Russian Federation
Moscow, Moscow, Russian Federation
UDC 681.5
UDC 69
V stat'e predstavlen algoritm intellektual'noy obrabotki dannyh monitoringa stroitel'noy tehniki, integriruemyy v sistemu upravleniya zhiznennym ciklom ob'ekta kapital'nogo stroitel'stva. Cel' issledovaniya — razrabotka formalizovannoy procedury adaptivnogo upravleniya parkom mashin, obespechivayuschey operativnoe vyyavlenie i ustranenie disbalansov mezhdu planovymi i fakticheskimi parametrami proizvodstvennogo processa. Metodologicheskuyu osnovu raboty sostavlyaet kompleksnyy podhod, vklyuchayuschiy sistemnyy analiz, metody matematicheskogo modelirovaniya, optimizacii (lineynoe programmirovanie, metod PERT) i veroyatnostno-statisticheskie metody. V stat'e detalizirovana matematicheskaya model' sostoyaniya edinicy tehniki kak mnogomernogo vektora, predlozhena sistema klyuchevyh pokazateley effektivnosti (Kti, Kvn), a takzhe poshagovo formalizovan algoritm zamknutogo cikla upravleniya: ot sbora i verifikacii dannyh do formirovaniya optimizacionnyh resheniy i posleduyuschego obucheniya sistemy. Proveden analiz sootvetstviya razrabotannyh procedur trebovaniyam deystvuyuschey normativnoy bazy (SP, GOST, ENiR). Nauchnaya novizna zaklyuchaetsya v sozdanii celostnogo, integrativnogo algoritma, uvyazyvayuschego potoki telemetricheskih dannyh, informaciyu iz BIM-modeli i kalendarno-setevye grafiki v edinyy kontur upravleniya s obratnoy svyaz'yu, chto sozdaet osnovu dlya perehoda k kolichestvenno obosnovannomu upravleniyu tehnicheskimi resursami v stroitel'stve.
construction vehicles, life cycle management, adaptive control, intelligent data processing, telematics, BIM modelling, predictive analytics, optimisation algorithm, organisational and technological reliability
Введение
Современное строительное производство представляет собой сложный динамический процесс, эффективность которого в значительной степени определяется качеством управления парком строительной техники на всех этапах жизненного цикла объекта [1, 2]. От своевременности и производительности машин зависят не только текущие темпы работ, но и долгосрочные показатели надежности, стоимости эксплуатации и соблюдения инвестиционных графиков [3, 4]. В парадигме управления жизненным циклом (Building Lifecycle Management, BLM) строительная техника рассматривается не как изолированный ресурс, а как неотъемлемый элемент, влияющий на формирование затрат на этапе строительства и закладывающий основы будущих эксплуатационных расходов1[2].
Традиционные методы диспетчеризации и контроля, базирующиеся на дискретных плановых замерах и эмпирических решениях, не позволяют оперативно реагировать на возникающие дисбалансы [3]. Внедрение технологий информационного моделирования (BIM) и систем промышленного интернета вещей (IoT) обеспечивает непрерывный поток телеметрических данных (координаты, нагрузка, расход топлива, моточасы) [5, 6]. Однако наличие «сырых» данных не равнозначно наличию эффективных управленческих решений. Существует методологический разрыв между потоком регистрируемых параметров и их интерпретацией в контексте жизненного цикла объекта. Отсутствие формализованных алгоритмов, интегрирующих данные мониторинга с нормативной базой (СП, ГОСТ, ЕНиР) и динамической BIM-моделью, препятствует реализации потенциала «умной» стройки1 [6].
Целью настоящей работы является разработка алгоритма интеллектуальной обработки данных мониторинга строительной техники, обеспечивающего оперативное выявление дисбалансов и выработку оптимальных управляющих воздействий для минимизации интегральных потерь на всех стадиях инвестиционно-строительного проекта [1, 7].
Методологическая база исследования носит комплексный междисциплинарный характер. Системный анализ позволил декомпозировать процесс эксплуатации техники на контролируемые элементы и установить взаимосвязи между их состоянием и целевыми показателями жизненного цикла [3]. Математическое моделирование использовано для формализации состояния единицы техники в виде многомерного вектора, отражающего временные, нагрузочные, топливные и пространственные характеристики [7]. Методы оптимизации (линейное программирование, метод PERT) применены для решения задачи оперативного перераспределения ресурсов: целевая функция минимизирует суммарные потери от простоев, задержек задач и перебазирования при соблюдении технологических ограничений [7]. Вероятностно-статистические методы и методы машинного обучения обеспечивают расчет интегральных показателей дисбаланса, адаптацию весовых коэффициентов и обработку видеоданных для автоматического распознавания рабочих циклов [5]. Геоинформационные методы позволяют учитывать пространственное расположение техники и задач при планировании маршрутов. Нормативно-справочная база (СП 48.13330, ГОСТ Р 57360, ЕНиР) интегрирована в алгоритм для обеспечения сопоставимости фактических показателей с отраслевыми стандартами, регламентирующими процессы на этапах строительства и эксплуатации2.
Научная новизна работы заключается в создании целостного алгоритма, реализующего замкнутый цикл управления «планирование – мониторинг – анализ – коррекция» на базе интеграции разнородных данных (телеметрия, видео, BIM-модель) в контексте управления жизненным циклом объекта [2, 5]. Практическая значимость состоит в возможности перевести управление парком техники с уровня эмпирических решений на уровень количественно обоснованных управленческих воздействий, что напрямую способствует повышению организационно-технологической надежности строительства и снижению совокупной стоимости владения (Total Cost of Ownership, TCO) как для техники, так и для возводимого объекта в целом [3, 4].
1. Алгоритм интеллектуальной обработки данных мониторинга строительной техники в системе управления жизненным циклом объекта
Разработанный алгоритм представляет собой формализованную процедуру адаптивного управления, реализующую принцип «планирование-мониторинг-анализ-коррекция» в реальном времени. Его цель — минимизация интегральных потерь от неэффективного использования строительной техники за счет оперативного устранения дисбалансов между плановым и фактическим состоянием системы.
1.1. Концептуальная основа и нормативные требования
Алгоритм построен с учетом требований ключевых нормативных документов, регулирующих организацию строительного производства и использование техники:
- СП 48.13330.2019 «Организация строительства»: алгоритм обеспечивает выполнение п. 5.7 (оперативный контроль и учет работ) и п. 6.4 (управление материально-техническими ресурсами) за счет непрерывного мониторинга и автоматизированного формирования отчетных данных2;
- ГОСТ Р 57360-2016/ISO 15686-1:2011 «Здания и сооружения. Планирование срока службы»: реализуется принцип стоимостного учета жизненного цикла (LCC) за счет контроля параметров, влияющих на износ и будущие затраты на ремонт (моточасы, режимы нагрузки)1;
- Ведомственные нормы (ВНиР, ЕНиР): фактические показатели работы (объемы, время) сопоставляются с нормативными, заложенными в алгоритм, для расчета коэффициента выполнения норм и выявления причин отклонений [4].
1.2 Математическая модель состояния и эффективности единицы техники
Базовой единицей управления в рамках рассматриваемой системы выступает отдельная машина или транспортное средство. Её состояние в момент времени
$\vec{S}(t)=[T_{рi}(t),T_{пi}(t),Φ_{i}(t),L_{i}(t),ΔQ_{i}(t),Π_{i}(t),\vec{X_{i}}(t)],$
где:
- $\vec{X_{i}}(t)]$ — вектор координат в системе координат строительной площадки.
1.3 Ключевые расчетные показатели (KPI) на единицу техники:
Одним из основных показателей является коэффициент технического использования (Кти), который определяется следующим образом:
$Кти_{i}(t)=\frac{T_{рi}(t)}{T_{рi}(t)+T_{пi.внепл}(t)},$
где Tпi.внепл — время внепланового простоя. Целевое значение
Данный коэффициент характеризует долю времени, в течение которого техника фактически используется по назначению. Снижение значения ниже уровня 0.75, согласно отраслевой статистике, рассматривается как индикатор необходимости дополнительного анализа.
Коэффициент выполнения нормы выработки (Квн) может быть рассчитан по формуле:
$Квн_{i}(t)=\frac{V_{факт.i}(t)}{V_{план.i}(t)}=\frac{\int_{t_{0}}^{^{t}}Φ_{i}(τ)dτ}{\sum_j N_{выр.ij}\cdot T_{р.ij}},$
где Vплан.i(t) — плановый объем по заданию, рассчитанный на основе норм времени из ЕНиР
Значение коэффициента ниже единицы указывает на возможные проблемы в организации рабочего процесса либо на наличие технических неисправностей оборудования.
2. Алгоритм адаптивного управления (пошаговая формализация)
Шаг 1. Сбор и верификация данных
Получение вектора
Шаг 2. Ситуационный анализ и выявление дисбалансов
Для каждой машины рассчитываются отклонения
$δ_{i}(t)=ω_{1}\cdot (1-Кти_{i}(t))+ω_{2}\cdot (1-Квн_{i}(t))+ω_{3}\cdot \frac{ΔQ_{i}(t)}{Q_{нi}}+ω_{4}\cdot ΔΠ_{i}(t)$
где ω
Полученное значение позволяет оценить степень отклонения текущего состояния техники от плановых параметров и выявить потенциальные дисбалансы.
Шаг 3. Прогнозирование и ранжирование задач
На основе данных BIM-модели (график 4D) [2] и текущего состояния формируется ранжированный список предстоящих задач
- Типом требуемой техники
- Плановой длительностью
- Приоритетом
- Геокоординатами $\vec{X}_{k}$.
Шаг 4. Формирование управляющих воздействий (оптимизационная задача)
При превышении порога
$F=\min\left(\sum_{i\in I}C_{i.простой}\cdot T_{пi}+\sum_{k\in K}C_{k.задержки}\cdot\max(0,t_{нач.k}-t_{план.нач.k})+\sum_{i\in I}C_{i.переб}\cdot d(\vec{X_{i}},\vec{X_{k}})\right)$
где:
Ограничения:
- $\sum_{i\in I_{m}}T_{рi}\ge\sum_{k\in K_{m}}D_{k}$ — обеспеченность ресурсом типа
Шаг 5. Валидация и исполнение
Решение, полученное на Шаге 4, представляется диспетчеру в виде оптимального варианта («Назначить экскаватор Э-5 на разработку котлована участка А2») и 1-2 запасных. Диспетчер, обладая контекстуальными знаниями (например, «оператор Э-5 заболел»), утверждает или корректирует решение. Утвержденное решение направляется исполнителям, а плановые показатели в BIM-модели корректируются.
Шаг 6. Оценка эффективности и обучение
По итогам отчетного периода (смена, сутки) рассчитывается интегральный показатель эффективности управления парком:
$Э_{парк}=\frac{\sum_i(Кти_{i}\cdotКвн_{i}\cdot V_{i})}{\sum_iC_{i.экспл}}\cdot100\%$
где
Заключение
Разработанный алгоритм представляет собой формализованное решение задачи перехода от реактивного к превентивному управлению парком строительной техники на протяжении всего жизненного цикла объекта [1, 2]. В отличие от существующих эмпирических подходов [3], предложенная процедура базируется на непрерывном анализе многомерного вектора состояния каждой единицы техники, расчете интегральных показателей дисбаланса и решении оптимизационной задачи перераспределения ресурсов с учетом стоимостных факторов, технологических ограничений и нормативных требований [7]. Ключевой особенностью алгоритма является реализация замкнутого цикла «планирование — мониторинг — анализ — коррекция», включающего этап рефлексивного обучения для последующей адаптации весовых коэффициентов и улучшения прогнозных моделей [5]. Практическая реализация предложенных процедур позволяет минимизировать интегральные потери от простоев, срывов сроков и нерационального использования машин, что напрямую способствует повышению организационно-технологической надежности строительного производства [3] и снижению совокупной стоимости владения как для техники, так и для объекта в целом1. Представленный алгоритм создает методологическую основу для последующей алгоритмизации и разработки цифровых сервисов поддержки принятия решений при управлении техническими ресурсами в строительстве [6].
_______
1СП 333.1325800.2020 Информационное моделирование в строительстве. М.: Минстрой России, 2020.
2СП 48.13330.2019. Организация строительства. Актуализированная редакция СНиП 12-01-2004. М.: Минстрой России, 2020.
1. Radaikin A.G., Radaikin A.G. Digital Transformation of the Construction Industry in Russia: Problems and Prospects // Tehnologii menedzhmenta v sovremennoj jekonomike: tendencii i perspektivy : Proceedings of the V International Scientific Conference. In 3 volumes. Rostov-on-Don, March 13–15, 2025. Rostov-on-Don – Taganrog : Yuzhnyy federal'nyy universitet, 2025. P. 70-75. EDN: https://elibrary.ru/TZQDZH
2. Burova O.A., Bozhik A.S., Shevcov A.V. Application of BIM Technologies in Construction: Domestic and International Experience // Vestnik MFJuA. 2020. № 2. Pp. 84–90. EDN: https://elibrary.ru/HYOTET
3. Slavkin S. V., Anpilogov A. M., Olkhovaya L. I., Chisty Yu. A. Organizacionno-tehnologicheskaya nadezhnost' stroitel'nogo proizvodstva // Student-innovacii Rossii. 2019. V. 1, № 5. Pp. 28-34. EDN: https://elibrary.ru/ELSJZQ
4. Kharisov A. R., Koklyugina L. A., Koklyugin A. V. Study of Existing Methods for Determining the Duration of Construction of Industrial Facilities // Izvestiya Kazanskogo gosudarstvennogo arhitekturno-stroitel'nogo universiteta. 2012. № 1(19). Pp. 134-139. EDN: https://elibrary.ru/PASJWZ
5. Kurbatov V.L., Rimshin V.I., Shubin I.L., Volkova S.V. Information Modeling and Artificial Intelligence in Modern Construction and Housing and Communal Services. Moscow : ASV, 2023. 420 p. ISBN 978-5-4323-0491-9. EDN: https://elibrary.ru/MSLGGU
6. Chudaeva A.A., Baryshev D.V. Incorporation of Digital Technologies in Construction: Current Situation and Prospects // Teorija i praktika obshhestvennogo razvitija. 2023. № 6(182). Pp. 69–74.
7. Shushkanova S.G., Kropacheva D.D., Dolgachev M.V. Application of Mathematical Modeling Methods in the Design and Construction of Buildings and Structures // Vestnik nauki. 2024. № 6(75).
