Россия
Москва, г. Москва и Московская область, Россия
УДК 681.5 Автоматика. Теория, методы расчета и аппаратура систем автоматического управления и регулирования. Техническая кибернетика. Техника автоматизации
УДК 69 Строительство. Строительные материалы. Строительно-монтажные работы
В статье представлен алгоритм интеллектуальной обработки данных мониторинга строительной техники, интегрируемый в систему управления жизненным циклом объекта капитального строительства. Цель исследования — разработка формализованной процедуры адаптивного управления парком машин, обеспечивающей оперативное выявление и устранение дисбалансов между плановыми и фактическими параметрами производственного процесса. Методологическую основу работы составляет комплексный подход, включающий системный анализ, методы математического моделирования, оптимизации (линейное программирование, метод PERT) и вероятностно-статистические методы. В статье детализирована математическая модель состояния единицы техники как многомерного вектора, предложена система ключевых показателей эффективности (Кти, Квн), а также пошагово формализован алгоритм замкнутого цикла управления: от сбора и верификации данных до формирования оптимизационных решений и последующего обучения системы. Проведен анализ соответствия разработанных процедур требованиям действующей нормативной базы (СП, ГОСТ, ЕНиР). Научная новизна заключается в создании целостного, интегративного алгоритма, увязывающего потоки телеметрических данных, информацию из BIM-модели и календарно-сетевые графики в единый контур управления с обратной связью, что создает основу для перехода к количественно обоснованному управлению техническими ресурсами в строительстве.
строительная техника, управление жизненным циклом, адаптивное управление, интеллектуальная обработка данных, телематика, BIM-моделирование, предиктивная аналитика, алгоритм оптимизации, организационно-технологическая надежность
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. Радайкин А. Г., Радайкин, А. Г. Цифровая трансформация строительной отрасли в России: проблемы и перспективы // Технологии менеджмента в современной экономике: тенденции и перспективы: Материалы V Международной научной конференции. В 3-х томах, Ростов-на-Дону, 13–15 марта 2025 года. Ростов-на-Дону - Таганрог: Южный федеральный университет, 2025. С. 70-75. EDN: https://elibrary.ru/TZQDZH
2. Бурова О. А., Божик А. С., Шевцов А. В. Применение BIM технологий в строительстве: отечественный и мировой опыт // Вестник МФЮА. 2020. №2. С. 84–90. EDN: https://elibrary.ru/HYOTET
3. Славкин С. В., Анпилогов А. М., Ольховая Л. И., Чистый Ю. А. Организационно-технологическая надежность строительного производства // Студент-инновации России. 2019. Т. 1, № 5. С. 28-34. EDN: https://elibrary.ru/ELSJZQ
4. Харисов А. Р., Коклюгина Л. А., Коклюгин А. В. Исследование существующих методов определения продолжительности строительства промышленных объектов // Известия Казанского государственного архитектурно-строительного университета. 2012. № 1(19). С. 134-139. EDN: https://elibrary.ru/PASJWZ
5. Курбатов В. Л., Римшин В. И., Шубин И. Л., Волкова С. В. Информационное моделирование и искусственный интеллект в современном строительстве и жилищно-коммунальном хозяйстве. М. : Издательский дом АСВ, 2023. 420 с. ISBN 978-5-4323-0491-9. EDN: https://elibrary.ru/MSLGGU
6. Чудаева А. А., Барышев Д. В. Инкорпорация цифровых технологий в строительство: текущая ситуация и перспективы // Теория и практика общественного развития. 2023. №6 (182).
7. Шушканова С. Г., Кропачева Д. Д., Долгачев М. В. Применение методов математического моделирования при проектировании и строительстве зданий и сооружений // Вестник науки. 2024. №6 (75).
