大數據視角下水利工程質量風險管理

陳華俊

(云南省水利水電建設管理與質量安全中心 云南 昆明 650224)

近年來，國家不斷加大投入力度，將水利工程作為基礎設施建設和保障改善民生的重要領域推進水利工程建設。水利工程一般規模大、投資高、建設周期長、施工技術復雜，一旦發生質量事故將造成不可挽回的損失，為此需要加強對水利工程施工過程中的質量風險管理，尤其是“前饋”型風險管理；目前國內對工程項目風險的管理多為“反饋”型管理模式，即通過監督檢查發現在建項目工程質量風險問題，通過對已發生的問題進行反饋和整改達到提高工程質量的目標。“前饋”型管理模式的應用較為缺乏，即綜合運用工程各參與方的信息，建立質量分析評估體系，對項目存在的質量風險進行事前分析，從而對質量風險進行規避或者處理，“前饋”型管理相比于“反饋”型管理具有事前預警的優勢，利用大數據進行統計分析得出水利工程的質量風險概率可以在事前加強管理，降低水利工程質量事故發生概率。隨著云時代的來臨，大數據正在廣泛地應用于基礎設施的各個領域，在水利工程質量風險管理中運用大數據的思維方式可以改變監管模式、創新監管手段，大數據與“前饋”型管理模式的結合將進一步提高工程質量管理的科學性。國內外學者對水利工程質量風險管理進行了一定的研究，主要分為定性研究、定量研究和定性與定量相結合研究。季暑月等[1]、何晶等[2]、佟明明等[3]采用定性分析的方法對我國的水利工程質量風險管理進行了研究，分析了水利工程風險管理存在的問題，從內部和外部不確定因素對風險進行了分類，并提出了一系列應對策略。朱伯芳[4][5]、王海波等[6]、張社榮等[7]從定量的角度對混凝土壩施工質量風險進行了研究，構建相應的數據模型對風險進行了定量計算。楊燦等[8]、王世軍[9]將定性分析與定量分析結合對水利工程質量風險進行了研究。

為此，筆者借鑒大數據分析的思維方式，從質量風險初始清單構建、風險指標的數據采集、分析和風險清單的動態調整等方面構建質量風險管理體系，為水利工程質量管理提供新思路。

一、大數據視角下的水利工程質量風險管理思路

質量監督管理是水利工程政府監管的重要內容，如何有效實施水利工程質量監管是實現政府職能回歸、全面履行政府職能的重要任務。水利工程質量風險管理主要包括工程行為風險管理和工程實體質量風險管理，質量監督部門要充分發揮自身的監督作用，對工程項目相關參建單位資質進行抽查，以保證水利工程各參建單位能夠相互監督、配合，從而對水利工程質量進行嚴格有效控制。省級質量管理部門在進行轄區范圍內水利工程質量風險管理時需要進行重點項目篩選、重點部位和重點環節的監管。為提高監管的效率，需要相關部門依據歷史數據和項目當前情況動態分析和預測重點監管對象。

對于重點監管對象的分析和預測，必須依據質量風險影響因素來監測。同時，影響水利工程建設質量的因素眾多，項目招投標、勘察設計、施工階段的因素相互交織，使質量風險的產生、傳遞和作用機制難以精確描述。例如：建筑市場的管理工作做的不到位，掛靠資質、圍標串標等不良行為，工程多次轉包分包給其他的施工單位，施工人員經驗不足，缺乏施工規范和質量管理意識，現場監管工作缺失等。隨著我國水利工程建設管理信息化建設的不斷提高，各省(市、自治區)先后建立了水利工程建設市場監管系統、招投標管理系統、建設過程管理系統、質量監督管理系統，再加上國家層面建立的施工企業檔案信息、信用數據平臺等。這些信息資料詳細記錄了一個水利工程項目建設全過程的詳細信息，圍繞著工程質量主體對這些信息進行有效的整合和預處理，能夠為后續識別水利工程質量風險和預測質量風險問題提供基礎性數據。

大數據方法的主要作用是對大量的數據進行智能分析處理，從海量數據中尋找出有用的信息。在水利工程質量風險管理工作中運用大數據方法可以根據以往工程建設中保存的數據信息，分析影響各類指標對于質量的影響機理，對未來的質量風險做出預警。這種質量風險的分析方式與以往研究具有本質的不同，主要體現在采用各類實際工程信息挖掘出影響工程質量的模式和規律，對以往形成的質量風險認識進行修正和補充。

二、大數據視角下水利工程質量風險管理的框架設計

目前，關于質量風險識別方法大多從風險形成機理進行分析，不能準確反映實際情況，隨著云計算、移動互聯網、物聯網等新一代信息技術的創新和應用普及，大數據技術被運用到質量風險管理中，將海量碎片化的工程建設信息數據及時地進行篩選、分析，并最終歸納、整理出所需的信息。水利工程質量風險管理者通過大數據的分析，能夠快速地發現風險指標的變化和發展趨勢，從而幫助管理者及時做出正確的決策。

水利工程質量風險的大數據管理體系建設是一項復雜的系統工程，單一的數據分析功能或數據展示功能不能完全體現數據的價值，必須將質量管理需求和數據采集、分析、反饋形成完整的體系，為此筆者劃分了3個不同的研究階段。①以質量風險管理需求為導向構建水利工程質量初始風險清單。這一階段主要是通過調查分析理清不同層級質量監督管理部門的需求，然后通過理論分析、文獻計量和專家調查的形式獲取水利工程初始指標清單。該階段的工作既是大數據分析的基礎性工作，又是最為關鍵的階段，只有總結出數據需求和關鍵指標才能為后續的數據采集和分析提供指導。②根據水利工程質量初始風險清單中的風險采集相關數據。這一階段需要根據初始風險清單建立質量風險數據的內容、采集頻率、格式等標準，并利用數據抓取、數據交換等技術從不同的業務系統中定期收集相關數據。③利用多維數據分析、數據挖掘、數據可視化等大數據分析技術采集的數據進行分析，根據質量風險清單對項目質量風險進行分析和預警，同時根據工程質量問題的實際數據對初始的質量風險清單進行優化。其中，第二、第三階段是一個動態管理的過程，通過質量監督和管理過程的不斷深入，對質量風險清單和風險識別模型進行學習和優化。

三、水利工程質量風險管理需求與初始風險清單研究

(一)水利工程質量風險管理需求

水利工程的項目法人、施工、監理及質量監督單位都具有工程質量管理的職責。項目法人主要側重于所在項目的工程質量管理體系建設，通過落實工程質量責任制、對有關單位質量行為和工程實體質量進行檢查。施工單位則通過“三檢制”履行工程質量的自檢要求。監理單位作為工程項目組織系統范圍內的主體，主要以法律法規、技術規范和工程建設合同為依據開展質量橫向監督管理。與其他項目參與方不同，質量監督管理單位是工程項目組織系統外的監督管理主體，通過行政管理的方法和手段對項目系統內的建設行為主體進行縱向監督管理。同時，質量監督管理單位的監管深度和廣度與項目內的主體不同，其負責的項目相對較多，因此必須全面掌握所管轄項目的整體情況和信息，有重點地開展質量監督工作。此外，質量監督單位的監督管理必須抓住工程建設的關鍵時間節點和關鍵部位，而非代替監理單位進行細致性監督。總體上看，必須區分質量監督單位與項目參與方在質量風險管理方面的差異性，凸顯中觀層面和面上層面的質量風險特點，才能充分掌握質量風險管理大數據分析的功能需求和數據需求。

(二)不同階段質量風險指標識別

水利工程質量的形成和演化是一個動態性的過程。質量監督部門為在關鍵時點開展眾多項目的面上監管，需要合理劃分項目階段的不同時點。在同一時點上對不同項目進行質量風險評估，及時發現監管項目所存在的問題和不足。

水利工程質量風險影響因素眾多，各類風險相互交織。為全面、客觀地制定不同階段質量風險指標體系，首先需要通過文獻計量法對已有的水利工程質量風險研究進行系統性梳理，并對相關指標進行頻次統計，同時考慮監督檢查的重點內容，形成質量風險指標的備選集合。然后，根據工程質量監督的階段性劃分，從質量風險指標的備選集合中生成開工前、建設中等不同時點的指標子集。

在形成各階段質量風險指標備選集合的基礎上，通過對各項目參與方和質量監督人員的廣泛調查，對備選指標集合進行初步調研，對不符合實際情況的指標進行優化和調整，對于缺少的指標進行補充和完善，從而保證備選指標集合的完備性。然后，進一步組織水利工程設計、施工、監理和質量監督領域的專家開展德爾菲法調查，對指標體系的完備性進行復核，同時對于不同階段的質量風險指標權重體系進行設定[10]。經過指標備選集合選擇、預調研、指標集合完善、專家調查和權重設定后，最終將形成水利工程建設質量風險初始清單。

四、質量風險管理數據采集與預警

(一)質量風險管理數據采集

質量風險清單的建立為指導相關數據的采集供了指導，由于質量風險清單中涉及的人員資質、管理體系、材料設備、過程檢驗等相關信息分布在各項目參與方的管理系統中，為進一步提高質量風險管理的智能化、科學化水平，還需要增強初始風險清單中相關數據的采集強度。

(1)對初始風險清單中的各類指標進行分級量化。對于國家法律法規、技術規程規范中已經明確規定的相關指標，需要按照相關規定進行量化。而對于“圍串標”、“違法分包”等尚未明確分級量化標準的指標，需要根據以往質量監督檢查的統計分析結果進行離散化處理，按情況嚴重程度設計相關參考標準，并分別賦予分值。

(2)設計質量風險數據的采集方式。對于施工單位、監理單位已經采集的工程基本信息、檢測數據等量化信息可以通過數據交換方式直接傳遞到質量風險數據庫。例如：監理單位將抽檢數據同步到質量監管系統，信息化程度較高的施工企業如配備了工程材料信息管理系統的，可將各單元工程的材料信息直接同步到質量監管系統，由系統統計各批次材料的質量情況，進行評分。地基處理、結合部處理的相關風險指標較難直接量化和采集數據，可采取圖片、視頻資料上傳至質量風險數據庫，由質量監督員進行間接量化。完成基礎和結合部處理時，由監理單位負責拍攝影像資料，上傳至質量監管系統以備評估質量風險。而以往并未要求參建單位提供的相關信息，如相關業績證明、民工隊伍素質等則需要參建單位或民工隊伍提供自身資質情況和參建項目的業績數據，由質量監督單位根據量化標準進行采集。

(二)工程質量風險預警

隨著信息技術的迅猛發展，水利信息化在各個領域都有所突破，其中水利工程的質量風險管理也越來越依賴信息技術，加速工程質量風險管理的信息化、網絡化，是時代對工程質量與安全管理的要求。因此，通過大數據對水利工程質量風險進行管理是提高監督管理水平的重要途徑。在水利工程質量風險管理中圍繞一個項目，構建包含項目基本信息、歷次質量監督活動產生問題的數據集合，形成質量問題與風險的動態化管理，通過聚類分析和時序分析等方法，探尋某一項目質量問題和風險演化的趨勢，為今后其他項目風險的預測提供經驗借鑒。

五、質量風險的大數據分析

(一)質量風險指標的數據分析

經過較長時間的數據采集和預警后，質量風險產生機理分析是指采用大數據分析中數據庫將累計較為豐富的數據資料。這些數據資料的關聯規則、時序分析、聚類分析等算法對采集到的為工程質量風險的多維分析、風險產生機理的挖掘歷史數據進行挖掘，從而發現各類質量風險問題之和質量風險指標的優化調整提供了較好的基礎。

工程質量風險的多維分析是指從質量監督單位互聯系的，根據采集到的歷史風險事件發掘各類關心的維度對歷史數據進行多層次、多粒度的統計。通常質量監督單位對于質量風險問題產生的主體、時間、部位進行高度關注。這就需要根據歷史數據，從管理類、技術類和環境類質量風險監督報告中大類問題進行挖掘后所產生的結果。指標大類、具體指標層面建立分析的維度層次，類似地建立多種維度的層次結構，構建多個維度層次結構的分析模型。

(二)質量風險管理的優化

隨著質量風險數據的不斷搜集、分析，有必要對質量風險初始清單進行優化。一方面，質量風險的初始清單完全由理論分析和專家調研獲得，其主觀性較強，需要根據工程實際情況進行修正。另一方面，隨著質量監督工作的不斷開展，被監督對象隨著時間推移逐步了解風險清單的內容和權重設置，因此各類風險發生的概率與初始風險清單建立的基礎產生了較大的偏離。

質量風險清單的優化可以采用大數據分析中的分類算法，如深度學習、隨機樹等分類方法。首先，將搜集到的工程質量風險問題作為分類變量，而將初始風險清單中的指標作為屬性變量，構建質量風險分類算法的訓練集合和測試集合；然后，采用多種算法分別訓練模型，并通過測試數據集對比算法優劣，根據最優算法分析初始風險指標，區分質量風險問題的重要度；最后，根據指標重要度對初始風險指標進行刪減和權重調整，從而使初始風險清單具有自學習能力，適應水利工程建設水平的發展和被監督對象建設管理能力的提升。

六、結束語

綜上所述，從大數據思維出發對水利工程質量風險管理進行研究，現有的水利工程質量風險管理理論與研究成果難以滿足政府監管的需求，采用大數據方法來對水利工程建設質量風險進行管理，有利于對水利工程質量風險管理進行科學和動態管理、實時監控質量風險控制點以及根據大數據分析結果提前預警，從而采取措施防范可能出現的質量風險事故，提高政府部門的監管效率。