装配式建筑项目智能建造成熟度评价与模型构建方法

卢昱杰; 高慧; 魏伟

doi:10.12404/j.issn.1671-1815.2500817

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (11) :4800-4812 DOI: 10.12404/j.issn.1671-1815.2500817

建筑科学

装配式建筑项目智能建造成熟度评价与模型构建方法

卢昱杰 ¹^,² ,
高慧 ³ ,
魏伟 ¹^,^*

作者信息 +

Maturity Evaluation and Model Development Methods of Intelligent Construction for Prefabricated Building Projects

LU Yu-jie ¹^,² ,
GAO Hui ³ ,
WEI Wei ¹^,^*

Author information +

文章历史 +

摘要

建筑业智能化与工业化发展为行业转型升级提供新的思路,智能建造与装配式建筑成为促进工程建造提质增效的重要发展方向。然而,装配式建筑的智能建造能力评价方法尚未成熟,限制新型工业化建造理念与智能建造技术的推广应用。基于目标决策优化理论提出一套装配式建筑项目智能建造成熟度评价模型。首先,从技术、管理、过程维度构建了58个智能建造能力评价指标,并基于修正的Simos方法确定评价指标权重。其次,通过SMAA-TRI(stochastic multicriteria acceptability analysis-triage)方法改进ELECTRE-TRI(elimination and choice expressing reality- triage)算法用于项目成熟度等级评价与敏感性分析。案例研究结果证明,改进的ELECTRE TRI算法相对于传统方法可通过概率分布的方式更精准、科学地反映项目的智能建造成熟度水平。研究结果为建筑工业化背景下的智能建造成熟度研究提供理论借鉴,为装配式项目智能建造顶层设计、发展路径与推进策略提供实践参考。

Abstract

The intelligent and industrialized development of the construction industry has been viewed as providing new directions for industry transformation and upgrading. Intelligent construction and building industrialization have been regarded as important development directions for enhancing the quality and efficiency of engineering construction. However, the evaluation methods for the intelligent construction capability of prefabricated buildings have not yet been fully developed. The promotion and application of new industrialized construction concepts and intelligent construction technologies have therefore been constrained. An intelligent construction maturity evaluation model was proposed for prefabricated building projects based on goal decision optimization theory. First, 58 evaluation indicators for intelligent construction capability were developed from the technical, management, and process dimensions, and the weights of these indicators were determined using a modified Simos method. Second, the project maturity level was evaluated using the SMAA-TRI(stochastic multicriteria acceptability analysis-triage)and ELECTRE-TRI(elimination and choice expressing reality- triage)algorithms. The results show that the improved ELECTRE TRI algorithm can more accurately reflect the project's intelligent construction maturity level in a probabilistic distribution approach compared to traditional methods. The result provides theoretical insights for research on intelligent construction maturity and offers practical references to promote the development of intelligent construction in prefabricated projects.

Graphical abstract

关键词

建筑智能化 / 建筑工业化 / 成熟度模型 / ELECTRE TRI算法 / SMAA TRI算法

Key words

intelligent construction / construction industrialization / maturity model / ELECTRE TRI algorithm / SMAA TRI algorithm

引用本文

引用格式 ▾

卢昱杰, 高慧, 魏伟. 装配式建筑项目智能建造成熟度评价与模型构建方法[J]. 科学技术与工程, 2026, 26(11): 4800-4812 DOI:10.12404/j.issn.1671-1815.2500817

LU Yu-jie, GAO Hui, WEI Wei. Maturity Evaluation and Model Development Methods of Intelligent Construction for Prefabricated Building Projects[J]. Science Technology and Engineering, 2026, 26(11): 4800-4812 DOI:10.12404/j.issn.1671-1815.2500817

登录浏览全文

4963

注册一个新账户忘记密码

智能化与工业化发展已成为建筑行业的重要转型方向与未来趋势。为促进建筑业可持续发展,近年来中国大力推行装配式建造,工厂化预制构件生产方式将极大程度减轻劳动作业量,减少建造生产对环境造成的影响。同时,大数据、物联网、人工智能等信息化技术正逐步融入建筑行业,成为促进工程建造提质增效的发展新动能。建筑业提出“智能建造”发展新概念,其面向工程项目全生命周期,通过融合信息技术与传统工程建造技术^[1],旨在推动建筑业创新转型升级。

在此背景下,厘清建筑装配化与智能化的发展阶段与成熟度水平,进而挖掘其建设方案的薄弱点并加以整改优化,对加速推进装配式智能建造发展具有重要意义。近年来,已有相关研究从行业、企业、项目、技术角度对智能建造发展阶段进行了多层级评价。在行业发展方面,马智亮等^[2]关注于信息技术在工程建造各阶段应用功能的全面性,将建筑业发展划分为信息化、数字化与智能化阶段。在企业发展方面,苑东亮等^[3]面向施工企业基于组合赋权-云模型对智能建造应用成熟度进行了系统评价。在项目评价方面,全国各地相继出台智慧工地项目评价标准,例如,北京市智慧工地评价标准DB11/T 1946—2021从施工进度、质量、安全、环境等角度进行智慧工地评价,将其智能建造等级分为A、AA和AAA三个等级。在技术评价方面,Pan 等^[4]从社会性、经济性、环境友好三个方面衡量建筑机器人的发展水平;李涛等^[5]面向地下工程的数字孪生建模进行五级成熟度分级;郭丰毅等^[6]面向空中造楼机提出数字化路径,推动高层建筑施工向智能化管理迈进。综上所述,相关学者已从不同评价维度对智能建造发展进行多层级分析与评估。然而现有评价方法关注智能建造发展层面各不相同,多局限于技术发展或管理创新等细分领域,尚未形成全面、系统智能建造发展评估体系。

学者们在智能化宏观发展评价的基础上,建立了更为深入细致的量化指标,用于定量评估工业化与智能化发展成熟度等级。在建筑工业化方面,李珠月^[7]从建造过程、行业政策、行业环境、行业效益层面建立了工业化建筑发展成熟度模型。在建筑智能化领域,学者对智能建造相关技术成熟度进行了初步探索。Underwood等^[8]从流程、技术、政策三个主要方面制定了12个度量指标来计算BIM(building information modeling)成熟度;陶飞等^[9]从物理实体、数字孪生模型、数字孪生数据、连接交互和功能服务五个维度将评估单元级(如机器人)及系统级(生产车间)的数字孪生技术成熟度等级。上述研究已涵盖建筑智能化、工业化等重要发展趋势的成熟度等级评价方法。然而,智能化领域多聚焦于技术成熟度研究,尚未全面探究技术、管理、过程等综合要素对智能建造发展的影响。此外,现有研究较少同时考虑工业化与智能化耦合影响下的智能建造成熟度评估。

围绕建筑工业化与智能化的发展方向,基于成熟度与目标决策优化理论(multi-criteria decision analysis,MCDA)^[10]建立了一套装配式建筑项目智能建造成熟度评价模型,用于量化评估建筑项目的智能建造发展水平,剖析智能化发展薄弱点并提供优化发展建议。具体研究如下。

(1)基于智能建造基础理论^[11-13]厘清装配式建筑项目智能建造发展的影响因素,形成涵盖58个评价指标的智能建造成熟度评估体系。

(2)基于修正的Simos方法确定评价指标的权重。

(3)提出基于SMAA-TRI(stochastic multicriteria acceptability analysis-triage)^[14]与ELECTRE-TRI(elimination and choice expressing reality- triage)^[15]的智能建造成熟度等级评价方法。

(4)基于成熟度评价模型进行案例验证与评估方法对比,提出智能建造优化发展建议。

研究结果可为建筑工业化背景下的智能建造成熟度研究提供理论范式,为智能建造顶层设计、整体规划与实施策略提供实践参考。

1 装配式建筑项目智能建造成熟度模型与评价方法

1.1 研究方法

为了分析装配式建筑项目所处智能建造等级,提出智能建造成熟度模型与评价方法,其框架如图1所示。首先,从技术、管理和过程三个维度分析智能建造成熟度的影响因素与评价指标;其次,基于修正的Simos方法量化评价指标的重要性权重;然后,基于SMAA-TRI与ELECTER TRI方法对评价指标打分结果进行度量分析,输出项目智能建造成熟度等级;最后,基于案例分析验证评价方法的有效性,剖析智能建造案例的发展薄弱点,提出未来发展建议。

1.2 智能建造成熟度等级划分

以多种经典成熟度模型为基础,如软件能力成熟度评价模型CMMI(capability maturity model integration)、智能制造成熟度模型等,以信息技术应用水平、业务信息共享能力、智能技术应用效益为考量标准,将装配式建筑项目智能建造成熟度划分为阶梯上升的5个等级,如图2所示,表示智能建造项目逐步趋于信息化、集成化、无人化、最优化。

(1)初始级。建造项目对智能建造概念内涵尚未明确,暂未制订智能化建造目标、措施、方案,对信息技术应用程度低,体系化程度弱。

(2)智能起步级。建造项目已初步形成的信息技术应用系统,用于辅助技术和管理人员执行工作。此阶段的技术应用范围较为局限,易形成信息孤岛,信息共享能力与数据传输柔性较弱。

(3)智能发展级。建造项目形成较为完备的信息技术应用系统平台。信息与数据传输速度与标准化程度提升。系统平台可通过数据协同实现信息共享,通过技术集成实现多功能服务。

(4)智能优化级。人工智能技术已在建设项目中得到应用,数字化驱动的建设模式得以推广,促进项目管理少人化甚至无人化。

(5)智能引领级。建造项目已具备预测、预警与自适应能力,可及时发现、反馈并解决问题,项目开始持续产生智慧收益,形成良性循环,成为智能建造标杆。

1.3 智能建造成熟度关键要素与评价指标

传统建造方式的智能化升级涉及管理方式与建造过程的双轮驱动转型。管理方式转型旨在实现建造安全、质量、进度、成本等全要素智能化、精细化管理。建造过程转型则关注设计、生产、施工的全过程标准化与智能化。新型智能建造方式可通过集成5G、物联网、云计算等新型信息化技术对传统建造方式进行智能化升级。综合考虑上述因素,凝练了影响装配式建筑智能建造成熟度评价的三个关键要素:技术成熟度、管理成熟度和过程成熟度,如图3所示。同时,为了对上述关键要素的表现进行准确、科学衡量,遵循科学性、系统性、相互独立性与可量化性的原则,综合智能建造在多种维度的表现特点,针对每一类关键要素建立初始评价指标。

1.3.1 技术成熟度关键要素与评价指标

技术成熟度旨在对建造项目的智能化技术应用表现进行评估,具体表现为智能感知能力、智能分析能力与智能控制能力。

(1)智能感知指通过布设多种传感设备收集建造过程的多源异构数据,并进行数据传输与存储,实现数据关联与共享。

(2)智能分析指基于AI、大数据等智能化技术进行数据处理与分析,提取建造活动要素关键语义信息,为建造过程的实时监控、有序调度提供依据。

(3)智能控制指基于3D打印、建筑机器人、智能化机具等对施工设备、机械进行自主控制、故障自诊断、施工任务智能调度,保证系统运行的稳定性、安全性与实时性。

技术成熟度的具体评价指标如图4所示^[16-21]。

1.3.2 管理成熟度关键要素与评价指标

管理成熟度旨在从管理要素角度对智能建造模式下的安全管理能力、进度管理能力、质量管理能力、环境管理能力和成本管理能力进行评估。

(1)安全管理指将智能化技术应用于施工安全培训、项目风险源动态监控、不安全行为判别与安全预警触发。

(2)进度管理指通过施工面积、体积等指标衡量现场进度,分析进度偏差,调整进度计划并进行三维可视化进度展示。

(3)质量管理指对材料、产品等工艺流程实现全过程工程质量追溯并持续进行质量改进,例如,胡名琪等^[22]融合MobileNetv3实现钢材表面缺陷检测。

(4)环境管理指对施工扬尘、噪声、排水等进行异常监测、警报和反馈,促进资源节约与再生利用。

(5)成本管理指对建筑材料、构件进行工程量计算与成本估计,在保证安全质量进度前提下实现成本优化。

管理成熟度的具体评价指标如图5所示^[23-27]。

1.3.3 过程成熟度关键要素与评价指标

过程成熟度旨在从建设全过程的角度评价项目在设计、生产与施工过程中的智能建造成熟度。

(1)设计过程关注AI辅助的建筑方案设计、多专业系统(结构、水电、暖通等)协同设计与建筑施工图设计^[28]。

(2)生产过程关注于基于人机协同的构部件自动化加工、标准化养护、存储及流水化出厂运输。

(3)施工过程关注评估施工前期准备、施工实施过程及竣工验收阶段的智能化应用水平。

过程成熟度的具体评价指标如图6所示^[25,28-38]。

1.3.4 成熟度评价指标优化与检验

经过综合分析,从技术、管理、过程维度建立了智能建造成熟度评价的关键要素及初始评价指标。

为了进一步提升评价指标的合理性,邀请了5位经验丰富的智能建造专家对指标进行评估。受邀专家的工作范围涵盖建筑设计、施工、技术研发,且工作年限均超过6年。经过专家访谈与调研,对初始评价指标进行优化,修正过程如图4~图6所示。①对定义模糊的评价指标进行修正;②对未考虑的影响因素,新增评价指标;③对含义相近的评价指标进行修正合并。最终形成58项智能建造成熟度评价指标,如图7所示。

进一步应用克朗巴哈参数α对上述评价指标进行了信度检测。α的取值区间为(0~1),表示指标的内部一致性,其取值大小与信度正相关。研究在高校、施工企业、设计院等多方组织机构发放调查问卷50份,回收有效问卷45份,要求受试者采用7级量化指标进行打分。最终通过SPSS数据处理软件计算得到克朗巴哈系数α=0.894,证明优化后的成熟度评价指标信度良好。

最终,参考软件能力成熟度模型CMM(capability maturity model) ^[39]等其他领域的评价要素等级划分方法,并结合装配式建筑智能建造层级式发展的特点,将上述评价要素划分为5个等级(0~5打分机制),与项目智能建造成熟度等级划分一致(图2),为后续过程中项目成熟度等级评价奠定基础。

1.4 智能建造成熟度评价指标重要性权重评估

在确定成熟度评价指标的基础上,考虑到评价指标对成熟度等级判断的影响程度不同,进一步对评价指标的权重进行评估。层次分析法^[40]与Simos分析法^[41]是常用的指标赋权法。层次分析法需要专家对评价指标两两比较,指标数量较多时将会带来繁重的工作量。Simos分析法则适用于评价指标较多的情况,但该方法应用四舍五入的赋权方式,使得权重指标解不唯一,影响评价结果稳定性。建立一种修正的Simos评分方法,通过专家打分的方式实现标准化的指标权重计算。具体包含专家指标评分与指标权重计算两个过程。

1.4.1 评价指标重要性专家评分

专家指标评分过程采用卡片排序的方式进行。每张卡片代表一项评价指标,称指标卡片。专家需对每张指标卡片按照重要性程度由低到高的规则进行排序。为了进一步量化指标之间的重要性差异,引入空白卡片,称白卡。专家可将若干白卡插入相邻等级的指标卡片之间,两个相邻指标卡片之间白卡数量越多则代表其重要性差异程度越大。

两指标卡片之间的白卡数量为0,则其重要性差异设定为u;白卡数量为a时,则其重要性差异设定为(a+1)u。最重要与最不重要的两指标的重要性比值设定为z。

由于评价指标数量较多,为了保证专家操作的简易性,对上述卡片排序过程优化为十分制专家打分,将得分差异最小的两指标得分差值设定为

$\stackrel{~}{u}$

,进而可推算指标之间的等价白卡数量

$\stackrel{~}{r}$

与最大重要性比值

$\stackrel{~}{z}$

。

1.4.2 评价指标重要性权重计算

依据专家指标评分初步计算评价指标的非标化权重k(r),计算公式^[41]为

(1)k(r)=1+$\frac{z-1}{\stackrel{n-1}{\sum _{r=1}}({a}_{r}+1)}\stackrel{r+1}{\sum _{r}}$(a_r+1)

式(1)中:r为指标的重要性等级,r=1,2,…, n; k(r)为重要性为r的指标集的非标准化权重,其数值四舍五入保留两位小数;a_r为等级r与r+1之间的白卡数量。

为了保证权重总和为百分制,进一步对非标化权重进行归一化处理,公式^[41]为

(2)k_i=$\left\{\begin{array}{ll}k″{}_{i}+{10}^{-w},& \mathrm{从}n\mathrm{个}\mathrm{指}\mathrm{标}\mathrm{中}\mathrm{选}\mathrm{取}v\mathrm{个}\mathrm{指}\mathrm{标}\\ k″{}_{i},& \mathrm{从}n\mathrm{个}\mathrm{指}\mathrm{标}\mathrm{中}\mathrm{选}\mathrm{取}n-v\mathrm{个}\mathrm{指}\mathrm{标}\end{array}\right.$

(3)$v=10^{-w}\left(100-\sum_{i=1}^{n} k_{i}^{\prime \prime}\right)$

式中:k_i为指标i的归一化权值,i = 1,2,…, n; k″_i由$\left(100-\sum_{i=1}^{n} k_{i}^{\prime \prime}\right)$的小数部分四舍五入取整后得到;k'_i=k(r)为指标i的非标准化权重;w为中间计算参数,其取值与k″_i的四舍五入取整方式有关,当不考虑小数部分时,w = 0;当考虑一位小数时,w = 0;当考虑两位小数时,w = 2。

按照上述计算方式,可基于Python语言实现Simos权重分析流程,最终基于专家指标重要性打分得到每个评价指标的计分权重,如图4~图6所示。

1.5 智能建造成熟度等级评价方法

在获取评价指标得分的基础上,本节旨在基于评价指标的表现得出项目智能建造成熟度等级。消去与选择转换法ELECTRE^[15]是典型的目标决策理论方法,现已被广泛应用于施工方案优劣排序^[42]、招标方案选择^[43]等多标准决策问题。其中,ELECTRE TRI方法可支持决策定性定量评价,输出结果为评价对象分类,适用于智能建造项目成熟度评级研究。研究进一步基于SMAA-TRI方法对ELECTRE TRI参数求解过程进行优化,实现智能建造成熟度评价的精准概率分析。

1.5.1 基于ELECTER TRI方法的成熟度等级评价

ELECTRE TRI方法涉及评价对象的二元关系比选,两评价对象a和b的关系包含无差异关系、严格优于关系、弱优于关系、不可比较关系四种形式。基于ELECTRE TRI方法对评价指标进行综合分析,以评估项目的智能建造表现a与不同成熟度等级表现b的相对关系,进而判断项目所处的智能建造成熟度等级。

1)ELECTER TRI方法基本原理

ELECTER TRI方法可通过对评价指标的得分评级进行综合分析以推断项目的成熟度评级。以g_i(a)表示项目a在评价指标i的得分表现;C¹,C²,…,C^h,…,C^k表示评价指标所处的等级,该等级划分与项目成熟度等级划分保持一致,其中,C^k表示最高级别;b₁,b₂,…,b_h,…,b_k_-1表示k个等级之间的得分临界阈值,当g_i(a)优于b_h但不优于b_h₊₁时,将g_i(a)归为类别C^k⁺¹等级,上述方法原理如图8所示。

为了由评价指标的得分等级进一步判断项目的成熟度等级,需要进行可信度指标验证,包含一致性检验与非一致性检验。一致性检验旨在保证项目在所有评价指标的表现g(a)中,有足够多的评价指标g_i(a)优于b_h;非一致性检验是为了保证没有足够多的评价指标否定g_i(a)优于b_h。可信度指标的验证过程涉及如下偏好参数与相关指数^[44]。

(1)无差异阈值q_i:表示保持无差异关系,g_i(a)与b_h表现之间的最大差异。

(2)严格优于(偏好)阈值p_i:表示为保持严格优于关系,g_i(a)与b_h表现之间的最小差异。

(3)否决阈值v_i:表示为否定g_i(a)优于b_h,g_i(a)与b_h表现之间的最小差异;上述阈值之间的大小关系为:0≤q_i≤p_i≤v_i。

(4)部分一致性指数c_i[g_i(a),b_h]:表示第i个指标多大程度满足g_i(a)优于b_h。

(5)全局一致性指数c[g_i(a),b_h]:表示所有指标在多大程度上满足g_i(a)优于b_h。

(6)不一致性指数d_i[g_i(a),b_h]:表示第i个指标在多大程度上否定g_i(a)优于b_h。

(7)可信度指数σ[g(a),b_h]:表示超过关系g_i(a)优于b_h的可信度,截止水平λ为验证g(a)优于b_h所需的满足条件指标的最小占比,λ取值范围为0.5~1。

2)ELECTER TRI方法计算步骤

求解可信度指标用于判断项目所处的成熟度等级,需按如下步骤进行求解分析,如图9所示。

首先,确定每个评价指标的部分一致性指数c_i[g_i(a),b_h]和c_i[b_h,g_i(a)],公式^[44]为

(4)c_i[g_i(a),b_h]=$\left\{\begin{array}{ll}0,　　　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)\ge {p}_{i}& \\ [{p}_{i}-{g}_{i}({b}_{h})+{g}_{i}(\mathrm{a}\left)\right]/({p}_{i}-{q}_{i}),& \\ 　　　　{q}_{i}\le {g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)<{q}_{i}& \\ 1,　　　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)<{q}_{i}& \end{array}\right.$

(5)c_i[b_h,g_i(a)]=$\left\{\begin{array}{ll}0,　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)\ge {p}_{i}& \\ [{p}_{i}-{g}_{i}(\mathrm{a})+{g}_{i}({b}_{h}\left)\right]/({p}_{i}-{q}_{i}),& \\ 　　{q}_{i}\le {g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)<{p}_{i}& \\ 1,　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(\mathrm{a}\right)<{q}_{i}& \end{array}\right.$

其次,确定评价指标全局一致性指数c[g(a),b_h]和c[b_h,g(a)],公式^[44]为

(6)c[g(a),b_h]=$\stackrel{n}{\sum _{i=1}}$c_i[g_i(a),b_h]k_i

(7)c[b_h,g(a)]=$\stackrel{n}{\sum _{i=1}}$c_i[b_h,g_i(a)]k_i

然后,确定每个评价指标的不一致性指数d_i[g_i(a),b_h]和d_i[b_h,g_i(a)],公式^[44]为

(8)d_i[g_i(a),b_h]=$\left\{\begin{array}{l}0,　　　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(a\right)<{p}_{i}\\ [-{p}_{i}-{g}_{i}(a)+{g}_{i}({b}_{h}\left)\right]/({v}_{i}-{p}_{i}),\\ 　　　　{p}_{i}\le {g}_{i}\left({b}_{h}\right)-{g}_{i}\left(a\right)<{v}_{i}\\ 1,　　　{g}_{i}\left({b}_{h}\right)-{g}_{i}\left(a\right)\ge {v}_{i}\end{array}\right.$

(9)d_i[b_h,g_i(a)]=$\left\{\begin{array}{l}0,　　　{g}_{i}\left(a\right)-{g}_{i}\left({b}_{h}\right)<{p}_{i}\\ [-{p}_{i}-{g}_{i}({b}_{h})+{g}_{i}(a\left)\right]/({v}_{i}-{p}_{i}),\\ 　　　　{p}_{i}\le {g}_{i}\left(a\right)-{g}_{i}\left({b}_{h}\right)<{v}_{i}\\ 1,　　　{g}_{i}\left(a\right)-{g}_{i}\left({b}_{h}\right)\ge {v}_{i}\end{array}\right.$

然后,确定排名的可信度指数σ[g(a),b_h]和σ[b_h,g(a)],公式^[44]为

(10)σ[g(a),b_h]=c[g(a),b_h]×$\prod _{{d}_{i}\left[{g}_{i}\right(a),{b}_{h})>c\left(g\right(a),{b}_{h}]}\frac{1-{d}_{i}\left[{g}_{i}\right(a),{b}_{h}]}{1-c\left[g\right(a),{b}_{h}]}$,i=1,2,…,n

(11)σ[b_h,g(a)]=c[b_h,g(a)]×$\prod _{{d}_{i}[{b}_{h},{g}_{i}(a)>c({b}_{h},g\left(a\right)]}\frac{1-{d}_{i}[{b}_{h},{g}_{i}(a\left)\right]}{1-c[{b}_{h},g(a\left)\right]}$,i=1,2,…,n

最后,确定超过关系。当σ[g(a),b_h]≥λ且σ[b_h,g(a)]<λ时,g(a)优于b_h;当σ[g(a),b_h]<λ且σ[b_h,g(a)]≥λ时,b_h优于g(a);当σ[g(a),b_h]<λ且σ[b_h,g(a)]<λ时,b_h与g(a)无法比较;当σ[g(a),b_h]≥λ且σ[b_h,g(a)]≥λ时,b_h与g(a)不可区分。

1.5.2 基于SMAA-TRI与ELECTER TRI方法的计算参数设定

上述求解过程涉及参数g_i(a)、k_i、q_i、p_i、v_i、λ及4个等级得分临界阈值b₁、b₂、b₃、b₄。其中g_i(a)为专家对评价指标的打分情况,k_i为指标的权重系数(1.4节求解可得),其他相关参数设定如下。

结合ELECTRE TRI方法常用的分类阈值与经验参数,设定无差别阈值q_i=0,表示项目a在指标i的表现未达到等级b_h所需的性能,那项目a在该指标的表现将不完全符合超过关系g_i(a)优于b_h;设偏好阈值p_i=0,表示指标i的表现未达到等级b_h所需的性能,则不满足超过关系g_i(a)优于b_h;设否定阈值v_i=2,意为g_i(a)与等级b_h的得分表现的最小差异为2。

评价指标与项目成熟度均划分为五个等级,专家的指标打分g_i(a)区间为1~5分,对于与评价结果正相关的指标,其b₁、b₂、b₃、b₄分别设为1、2、3、4;对于负相关的指标,其b₁、b₂、b₃、b₄分别设为4、3、2、1。项目成熟度的五个等级如1.2节所述,划分为C¹初始级(L1)、C²智能起步级(L2)、C³智能发展级(L3)、C⁴智能优化级(L4)与C⁵智能引领级(L5)。

采用SMAA-TRI方法^[4]对截止水平λ进行稳定性分析。传统的ELECTRE TRI方法多依据经验参数对截止水平λ进行取值,ELECTRE TRI方法将输出项目成熟度等级划分可能性的极值,最终输出存在不确定性的成熟度等级分配方案,如“方案被分配到类别2或3”。而SMAA-TRI方法在ELECTRE TRI的基础上引入可接受性指标

${\pi }_{i}^{h}$

∈[0,1]来衡量方案类别分配的稳定性。

可接受性指标

${\pi }_{i}^{h}$

描述了将备选方案a_i分配给类别C^h的可能性,其求解原理公式12^[14]为

(12)$\pi_{i}^{h}=\int_{0}^{1} \int_{w \in W} f_{W}(w) m_{i}^{h}(\theta, w, T) \mathrm{d} w \mathrm{~d} \theta$

式(12)中:截止水平λ用随机变量θ表示,取值范围为[0.5,1];分析权重由可行权重空间W中具有联合密度函数f_W(w)表示;其他求解参数用T={M,B,q,p,v}表示,其中M为指标评估矩阵,B为分类界限;h为通过ELECTRE TRI方法将方案a_i分配到的类别编号;

${m}_{i}^{h}$

(θ,w,T)为类别隶属函数。

类别可接受性指标

${\pi }_{i}^{h}$

衡量方案类别分配的稳定性,显然类别可接受性指数的取值在[0,1]内,其中0表示该方案永远不会分配给某类别,而1表示它将被分配给具有任何可行参数值组合的类别。对于每个方案,不同类别的可接受性总和为一。

SMAA-TRI方法通过综合分析截止水平λ在有限取值范围[0.5,1]内的所有情况,描述备选方案划分到特定类别的概率。例如,方案被分配到类别2具有5%的可行参数值,类别3具有95%的可行参数值。

2 智能建造成熟度评价结果与讨论

2.1 研究案例

选取上海市与深圳市两个入选《智能建造与新型建筑工业化协同发展可复制经验做法清单》的试点项目作为研究案例,分析并验证其智能建造成熟度水平。

2.1.1 上海嘉定菊园社区项目

(1)项目概况。社区试点项目,如图10所示,位于上海市嘉定工业区,是住建部2021年立项的首批智能建造与工业化试点项目。项目总建筑面积12万m²,由21栋单体建筑组成,各单体预制率达40%以上,预制类型包含预制内外墙板、楼梯与叠合楼板等。该项目重点开展构部件标准化预制生产、施工过程全过程智能感知监控并建立了基于BIM的智慧建造信息平台。

(2)项目智能建造研发成果。在供应链智能化方面,采用工业物联网技术实时采集预制构件生产-运输-施工的全流程信息,基于视觉识别、5G+云计算技术自动清点施工物料,实现预制构件生产全过程信息追溯与智能调度。

在施工现场管控方面,布设智能传感设备实现身份识别、物料监控、环境监测等,对生产对象进行全过程、全要素实时感知。应用国内外智能软件设备进行施工进度模拟与工序流程优化。开发无人机全域自主巡航,实时监控施工现场安全、进度管理问题。应用实测实量设备,扫描室内施工场景数据用于构建尺寸检验与质量缺陷检测,实现检测报告的自动生成。同时,自主研发数字协同管理平台,集成管理智能设备采集的多方数据实现生产资源智能调度。

2.1.2 深圳市长圳公共住房项目

(1)项目概况。公共住房项目,如图11所示,位于深圳市光明区,建设面积115万m²,是深圳在建规模最大的装配式公共住房项目。该项目采用三种装配式结构体系:装配式钢混组合主次结构体系(6栋)、装配式剪力墙结构体系(7A、8、9栋)、双面叠合剪力墙结构体系(10栋),装配率分别93.47%、76.70%、76.48%,综合指标达到国标AAA和AA标准。

(2)项目智能建造研发成果。作为智能建造试点工程,该项目在设计阶段采用标准化设计方法,标准层平面与建筑外立面采用模块化集成设计技术。为提升预制构件复用率,构件采用“固定一边尺寸,模数协调另一边尺寸”的延展设计方式,满足平立面多样化尺寸要求。同时构建BIM标准化部件库并对构件进行数字赋码与分类,与生产施工阶段的构件管理过程互联,实现构件全过程追溯。

生产阶段采用预制构件自主生产线,打通构件设计的数据接口,将BIM模型中的构件数据导入生产控制系统,实现预应力板、叠合墙板等构件自生产。钢筋加工采用机械臂作业方式,精准控制尺寸误差(小于3 mm),生产效率提升150%。

施工阶段对基坑开挖、主体结构生产、装饰装修等过程进行构件施工模拟与进度动态监测。采用无人机与测绘设备扫描现场施工点云数据(精度达到毫米级)进行施工质量监测。应用机器视觉算法识别施工人员与机械行为实现施工安全监控。竣工验收过程建立建筑主体、隐蔽工程、机电设备的虚拟孪生模型,助力项目数字化交付。

2.2 智能建造成熟度等级评价结果

2.2.1 评价指标专家打分结果

邀请了8位与研究案例无利益相关性的建筑行业专家对两个智能建造项目进行评价打分。受邀专家工作领域涵盖设计、生产、施工全过程,且对智能建造具有深入的知识储备,专家背景信息如表1所示。受邀专家依据项目的智能建造表现对58个评价指标进行0~5分打分,指标评分如图12所示。

2.2.2 智能建造成熟度等级评价结果

基于专家评分结果,应用4种方法进行了智能建造成熟度等级分析。首先,依据“上海市智能建造试点项目技术要求”对项目进行智能建造打分与评级。其次,邀请专家依据项目的智能建造评价指标表现,结合项目实际情况对智能建造成熟度进行主观评级;然后,应用J-Electre-v3.0软件中的ELECTRE TRI方法对项目进行评级,其中,参数截止水平λ依据经验参数设置为0.65、0.75与0.85。最后,应用融合SMAA-TRI与ELECTRE TRI的改进方法对截止水平λ进行稳定性分析,得到项目多种评级结果的概率分布。

项目评级结果表示,上述方法对项目2的评级结果相对一致,如表2所示。针对项目1,多数方法将其成熟度评级为智能起步级,ELECTRE TRI方法随着λ的增加从智能发展级转变为智能起步级,评价结果存在一定的不确定性。而基于SMAA-TRI改进的ELECTRE TRI方法则对上述不确定性进行了量化分析,表明项目1有67%的可能性处于智能起步级,该方法通过对λ敏感性分析可以更准确地反映项目的智能建造发展水平。

2.2.3 评价结果分析与智能建造发展建议

两个研究案例的智能建造评级结果均分布于智能起步级与智能发展级之间,但其在三个评价维度的表现却不尽相同。总体而言,因两个项目的智能建造发展重点不同,项目1在管理维度表现较好,项目2侧重于过程维度智能建造研发。为促进项目智能建造全面发展,现从三个维度提出相关发展建议。

(1)在技术维度方面,两个项目均处于起步级,已初步设置传感物联设备与视觉感知技术用于数据感知,但工业建造机器人等硬件设备较少投入使用,智能建造硬件技术研发需进一步加强。

(2)在管理维度方面,项目1与项目2分别处于智能发展级和智能起步级,虽评级不同,但两个项目均在施工安全、进度与质量自动化监控方面有所突破,并在智慧工地得到初步落地应用,但对于环境、成本的智能化管理手段需进一步加强。

(3)在过程维度方面,项目1处于智能起步阶段,未来发展重心在于构件生产的全过程追溯。项目2处于智能发展级,生产过程的智能化发展较为突出,配备了较为成熟的自动化生产线。但两个项目对智能化审图、标准化设计等方面关注较少,设计过程的智能化建设是亟需关注的发展方向。

3 结论

工业化与智能化已成为建筑业未来发展的重要方向。为了提升建筑业智能建造发展质量与水平,建立了一套装配式建筑的智能建造成熟度评价模型,明晰智能建造成熟度等级,挖掘并优化现存薄弱点,促进建筑业发展提质增效。得到主要结论如下。

(1)针对智能建造发展评价体系丰富度、全面性与系统性不足的问题,基于目标决策优化理论从技术、管理、过程多个维度,全面系统地提炼了58个智能建造成熟度评价指标,并基于优化的Simos方法确定指标计算权重计算。

(2)传统成熟度评级方法输出结果不唯一,存在较高的不确定性。提出基于SMAA TRI与ELECTRE TRI算法的装配式建筑智能建造成熟度能力评价方法,可以精准概率分析的方式实现成熟度科学评级。

尽管本文研究在装配式建筑项目智能建造成熟度评价模型构建与方法优化方面取得了一定成果,但仍存在以下重点与难点问题亟待解决。

(1)案例测试的普适性与标准性。研究选取的两个智能建造项目案例虽具有一定的典型性,但样本量有限可能导致评价结果存在一定偶然性。未来研究将进一步扩大案例库规模,系统考察不同结构体系(如钢框架结构、模块化木结构等)、不同装配率水平(30%~80%)以及不同项目规模(中小型住宅与大型公共建筑)对评价结果的影响。通过多案例的横向对比分析,可有效验证评价模型的普适性与可信度。

(2)评价指标的客观性与动态性。现有评价体系多以定性判断指标为主,试验结果易受专家衡量标准与主观意识影响。未来研究需引入更多可量化的客观指标,如基于物联网平台的施工实时监测数据(构件安装精度、设备运行效率等)等,以增强成熟度评价模型的科学性与标准性。此外,随着生成式AI、大语言模型等数字化技术的发展,未来研究需从技术维度对智能建造成熟度评价指标进行持续更新与定期修订,以综合考虑新型人工智能技术对项目智能建造成熟度的影响作用。

(3)评价结果的实践转化能力。成熟度评价的最终目标在于指导项目优化,当前方法针对项目智能建造成熟度评价多提出定性宏观改进措施,评价模型对“评级结果如何驱动项目改进”缺乏明确的实现路径。未来研究可结合案例库与机器学习,开发智能诊断工具,根据评级结果自动生成定制化改进方案(如技术方案优化、管理流程重构等)。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	丁烈云. 智能建造创新型工程科技人才培养的思考[J]. 国内高等教育教学研究动态, 2020(5): 1-4, 29.

[2]	Ding Lieyun. System thinking on cultivation mode for innovative intelligent construction talents[J]. Research in Higher Education of Engineering, 2020(5): 1-4, 29.

[3]	马智亮, 蔡诗瑶. 基于BIM的建筑施工智能化[J]. 施工技术, 2018, 47(6): 70-72, 83.

[4]	Ma Zhiliang, Cai Shiyao. Intelligent building construction based on BIM[J]. Construction Technology, 2018, 47(6): 70-72, 83.

[5]	苑东亮, 王治, 任连伟, 等. 基于组合赋权-云模型的智能建造应用成熟度的评价[J]. 科学技术与工程, 2024, 24(19): 8239-8247.

[6]	Yuan Dongliang, Wang Zhi, Ren Lianwei, et al. Evaluation of application maturity of intelligent construction based on combinatorial empowerment-cloud model[J]. Science Technology and Engineering, 2024, 24(19): 8239-8247.

[7]	Pan M, Linner T, Pan W, et al. A framework of indicators for assessing construction automation and robotics in the sustainability context[J]. Journal of Cleaner Production, 2018, 182: 82-95.

[8]	李涛, 李晓军, 徐博, 等. 面向地下工程的数字孪生成熟度分级与评价模型研究与应用[J]. 同济大学学报(自然科学版), 2024, 52(12): 1813-1822.

[9]	Li Tao, Li Xiaojun, Xu Bo, et al. Research and application of digital twin maturity model for underground engineering[J]. Journal of Tongji University (Natural Science), 2024, 52(12): 1813-1822.

[10]	郭丰毅, 刘世平, 付爽, 等. 面向空中造楼机施工工艺的数字化路径[J]. 科学技术与工程, 2025, 25(9): 3480-3850.

[11]	Guo Fengyi, Liu Shiping, Fu Shuang, et al. Digitalization paths for aerial building machine construction technology[J]. Science Technology and Engineering, 2025, 25(9): 3480-3850.

[12]	李珠月. 基于成熟度模型的工业化建筑评价体系研究[D]. 哈尔滨: 哈尔滨工业大学, 2018.

[13]	Li Zhuyue. Research on assessment of industrialized building based on maturity model[D]. Harbin: Harbin Institute of Technology, 2018.

[14]	Underwood J, Isikdag U. Handbook of research on building information modeling and construction informatics[M]. Hershey: IGI Global, 2009.

[15]	陶飞, 张辰源, 戚庆林, 等. 数字孪生成熟度模型[J]. 计算机集成制造系统, 2022, 28(5): 1267-1281.

[16]	Tao Fei, Zhang Chenyuan, Qi Qinglin, et al. Digital twin maturity model[J]. Computer Integrated Manufacturing Systems, 2022, 28(5): 1267-1281.

[17]	Govindan K, Jepsen M B. ELECTRE: a comprehensive literature review on methodologies and applications[J]. European Journal of Operational Research, 2016, 250(1): 1-29.

[18]	王波, 陈家任, 廖方伟, 等. 智能建造背景下建筑业绿色低碳转型的路径与政策[J]. 科技导报, 2023, 41(5): 60-68.

[19]	Wang Bo, Chen Jiaren, Liao Fangwei, et al. Path and policy of green and low-carbon transformation of construction industry in the context of intelligent construction[J]. Science & Technology Review, 2023, 41(5): 60-68.

[20]	张宇婷, 崔晗, 陈嘉宇. 建筑业人机协作研究综述[J]. 土木与环境工程学报, 2025, 47(5): 23-37.

[21]	Zhang Yuting, Cui Han, Chen Jiayu. Autonomous robots and human-robot collaboration in construction: a review[J]. Journal of Civil and Environmental Engineering, 2025, 47(5): 23-37.

[22]	李国良, 朱恩粉, 杨晓杰, 等. 基于CiteSpace的智能建造研究热点演进分析[J]. 土木工程与管理学报, 2025, 42(1): 91-103.

[23]	Li Guoliang, Zhu Enfen, Yang Xiaojie, et al. Analysis on the evolution of research hotspots in intelligent construction based on CiteSpace[J]. Journal of Civil Engineering and Management, 2025, 42(1): 91-103.

[24]	Tervonen T, Lahdelma R, Almeida D J, et al. SMAA-TRI: a parameter stability analysis method for ELECTRE TRI[C]// Environmental Security in Harbors and Coastal Areas: Management Using Comparative Risk Assessment and Multi-Criteria Decision Analysis. Berlin: Springer, 2007: 217-231.

[25]	Dias L C. Sustainability assessment using the ELECTRE TRI multicriteria sorting method[M]//Methods in Sustainability Science. Amsterdam: Elsevier, 2021: 197-214.

[26]	Edirisinghe R. Digital skin of the construction site: smart sensor technologies towards the future smart construction site[J]. Engineering, Construction and Architectural Management, 2019, 26(2): 184-223.

[27]	Oke A E, Arowoiya V A. Evaluation of internet of things (IoT) application areas for sustainable construction[J]. Smart and Sustainable Built Environment, 2021, 10(3): 387-402.

[28]	吴美希, 杨晓彤. 算力五力模型: 一种衡量算力的综合方法[J]. 信息通信技术与政策, 2022(3): 13-21.

[29]	Wu Meixi, Yang Xiaotong. Five forces of computational power: a comprehensive method to measure computational power[J]. Information and Communications Technology and Policy, 2022(3): 13-21.

[30]	陈珂, 丁烈云. 我国智能建造关键领域技术发展的战略思考[J]. 中国工程科学, 2021, 23(4): 64-70.

[31]	Chen Ke, Ding Lieyun. Development of key domain-relevant technologies for smart construction in China[J]. Strategic Study of CAE, 2021, 23(4): 64-70.

[32]	陈君毅, 李如冰, 邢星宇, 等. 自动驾驶车辆智能性评价研究综述[J]. 同济大学学报 (自然科学版), 1824, 47(12): 1785-1790.

[33]	Chen Junyi, Li Rubing, Xing Xingyu, et al. Survey on intelligence evaluation of autonomous vehicles[J]. Journal of Tongji University(Natural Science) 1824, 47(12): 1785-1790.

[34]	Sun Y, Yang H, Meng F. Research on an intelligent behavior evaluation system for unmanned ground vehicles[J]. Energies, 2018, 11(7): 1764.

[35]	胡名琪, 陈辉明, 徐伟, 等. 融合MobileNetv3的轻量级YOLOv8钢材表面缺陷检测[J]. 科学技术与工程, 2025, 25(16): 6831-6840.

[36]	Hu Mingqi, Chen Huiming, Xu Wei, et al. Surface defect detection on lightweight YOLOv8 steel incorporating MabileNetv3[J]. Science Technology and Engineering, 2025, 25(16): 6831-6840.

[37]	Guo H, Yu Y, Skitmore M. Visualization technology-based construction safety management: a review[J]. Automation in Construction, 2017, 73: 135-144.

[38]	霍晓科. BIM技术在施工进度管理中的应用及评价[J]. 中国建设信息化, 2022(2): 68-69.

[39]	Huo Xiaoke. Application and evaluation of bim technology in construction schedule management[J]. Informatization of China Construction, 2022(2): 68-69.

[40]	吴禹默, 赵丹, 杨振兴, 等. 智慧建造中BIM应用效用的关键影响因子分析[J]. 建筑经济, 2021(11): 95-98.

[41]	Wu Yumo, Zhao Dan, Yang Zhenxing, et al. Research on key influencing factors of bim application utility in intelligent construction[J]. Construction Economy, 2021(11): 95-98.

[42]	张莹莹. BIM技术正向应用的装配式建筑建造成本优化软件研究[D]. 南京: 东南大学, 2019.

[43]	Zhang Yingying. Research on construction costoptimization software for prefabricated building using forward BIM[D]. Nanjing: Southeast University, 2019.

[44]	解亚龙, 王万齐, 刘红良. 基于智能建造的铁路工程全面质量管理框架体系[J]. 铁路技术创新, 2021(5): 35-41.

[45]	Xie Yalong, Wang Wanqi, Liu Hongliang. Total quality management framework system of railway engineering based on intelligent construction[J]. Railway Technical Innovation, 2021(5): 35-41.

[46]	王章琼, 赵歧林, 徐晓雅, 等. 人工智能在建筑结构设计中的应用研究进展[J]. 科学技术与工程, 2025, 25(16): 6598-6607.

[47]	Wang Zhangqiong, Zhao Qilin, Xu Xiaoya, et al. Research progress on the application of artificial intelligence in building structure design[J]. Science Technology and Engineering, 2025, 25(16): 6598-6607.

[48]	张雪, 刘学贤, 张笑彦. BIM技术在装配式建筑初步设计阶段的应用研究[J]. 建筑技术, 2021, 52(1): 4-6.

[49]	Zhang Xue, Liu Xuexian, Zhang Xiaoyan. Application of BIM technology in preliminary design phase of prefabricated construction[J]. Architecture Technology, 2021, 52(1): 4-6.

[50]	吕兴举. 基于AutoCAD的协同设计平台设计与实现[D]. 济南: 山东大学, 2016.

[51]	Lü Xingju. The design and implementation of the collaborative design platform based on AutoCAD[D]. Jinan: Shandong University, 2016.

[52]	沈玲玲. 基于协同模式的建筑设计管理平台的研究和实现[D]. 上海: 上海交通大学, 2019.

[53]	Shen Lingling. The research and realization of architectural design management platform based on collaborative mode[D]. Shanghai: Shanghai Jiao Tong University, 2019.

[54]	Karan E, Asadi S. Intelligent designer: a computational approach to automating design of windows in buildings[J]. Automation in Construction, 2019, 102: 160-169.

[55]	周冲, 李宇, 郑义, 等. 智慧生产信息管理系统在装配式建筑中的应用[J]. 施工技术, 2020, 49(5): 46-47, 103.

[56]	Zhou Chong, Li Yu, Zheng Yi, et al. Application of intelligent production information management system in fabricated building[J]. Construction Technology, 2020, 49(5): 46-47, 103.

[57]	李娟, 邹浩. 基于模糊综合法的智能仓储绩效评价[J]. 物流技术, 2021, 40(1): 78-82.

[58]	Li Juan, Zou Hao. Intelligent warehouse performance evaluation based on fuzzy comprehensive method[J]. Logistics Technology, 2021, 40(1): 78-82.

[59]	唐小雅. 基于甩挂运输的装配式预制构件物流调度研究[D]. 重庆: 重庆大学, 2020.

[60]	Tang Xiaoya. Study on logistics scheduling of prefabricated components based on drop and pull transport[D]. Chongqing: Chongqing University, 2020.

[61]	衡震. 智能混凝土开裂自监测性能及温湿度的影响[D]. 大连: 大连理工大学, 2017.

[62]	Heng Zhen. Self-monitoring of cracking development of smart concrete and effect of temperature and humidity[D]. Dalian: Dalian University of Technology, 2017.

[63]	王家涛. 智能化建筑电气工程的设计与应用研究[D]. 武汉: 湖北工业大学, 2017.

[64]	Wang Jiatao. Design and application of intelligent building electrical engineering[D]. Wuhan: Hubei University of Technology, 2017.

[65]	解亚龙, 王万齐. 京张高铁工程数字化的探索与实践[J]. 中国铁路, 2019(9): 22-28.

[66]	Xie Yalong, Wang Wanqi. Exploration and practices of digitalization of Beijing-Zhangjiakou HSR project[J]. China Railway, 2019(9): 22-28.

[67]	付宇, 曾婧, 陈玲玲. 基于软件能力成熟度模型(CMM)的软件工程项目风险管理浅析[J]. 信息系统工程, 2021(5): 46-47.

[68]	Fu Yu, Zeng Jing, Chen Lingling. A brief analysis of software project risk management based on the software capability maturity model[J]. China CIO News, 2021(5): 46-47.

[69]	陈伟, 付杰, 熊付刚, 等. 装配式建筑工程施工安全灰色聚类测评模型[J]. 中国安全科学学报, 2016, 26(11): 70-75.

[70]	Chen Wei, Fu Jie, Xiong Fugang, et al. Grey clustering evaluation model for construction safety of fabricated building project[J]. China Safety Science Journal, 2016, 26(11): 70-75.

[71]	Figueira J, Roy B. Determining the weights of criteria in the ELECTRE type methods with a revised Simos’ procedure[J]. European Journal Of Operational Research, 2002, 139(2): 317-326.

[72]	边晶梅, 白泉. 简化的消去与选择转换法在施工方案优选中的应用[J]. 数学的实践与认识, 2015(16): 38-43.

[73]	Bian Jingmei, Bai Quan. Application of simplified ELECTRE in optimal selection of construction schemes[J]. Mathematics in Practice and Theory, 2015(16): 38-43.

[74]	de Araujo M C B, Alencar L H, de Miranda mota C M. Classification model for bid/no-bid decision in construction projects[J]. International Transactions in Operational Research, 2022, 29(2): 1025-1047.

[75]	Micale R, La Fata C M, La Scalia G. A combined interval-valued ELECTRE TRI and TOPSIS approach for solving the storage location assignment problem[J]. Computers & Industrial Engineering, 2019, 135: 199-210.

基金资助

国家重点研发计划(2022YFC3801700)

国家自然科学基金(52078374)

中国工程院项目(2024-XZ-37)

上海市科技创新行动计划(22dz1207100)

同济大学交叉学科课题(2024-1-ZD-02)

PDF (17855KB)

访问

被引

详细

导航

Received	Published	Revised
2025-02-11	2026-04-18	2025-12-02
Online Date
2026-06-08

摘要

Abstract

Graphical abstract

关键词

Key words

中图分类号

引用本文

1 装配式建筑项目智能建造成熟度模型与评价方法

1.1 研究方法

1.2 智能建造成熟度等级划分

1.3 智能建造成熟度关键要素与评价指标

1.3.1 技术成熟度关键要素与评价指标

1.3.2 管理成熟度关键要素与评价指标

1.3.3 过程成熟度关键要素与评价指标

1.3.4 成熟度评价指标优化与检验

1.4 智能建造成熟度评价指标重要性权重评估

1.4.1 评价指标重要性专家评分

1.4.2 评价指标重要性权重计算

1.5 智能建造成熟度等级评价方法

1.5.1 基于ELECTER TRI方法的成熟度等级评价

1.5.2 基于SMAA-TRI与ELECTER TRI方法的计算参数设定

2 智能建造成熟度评价结果与讨论

2.1 研究案例

2.1.1 上海嘉定菊园社区项目

2.1.2 深圳市长圳公共住房项目

2.2 智能建造成熟度等级评价结果

2.2.1 评价指标专家打分结果

2.2.2 智能建造成熟度等级评价结果

2.2.3 评价结果分析与智能建造发展建议

3 结论

参考文献

基金资助