Luận Văn Thạc Sĩ: Phương Pháp Dữ Liệu Kết Hợp 4D Và Process Mining Trong Quản Lý Xây Dựng

• Tác giả: Hung Viet Nguyen
• Người hướng dẫn: Dr. Cuong Viet Chu
• Trường học: Ho Chi Minh City University of Technology
• Chuyên ngành: Construction Management
• Đề tài: Phát Triển Phương Pháp Dữ Liệu Kết Hợp 4D Và Process Mining Để Mô Phỏng, Chẩn Đoán Và Dự Đoán Thi Công Xây Dựng
• Loại tài liệu: Master’s thesis
• Năm xuất bản: 2024
• Địa điểm: Ho Chi Minh City

• ACKNOWLEDGEMENT
• TÓM TẮT LUẬN VĂN THẠC SĨ
• AUTHOR’S COMMITMENT
• 1. CHAPTER 1: INTRODUCTION
• 1.1. General Introduction
• 1.2. Problem Statement
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Definitions and concepts
• 2.2. Construction planning and monitoring
• 2.3. Implementation of BIM and IT systems in construction management
• 2.4. Industry Foundation Classes (IFC)
• 2.5. Internet of Things (IoT)
• 2.6. Optimization in Construction
• 2.7. Time series prediction
• 3. CHAPTER 3: ARCHITECTURE OF PROPOSED APPROACH
• 3.1. Difference between proposed approach and Deming cycle
• 4. CHAPTER 4: MODEL IMPLEMENTATION AND VALIDATION
• 4.1. Case study – Vindspor Højde Residence
• 4.2. As-planned IFC generation
• 4.3. As-happened monitoring
• 4.4. Diagnosis of current state of construction progress
• 4.5. Prediction of future state of construction progress
• 5. CHAPTER 5: DISCUSSION AND RECOMMENDATION
• ANNEX A: Construction schedule of case study
• ANNEX B: Workflow of event-log-generation
• ANNEX C: Detailed illustration of process map

I. Phương pháp dữ liệu kết hợp 4D

Phương pháp dữ liệu kết hợp 4D là một công cụ mạnh mẽ trong quản lý dự án xây dựng, kết hợp mô hình thông tin tòa nhà (BIM) với dữ liệu thời gian để tạo ra mô phỏng động. Phương pháp này cho phép các nhà quản lý dự án theo dõi tiến độ thi công một cách trực quan và chính xác. Nghiên cứu này sử dụng Synchro 4D để tạo ra mô hình IFC theo kế hoạch từ mô hình IFC thiết kế và lịch trình thi công. Dữ liệu 4D trong xây dựng giúp xác định các yếu tố thiếu sót thông qua dịch vụ RAAMAC trên BIMserver, từ đó cải thiện độ chính xác trong quản lý tiến độ.

1.1. Ứng dụng của dữ liệu 4D

Dữ liệu 4D trong xây dựng được ứng dụng để mô phỏng tiến độ thi công, giúp các nhà quản lý dự án dự đoán và điều chỉnh kế hoạch một cách linh hoạt. Nghiên cứu này sử dụng công nghệ LIDAR để thu thập dữ liệu đám mây điểm trong giai đoạn thi công, sau đó so sánh với mô hình IFC theo kế hoạch để xác định các yếu tố thiếu sót. Công nghệ mô phỏng 4D không chỉ nâng cao hiệu quả quản lý mà còn giảm thiểu rủi ro trong quá trình thi công.

II. Process Mining trong xây dựng

Process Mining là một kỹ thuật phân tích dữ liệu sự kiện để cải thiện quy trình quản lý dự án. Nghiên cứu này sử dụng BIMserver Eventlog Service để phân tích thông tin từ mô hình IFC theo kế hoạch và so sánh với danh sách các yếu tố thiếu sót. Ứng dụng Process Mining trong xây dựng giúp xác định các điểm nghẽn và sai lệch so với kế hoạch, từ đó đưa ra các giải pháp tối ưu hóa quy trình.

2.1. Phân tích dữ liệu xây dựng

Phân tích dữ liệu xây dựng thông qua Process Mining cho phép các nhà quản lý dự án đánh giá hiệu quả của quy trình thi công. Nghiên cứu này sử dụng Disco by Fluxicon để khai thác nhật ký sự kiện và đánh giá các điểm nghẽn trong tiến độ thi công. Quản lý thi công xây dựng được cải thiện đáng kể nhờ việc áp dụng các kỹ thuật phân tích dữ liệu tiên tiến.

III. Mô phỏng thi công xây dựng

Mô phỏng thi công xây dựng là một phần quan trọng trong nghiên cứu này, giúp dự đoán và quản lý rủi ro trong quá trình thi công. Nghiên cứu sử dụng mô hình ARIMA để dự đoán số lượng công việc hoàn thành mỗi ngày. Chẩn đoán thi công xây dựng được thực hiện thông qua việc so sánh dữ liệu thực tế với kế hoạch, từ đó xác định các sai lệch và đưa ra các biện pháp khắc phục.

3.1. Dự đoán thi công xây dựng

Dự đoán thi công xây dựng thông qua mô hình ARIMA giúp các nhà quản lý dự án dự báo chính xác tiến độ thi công. Nghiên cứu này sử dụng Statgraphics và Matlab để xây dựng mô hình dự đoán, từ đó cải thiện hiệu quả quản lý dự án. Phương pháp dữ liệu kết hợp 4D và Process Mining kết hợp với mô hình dự đoán mang lại sự tiến bộ đáng kể trong quản lý dự án xây dựng.

IV. Ứng dụng thực tiễn

Nghiên cứu này áp dụng phương pháp đề xuất vào một dự án thực tế tại Søborg, Đan Mạch, để xác nhận tính hiệu quả và khả năng thích ứng của phương pháp. Quản lý thi công xây dựng được cải thiện đáng kể nhờ việc tích hợp dữ liệu từ IoT và BIM với các kỹ thuật khai thác dữ liệu tiên tiến. Công nghệ mô phỏng 4D và Process Mining không chỉ nâng cao hiệu quả quản lý mà còn giảm thiểu rủi ro trong quá trình thi công.

4.1. Kết quả và đánh giá

Kết quả nghiên cứu cho thấy phương pháp đề xuất cải thiện đáng kể việc dự đoán và quản lý rủi ro trong xây dựng. Phân tích dữ liệu xây dựng thông qua Process Mining giúp xác định các điểm nghẽn và sai lệch so với kế hoạch, từ đó đưa ra các giải pháp tối ưu hóa quy trình. Ứng dụng Process Mining trong xây dựng mang lại sự tiến bộ đáng kể trong cả nghiên cứu học thuật và thực tiễn công nghiệp.

Tổng quan nghiên cứu

Trong bối cảnh ngành xây dựng đang trải qua quá trình chuyển đổi số mạnh mẽ, việc quản lý và thực hiện dự án xây dựng ngày càng đòi hỏi sự chính xác và hiệu quả cao hơn. Theo ước tính, phần lớn các dự án xây dựng hiện nay thường gặp phải tình trạng chậm tiến độ và vượt chi phí, gây ảnh hưởng tiêu cực đến lợi ích của các bên liên quan. Nghiên cứu này tập trung phát triển một phương pháp tiếp cận dựa trên dữ liệu, tích hợp trực quan hóa 4D và khai thác quy trình (process mining) nhằm mô phỏng, chẩn đoán và dự đoán tiến độ thi công thực tế. Mục tiêu cụ thể là xây dựng một khung tích hợp dữ liệu thực tế từ các thiết bị Internet of Things (IoT) và mô hình thông tin công trình (BIM), kết hợp với các kỹ thuật khai thác dữ liệu tiên tiến để nâng cao khả năng mô phỏng và phân tích luồng công việc dự án. Phạm vi nghiên cứu tập trung vào dự án xây dựng nhà ở tại Søborg, Đan Mạch, với quy mô diện tích sàn xây dựng khoảng 8500 m², chiều cao 56,642 m, gồm 17 tầng, trong khoảng thời gian một năm (2019). Nghiên cứu có ý nghĩa quan trọng trong việc cải thiện độ chính xác của kế hoạch thi công, phát hiện các điểm nghẽn và sai lệch so với kế hoạch, đồng thời dự báo số lượng công tác hoàn thành hàng ngày, từ đó góp phần nâng cao hiệu quả quản lý dự án xây dựng và giảm thiểu rủi ro.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết chính: mô hình trực quan hóa 4D và khai thác quy trình (process mining). Trực quan hóa 4D kết hợp mô hình 3D của công trình với yếu tố thời gian, giúp mô phỏng tiến độ thi công theo kế hoạch (as-planned) và thực tế (as-happened). Khai thác quy trình sử dụng dữ liệu sự kiện (event logs) để phân tích, phát hiện các điểm nghẽn, sai lệch và tối ưu hóa quy trình thi công. Ba khái niệm trọng tâm bao gồm:

• Industry Foundation Classes (IFC): Chuẩn dữ liệu mở cho BIM, hỗ trợ mô tả chi tiết các đối tượng xây dựng và quy trình liên quan.
• Internet of Things (IoT): Các thiết bị cảm biến thu thập dữ liệu thực tế tại công trường, cung cấp thông tin thời gian thực cho mô hình.
• Mô hình ARIMA: Phương pháp dự báo chuỗi thời gian được sử dụng để dự đoán số lượng công tác hoàn thành trong tương lai dựa trên dữ liệu lịch sử.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm mô hình BIM dạng IFC, dữ liệu điểm mây thu thập bằng công nghệ LIDAR, và các event logs được tạo ra từ BIMserver và phần mềm Disco by Fluxicon. Cỡ mẫu dữ liệu thu thập từ dự án thực tế tại Søborg trong năm 2019, với dữ liệu được ghi nhận và phân tích trong giai đoạn nghiên cứu từ tháng 1 đến tháng 5 năm 2024. Phương pháp phân tích bao gồm:

• Sử dụng Synchro 4D để tạo mô hình as-planned IFC từ mô hình thiết kế và tiến độ thi công.
• Áp dụng công nghệ LIDAR để thu thập dữ liệu as-happened, so sánh với mô hình as-planned để xác định các phần tử thiếu hụt.
• Khai thác event logs từ BIMserver để chẩn đoán tiến độ và phát hiện điểm nghẽn bằng phần mềm Disco.
• Xây dựng mô hình dự báo ARIMA trên nền tảng Matlab và Statgraphics để dự đoán số lượng công tác hoàn thành trong tương lai.
  Quá trình nghiên cứu tuân thủ chu trình Deming (Plan-Do-Check-Act) nhằm đảm bảo tính liên tục và cải tiến trong quản lý dự án.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tăng độ chính xác trong mô phỏng tiến độ: Việc tích hợp dữ liệu LIDAR với mô hình as-planned IFC giúp phát hiện chính xác các phần tử thi công thiếu hụt, với tỷ lệ phát hiện sai lệch lên đến khoảng 15% trong tuần 22 năm 2019, giảm thiểu sai sót so với phương pháp thủ công.
2. Phát hiện điểm nghẽn hiệu quả: Sử dụng phần mềm Disco phân tích event logs cho thấy các công tác có thời gian thực hiện kéo dài hơn trung bình 20-30%, đặc biệt tại các bước liên quan đến lắp đặt hệ thống MEP, giúp xác định rõ các nút thắt trong quy trình thi công.
3. Dự báo tiến độ chính xác: Mô hình ARIMA (1,1,1) được xây dựng có sai số trung bình tuyệt đối (MAE) khoảng 2,5 công tác/ngày và sai số bình phương gốc (RMSE) khoảng 3,1, cho phép dự báo số lượng công tác hoàn thành hàng ngày với độ tin cậy cao.
4. Giảm thiểu rủi ro và sai lệch: Cơ chế chẩn đoán dựa trên BIMserver và Disco giúp phát hiện kịp thời các sai lệch so với kế hoạch, giảm thiểu rủi ro trễ tiến độ và tăng hiệu quả quản lý dự án.

Thảo luận kết quả

Nguyên nhân của các điểm nghẽn chủ yếu do sự không đồng bộ giữa kế hoạch và thực tế thi công, cũng như các yếu tố khách quan như điều kiện thời tiết và năng suất lao động. So sánh với các nghiên cứu trước đây, phương pháp tích hợp 4D và process mining cho thấy ưu thế vượt trội trong việc cung cấp dữ liệu thực tế và phân tích sâu sắc hơn, thay vì dựa vào các báo cáo thủ công truyền thống. Việc sử dụng mô hình ARIMA cũng phù hợp với đặc thù dữ liệu chuỗi thời gian trong xây dựng, giúp dự báo chính xác và hỗ trợ ra quyết định kịp thời. Dữ liệu có thể được trình bày qua biểu đồ so sánh tiến độ as-planned và as-happened, bảng thống kê các điểm nghẽn và biểu đồ dự báo tiến độ, giúp trực quan hóa hiệu quả của phương pháp.

Đề xuất và khuyến nghị

1. Triển khai hệ thống thu thập dữ liệu tự động: Áp dụng công nghệ LIDAR và IoT để thu thập dữ liệu thực tế liên tục, giảm thiểu sai sót và tăng tính kịp thời trong giám sát tiến độ. Chủ thể thực hiện: Ban quản lý dự án, trong vòng 6 tháng.
2. Tích hợp công cụ khai thác quy trình vào quản lý dự án: Sử dụng phần mềm như Disco để phân tích event logs, phát hiện điểm nghẽn và sai lệch kịp thời, nâng cao hiệu quả điều hành. Chủ thể thực hiện: Bộ phận kỹ thuật và quản lý dự án, trong vòng 3 tháng.
3. Xây dựng mô hình dự báo tiến độ: Áp dụng mô hình ARIMA hoặc các mô hình dự báo chuỗi thời gian khác để dự đoán tiến độ và điều chỉnh kế hoạch phù hợp. Chủ thể thực hiện: Nhóm phân tích dữ liệu, trong vòng 4 tháng.
4. Đào tạo và nâng cao nhận thức công nghệ: Tổ chức các khóa đào tạo cho BIM specialists, data scientists và quản lý dự án về ứng dụng 4D visualization và process mining để đảm bảo sự đồng bộ và hiệu quả trong triển khai. Chủ thể thực hiện: Phòng nhân sự và đào tạo, trong vòng 6 tháng.

Đối tượng nên tham khảo luận văn

1. Chuyên gia BIM: Nghiên cứu cung cấp phương pháp tích hợp dữ liệu thực tế với mô hình BIM, giúp nâng cao chất lượng mô hình và khả năng phân tích tiến độ thi công.
2. Chuyên viên phân tích dữ liệu xây dựng: Cung cấp cơ sở lý thuyết và thực tiễn về khai thác quy trình và dự báo tiến độ, hỗ trợ phát triển các mô hình phân tích nâng cao.
3. Quản lý dự án xây dựng: Giúp hiểu rõ hơn về cách ứng dụng công nghệ số trong giám sát và điều chỉnh tiến độ, từ đó tối ưu hóa nguồn lực và giảm thiểu rủi ro.
4. Nhà nghiên cứu và sinh viên ngành quản lý xây dựng: Là tài liệu tham khảo quý giá về ứng dụng công nghệ 4D và process mining trong quản lý dự án, đồng thời cung cấp ví dụ thực tiễn từ dự án tại Đan Mạch.

Câu hỏi thường gặp

1. Phương pháp 4D visualization là gì và có vai trò gì trong quản lý dự án?
   4D visualization là sự kết hợp giữa mô hình 3D công trình và yếu tố thời gian, giúp mô phỏng tiến độ thi công theo kế hoạch và thực tế. Nó hỗ trợ quản lý dự án bằng cách trực quan hóa tiến độ, phát hiện sai lệch và tối ưu hóa quy trình thi công.

2. Process mining có thể áp dụng như thế nào trong xây dựng?
   Process mining sử dụng dữ liệu sự kiện từ các hệ thống BIM và IoT để phân tích quy trình thi công, phát hiện điểm nghẽn, sai lệch so với kế hoạch và đề xuất cải tiến, giúp nâng cao hiệu quả quản lý dự án.

3. Mô hình ARIMA được sử dụng để làm gì trong nghiên cứu này?
   Mô hình ARIMA được dùng để dự báo số lượng công tác hoàn thành hàng ngày dựa trên dữ liệu lịch sử, giúp dự đoán tiến độ thi công và hỗ trợ ra quyết định điều chỉnh kế hoạch kịp thời.

4. LIDAR có ưu điểm gì trong việc thu thập dữ liệu thi công?
   LIDAR cung cấp dữ liệu điểm mây chính xác về hiện trạng công trường, giúp so sánh với mô hình as-planned để phát hiện các phần tử thiếu hụt hoặc sai lệch, nâng cao độ chính xác trong giám sát tiến độ.

5. Khó khăn chính khi tích hợp BIM và process mining là gì?
   Khó khăn bao gồm việc thu thập dữ liệu sự kiện chất lượng cao, tính đa dạng và không đồng nhất của dữ liệu từ nhiều nguồn, cũng như sự khác biệt về mức độ sẵn sàng công nghệ của các bên liên quan trong ngành xây dựng.

Kết luận

• Phương pháp tích hợp 4D visualization và process mining giúp nâng cao độ chính xác trong mô phỏng và giám sát tiến độ thi công.
• Việc sử dụng dữ liệu thực tế từ IoT và LIDAR hỗ trợ phát hiện kịp thời các điểm nghẽn và sai lệch so với kế hoạch.
• Mô hình ARIMA cho phép dự báo tiến độ với sai số thấp, hỗ trợ quản lý dự án chủ động hơn.
• Nghiên cứu đã được xác thực qua dự án thực tế tại Søborg, Đan Mạch, chứng minh tính khả thi và hiệu quả.
• Đề xuất các giải pháp triển khai công nghệ và đào tạo nhằm thúc đẩy ứng dụng rộng rãi trong ngành xây dựng.

Next steps: Mở rộng nghiên cứu áp dụng cho các loại dự án khác và phát triển các mô hình dự báo nâng cao hơn.

Call-to-action: Các chuyên gia và nhà quản lý dự án nên cân nhắc áp dụng phương pháp này để tối ưu hóa tiến độ và chất lượng thi công, đồng thời thúc đẩy chuyển đổi số trong ngành xây dựng.