3. 偏差数据采集与可信度治理

滚动重排程的质量，首先取决于输入数据的质量。计划偏差分析中常见的一个误区是：把“系统里导出的数据”等同于“可信数据”。实际上，同一项工作的实际开始时间，可能同时存在于现场施工日志、项目管理系统的工序状态、以及班组长的人工填报中，三者往往并不一致。偏差数据采集与可信度治理的任务，就是把这些来源不同、口径不同、时点不同的数据，整理成可用于偏差计算和滚动重排程的统一事实基础。

三类数据源的特征与采集方法

现场数据来自实际作业过程，典型载体包括施工日志、交接班记录、监理旁站记录、设备运行记录、门禁与考勤记录、现场照片与视频。它的优势是贴近真实、时间粒度细，劣势是分散、非结构化、依赖记录人习惯。采集时应尽量固定“事件—时间—位置—责任人—证据”五要素，例如“3号塔吊基础钢筋绑扎完成，2024-06-11 17:30，A区，张工，附现场照片IMG_2031”。

系统数据来自计划管理系统、ERP、MES、BIM 4D/5D 平台、进度管理软件等。它的优势是结构化、可批量导出、字段稳定，劣势是状态更新滞后、状态定义与现场理解不一致。例如系统里“进行中”可能表示已开工，也可能表示已派工但未动工。采集系统数据时，必须同时导出字段字典和状态变更时间戳，而不是只取当前状态快照。

人工填报数据来自周报、日报、班组上报、调度会纪要。它的优势是能补充系统未覆盖的定性信息，劣势是主观性强、存在“报喜不报忧”或事后补填。采集时应要求填报人给出判断依据，例如“完成80%”应说明是按工程量、按工序数还是按工时估算。

清洗规则：把“脏数据”变成可计算数据

清洗不是简单删行，而是按规则做可追溯的修正。常用规则包括：

• 去重合并：同一工序在多个来源出现时，保留最可信来源，其余作为佐证。例如现场日志与系统状态冲突时，以现场日志为准，但保留系统记录用于追溯。
• 缺失回填：实际开始时间缺失时，可用“上一工序完成时间+逻辑间隔”估算，但必须标记为“估算值”，不得直接当作实测值参与偏差计算。
• 异常值标记：如某工序填报完成时间早于其开始时间，或完成百分比超过100%，应标记为异常并退回核实，而不是自动截断。
• 口径统一：把“完成”“基本完成”“收尾中”等模糊状态映射为统一的完成百分比区间，例如“完成”=100%，“基本完成”=85%～95%，“收尾中”=60%～80%。

对齐策略：让不同来源的数据能“对话”

对齐的核心是建立共同参照系。时间对齐要求统一时区、班次和日期边界，例如夜班跨零点作业应归属到开始班次还是结束班次，必须事先约定并全文一致。对象对齐要求把现场口语名称映射到 WBS 或工序编码，例如“3号塔吊基础”对应“A区-塔吊基础-TC03”。粒度对齐要求把小时级现场记录汇总到日级或班次级，避免与系统日粒度数据直接混算。口径对齐要求所有来源对“实际开始”“实际完成”的定义一致，否则偏差量会被系统性放大或缩小。

可信度评估：给每条数据打上“信任标签”

可信度评估可采用四维打分：来源权重、时效性、一致性、完整性。来源权重建议现场数据高于系统数据，系统数据高于人工填报；时效性按数据产生时间与当前分析时点的间隔衰减；一致性看多源交叉验证结果，若三个来源中有两个一致，则可信度提升；完整性看证据链是否齐全，有照片、有责任人、有时间戳的记录优先。最终可把每条偏差记录标为“高可信”“中可信”“低可信”，低可信数据只能用于趋势参考，不能直接驱动重排程。

一个可复用的采集与治理检查表

完成上述治理后，偏差数据才真正具备进入滚动重排程的资格。此时每条偏差记录都带有统一的时间、对象、口径和可信度标签，后续计算偏差量、判断关键路径偏移、生成重排方案时，才能做到有据可依、可追溯、可解释。