Modelo genérico para medir los beneficios de BIM como una herramienta

de aprendizaje en tareas de construcción

weisheng Lu 1; Yi Peng 2; Qiping Shen, M.ASCE 3; y Heng Li 4

Abstracto: En los últimos años, la gente ' s comprensión de modelado de información (BIM) en el, industria de la arquitectura ingeniería y construcción (AEC) ha mejorado significativamente. Modelado
de información puede ser diversamente reconocido como un diseño virtual y entorno de la construcción, un vehículo de comunicación entre las partes interesadas, un modelo de información de toda
la vida, o una plataforma de educación que se puede utilizar en las universidades y colegios. Modelado de información también se puede utilizar como una herramienta de aprendizaje que pueden
ayudar a los equipos de proyecto en familiarizarse con una tarea de construcción antes del comienzo de la tarea en el lugar. Sin embargo, se ha hecho poco esfuerzo para medir los beneficios de
este tipo. El objetivo de esta investigación es medir empíricamente los beneficios de BIM como herramienta de aprendizaje en las tareas de construcción de la vida real. Las curvas de aprendizaje de
dos situaciones - tareas de construcción y con las tareas de construcción sin BIM - se identifican siguiendo una serie de procesos analíticos. Las dos curvas de aprendizaje y se comparan los efectos
de aprendizaje aportados por el BIM se modelan como L ef BIM. Al introducir sus propios datos, los profesionales pueden utilizar este modelo general para medir los efectos de aprendizaje aportados por
BIM en sus propios proyectos. El modelo puede ser utilizado para animar BIMusers potenciales al mostrar evidencia empírica de BIM ' s beneficios. También se espera que el modelo puede unirse a
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

los esfuerzos concertados para promover BIM ' valor de s en la industria AEC. DOI: 10.1061 / (ASCE) CO.1943-7862.0000585 . © 2013 American Society of Civil Engineers.

Base de datos CE epígrafes: La construcción de modelos de información; Gestión de proyectos; Simulación.

Palabras clave Autor: BIM; Gestión de proyectos; Curva de aprendizaje; Aprendizaje organizacional; Simulación; Construcción.

Introducción
Los últimos años han visto la creciente programa de investigación sobre el modelado de
información (BIM) en el, industria de la arquitectura ingeniería y construcción (AEC). A
pesar de una amplia gama de definiciones BIM, cierto consenso que se alcanza el BIM no
es un modelo tridimensional sencilla (3D), sino un proceso para mejorar el rendimiento a
través de todo el ciclo de vida de los edificios. Sobre la base de estos entendimientos,
BIM se puede utilizar para una amplia gama de propósitos,
por ejemplo, el diseño y la integración de la construcción, gestión de proyectos y gestión
de las instalaciones ( Azhar et al. 2008 ; Bazjanac 2008 ;
Schlueter y Thesseling 2009 ). Modelado de información que se argumenta para ser una
herramienta útil para la reducción de la industria de la construcción ' s fragmentación, la
mejora de su eficiencia / eficacia y reducir los altos costos de interoperabilidad insuficiente
( Succar 2009 ). Modelado de información también es reconocido como un diseño virtual y
construcción medio ambiente (VDC), un vehículo de facilitar las comunicaciones entre las
partes interesadas, un modelo de información que puede ser
utilizado a lo largo del ciclo de vida del proyecto, o una plataforma de educación que puede
ser utilizado en universidades o colegios ( Lu y Li 2011 ). Está cambiando las prácticas
tradicionales de AEC en un sentido amplio en términos de personas, procesos, cultura de
trabajo, la comunicación y modelos de negocio. Algunos incluso defienden que las prácticas
tradicionales de AEC se enfrentan a un cambio de paradigma con la aplicación de BIM ( Lu y Li
2011 ).
No obstante, una amplia adopción de BIM depende en gran medida de cómo la industria
percibe sus beneficios reales. Los usuarios que se van a adoptar BIM necesitan ser animados
mediante el uso de la evidencia empírica. Los inversores también necesitan justificar su
inversión de tiempo y el presupuesto en el BIM discerniendo prueba clara de sus beneficios.
La investigación ha demostrado que uno de los principales obstáculos para la adopción de
BIM es la justificación de los costes y beneficios adicionales ( Li et al. 2009 ). En este sentido,
se han realizado una serie de estudios para identificar y medir BIM ' s beneficios. Kaner et al. ( 2008
) Puso de manifiesto una clara mejora en la calidad del diseño de ingeniería, en términos de
dibujos libres de errores, y una mejora constante aumento de la productividad laboral
mediante la aplicación de BIM a cuatro estudios de caso detallados. Sacks et al. ( 2005 )
Encontraron que el beneficio potencial de la adopción de BIM se estima en el rango de 2.3 - 4.2%
del costo total del proyecto para las empresas precastconcrete. Sacos y Barak ( 2008 )

1 Profesor Adjunto, Building Information Modeling (BIM) Laboratorio, Departamento Informaron que BIM ayuda a obtener un aumento de la productividad que van desde 15 - 41%
para estructuras de hormigón armado colado en el lugar en la fase de dibujo. Patrick y Raja ( 2007
de Inmobiliaria y Construcción, El Univ. de Hong Kong. E-mail: wilsonlu@hku.hk
) Llevaron a cabo una encuesta y encontró que la finalización de la calidad, a tiempo y
2 Doctor en Filosofía. Candidato, Departamento de Construcción y bienes raíces, el Hong Kong unidades por personal de horas fueron clasificados como los más altos beneficios de BIM.
Politécnica Univ., Hung Hom, Kowloon, Hong Kong, República Popular China (autor correspondiente). Comparándolo con los métodos tradicionales, Azhar et al. ( 2008 ) Declaró que un proyecto
E-mail: pengyihz@gmail.com caso de BIM en su lugar ha ayudado a ahorrar un estimado de $ 600,000 en extras y evitar
3 Profesor, Departamento de Construcción y bienes raíces, el Univ Politécnica de Hong
posibles retrasos de meses. Sobre la base de 32 grandes proyectos utilizando BIM, Centro de
Kong. E-mail: bsqpshen@polyu.edu.hk la Universidad de Stanford para instalaciones integradas de Ingeniería (CIFE) ( CIFE 2007 )
4 Profesor, Departamento de Construcción y bienes raíces, el Univ Politécnica de Hong
Registra varios beneficios aportados por BIM, tales como hasta 40% de eliminación de
Kong. E-mail: bshengli@polyu.edu.hk
cambio no presupuestado, exactitud costo-estimación a menos de 3%, una reducción de
Nota. Este manuscrito fue presentado el 21 de julio de 2011; aprobada el 30 de abril de 2012;
hasta 80%
publicado en línea el 2 de mayo, período de 2012. La discusión abierta el 1 de julio, 2013;
discusiones separadas deben ser sometidos a trabajos individuales. Este documento es parte de la Diario
de Ingeniería y Gestión de la Construcción, Vol. 139, Nº 2, 1 de febrero de 2013. © ASCE, ISSN
07339364/2013 / 2-195-203 / $ 25.00.

REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013 / 195

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203

 en el tiempo que tardó la generación de una estimación de costes, ahorro de hasta el 10% del valor del
contrato, y hasta un 7% de reducción en el tiempo del proyecto.
Además de sus aplicaciones en proyectos de la vida real, BIM también es reconocida
como un entorno virtual en los colegios para la enseñanza y el aprendizaje, por ejemplo,
arquitectura, ingeniería, construcción y operación. Modelado de información presenta una
oportunidad para que los estudiantes adquieran las habilidades necesarias mediante la
imitación de cerca las prácticas de la vida real en la industria, en vez de ir a los sitios reales
cada vez. Algunos investigadores han defendido que el diseño y la construcción de la
educación utilizando BIM debe estar estrechamente vinculada a los planes de estudios ( Ibrahim
y Rahimian 2010 ; Peterson et al. 2011 ; Sacos y Barak 2010 ). Se han evaluado los efectos de
aprendizaje con frecuencia de BIM en este caso. Por ejemplo, Dennis ( 2006 ) Llevaron a cabo
un estudio para investigar los efectos de aprendizaje relacionados con un plan de estudios
para el Departamento de Gestión de la Construcción en la Universidad del Estado de
California y encontraron que BIM parecía tener un pequeño pero positivo influencia en las
habilidades plan de lectura. Más tarde, Dennis ( 2007 ) Realizaron un estudio similar y encontró
que BIM parecía tener una influencia positiva en la estimación. Hedges y Denzer ( 2008 )
Encontraron que promueve BIM funciones claramente definidas en el enfoque de gestión de la
clase basada en grupos de aprendizaje en equipo, lo que anima a los estudiantes a seguir las
investigaciones más rigurosas de alternativas de diseño.
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.
Una investigación más profunda de las referencias citadas anteriormente revela que pocos
han examinado BIM ' s posterior utilización como herramienta de aprendizaje de la organización
en los proyectos de construcción de la vida real. “ Aprender haciendo ” puede ser llevado a cabo
en BIM como un entorno virtual, que se supone que es menos costoso que la construcción de
una estructura física. Esto es particularmente útil teniendo en cuenta que la construcción física
es a menudo costosa y difícil, si no completamente imposible, revertir. Aprender del entorno
virtual de antemano se espera beneficiar a la erección de la construcción física en una etapa
posterior. Li et al. ( 2009 ) Informó de un caso de un edificio de gran altura en Hong Kong para
los que BIMwas adoptó para ensayar y optimizar el plan de construcción de una planta típica,
que normalmente representa una NORTE- ciclo del día. La construcción de modelado de
información como herramienta de aprendizaje se ha aplicado también en otras actividades de
construcción, tales como el personal de campo de la formación, la salud y la seguridad de
trabajo (SST), el funcionamiento de la maquinaria de construcción y planificación logística ( Becerik-Gerber
y Kensek 2010 ; Eastman et al. 2008 ; Fox y Hietanen 2007 ; Sacks et al. 2009 , 2010a , segundo ).
La construcción de modelado de información también se ha informado para ser utilizado en el
análisis de factibilidad de construcción y de identificación del proceso, que contienen procesos
per se (aprendizaje Li et al. 2008a , segundo ). Los efectos de aprendizaje podrían ser
fenomenal en muchas operaciones de campo de la construcción repetitiva que van desde las
más pequeñas, como la fijación de fundición, y hormigonado, a los más grandes, incluyendo la
construcción de un piso estándar. Desafortunadamente, rara vez se han identificado y medido
estos efectos de aprendizaje aportados por el BIM.
El objetivo principal de esta investigación es modelar empíricamente los efectos de aprendizaje
aportados por BIM en las tareas de construcción de la vida real. En lugar de centrarse en una pieza
particular de una tarea de la construcción, el presente trabajo tiene como objetivo desarrollar un
modelo genérico L ef BIM que permite a los usuarios de BIM para evaluar los efectos de introducir sus
propios datos de proyectos de aprendizaje. El modelo puede ser utilizado para convencer a los
profesionales de AEC, mostrando la evidencia empírica de BIM ' s beneficios. El modelo también
permite a los usuarios de BIM para justificar la inversión en BIM. Se espera que el modelo, mediante
la identificación y medición de BIM ' s beneficios, pueden unirse a los esfuerzos concertados para
promover BIM ' valor de s en la industria AEC. El papel comprende posteriormente cuatro secciones.
Desde un punto de vista metodológico, “ Curva de aprendizaje ” revisa la literatura sobre la curva de
aprendizaje y explora sus implicaciones para esta investigación. “ Metodología y los efectos de
aprendizaje Modelo de BIM ” describe la metodología para medir los efectos de aprendizaje
aportados por el BIM. Con el
196 / REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013
J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203
la ayuda del lenguaje matemático y las herramientas gráficas, una serie de seis procesos
analíticos se introducen para derivar el modelo genérico
L ef BIM. El uso de un estudio de caso, “ Estudio de caso para ilustrar L ef BIM
Solicitud ” demuestra cómo L ef BIM puede ser utilizado en tareas de construcción de la vida
real. “ Conclusiones y Desarrollo Futuro ” saca conclusiones y se proponen orientaciones
para futuras investigaciones.
Curva de aprendizaje
los efectos de aprendizaje tienden a seguir una curva de aprendizaje. La curva de aprendizaje
fue desarrollado originalmente de un estudio empírico de 1936 en empresas de avión por
Wright ( Wright 1936 ; Adler y Clark 1991 ) Y sigue siendo popular. La teoría básica detrás de la
curva de aprendizaje es que, como un equipo de trabajo o proyecto aprende haciendo, más a
menudo el trabajador o equipo repite una operación, más eficiente será el trabajador o equipo
se convierte en ( Couto y Teixeira 2005 ). Este fenómeno es evidente en muchas actividades de
producción repetitivos y se conoce como la experiencia de aprendizaje o efecto de aprendizaje.
La curva de aprendizaje puede ayudar a identificar los efectos de aprendizaje o, en otras
palabras, la relación entre la mejora del rendimiento y la experiencia acumulada a través del
aprendizaje. En este trabajo, el rendimiento se mide a menudo usando la productividad en
varios términos, tales como horas de personal / ciclo, el costo / ciclo, y el tiempo / ciclo (por
ejemplo, Thomas 1986 ; Adler y Clark 1991 ; Farghal y Everett 1997 ; Couto y Teixeira 2005 ). Sin
embargo, la curva de aprendizaje no sólo es una curva que refleja la productividad de mano de
obra directa neta atribuible al trabajador ' s propio esfuerzo y habilidad ( Lieberman 1987 ).
Aprender detrás de los resultados de la curva de aprendizaje de un esfuerzo integrado de
muchos factores, tales como mano de obra directa, mano de obra indirecta, personal técnico, y
la acción de dirección o de ingeniería para cambiar la tecnología, equipos, procesos, o de
capital humano ( Oglesby et al. 1989 ; Lutz 1994 ). Cabe señalar que los estudios anteriores se
centran en los trabajadores individuales en las tareas repetitivas de trabajo, y los efectos de
aprendizaje en tareas de gestión tales como el plan de proyectos, gestión de obras, y la
innovación no se han abordado plenamente. Sin embargo, la ventaja de la curva de aprendizaje
es que se puede describir el esfuerzo integrado de todos estos factores. Adler y Clark ( 1991 )
Llamó a esta curva de aprendizaje un cajón de sastre modelo con una variable explicativa:
experiencia.
El modelo de curva de aprendizaje clásica es una función de potencia, que se puede
representar adicionalmente como líneas rectas en el logarítmica coordenada como se muestra en la
Fig. 1 . Los efectos de aprendizaje pueden ser analizados a través de las tres etapas mostradas en
la Fig. 1 . La teoría de la curva de aprendizaje establece que, cuando la cantidad de producción de
unos nuevos o modificados dobles de productos, la unidad o el costo promedio acumulado (por
ejemplo, horas, personas-hora, o en dólares) se reducirá en un porcentaje determinado de la unidad
anterior o tasa media acumulativa ( Thomas et al. 1986 ).
Pesado Aumento de la productividad debido a la adquirida
experiencia
Aprender a un efecto
Nivelación del aprendizaje
tasa constante
efecto
La producción acumulada logx
Figura 1. Tres etapas en una curva de aprendizaje teórico
 Tabla 1. Resumen de la curva de aprendizaje Modelos Tipo

Fórmula Derivado observaciones referencias

Lineal Iniciar sesión y ¼ un þ segundo Iniciar sesión X Lineal x, y; lineal X, , Tasa de aprendizaje más simple constante Everett y Farghal
Iniciar sesión y; log-lineal x, y ( 1997 )
Cuadrático Cuadrático
Iniciar sesión y ¼ un þ segundo re Iniciar sesión X th th do re Iniciar sesión X Þ 2 x, y; cuadrático X, No tasa de aprendizaje una constante Everett y Farghal
Iniciar sesión y; registro cuadrática x, y ( 1994 )
Cúbico Iniciar sesión y ¼ un þ segundo re Iniciar sesión X th th do re Iniciar sesión X Þ 2Cúbico
þ re rex,
Iniciar sesión
y; cúbico X, X Þ 3 sesión y;
Iniciar No tasa de aprendizaje una constante Thomas et al.
registro cúbico x, y ( 1986 )
DeJong ' s y ¼ un ½ METRO þ ð 1 - METRO Þ X - segundo Proporción de trabajo manual en el DeJong ( 1957 )
fórmula trabajo persona-máquina incorporada

S curva y ¼ un ½ METRO þ ð 1 - METRO THD X þ pag Þ segundo Inicio del proceso de aprendizaje más Nembhard y
gradual que sugiere modelo lineal Uzumeri ( 2000 )

Stanford B y ¼ un re X þ pag Þ segundo experiencia adquirida antes de Yelle ( 1979 )

aprender asumido
Exponencial y ¼ k re 1 - mi - x = r Þ y ¼ k re 1 - mi - re X þ pag Þ = r Þ El aprendizaje de los individuos, tanto para un Uzumeri y
manual de habilidades conceptuales Nembhard ( 1998 )
Hiperbólico y ¼ k ½ x = re X þ r Th? y ¼ k ½ d X þ pag Þ = D X þ pag þ r Th? El aprendizaje de los individuos, tanto para un Wong et al. ( 2007 )
manual de habilidades conceptuales

Nota: Las definiciones de los símbolos se enumeran en “ Notación. ”

Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

Este porcentaje se denomina tasa de aprendizaje e identifica el aprendizaje logrado. También
establece la pendiente de la curva de aprendizaje, como se muestra en la Fig. 1 . Debido a que un
modelo de curva de aprendizaje de toda la industria satisfactoria para todos los productos o
actividades no existe, muchas otras formas curva de aprendizaje se han desarrollado se muestra en
la tabla 1 . La curva de aprendizaje ha sido ampliamente utilizado para investigar el aprendizaje en el
sector AEC debido a sus fortalezas para facilitar el control de costes, la previsión y la planificación
estratégica. Por ejemplo, se han realizado investigaciones para encontrar un modelo matemático
curva de aprendizaje que mejor se adapta para describir los efectos de aprendizaje en un conjunto de
actividades de construcción repetitivos a través de datos históricos (por ejemplo, Thomas et al. 1986 ;
Son muchos los factores causales mientras que los datos utilizados para la regresión son
insuficientes ( Nembhard y Uzumeri 2000 ). La ANN podría generar resultados satisfactorios,
pero debido a su proceso de cálculo de recuadro negro, es difícil interpretar las
implicaciones de los modelos ( Dikmen et al. 2005 ). Por lo tanto, la curva de aprendizaje es
reconocido como una herramienta viable para modelar los efectos de aprendizaje aportados
por BIM en las tareas de construcción de la vida real.

Metodología y los efectos de aprendizaje Modelo de BIM

Everett y Farghal 1994 ; Lutz et al. 1994 ; Couto y Teixeira 2005 ). También se han
realizado estudios para predecir el rendimiento futuro a través de las curvas de
aprendizaje ( Everett y Farghal 1997 ; Farghal y Everett 1997 ; Wong et al. 2007 ). Se
podría argumentar que un modelo de regresión múltiple (RM) o una red neuronal
artificial (ANN) pueden reflejar esto, también. ¿Por qué tiene que ser la curva de
aprendizaje? Wong et al. ( 2007 ) Y Ling y Liu ( 2004 ) Sugirió que el enfoque MR
asume una relación lineal entre el aprendizaje y el rendimiento, lo que conduce a
resultados insatisfactorios. Además, el enfoque MR podría no ser factible, sobre
todo cuando hay
Después de una revisión detallada de la literatura sobre la curva de aprendizaje, una
metodología para la presente investigación se hace evidente. Para medir los efectos de
aprendizaje aportados por BIM, el aprendizaje se identifican las curvas de dos situaciones:
las tareas de construcción con y sin BIM instancia de aprendizaje. Si las dos situaciones son
idénticos excepto por un factor (BIM), los efectos de aprendizaje aportados por el BIM se
pueden modelar mediante la comparación de las dos curvas de aprendizaje. Aunque la
razón subyacente de la metodología es sencillo, los efectos de aprendizaje deben ser
identificados siguiendo una serie de procesos de análisis (Fig. 2 ).

proyecto con proyecto BIM BIM sin

Identificar las tareas de

tomador de decisiones Recopilar datos de rendimiento Procesamiento de datos
construcción repetive

DD'

Disponibilidad de datos fuente de datos de proyectos similares en el mismo

formato de datos de empresas (datos de relación de

S S'
datos, la unidad) el mayor número de puntos de datos

como sea posible

L effBIM Calcular los efectos de aprendizaje Comparar los dos aprendizaje Identificar el mejor aprendizaje ajuste
mimimal MSE
aportado por el BIM curvas curvas

F'

denota entrada / salida y operación denota los criterios

Figura 2. Diagrama de flujo de modelado BIM ' s efectos de aprendizaje en las obras de construcción

REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013 / 197

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203

 Paso 1. Identificar las tareas de construcción repetitivos para estudiar número de puntos de datos de todos modos, la curva no puede ser capaz de describir una
situación real. Esto se hace eco de Everett y Farghal ( 1994 ), Cuya crítica señaló que la
En este paso, los que toman las decisiones identificarán la tarea de construcción repetitivo que
investigación anterior utiliza sólo cuatro puntos de datos, y por lo tanto la mayoría de las curvas de
se trate. Como se ha comentado, los efectos de aprendizaje residen en las actividades de
aprendizaje identificadas no son convincentes. por lo tanto, se sugiere que el mayor número de
construcción repetitivos. Sin embargo, la magnitud de estas tareas repetitivas de construcción
puntos de datos como sea posible recoger en un ejercicio de dicha medición.
varía. Las tareas pueden ser actividades de pequeña escala, tales como el montaje y
desmontaje de encofrado, hormigonado, erección de tabiques de yeso, planta de prefabricado,
La fuente de datos para los datos de rendimiento también es fundamental. La investigación
cantería, fundición partido, la construcción en acero, y la instalación de alcantarillado de línea ( Everett
realizada por Thomas et al. ( 1986 ), Everett y Farghal ( 1994 ) Y Wong et al. ( 2007 ) Los datos de
y Farghal 1994 ; Lutz et al. 1994 ). También pueden ser repetitiveworks a gran escala, como la
acceso de los recursos públicos, como el Comité de las Naciones Unidas sobre Vivienda,
construcción de estructuras residenciales de varios pisos y la construcción de carreteras ( Thomas
Construcción y Planificación o de la Autoridad de Vivienda de Hong Kong (sistema de puntuación
et al. 1986 ; Lutz et al. 1994 ). En particular, Couto y Teixeira ( 2005 ) Integrado las tareas de
de Evaluación HKHA) Rendimiento (PASS) ( HKHA 2012 ). Para modelar los efectos aportados por
construcción necesarios para la construcción de un edificio de nivel del piso en una sola
BIM aprendizaje, se necesitan datos más precisos y hechos a medida. Uno puede obtener los
actividad de la construcción repetitiva y se investigó los efectos de aprendizaje en el desarrollo
datos (por ejemplo, staffhours / ciclo, el tiempo / ciclo, costo / ciclo) a partir de documentos tales
de un conjunto de siete edificios de viviendas idénticas. Además de la ejecución física de un
como registros del sitio, hojas de tiempo ocupados por los empleados, informes de progreso,
proyecto, algunas actividades ProjectManagement, tales como la planificación y coordinación
registros de inventario, o proveedores ' Las formas materiales / mano de obra. El proceso de
del proyecto sitio, también podrían ser investigados en relación con sus efectos potenciales de
destilación de los datos de rendimiento es más conveniente hoy, porque muchas de las tareas de
aprendizaje.
gestión de proyectos se ven facilitadas por el software, tales como

microsoft Project ( Microsoft 2010) o P6 Primavera ( Oráculo

Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

2012). Incluso es más factible con la creciente aplicación de la integración de la

Paso 2. Recopilar datos de rendimiento documentación del proceso de construcción en BIM ( Goedert y Meadati 2008 ).

En este paso, los datos de rendimiento de las tareas repetitivas de construcción serán recogidos
Como resultado de la etapa 2, se recogieron dos conjuntos de datos de rendimiento.
en los proyectos. Idealmente, dos proyectos idénticos con sólo un factor (BIM) diferente deben ser
Pueden definirse en lenguaje matemático como se muestra en las ecuaciones. ( 1 ) Y ( 2 )
encontrados con el fin de llevar a cabo la comparación diseñada. Sin embargo, en la práctica real
de la construcción es casi imposible encontrar dos proyectos de este tipo. En situaciones reales,
hay muchas otras variables, tales como el plan de sitio logística, el director del proyecto ' s
re ¼ f re 1; re 2; re 3; :::; re metro gramo re 1 Þ
liderazgo, y los trabajadores ' artesanía, haciendo que cualquier sitio único.

re 0 ¼ f re 0 1; 02; re 03; :::; re 0

re 02; norte gramo re 2 Þ

En vista de esto, se han hecho buenos esfuerzos de investigación para reducir la singularidad y
dónde = D conjunto de datos de rendimiento para una tarea de construcción repetitiva sin apoyo
hacer que los dos conjuntos de datos comparables, si no totalmente idénticos. En primer lugar, por
BIM; re 0 = conjunto de datos de rendimiento de una tarea repetitiva de construcción con el apoyo
ejemplo, se puede seleccionar proyectos similares (en términos de áreas de suelo bruto, duración
BIM; y metro y n = número de ciclos de cada tarea.
finalización o de inversión) de la misma compañía, que tendrán la misma cultura organizacional,

capacidad de trabajo, y así sucesivamente. En segundo lugar, como se introdujo posteriormente, el

formato de datos se ponderó iterativamente para reducir el efecto de factores tales como las zonas del

suelo o el número de trabajadores. En tercer lugar, los conjuntos de datos pasarán por el procesamiento Paso 3. Procesamiento de Datos

de datos descrito en la etapa 3 para reducir el ruido o de dispersión de los datos recogidos de las obras
Este paso tiene como objetivo para suavizar los datos. Debido al entorno complejo y turbulento
de construcción turbulentos.
en una obra de construcción, los datos suelen contener una gran cantidad de ruido o de
dispersión. Las medidas deben ser encontrados para suavizar el ruido de los datos antes de
formato de datos apropiado para medir el desempeño del proyecto es esencial en este
que se modela la curva de aprendizaje de mejor ajuste. Como se discutió previamente, Everett
estudio. En linewith referencias anteriores (por ejemplo, Thomas et al. 1986 ; Adler y Clark 1991 ; Farghal
y Farghal ( 1997 ) Sugirió que la media ponderada de los datos de forma exponencial unidad
y Everett 1997 ; Couto y Teixeira 2005 ), El rendimiento de los trabajos de construcción se puede
ofrece una mejor base para modelar la curva de aprendizaje. El fundamento de la ecuación
medir mediante el uso de diferentes términos tales como personas-hora / ciclo, el costo / ciclo, y el
promedio ponderado exponencialmente es que el medio anterior, que contiene información
tiempo / ciclo. En este trabajo, el ciclo representa la pieza de la tarea de la construcción repetitiva.
acerca de todos los ciclos anteriores, debe contarse más importante que una sola nueva
datos de relación, como la productividad en personas-horas = m 2, se pueden adoptar para reducir
observación. La ecuación promedio ponderado exponencialmente es
el efecto de factores, tales como áreas de piso y número de trabajadores, que diferencian a los
dos proyectos. Además, Thomas et al. ( 1986 ) Sugiere que un investigador tiene en general la
posibilidad de utilizar datos de la unidad de datos o media acumulada en la aplicación de la teoría
de la curva de aprendizaje. datos de la unidad son el tiempo, el costo del personal-hora, o la S yo ¼ α re yo þ ð 1 - α Þ S yo - 1
productividad para completar un ciclo determinado. datos promedios acumulados son la media de
dónde i = ciclo; S i = datos de rendimiento suavizadas para el ciclo yo; re i =
tiempo, costo del personal-hora, o la productividad para completar todos los ciclos. Everett y
datos de rendimiento original obtenida de ciclo yo; S yo - 1 = datos de rendimiento suavizadas
Farghal ( 1997 ) Discutió las fortalezas y debilidades de los dos tipos de datos, y se encontró que
para el ciclo yo - 1; y α = factor de ponderación o parámetro de suavizado decidida por el
un proceso de valor medio ponderado exponencialmente de datos de la unidad proporciona una
modelador.
mejor base para modelar la curva de aprendizaje. Con este fin, se tomó la decisión en el presente
Mediante la aplicación de la ecuación para los conjuntos de datos de re y re 0, dos conjuntos de datos
documento para recoger forma de unidad de productividad en personas-horas = m 2 y procesarla
de rendimiento suavizadas se pueden derivar en este paso tal como se muestra en las ecuaciones. ( 3 ) Y
utilizando la media ponderada exponencialmente, que se elaboró ​en el paso 3 ( “ Procesamiento de
(4)
datos “).

S ¼ f S 1; S 2; S 3; :::; S metro gramo re 3 Þ

dónde S = conjunto de datos de rendimiento suavizados de una tarea de construcción sin el apoyo

BIM; y S metro ¼ α re metro þ ð 1 - α Þ S metro - 1

Además, el número de puntos de datos es una cuestión crítica para el aprendizaje de ajuste de

curvas. Aunque uno puede encontrar una curva que encaja en cualquier
S 0¼ f S 0 1; S 0 2; S 0 3; :::; S 0 norte gramo re 4 Þ

198 / REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203

 °, Los datos de rendimiento alisado para un trabajo de construcción sin el apoyo BIM
dónde S 0 = conjunto de datos de rendimiento suavizados de una tarea de construcción con el apoyo
BIM; y S 0
norte ¼ α re 0 norte þ ð 1 - α Þ S 0
- F, La mejor curva de aprendizaje adecuado para un trabajo de construcción sin el apoyo BIM
norte - 1.

* , Los datos de rendimiento suavizadas para una obra de construcción con el apoyo BIM

LOG (rendimiento)
Paso 4. Identificar las curvas de aprendizaje idóneos *
- - - F', la mejor curva de aprendizaje adecuado para un trabajo de construcción con el apoyo BIM
°
Este paso implica la identificación de un modelo de curva de aprendizaje que podría describir mejor los
° *
datos de rendimiento, como se muestra en las ecuaciones. ( 3 ) Y ( 4 ). Existen numerosos modelos para °°
°°
medir los efectos de aprendizaje. A diferencia de estudios anteriores preestablecer un modelo de curva * *
* °
de aprendizaje esta investigación explorará todas las curvas de aprendizaje para encontrar los que mejor F

se adapten a los dos conjuntos de datos de rendimiento, respectivamente. Los programas pueden ser * °° °
diseñados de MATLAB ( MathWorks 2012) para llevar a cabo el ajuste de curvas para seleccionar las *
* °°
curvas de aprendizaje que mejor se ajustan a partir de los que se enumeran en la tabla 1 . Los autores *
*
han tratado en estos MATLAB ( MathWorks 2012) en sus propios ordenadores. y cada proceso cuesta F' * ° ° *
menos de 1 s; Es alentador que los ordenadores modernos rápidas y software hacen ensayos completos * * * °° *
de todas las curvas de aprendizaje posible.

LOG (ciclo)

Un método llamado el de mínimos cuadrados curva de análisis apropiado (LSCFA) se utilizó Fig. 3. Ilustración de las curvas de aprendizaje de mejor ajuste para las obras de construcción con y
para evaluar la idoneidad de un modelo de curva de aprendizaje que describe la tendencia de los sin apoyo BIM
datos ( Everett y Farghal 1994 ; Wong et al. 2007 ). Significa cuadrados de error (MSE) como se
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

muestra posteriormente es generalmente el indicador específico para el LSCFA

produce los efectos de aprendizaje aportados por el BIM. Esto se muestra en la Ec. ( 7 )
MSE ¼ PAG Nueva Jersey ¼ 1 re X j - y j Þ 2
norte

dónde N = número de datos de rendimiento; X j = datos de rendimiento en el j ésimo ciclo después del L ef BIM re T Þ ¼ F - F 0 ¼ F re T Þ - F 0 re T Þ re 7 Þ

procesamiento; y y j = datos de rendimiento coincidiendo con el modelo de curva de aprendizaje en el j º

ciclo ( Wong et al. 2007 ). Prueba de condición física se lleva a cabo mediante la comparación de la dónde L ef BIM re T Þ = efectos aportados por BIM en un ciclo determinado de aprendizaje T.
BMV; cuanto menor es el MSE, mejor será la idoneidad del modelo de aprendizaje en la descripción
de los datos de rendimiento. Siguiendo este LSCFA, una curva de aprendizaje de mejor ajuste para
cada conjunto de datos se puede identificar en este paso, y su correspondiente MSE se muestra en
las ecuaciones. ( 5 ) Y ( 6 ) Paso 6. Calcular los efectos de aprendizaje Contribución de BIM

Los efectos de aprendizaje agregados aportados por BIM en todo el trabajo de construcción se
muestran en la ecuación de integración. ( 8 )
F ¼ F re metro Þ cuando MSE ¼ PAG mj ¼ 1 ½ S j - F re j Th? 2 isminimal re 5 Þ
metro

L ef BIM ¼ Z L ef BIM re T Þ ¼ Z ½ F re T Þ - F 0 re T Th? re 8 Þ

dónde F = curva de aprendizaje de mejor ajuste para una tarea repetitiva sin apoyo BIM; y

dónde L ef BIM = efectos de aprendizaje agregados aportados por el BIM. Se representa en

j - F 0 re j Th? 2
F 0 ¼ F 0 re norte Þ cuando MSE 0 ¼ PAG Nueva Jersey ¼ 1 ½ S 0 isminimal re 6 Þ forma gráfica por el área sombreada en la Fig. 4 .
norte

dónde F 0 = curva de aprendizaje de mejor ajuste para una tarea repetitiva con el apoyo BIM.
- F, La mejor curva de aprendizaje apto para obras de construcción

Las dos curvas de aprendizaje identificados a través de los procesos de análisis también se sin apoyo BIM

pueden ilustrar en los gráficos (Fig. 3 ). Las curvas de aprendizaje se obtuvieron sobre la base
- - - F', la curva de aprendizaje ajuste mejor para las obras de construcción con el
de los datos de rendimiento suavizadas. Las curvas de aprendizaje, como se muestra en la Fig. 3
LOG (rendimiento)

apoyo BIM
podría ser en un arco (es decir, un modelo exponencial); sin embargo, son en línea recta con
fines de demostración en esta figura. Sombra, el efecto de aprendizaje aportado por BIM

Un análisis más detallado será sobre la base de los dos modelos de curva de aprendizaje
en las ecuaciones. ( 5 ) Y ( 6 ) En lugar de los conjuntos de datos como se muestra en las
ecuaciones. ( 3 ) Y ( 4 ). El aprendizaje es un proceso continuo, tal como se refleja por las curvas F
de aprendizaje continuo, mientras que los datos discretos se recogen para el propósito de
identificar las curvas continuas. Además, las curvas de aprendizaje identificados a través de los
procesos analíticos ayudan a reducir el ruido en los datos de rendimiento discreta, y por lo tanto
son mejores en términos de reflejar los efectos de aprendizaje. F'

Paso 5. Compare las dos curvas de aprendizaje LOG (ciclo)

Dos curvas de aprendizaje fueron identificadas como resultado de los procesos de análisis
Fig. 4. Ilustración de efectos de aprendizaje aportado por BIM
anteriores. La resta de los dos modelos de la curva de aprendizaje

REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013 / 199

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203

 Estudio de caso para ilustrar L ef f BIM Solicitud
Los procesos analíticos indicados en la sección anterior de plomo a un modelo, L ef BIM, que permite
a los usuarios de BIM para calcular los efectos de aprendizaje aportados por BIM en las tareas de
construcción. Para simplificar la discusión, sin pérdida de generalidad, se emplea un estudio de
caso para demostrar cómo este modelo puede ser aplicado en tareas de construcción de la vida
real. El caso es una síntesis de varios proyectos de la vida real en la que se ha implementado
BIM. Las razones de esto son tres. En primer lugar, debido a las dificultades derivadas de todos
los conjuntos de datos para este estudio de caso, son la hipótesis de algunos datos que faltan;
Por lo tanto, este caso no debería ser declarado como un proyecto real individual. No obstante, la
recogida y tratamiento de datos se describen en esta sección para que los usuarios potenciales
de la L ef BIM modelo puede entender cómo destilar sus propios conjuntos de datos cuando la
accesibilidad de datos es mejor. En segundo lugar, es necesario asegurarse de que los datos
utilizados en esta sección no darán lugar a la identificación de los proyectos de acuerdo con los
términos del acuerdo datapolicy. En tercer lugar, el propósito principal de este estudio de caso es
demostrar cómo se aplican los procesos genéricos modelo y analíticos; identificar los efectos
específicos de aprendizaje en un determinado proyecto está más allá del alcance de este
documento.
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.
El proyecto es un edificio de gran altura de 66 pisos en un área metropolitana muy
compacto. La superficie de suelo (GFA) del suelo estándar es de 3; 200 metro 2. El proyecto
adopta una estructura típica para edificios de gran altura, que se llama núcleo central,
además de mega-columnas y sistema de estabilizadores. Las principales tareas para erigir el
edificio incluyen la construcción del núcleo central, mega-columnas y losas, y la instalación
de los estabilizadores. El proyecto también adopta el reparto tradicional en tecnología de
construcción de hormigón in situ con todos los materiales, incluyendo aceros, hormigón
premezclado, encofrados y cimbras, siendo transportados desde fuera del sitio. A partir de la
quinta a los pisos 45 o es construcción típica planta. En este estudio, nos centramos en la
construcción de losas de piso. Durante la construcción, un suelo a menudo se divide en
cuatro compartimientos, cada uno con actividades de construcción repetitivas, enumerados
en la primera fila de la Tabla 2 . La tabla muestra la información sobre cantidad de estas
actividades de construcción en la región.
Normalmente, un piso tomará norte días para completarse, dependiendo de las
zonas del suelo, las condiciones del lugar, el plan de construcción y la configuración
de los recursos disponibles (por ejemplo, equipos de proyecto, equipo, logística, y la
cadena de suministro). Mediante la repetición de las actividades de construcción, un
edificio se intensifica como una espiral. El contratista ha construido con éxito otros
edificios de gran altura con anterioridad y la experiencia ha sido muy útil para ganar
este contrato. Pero este nuevo proyecto es único en dos aspectos principales: Las
condiciones del lugar son diferentes y la escala de tiempo para este proyecto es
apretado. El contratista decidió adoptar BIM para ensayar y optimizar el plan de
construcción de una planta típica. Se espera que, a través de tal ensayo, la
optimización y el aprendizaje, el equipo del proyecto puede construir un piso más
rápidamente, mientras que el cumplimiento de la norma de calidad y los requisitos de
coste.
Tabla 2. Actividades característicos de la bahía típica
Montaje de
El aumento de Configuración encofrado La fijación de viga de
pantalla de seguridad de formato de tabla columna borde prefabricado
Ocupaciones (RS) (SF) (EF) (FE)
Cantidad 39 81 4 27
Unidad Números Números Números Números
200 / REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013
J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203
Paso 1. Identificar las tareas de construcción repetitivos para estudiar
En este estudio de caso, el conjunto secuencial de obras - elevar pantalla de seguridad, la
configuración de forma de tabla, erigir encofrado columna, la fijación de viga de borde prefabricado,
de elevación barras de refuerzo, levantando la colocación de la pluma, de hormigón (losa / viga /
columna), y el aumento de Holanda polipasto - para una bahía en cada piso estándar es tratada como
una actividad de construcción única y repetitivo (o, utilizando un término anterior, un ciclo). Como
una representación significativa de las tareas de construcción de edificios de gran altura, esta
actividad integral ha sido investigado por varios otros estudios (por ejemplo, Tam et al. 2002 ; Li et al.
2008b ).
Paso 2. Recopilar datos de rendimiento
Los datos de rendimiento del personal en horas / ciclo se recogieron por dos situaciones: trabajos
previos por parte del contratista y las obras actuales con el apoyo de BIM en el nuevo proyecto. Al
parecer, las zonas del suelo de las bahías hacen una gran diferencia; cuanto mayor sea el área de la
bahía es, se necesitan las más personas-hora para la construcción de una bahía / ciclo de este tipo.
Por lo tanto, la unidad personal-hora = m 2 asociada a cada compartimiento se adopta para los datos de
rendimiento. Como se sugiere en el paso 2 de “ Metodología y los efectos de aprendizaje Modelo de
BIM, ” datos de relación como la productividad en personas-horas = m 2 se pueden adoptar para reducir
el efecto de factores tales como las zonas del suelo o el número de trabajadores. De este modo, los
dos conjuntos de obras pueden considerarse idénticos excepto por un factor determinante de
diferencias (BIM).
De la memoria del proyecto, se ha encontrado que el rendimiento del proyecto
anterior (Sin BIM) fue de aproximadamente
6.32 -personal horas = m 2 y alcanzó gradualmente 4.81 -personal horas = m 2.
En contraste, el rendimiento del proyecto actual (con BIM) fue de aproximadamente 6.27
-personal horas = m 2 y alcanzó gradualmente
4.83 -personal horas = m 2. Se debe articularse una vez más que el principio conjunto de datos se
calcula a partir de casos reales, mientras que los conjuntos posteriores son la hipótesis sobre la base
de la investigación con el contratista. La razón de esto es que un jefe de proyecto en la práctica la
construcción de bienes raramente servilmente sigue el plan como se muestra en la tabla 2 ; cuando
hay zonas de trabajo y los recursos de repuesto, un jefe de proyecto a menudo toma una decisión
rápida, al mando del equipo de proyecto para seguir adelante. Sin embargo, este conjunto de datos
reales puede ser destilado a partir de registros in situ, por ejemplo, registros del sitio, hojas de tiempo
de los empleados, informes de progreso, y los registros de inventario, aunque es difícil para nosotros
obtener todos esos registros anteriores. El conjunto de datos se muestra en las columnas
“ Personal-horas = m 2 ( proyecto anterior) ” y “ Personal-horas = m 2 ( Proyecto actual) ” en
mesa 3 . El indicador de rendimiento clave de la productividad del desarrollo St.
George Wharf, en el sur de Londres, Reino Unido, puede llamar la atención del lector.
En el proyecto de desarrollo St. George Wharf, la productividad varió de
aproximadamente
3.8 - 5.1 -personal horas = m 2.
Paso 3. Procesamiento de Datos
Mediante el uso de las ecuaciones. ( 3 ) Y ( 4 ) en MATLAB ( MathWorks 2012), los datos de
rendimiento suavizadas se pueden derivar como se muestra en las columnas “ Personal-horas =
m 2, suavizada (proyecto anterior) ” y
Concrete El aumento
Levantamiento Levantando pluma (losa / viga / de Holanda
de la barra distribuidora columna) elevador
de refuerzo (HR) (LB) (CSBC) (RH)
30.7 2 418 2
Montones Números metro 3 Números
 Tabla 3. Datos de rendimiento para la construcción de la Bahía estándar en dos situaciones diferentes

Personal-horas = m 2 Personal-horas = m 2 Personal-horas = m 2, suavizada Personal-horas = m 2, suavizada

Piso Bay o ciclo (Proyecto anterior) (Proyecto actual) (Proyecto anterior) (Proyecto actual)

5 1 6.32 6.27 6.32 6.27

2 6.12 6.25 6.22 6.26
3 6.24 6.2 6.23 6.23
4 6.33 5.93 6.28 6.08
6 5 6.38 5.81 6.33 5.95
6 6.37 5.73 6.35 5.84
7 6.34 5.65 6.35 5.74
8 6.27 5.55 6.31 5.65
7 9 6.18 5.47 6.24 5.56
10 6.08 5.4 6.16 5.48
11 5.97 5.34 6.07 5.41
12 5.85 5.29 5.96 5.35
8 13 5.72 5.24 5.84 5.29
14 5.59 5.2 5.71 5.25
15 5.46 5.16 5.59 5.2
dieciséis 5.33 5.12 5.46 5.16
9 17 5.2 5.09 5.33 5.13
18 5.07 5.06 5.2 5.09
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

19 4,94 4.95 5.07 5.02

20 4.81 4.83 4,94 4.93

“ Personal-horas = m 2, suavizada (proyecto en curso) ” en mesa 3 ( α ¼ 0.5). Pasos 5 y 6. Compare las dos curvas de aprendizaje y calcular los
Everett y Farghal ( 1997 ) Discuten los efectos de diferentes parámetros de efectos de aprendizaje Contribución de BIM
suavizado y encontraron que α ¼ 0.5 es mejor que α ¼
Los efectos de aprendizaje agregados en los 20 ciclos se pueden calcular como la ecuación. ( 11 )
0.3 en los datos de rendimiento de montaje. Por lo tanto, esta investigación adopta

α ¼ 0.5.

L ef BIM ¼ Z 20 10 F 0.8004 - 0.1268 lg re T thth 0.3715 ½ lg re T Th? 2 - 0.2576 ½ lg re T Th? 3

1
Paso 4. Identificar las curvas de aprendizaje idóneos
- 10 F 0.7991 - 0,0147 lg re T Þ - 0,0727 ½ lg re T Th? 2 gramo
Programando el proceso de adaptación de MATLAB de nuevo, se identifican las dos curvas de
aprendizaje que mejor se adapten a los datos de rendimiento suavizadas como se muestra en las ¼ 6.99 -personal horas = m 2 re 11 Þ

ecuaciones. ( 9 ) Y ( 10 ) Y la fig. 5
los efectos de aprendizaje agregados indican la mejora de la productividad acumulada

F re T Þ ¼ 10 F 0.8004 - 0.1268 lg re T thth 0.3715 ½ lg re T Th? 2 - 0.2576 ½ lg re T Th? 3 gramo o
LGF re T Þ ¼ 0.8004 - 0.1268 lg re T th th 0.3715 ½ lg re T Th? 2
- 0.2576 ½ lg re T Th? 3 whenMSE ¼ 0,0011
F 0 re T Þ ¼ 10 F 0.7991 - 0,0147 lg re T Þ - 0,0727 ½ lg re T Th? 2 gramo o
en los ciclos que se trate. El dinero ahorrado puede derivarse sobre la base de la tasa
personal de horas y área de piso. Suponiendo que la superficie de un ciclo (una cuarta
re 9 Þ parte de toda la planta) es
800 metro 2 y la tasa de personal de horas es 10 = h, los efectos de aprendizaje agregados
dentro de los 20 ciclos (cinco plantas) son $ 55.92 mil en términos monetarios. Este
beneficio tangible es útil para justificar la inversión de tiempo y el presupuesto en BIM, sobre
todo al compararlo con el costo de BIM.

LGF 0 re T Þ ¼ 0.7991 - 0,0147 lg re T Þ - 0,0727 ½ lg re T Th? 2 re 10 Þ

whenMSE 0 ¼ 0,0008
Conclusiones y Desarrollo Futuro

Identificar y medir los beneficios de BIM como una herramienta de aprendizaje ofrecen
ambos valores teóricos y prácticos, incluyendo la mejora de las personas ' s comprensión de

0.8
BIM y ayudar a justificar su inversión en ella. En este trabajo se prevé que BIM proporciona
un entorno virtual menos costosa para aprender haciendo, no sólo para las tareas de
0,78 construcción física repetitivas, sino también para las actividades de gestión de proyectos. Por
otra parte, este documento empíricamente modelos de los efectos de aprendizaje habilitados
0,76 por BIM mediante la utilización de la teoría clásica curva de aprendizaje. Siguiendo una serie
LOG (personal de horas / m2)

de seis procesos de análisis, un modelo, L ef BIM, está desarrollado para reconocer los efectos
0.74
de aprendizaje en tareas de construcción. La aplicabilidad y la comprensión de este modelo

F, la mejor curva de aprendizaje apto para obras de construcción sin el apoyo BIM F', la mejor curva de
se han mejorado aún más mediante el uso de un lenguaje matemático y herramientas
0,72
aprendizaje apto para obras de construcción con el apoyo BIM gráficas. En lugar de centrarse en la identificación de los efectos de aprendizaje en un
proyecto determinado, es mejor tratar L ef BIM
0.7

0 0.2 0.4 0.6 0.8 1 1.2

LOG (ciclo)
como un modelo genérico que permite a los diferentes usuarios de BIM para evaluar los efectos de

aprendizaje en términos monetarios mediante la introducción de sus propios datos del proyecto.
Fig. 5. Comparación de dos curvas de aprendizaje para el estudio de caso hipotético

REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013 / 201

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203

 Un modelo sólo tiene sentido cuando los usuarios están dispuestos a utilizarlo. se llevará a cabo
la investigación futura para encapsular el modelo genérico en un paquete de software e invitar a los
usuarios de BIM para poner a prueba el modelo usando sus propios datos del proyecto. Al
considerar a los usuarios que están dispersos geográficamente, tenemos la intención de hacer que
el software una solución en línea mediante la participación de las tecnologías de Internet. Se
prestará especial en cuenta las directrices para la recogida de datos de diversas tareas de
construcción. Se cree que existen datos en bruto en una forma u otra, pero necesitan ser destilada y
adaptado antes de los datos se pueden introducir en L ef BIM. También se llevará a cabo más
investigaciones para ayudar a interpretar los resultados de las pruebas con la esperanza de lograr
más beneficios mediante la aplicación más amplia de BIM como una herramienta valiosa en las
tareas de construcción.
Expresiones de gratitud
Esta investigación fue patrocinada por el Programa de Fondos Semilla de Investigación
Básica (Proyecto Nº 201010159019) de la Universidad de Hong Kong, RAE de Hong Kong.
Los autores también desean agradecer a la empresa constructora que ayudó con la
recopilación de datos, aunque la compañía ' No se mostrará el nombre s.
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.
Notación
Los siguientes símbolos se usan en este documento:
a = el coste requeridos para la primera unidad o ciclo;
b = pendiente de primer segmento;
c = pendiente adicional de segundo segmento;
d = pendiente adicional de tercer segmento;
J 1 = 1 cuando x> x pag 1, de lo contrario 0;
J 2 = 1 cuando x> x pag 2, de lo contrario 0;
k = límite superior o menor coste una organización puede lograr;
M = proporción de trabajo de la máquina en una tarea de persona-máquina;
p = adquirida factor de la experiencia antes de aprender;
r = unidades acumulativas o ciclos necesarios para alcanzar k = 2;
x = unidad, ciclo, o la producción de volumen;
X pag 1 = primero punto en el que los cambios de pendiente, por lo general terminan de
fase de la experiencia adquirida;
X pag 2 = segundo punto en el que los cambios de pendiente, final de aprendizaje
efecto; y
y = costo unitario o costo promedio acumulativo.
referencias
Adler, PS, y Clark, KB (1991). “ Detrás de la curva de aprendizaje: Un bosquejo
del proceso de aprendizaje. ” Gestionar. Sci., 37 (3), 267 - 281.
Azhar, S., Hein, M., y sketo, B. (2008). “ el modelado de información de edificios
(BIM): Los beneficios, riesgos y desafíos. ” < https://fp.auburn.edu/heinmic/ Pubs / ASC%
202008-BIM% 20Benefits.pdf > ( Jul. 21 de, 2009). Bazjanac, V. (2008). “ Impacto de la información de
la construcción nacional de EE.UU.
modelo estándar (NBIMS) en la construcción de la simulación del rendimiento energético. ”
< http://escholarship.org/uc/item/3v95d7xp > ( 8 de enero, 2010). Becerik-Gerber, B., y Kensek, K.
(2010). “ La construcción de la información modelo-
ing en la arquitectura, ingeniería y construcción: Emerging direcciones y líneas de
investigación. ” J. Prof. Cuestiones Eng. Educ. Pract., 136 (3), 139 - 147.
Centro de Ingeniería Integrated Facility (CIFE). (2007). “ CIFE
técnico informes. ” < http://cife.stanford.edu/Publications/index.html >
(Enero 8, 2010).
Couto, JP, y Teixeira, JC (2005). “ Utilizando el modelo lineal para el aprendizaje
efecto de la curva en la construcción de pisos de gran altura. ” Constr. Gestionar. Econ.,
23 (4), 355 - 364.
DeJong, JR (1957). “ Los efectos del aumento de habilidad en el tiempo del ciclo y su
consecuencias para los estándares de tiempo. ” Ergonomía, 1 (1), 51 - 60.
202 / REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013
J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203
Dennis, MG (2006). “ Hace el modelado de información de edificios aprendizaje
mejorar las habilidades de lectura de los estudiantes plan de gestión de la construcción? ”
< http://ascpro0.ascweb.org/archives/cd/2007/paper/CEUE146002007.pdf >
(Enero 11, 2010). Dennis, MG (2007). “ ¿Qué impacto tiene el uso de información de edificios
mo-
eling tiene en la enseñanza a los estudiantes de la estimación de gestión de la construcción? ”
< http://ascpro0.ascweb.org/archives/cd/2008/paper/CEUE179002008
. pdf > ( 11 de enero, 2010). Dikmen, I., Birgonul, MT, y Ataoglu, T. (2005). “ investiga-
empírica
ción de la capacidad de aprendizaje organizacional como un controlador de rendimiento en la
construcción. ” La gestión del conocimiento en el sector de la construcción: una perspectiva
socio-técnico, A. Samad, ed., Idea Group Publishing, Hershey, PA, 130 - 149.
Eastman, CM, Teicholz, P., Sacks, R., y Liston, K. (2008). BIM
Manual: Una guía para el modelado de información para los propietarios, gerentes,
arquitectos, ingenieros, contratistas y fabricantes, Wiley, Hoboken, NJ. Everett, JG, y
Farghal, S. (1994). “ Aprendizaje predictores curva para
las operaciones de campo de la construcción. ” J. Constr. Gestionar., 120 (3), 603 - 616.
Everett, JG, y Farghal, SH (1997). “ Representación de datos para predecir
rendimiento con curvas de aprendizaje. ” J. Constr. Ing. Gestionar., 123 (1), 46 - 52.
Farghal, SH, y Everett, JG (1997). “ Las curvas de aprendizaje: La exactitud en la
predecir el rendimiento futuro. ” J. Constr. Ing. Gestionar., 123 (1), 41 - 45.
Fox, S., y Hietanen, J. (2007). “ uso entre organizaciones de la construcción
modelos de información: posibilidad de efectos automational, informativos y de
transformación. ” Constr. Gestionar. Econ., 25 (3), 289 - 296.
Goedert, JD, y Meadati, P. (2008). “ La integración de proceso de construcción
documentación en el modelado de información. ” J. Constr. Ing. Gestionar., 134 (7),
509 - 516.
Setos, KE, y Denzer, AS (2008). “ Como una arquitectura de colaboración
influye en la educación en ingeniería estructural. ” Proc., Estructuras Congreso, ASCE,
Reston, VA. Autoridad de Vivienda de Hong Kong (HKHA). (2012). Evaluación del desempeño
sistema de puntuación (PASS), < http://www.housingauthority.gov.hk/en/
negocios-asociaciones / recursos / rendimiento-evaluación / index.html >
(Nov. 27 de de 2012). Ibrahim, R., y Rahimian, FP (2010). “ Comparación de CAD y
manual
esbozar herramientas para la enseñanza del diseño arquitectónico. ” Autom. Constr.,
19 (8), 978 - 987.
Kaner, I., Sacks, R., Kassian, W., y Quitt, T. (2008). “ Estudios de casos de
la adopción de BIM para el diseño de hormigón prefabricado por las empresas de ingeniería estructural de
mediano tamaño. ” J. Inf. Technol. Constr., 13, 303 - 323.
Lieberman, MB (1987). “ La curva de aprendizaje, difusión y competitiva
estrategia. ” Administrar estratégica. J., 8 (5), 441 - 452.
Li, H., Guo, HL, Skibniewski, M., y Skitmore, M. (2008a). “ Utilizando el
modelo de IKEA y la tecnología de prototipos virtuales para mejorar el proceso de construcción. ” Constr.
Gestionar. Econ., 26 (9), 991 - 1000.
Li, H., et al. (2008b). “ La integración de diseño y construcción a través virtuales
creación de prototipos. ” Autom. Constr., 17 (8), 915 - 922.
Li, H., Lu, WS, y Huang, T. (2009). “ Repensar la gestión de proyectos
y la exploración de diseño virtual y construcción como una solución potencial. ”
Constr. Gestionar. Econ., 27 (4), 363 - 371.
Ling, FYY, y Liu, M. (2004). “ El uso de redes neuronales para predecir
realización de proyectos de diseño y construcción en Singapur. ” Construir. Reinar.,
39 (10), 1263 - 1274.
Lu, WS, y Li, H. (2011). “ Modelado de información y cambiando
prácticas de construcción. ” Autom. Constr., 20 (2), 99 - 100.
Lutz, JD, Halpin, DW, andWilson, JR (1994). “ Simulación de aprendizaje
el desarrollo en la construcción repetitiva. ” J. Constr. Ing. Gestionar.,
120 (4), 753 - 773.
MATLAB [ Software de ordenador]. Natick, MA, MathWorks.
Microsoft Project [ Software de ordenador]. Redmond, WA, Microsoft. Nembhard, DA, y
Uzumeri, MV (2000). “ Un individuo de base
Descripción del aprendizaje dentro de una organización. ” IEEE Trans. Ing. Gestionar., 47 (3),
370 - 378.
Oglesby, CH, Parker, HW, y Howell, GA (1989). Productividad
mejora en la construcción, McGraw-Hill, Nueva York.
 Patrick, CS, y Raja, RA (2007). “ Evaluar el impacto de la construcción Sacks, R., Treckmann, M., y Rozenfeld, O. (2009). “ La visualización de
modelado de información (BIM) en la construcción. ” Proc., Séptimo Int. Conf. Solicitud de Flujo de trabajo para apoyar la construcción sin pérdidas. ” J. Constr. Ing. Gestionar.,

construcción de la realidad virtual, Pennsylvania State Univ., University Park, PA, 206 - 215. 135 (12), 1307 - 1315.
Schlueter, A., y Thesseling, F. (2009). “ La construcción de modelos de información

Peterson, F., Hartmann, T., Fruchter, R., y Fischer, M. (2011). “ Enseñando evaluación del rendimiento energético / exergía basado en primeras etapas del diseño. ”

gestión de proyectos de construcción con el apoyo BIM: experiencia y lecciones aprendidas. ” Autom. Constr., 18 (2), 153 - 163.
Succar, B. (2009). “ La construcción de marco de modelado de información: Una investigación
Autom. Constr., 20 (2), 115 - 125.
y fundamento de entrega para participantes de la industria. ” Autom. Constr.,
Primavera P6 [ Software de ordenador]. Redwood Shores, CA, Oracle. Sacks, R., y Barak, R.
18 (3), 357 - 375.
(2008). “ Impacto de la paramétrico de tres dimensiones
Tam, CM, Deng, ZM, y Zeng, SX (2002). “ Evaluación de la construc-
el modelado de edificios en la productividad en práctica de la ingeniería estructural. ” Autom.
ción y métodos de actuación para la construcción de viviendas públicas de gran altura en Hong Kong. ”
Constr., 17 (4), 439 - 449.
Construir. Reinar., 37 (10), 983 - 991.
Sacks, R., y Barak, R. (2010). “ La enseñanza de modelado de información de edificios
Thomas, HR, Mathews, CT, y Ward, JG (1986). “ Curva de aprendizaje
como parte integral de la educación je primer año. ” J. Prof. Cuestiones Eng. Educ.
modelos de productividad de la construcción. ” J. Eng. Gestionar., 112 (2), 245 - 258.
Pract., 136 (1), 30 - 38.
Uzumeri, M., y Nemhard, D. (1998). “ Una población de estudiantes: Un nuevo
Sacos, R., Eastman, CM, Lee, G., y Orndorff, D. (2005). “ Un objetivo
manera de medir el aprendizaje organizacional. ” J. Oper. Gestionar., 16 (5), 515 - 528.
punto de referencia de los efectos de modelado paramétrico de tres dimensiones en la construcción
prefabricado. ” PCI J., 50 (4), 126 - 139.
Wong, PSP, Cheung, SO, y Hardcastle, C. (2007). “ que incorpora
Sacos, R., Koskela, L., Dave, BA, y Owen, R. (2010a). “ La interacción de efecto en la predicción del rendimiento de aprendizaje. ” J. Constr. Ing. Gestionar.,
modelado de información magra y edificio en construcción. ” J. Constr. Ing. Gestionar., 136 133 (6), 474 - 482.
(9), 968 - 980. Wright, TP (1936). “ Factores que afectan el costo de los aviones. ”
Sacks, R., Radosavljevic, M., y Barak, R. (2010b). “ requisitos J. Aeronaut. Sci., 3, 122 - 128.
Descargado de ascelibrary.org por la Universidad Militar Nueva Granada el 26/07/18. ASCE derechos de autor. Sólo para uso personal; todos los derechos reservados.

para la construcción de sistemas de gestión de la producción ajustada a base de modelado de información Yelle, LE (1979). “ La curva de aprendizaje: revisión histórica y Comprehensive
de construcción. ” Autom. Constr., 19 (5), 641 - 655. encuesta siva. ” Decis. Sci., 10 (2), 302 - 328.

REVISTA DE CONSTRUCCIÓN INGENIERÍA Y GESTIÓN © ASCE / FEBRERO 2013 / 203

J. Constr. Ing. Administrar, 2013, 139 (2):. 195-203