状态下考虑到所有可能发生的后续动作,并且在都挑选最优的动作来执行的情况下,这个状态的价值。q*描述了处于一个状态并执行某个动作后所带来的长期最优价值,即在这个状态下执行某一特定动作后,考虑再之后所有可能处于的状态并且在这些状态下总是选取最优动作来执行所带来的长期价值。
通过式(1)—(14)的强化学习过程,智能建造可以实现对资源投入、工艺过程、业务流程、结构性态、实物成本及工程进度等管理要素的自主最优控制。但是智能建造感知端、控制端所感知和控制的直接变量还需要同强化学习的时空状态通过函数进行映射,如结构位移变形、资金调控、气温变化、施工效率等。即在智能建造系统中通过传感器等智能前段进行感知,通过对建造过程多状态(性态)反馈(f)、多目标(i)和多要素(e)智能感知,进而得到强化学习中建造环境的状态,表示如下:
$ \boldsymbol{\varphi}\left(\boldsymbol{f}_{t}, \boldsymbol{i}_{t}, \boldsymbol{e}_{t}\right)=\boldsymbol{S}_{t}. $ | (15) |
总结智能建造中智能装备、建造物和建造环境的强化学习,最重要的3个特性:1) 采用了图 3所示的一种闭环控制形式;2) 建造过程中不会直接指示选择哪种行动,但是建造装备有明确的目标的,所有(或核心)的建造装备具备智能体特征,能感知自己的环境,并根据目标来指导自己的行为,与其交互的不确定环境和确定建造物视为一个不断持续优化完整的过程;3) 一系列的行动和回报都会影响之后的建造活动。
智能建造闭环控制理论也适合于智能建造过程中人的管理过程,最终的核心是价值创造、建造过程的互信。在建造活动中持续创造有形和无形价值,对于一个工程项目有形价值是可定量化的成本、进度、安全、质量、环保控制绩效和投资回报以及社会与环境效益,无形价值是企业组织或个体学习力、整合力和执行力的可持续提升。
3 智能建造价值创造 3.1 智能建造技术和管理融合由上文针对智能建造定义、特征、理论的论述,结合大量的工程实践[6-8, 10, 12, 20-22, 30, 35, 37],基础建设工程智能建造技术与管理融合的一般通用路径,如图 4所示。智能建造不仅仅关注智能建造技术本身,也要注重智能建造管理目标、内容、要素、应用场景等部分的融合。
智能建造在传统设计、建造技术的基础上融合传感技术、通信技术、数据技术和项目管理知识。近100年来,支撑这些技术深度融合的定理、技术和管理知识有Moore定理、Metcalfe定理、云计算、大数据、智能计算、物联网等技术和关键路线法(critical path method,CPM)、工作分解结构(work breakdown structure,WBS)、资产分解结构(asset breakdown structure,ABS)等项目管理知识。如图 4所示,目前智能建造主要支撑技术主要包括:1) 云计算和大数据;2) 智能计算,包含了现在广泛被应用的人工智能和软计算技术等;3) 物联网,把建造现场人、物、环等通过射频识别、全球定位系统等各种信息传感设备与互联网连接起来,实现物与物、物与人的泛在连接,从而实现智能化识别和管理[42];4) 建筑信息模型(building information molding, BIM)技术,可大大提高工程建造的信息集成化程度,从而为工程项目的相关利益方提供了一个建造全过程信息交换和共享的平台;5) 社交网络,依托社交网络开发的小程序,可以很好地解决工程建造活动现场客户端零部署、各建设角色服务全融合的技术难题,实现建造过程、建造角色、资源要素的广泛并有效的强连接,使信息传递扁平化、数据安全可靠、功能体验更丰富[35]。6) 项目管理,随着机械化、自动化、智能化的建造技术进步,人们逐渐更新项目管理知识、工具、技术和手段,将人类从烦琐、危险、重复的劳作、建造活动中解放出来,进而不断地提高工程质量、建造效率和工程价值。
智能建造技术和管理的融合构成大型基础设施工程的智能建造体系。例如:对于水电工程,智能建造体系可理解为以水电工程数字化为基础,以云计算、大数据、物联网、人工智能等新一代信息技术为基本手段,以全面感知、真实分析、智能决策与反馈控制为基本运行方式,深度融合水电工程空间模型与信息,建立动态精细化的可感知、可分析、可控制的智能化建设与管理运行体系。目前,已基本形成以数字仿真、智能挖掘与支护、智能碾压、智能温控、智能灌浆、智能安全管理等为核心技术的水电工程智能建造系统,提升了我国工程建设管理水平和价值创造能力。如文[10, 12, 40]提出了水电工程智能建造技术体系,围绕全过程的资源投入素、工艺过程、业务流程、结构性态、工程进度、实物成本等,进行实时动态分析和耦合仿真预测,确保工程建设的成效,实现了价值创造。在溪洛渡、乌东德、白鹤滩等大型工程的智能建造实践中,通过技术体系的有效实践[12],建立了水电大坝特有的全景信息模型(dam information model,DIM)及数据中心,形成了工程建造过程中人、机、物、环、管多源数据资产,并为政、产、学、研、用多方交互共享[41]。
3.2 价值创造案例发展和应用智能建造,其实质是提升工程建设的回报,即价值创造。对一个企业或者组织来说,面向工程需求,智能建造的价值创造主要体现在有形价值和无形价值两方面。
有形价值是指可定量化的安全、质量、环保、进度、成本控制等。如在溪洛渡、白鹤滩、乌东德等千万千瓦级大型水电工程中全面应用清华大学和三峡集团研发的智能通水温控技术[22, 26],在降低大坝开裂风险和保证大坝安全建设运行方面,带来质量、安全、经济价值的显著提升,同时也取得了社会等综合效益。通过智能温控保证了最高温度和日降温梯度达标率均>98.5%,高于设计标准要求,确保混凝土浇筑质量;通过采用标准化、集成化的成套设备、通水闭环智能控制,减少通水人力成本约90%、节约制冷水约25%。再如智能灌浆[30],传统灌浆施工工人需要人工调节压力、人工配浆,工作十分繁重且人工调节精度往往不高,存在压力控制不当导致炸管伤人、地表抬动等风险。而智能灌浆系统通过采用智能,设备每2个灌浆机组由8人减少到2人,减少约75%的人工。工人只是巡视和管理,工作强度大大降低。
无形价值是指采用智能建造技术后,利用数据挖掘分析形成的团队内部学习力,是执行力的体现,无形价值将提高整个建造组织系统的创造能力和可持续能力,进而引领新一轮有形价值产业链的产生。如在水电工程通过采用一系列智能建造技术,不但在保证大坝安全建设运行等方面具有直接的社会和环境等效益,而且培养一支智能建造研发、建设和管理的专业队伍,使我国水电行业初步形成了智能建造的人才、技术和装备制造产业链。PMI报告的数据[42]也显示,率先使用人工智能的组织在按时交付、效益实现比例和投资回报率等方面可获得明显价值回报。成功实施智能建造需要组织转变其优先事项排序和再平衡各利益相关方之间的诉求[43],随着未来几年我国越来越多的智能建造技术与管理在建筑、新基建中被应用,这一点尤为重要。面对未来建筑呈现出来的更大规模、更复杂体型、更高品质、更新材料、更多人文特性、更高效率的发展趋势要求,智能建造可以实现增加管理幅度,降低管理层次的要求,价值创造驱动,具有灵活、敏捷、环境适应性更强等优点。
4 结论与展望本文通过对智能建造的定义、特征和闭环控制理论的论述,提出了智能建造闭环控制状态的表征和通用回报机制,结合案例讨论了智能建造与管理融合方式及价值创造,主要结论与展望如下:
1) 提出了智能建造的定义,指出了智能建造数据驱动、在线连接、闭环调控、持续优化、认知反应和协作共享的基本特征。
2) 提出了智能建造闭环控制理论,即“全面感知、真实分析、实时控制、持续优化”的闭环控制。智能建造闭环控制理论使建造活动在定量描述和对已有的活动行为学习的基础上,形成新的建造活动,从而具有一定的智能行为,并实现价值回报。
3) 智能建造有望开创一个创新时代,它将以全新的方式改善人类生活和生产。项目领导者需要肩负起责任,充分发挥新的智能技术和管理融合的作用,创造更大的经济和社会效益,同时规避其可能带来的社会风险,确保智能建造系统造福人类。
[1] |
KOUSTA S. Artificial intelligence: Machines that reason[J]. Nature, 2016, 538: 471-476. DOI:10.1038/nature20101 |
[2] |
BARTLETT N W, TOLLEY M T, OVERVELDE J T B, et al. A 3D-printed, functionally graded soft robot powered by combustion[J]. Science, 2015, 349(6244): 161-165. DOI:10.1126/science.aab0129 |
[3] |
ROCHA J C, PASSALIA F J, MATOS F D, et al. A method based on artificial intelligence to fully automatize the evaluation of bovine blastocyst images[J]. Scientific Reports, 2017, 7(1): 7659. DOI:10.1038/s41598-017-08104-9 |
[4] |
POLLACK M E. Intelligent technology for an aging population: The use of AI to assist elders with cognitive impairment[J]. AI Magazine, 2005, 26(2): 9-24. |
[5] |
谭得健, 徐希康, 张申. 浅谈自动化、信息化与数字矿山[J]. 煤炭科学技术, 2006, 34(1): 23-27. TAN D J, XU X K, ZHANG S. Comments on automation, information and digitalized mine[J]. Coal Science and Technology, 2006, 34(1): 23-27. DOI:10.3969/j.issn.0253-2336.2006.01.007 (in Chinese) |
[6] |
马洪琪, 钟登华, 张宗亮, 等. 重大水利水电工程施工实时控制关键技术及其工程应用[J]. 中国工程科学, 2011, 13(12): 20-27. MA H Q, ZHONG D H, ZHANG Z L, et al. Key technologies of real-time construction control for major hydraulic and hydroelectric projects[J]. Engineering Science, 2011, 13(12): 20-27. DOI:10.3969/j.issn.1009-1742.2011.12.004 (in Chinese) |
[7] |
丁烈云. 数字建造导论[M]. 北京: 中国建筑工业出版社, 2019. DING L Y. Digital construction introduction[M]. Beijing: China Building Industry Press, 2019. (in Chinese) |
[8] |
钟登华, 王飞, 吴斌平, 等. 从数字大坝到智慧大坝[J]. 水力发电学报, 2015, 34(10): 1-13. ZHONG D H, WANG F, WU B P, et al. From digital dam toward smart dam[J]. Journal of Hydroelectric Engineering, 2015, 34(10): 1-13. DOI:10.11660/slfdxb.20151001 (in Chinese) |
[9] |
周济. 智能制造——"中国制造2025"的主攻方向[J]. 中国机械工程, 2015, 26(17): 2273-2284. ZHOU J. Intelligent mannfacturing-main direction of "Made in China 2025"[J]. China Mechanical Engineering, 2015, 26(17): 2273-2284. DOI:10.3969/j.issn.1004-132X.2015.17.001 (in Chinese) |
[10] |
樊启祥, 张超然. 特高拱坝智能化建设技术创新和实践——300 m级溪洛渡拱坝智能化建设[M]. 北京: 清华大学出版社, 2018. FAN Q X, ZHANG C R. Intelligent construction technology innovation and practice of super-high arch dam-intelligent construction of Xiluodu arch dam (300 m-grade)[M]. Beijing: Tsinghua University Press, 2018. (in Chinese) |
[11] |
钟登华, 时梦楠, 崔博, 等. 大坝智能建设研究进展[J]. 水利学报, 2019, 50(1): 38-52, 61. ZHONG D H, SHI M N, CUI B, et al. Research progress of the intelligent construction of dams[J]. Journal of Hydraulic Engineering, 2019, 50(1): 38-52, 61. (in Chinese) |
[12] |
樊启祥, 陆佑楣, 周绍武, 等. 金沙江水电工程智能建造技术体系研究与实践[J]. 水利学报, 2019, 50(3): 294-304. FAN Q X, LU Y M, ZHOU S W, et al. Research and practice on intelligent construction technology system of Jinsha River hydropower projects[J]. Journal of Hydraulic Engineering, 2019, 50(3): 294-304. (in Chinese) |
[13] |
U.S. Department of Defense. Vision: Transform the DoD through artificial intelligence[EB/OL]. [2020-04-20]. https://dodcio.defense.gov/About-DoD-CIO/Organization/JAIC/.
|
[14] |
European Commission. Communication artificial intelligence for Europe[EB/OL]. [2020-04-25]. https://ec.europa.eu/digital-single-market/en/news/communication-artificial-intelligence-europe.
|
[15] |
BIM WiKi. Digital built britain[EB/OL]. [2020-03-19]. http://digital-builtbritain.com/.
|
[16] |
三局工程管理学部办公室. 中国工程院重点咨询项目《中国建造2035战略研究》启动会暨中国工程院院士重庆行系列活动在渝举行[EB/OL]. [2020-04-07]. http://www.cae.cn/cae/html/main/col110/2019-05/07/20190507142610206746869_1.html. Office of the Department of Engineering Management of the Third Bureau. The key consulting project of the Chinese Academy of Engineering "ChinaConstruction 2035 Strategic Research" kick off meeting and the academician of the Chinese Academy of Engineering Chongqing trip series activities held in Chongqing[EB/OL]. [2020-04-07]. http://www.cae.cn/cae/html/main/col110/2019-05/07/20190507142610206746869_1.html. (in Chinese) |
[17] |
钟登华, 周钧平, 林鸿镁. 碾压混凝土施工运输方案选择专家系统[J]. 水利水电技术, 1997, 28(2): 42-45. ZHONG D H, ZHOU J P, LIN H M. Expert system for the transport plan selection in roller-compacted concrete construction[J]. Water Resources and Hydropower Engineering, 1997, 28(2): 42-45. (in Chinese) |
[18] |
ZHONG D H, LIU D H, CUI B. Real-time compaction quality monitoring of high core rockfill dam[J]. Science China Technological Sciences, 2011, 53(7): 1906-1913. |
[19] |
ZHONG D H, LIU D H, CUI B, et al. Technology and application of real-time compaction quality monitoring for earth-rockfill dam construction in deep narrow valley[J]. Automation in Construction, 2018, 90: 23-38. DOI:10.1016/j.autcon.2018.02.024 |
[20] |
陈祖煜, 赵宇飞, 邹斌, 等. 大坝填筑碾压施工无人驾驶技术的研究与应用[J]. 水利水电技术, 2019, 50(8): 1-7. CHEN Z Y, ZHAO Y F, ZOU B, et al. Study and application of unmanned driving technology or filling and rolling construction of earth-rockfill dam[J]. Water Resources and Hydropower Engineering, 2019, 50(8): 1-7. (in Chinese) |
[21] |
ZHANG Q L, LIU T Y, ZHANG Z S, et al. Unmanned rolling compaction system for rockfill materials[J]. Automation in Construction, 2019, 100: 103-117. DOI:10.1016/j.autcon.2019.01.004 |
[22] |
林鹏, 李庆斌, 周绍武, 等. 大体积混凝土通水冷却智能温度控制方法与系统[J]. 水利学报, 2013, 44(8): 950-957. LIN P, LI Q B, ZHOU S W, et al. Intelligent cooling control method and system for mass concrete[J]. Journal of Hydraulic Engineering, 2013, 44(8): 950-957. (in Chinese) |
[23] |
林鹏, 胡杭, 郑东, 等. 大体积混凝土真实温度场演化规律试验[J]. 清华大学学报(自然科学版), 2015, 55(1): 27-32. LIN P, HU H, ZHENG D, et al. Field tests on the evolution of a real thermal field in concrete[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(1): 27-32. (in Chinese) |
[24] |
LIN P, LI Q B, HU H. A flexible network structure for temperature monitoring of a super high arch dam[J]. International Journal of Distributed Sensor Networks, 2012, 8(11): 917849. DOI:10.1155/2012/917849 |
[25] |
LIN P, LI Q B, JIA P Y. A real-time temperature data transmission approach for intelligent cooling control of mass concrete[J]. Mathematical Problems in Engineering, 2014, 2014: 514606. |
[26] |
樊启祥, 汪志林, 林鹏, 等. 混凝土坝智能通水温控技术规范: Q/CTG 258-2019[S]. 北京: 中国长江三峡集团有限公司, 2019. FAN Q X, WANG Z L, LIN P, et al. Technical specification for intelligent temperature control of concrete dam: Q/CTG 258-2019[S]. Beijing: Enterprise Standard of China Three Gorges Group Co., Ltd., 2019. (in Chinese) |
[27] |
樊启祥, 汪志林, 林鹏, 等. 混凝土坝实时温度采集技术规范: Q/CTG 257-2019[S]. 北京: 中国长江三峡集团有限公司, 2019. FAN Q X, WANG Z L, LIN P, et al. Technical specification of real-time temperature acquisition for concrete dam: Q/CTG 257-2019[S]. Beijing: Enterprise Standard of China Three Gorges Group Co., Ltd., 2019. (in Chinese) |
[28] |
王继敏, 周厚贵, 谭恺炎. 冷却通水智能控制系统及其在锦屏一级拱坝中的应用[J]. 水利水电科技进展, 2017, 37(1): 50-54. WANG J M, ZHOU H G, TAN K Y. Intelligent water-cooling control system and its application in Jinping-I arm dam[J]. Advances in Science and Technology of Water Resources, 2017, 37(1): 50-54. (in Chinese) |
[29] |
李松辉, 张国新, 刘毅, 等. 大体积混凝土防裂智能监控技术及工程应用[J]. 中国水利水电科学研究院学报, 2018, 16(1): 9-15. LI S H, ZHANG G X, LIU Y, et al. Mass concrete crack prevention intelligent monitoring technology and engineering application[J]. Journal of China Institute of Water Resources and Hydropower Research, 2018, 16(1): 9-15. (in Chinese) |
[30] |
樊启祥, 黄灿新, 蒋小春, 等. 水电工程水泥灌浆智能控制方法与系统[J]. 水利学报, 2019, 50(2): 165-174. FAN Q X, HUANG C X, JIANG X C, et al. Intelligent grouting control method and system for hydropower engineering[J]. Journal of Hydraulic Engineering, 2019, 50(2): 165-174. (in Chinese) |
[31] |
闫福根, 钟登华, 任炳昱, 等. 基于B/S结构的三维交互式灌浆可视化系统的研制及应用[J]. 水利水电技术, 2014, 45(11): 66-69. YAN F G, ZHONG D H, REN B Y, et al. Development and application of B/S structure-based 3D interactive grouting visualization system[J]. Water Resources and Hydropower Engineering, 2014, 45(11): 66-69. DOI:10.3969/j.issn.1000-0860.2014.11.015 (in Chinese) |
[32] |
CHOQUET P, TAYLOR R M. Combining automatic monitoring of grouting performance parameters and geotechnical instrumentation for risk reduction in complex grouting projects[M]. Maple Ridge: ASCE, 2017.
|
[33] |
LI X C, ZHONG D H, REN B Y, et al. Prediction of curtain grouting efficiency based on ANFIS[J]. Bulletin of Engineering Geology and the Environment, 2019, 78(1): 281-309. DOI:10.1007/s10064-017-1039-y |
[34] |
LIN P, ZHU X X, LI Q B, et al. Study on optimal grouting timing for controlling uplift deformation of a super high arch dam[J]. Rock Mechanics and Rock Engineering, 2016, 49(1): 115-142. DOI:10.1007/s00603-015-0732-z |
[35] |
林鹏, 王英龙, 汪志林, 等. 基于微信的大型水电工程安全隐患排查治理系统研发与应用[J]. 中国安全生产科学技术, 2017, 13(7): 137-143. LIN P, WANG Y L, WANG Z L, et al. Development and application of potential safety hazard investigation and control system for large hydropower engineering based on WeChat[J]. Journal of Safety Science and Technology, 2017, 13(7): 137-143. (in Chinese) |
[36] |
林鹏, 魏鹏程, 樊启祥, 等. 基于CNN模型的施工现场典型安全隐患数据学习[J]. 清华大学学报(自然科学版), 2019, 59(8): 628-634. LIN P, WEI P C, FAN Q X, et al. CNN model for mining safety hazard data from a construction site[J]. Journal of Tsinghua University (Science and Technology), 2019, 59(8): 628-634. (in Chinese) |
[37] |
樊启祥, 汪志林, 林鹏, 等. 大型水电工程智能安全管控体系研究[J]. 水力发电, 2019, 45(3): 68-72, 109. FAN Q X, WANG Z L, LIN P, et al. Study on intelligent safety management system for large hydropower projects[J]. Water Power, 2019, 45(3): 68-72, 109. (in Chinese) |
[38] |
JIANG H C, LIN P, QIANG M S, et al. A labor consumption measurement system based on real-time tracking technology for dam construction site[J]. Automation in Construction, 2015, 52: 1-15. DOI:10.1016/j.autcon.2015.02.004 |
[39] |
人民日报. 数字化网络化智能化把握新一代信息技术的聚焦点[EB/OL]. [2020-04-25]. http://www.cac.gov.cn/2019-03/01/c_1124178478.htm. People's Daily. Digitalization, networking and intellectualization grasp the development of new generation information technology focus[EB/OL]. [2020-04-25]. http://www.cac.gov.cn/2019-03/01/c_1124178478.htm. (in Chinese) |
[40] |
樊启祥, 周绍武, 林鹏, 等. 大型水利水电工程施工智能控制成套技术及应用[J]. 水利学报, 2016, 47(7): 916-923, 933. FAN Q X, ZHOU S W, LIN P, et al. Construction intelligent control packaged technology and its application for a large hydropower project[J]. Journal of Hydraulic Engineering, 2016, 47(7): 916-923, 933. (in Chinese) |
[41] |
樊启祥, 强茂山, 金和平, 等. 大型工程建设项目智能化管理[J]. 水力发电学报, 2017, 36(2): 112-120. FAN Q X, QIANG M S, JIN H P, et al. Intelligent management of large-scale construction projects[J]. Journal of Hydroelectric Engineering, 2017, 36(2): 112-120. (in Chinese) |
[42] |
ASHTON K. That 'internet of things' thing[J]. RFID Journal, 2009, 22(7): 97-114. |
[43] |
樊启祥, 孙洪昕, 雷振, 等. 大型梯级水电项目开发知识管理研究[J]. 土木工程学报, 2020, 53(1): 102-109. FAN Q X, SUN H X, LEI Z, et al. Knowledge management in project development of large cascaded hydropower projects[J]. China Civil Engineering Journal, 2020, 53(1): 102-109. (in Chinese) |