Mục đích của bài báo này là phát triển một phương pháp tích hợp, kết hợp với mô hình hóa thông tin xây dựng BIM và thuật toán di truyền đa mục tiêu NSGA-II để tự động tạo ra một sơ đồ bố
Trang 2Ngày nhận bài: 23/10/2018
Ngày sửa bài: 10/11/2018
Ngày chấp nhận đăng: 5/12/2018
Tối ưu hoá tự động trong kế hoạch bố trí cần trục tháp dựa trên nền tảng BIM
A BIM-based auto-optimization for tower crane layout planning
Phạm Hồng Luân, Ngô Xuân Vĩnh
TÓM TẮT
Cần trục tháp là thành phần quan trọng trong công tác bố trí thiết bị tạm thời ở hầu hết các dự án xây dựng Xác định vị trí của cần trục tháp là một nhiệm vụ thiết yếu trong công tác quy hoạch bình đồ công trường, là nội dung của nghiên cứu này Việc tối ưu hóa
vị trí cần trục tháp phụ thuộc vào nhiều yếu tố liên quan, bao gồm các ràng buộc về mặt hình dạng và kích thước của các công trình, loại vật tư, số lượng vật tư yêu cầu, thông số cần cần trục, loại cần trục tháp và cách bố trí công trường Những yếu tố này thay đổi
từ dự án này sang dự án khác, dẫn đến các chiến lược và phương pháp bố trí công trường trở nên đa dạng và phức tạp Vấn đề thực
tế này làm cho việc tìm vị trí cần trục tháp được giải quyết đa phần tùy thuộc vào kinh nghiệm của các nhà thiết kế, phương pháp chỉ là bằng cách giả định, thông qua thử và sai Mục đích của bài báo này là phát triển một phương pháp tích hợp, kết hợp với mô hình hóa thông tin xây dựng (BIM) và thuật toán di truyền đa mục tiêu (NSGA-II) để tự động tạo ra một sơ đồ bố trí cần trục tháp tối ưu Đầu tiên, BIM được sử dụng để cung cấp thông số đầu vào cho mô hình toán học Sau đó, NSGA-II được sử dụng để xác định vị trí tối ưu của cần cần trục tháp và điểm cung cấp thông qua chương trình Dynamo BIM Cuối cùng, sơ đồ bố trí cần trục tháp tối ưu sẽ được hiển thị và đánh giá thông qua mô phỏng dựa trên BIM
Từ khóa: Nền tảng BIM, tối ưu hóa tự động, thuật toán di truyền đa mục tiêu (NSGA-II), cần trục tháp, kế hoạch bố trí
ABSTRACT
Tower crane is increasingly becoming one of the key components of temporary facilities on site layout in most construction projects Determining the location of tower crane is an essential task of layout planning, which is also the central focus of this study The optimization of tower crane location depends on many interrelated factors, including site constraints, shape and size of the buildings, type and quantity of required materials, crane configurations, crane type, and construction site layout These factors vary from one project to another, resulting to complicated site layout strategies and approaches This fact makes the crane location problem impractical to be solved depending on experience of practitioners only which was gained by assuming and through trial and error The purpose of this paper is to develop an integrated approach which combines Building Information Modelling (BIM) and A Fast and Elitist Multiobjective Genetic Algorithm (NSGA-II) to automatically generate an optimal tower crane layout plan Firstly, BIM
is utilised to provide inputs for the mathematical model Then the NSGA-II is used to determine the optimal locations of tower cranes and supply points through Dynamo BIM program Finally, the optimal tower crane layout scheme will be visualised and evaluated through BIM-based simulation
Key word: BIM-based, auto-optimization, Elitist Multiobjective Genetic Algorithm (NSGA-II), tower crane, layout planning
Phạm Hồng Luân
Bộ môn Thi công và Quản lý xây dựng – Khoa Kỹ thuật Xây dựng – Trường Đại học Bách Khoa, Đại học Quốc gia Tp Hồ Chí Minh
Ngô Xuân Vĩnh
Ngành Quản lý xây dựng - Trường Đại học Bách Khoa, Đại học Quốc gia Tp Hồ Chí Minh
1 Giới thiệu
Ngày nay, hầu hết các công trình xây dựng, chủ đầu tư đều rất quan
tâm đến ngân sách, chất lượng thi công và đặc biệt là tiến độ xây dựng
Chính vì vậy, việc sử dụng thiết bị xây dựng có hiệu quả là cần thiết để
hoàn thành thành công các dự án Các thiết bị, máy móc xây dựng hiện
đại ngày nay đang là gánh nặng tài chính lớn cho các dự án và có thể gây
ra thiệt hại về kinh tế nếu không sử dụng hiệu quả Cần trục tháp là một trong những thiết bị xây dựng tốn kém, đóng vai trò quan trọng trong các công trình xây dựng, đặc biệt là trong các dự án xây dựng cao tầng Các hoạt động phụ thuộc vào cần trục tháp thường là những dự án có
Trang 3yêu cầu tiến độ thi công nhanh Do đó, việc lên kế hoạch bố trí cần trục
tháp có thể nâng cao hiệu quả dự án, đẩy nhanh tiến độ xây dựng [1]
Những ảnh hưởng từ việc thiết kế vị trí lắp đặt cần trục tháp trong
công trường xây dựng luôn là vấn đề đặt ra đầu tiên trong quá trình lập
biện pháp thi công Để vận chuyển những vật liệu tải trọng nặng chẳng
hạn như bó thép, ván khuôn, giàn giáo, công cụ thi công khác lên một độ
cao hoặc đến một vị trí mong muốn… thì cần trục tháp là phương tiện
thực hiện hiệu quả nhất Việc đặt cần trục tháp cần được định vị một cách
tốt nhất để giảm được thời gian vận chuyển, chi phí thi công và tăng độ
an toàn
Để tạo thuận lợi cho quá trình thiết kế bố trí cần trục tháp, nhiều
phương pháp toán học đã được phát triển Tuy nhiên, việc lập mô hình
tính toán vận hành cần trục tháp đáp ứng cho các yêu cầu vận chuyển
của một công trình xây dựng là một công việc phức tạp và tốn rất nhiều
thời gian và công sức Thêm vào đó, bài toán xác định vị trí cần trục tháp
hiện nay đòi hỏi một số lượng lớn các biến đầu vào của dự án cụ thể và
cập nhật bằng tay, do vậy tốn rất nhiều thời gian Để khắc phụ những vấn
đề này, nghiên cứu này đề xuất một hệ thống lập kế hoạch bố trí cần trục
tháp tự động bằng cách sử dụng công nghệ BIM (Building Information
Modeling) BIM đang nổi lên là một phương pháp sáng tạo, chia sẻ, trao
đổi và quản lý thông tin với các bên liên quan trong suốt vòng đời dự án
Có nhiều loại thông tin được lưu trữ trong mô hình BIM bao gồm dữ liệu
không gian 3 chiều (3D), dữ liệu 4 chiều (+tiến độ), dữ liệu 5 chiều (+chi
phí), … Bên cạnh đó, Dynamo nổi lên là một ứng dụng lập trình có thể
tính toán và cho hiển thị trực quan trên mô hình gồm những dữ liệu đầu
vào và đầu ra không cần quan tâm đến câu lệnh Ngoài ra, việc sử dụng
lập trình kết hợp với mô hình BIM đảm bảo cho những dữ liệu được phối
hợp đáng tin hơn, chất lượng tốt hơn và nhất quán hơn so với dữ liệu
truyền thống, bất kể sự thay đổi nào trong BIM sẽ tự động kích hoạt sự
điều chỉnh của tất cả các yếu tố liên quan để đảm bảo chất lượng nghiêm
ngặt [2]
2 Các nghiên cứu liên quan
Nhiều nghiên cứu đã được phát triển để tối ưu hóa vị trí của cần trục
tháp, dựa trên thời gian và chi phí vận hành Năm 1983, Rodriguez-Ramos
và Francis [3] phát triển một mô hình toán học quy định để thiết lập vị trí
tối ưu của một cần trục tháp trong một công trường xây dựng Mục tiêu
của mô hình là giảm thiểu tổng chi phí vận chuyển giữa cần trục tháp và
những vị trí cung ứng vật tư cho công trường Kỹ thuật được phát triển
xem xét dưới góc độ di chuyển của cần trục khi vận chuyển vật tư
Mô hình này xác định vị trí của móc cần trục khi đang chờ giữa các
chuyển động Đồng thời, việc tính toán thời gian nâng không tính đến
chuyển động thẳng đứng của móc cần trục tháp và chuyển động đồng
thời giữa chuyển động góc và chuyển động của xe con dọc tay cần như
báo cáo của Abouel-Magd [4] Mô hình này sau đó được Choi và Harris
[5] áp dụng để phát triển mô hình toán học nhằm tối ưu hóa vị trí cần trục
tháp Tuy nhiên, họ cho rằng các chuyển động góc và chuyển động dọc
tay cần được thực hiện đồng thời với chuyển động cần trục Thay vì định
vị vị trí chờ móc cần trục một cách tối ưu đối với cần trục tháp, họ đề nghị
xác định vị trí tối ưu của tay cần của cần trục tháp để phục vụ các yêu cầu
từ các điểm cung ứng được xác định trước (theo Leung và Tam [6])
Để tối ưu hóa vị trí cho một nhóm tay cần của các cần trục tháp,
Zhang và các cộng sự [7] sau đó đã phát triển một mô hình máy tính khác
để cân bằng khối lượng công việc, giảm thiểu khả năng xung đột với
nhau và cải thiện hiệu quả hoạt động Tuy nhiên, họ đã bỏ qua ảnh hưởng
liên quan giữa các vị trí của cần trục tháp với các điểm cung cấp và sự
cạnh tranh không gian giữa các điểm cung cấp khác nhau (C Tam, T.K
Tong và W.K Chan [8])
Năm 2003, theo C.M Tam và Thomas K.L Tong [9], việc lập kế hoạch
bố trí công trường là một vấn đề phức tạp do sự tồn tại của một số lượng
lớn các sự dịch chuyển vật tư và các ràng buộc trong việc lập kế hoạch
liên quan đến nhau Trong bài báo này, các mạng nơ-ron nhân tạo được
sử dụng để mô hình hóa các hoạt động phi tuyến của một cần trục tháp
- để xây dựng tòa nhà cao tầng Sau đó, các thuật toán di truyền được sử dụng để xác định vị trí của cần trục tháp, điểm cung cấp và các điểm cầu bằng cách tối ưu hóa thời gian và chi phí vận chuyển Phạm vi của nghiên cứu này giới hạn trong một khu vực được xác định xây dựng: giai đoạn xây dựng khung bê tông kết cấu của các dự án nhà ở công cộng Mô hình thuật toán di truyền phát triển để bố trí công trường và mô hình mạng nơron nhân tạo để dự đoán các hoạt động cần trục tháp được đánh giá bằng một ví dụ thực tế Các kết quả tối ưu của ví dụ này rất hứa hẹn và
nó thể hiện giá trị ứng dụng của các mô hình
Một ứng dụng hiện đại cho mô hình là ứng dụng được giới thiệu bởi Huang và các cộng sự [10]; mô hình này đã áp dụng kỹ thuật lập trình tuyến tính hỗn hợp để giải quyết vấn đề định vị cần trục tháp và các cơ
sở vật chất Một ứng dụng khác là mô hình GIS-BIM được phát triển bởi Irizarry và Karan [11] để tối ưu hóa một nhóm cần trục tháp Mục tiêu chính của mô hình là xác định vị trí một nhóm cần trục tháp để đạt được
số lượng xung đột tối thiểu Lien và Cheng [12] đã đề xuất một mô hình mới để tối ưu hóa vị trí cần trục tháp và số lượng vật liệu sẽ được vận chuyển từ khu vực cung cấp đến khu vực yêu cầu bằng thuật toán ong hạt “particle bee algorithm” (PBA) Các kỹ thuật được áp dụng trên các
mô hình cũ của Tam [8] và Huang [10] , kết quả đã chỉ ra rằng PBA có hiệu suất tốt hơn thuật toán tối ưu bầy đàn (PSO) Tuy nhiên, việc lựa chọn vị trí cần cần trục tháp chỉ giới hạn ở các vị trí được xác định trước
Sau đó năm 2015, cùng với sự phát triển của công nghệ tin học BIM
ra đời, Jun Wang [2] đã đề xuất một phương pháp bố trí cần trục tháp dựa trên nền tảng cơ sở là BIM kết hợp với thuật toán đom đóm (FA) Các tác giả đã cho rằng thiết kế bố trí cần trục tháp và quy hoạch công trường xây dựng là vấn đề kỹ thuật xây dựng thường gặp và được coi là vấn đề
tổ hợp phức tạp Nghiên cứu trước đây tập trung vào việc sử dụng các phương pháp toán học hoặc các công cụ trực quan để tìm ra một sơ đồ
bố trí cần trục tháp tối ưu Cả hai cách tiếp cận này đòi hỏi một lượng lớn
dữ liệu thủ công đầu vào bởi các nhà lập kế hoạch bố trí, điều đó là tốn thời gian và không thực tế trong ngành công nghiệp Mục đích của bài báo này là phát triển một phương pháp tích hợp kết hợp mô hình hóa thông tin xây dựng (BIM) và thuật toán Firefly (FA) để tự động tạo ra một
sơ đồ bố trí cần trục tháp tối ưu Thứ nhất, BIM được sử dụng để cung cấp đầu vào cho mô hình toán học Sau đó FA được sử dụng để xác định vị trí tối ưu của cần trục tháp và điểm cung cấp Cuối cùng, sơ đồ bố trí cần trục tháp tối ưu sẽ được hiển thị và đánh giá thông qua mô phỏng dựa trên BIM Một trường hợp thực tế được chọn để chứng minh cách tiếp cận được đề xuất Kết quả cuối cùng là đầy hứa hẹn và thể hiện giá trị thực tiễn của phương pháp này
3 Khái niệm thuật toán di truyền
Trong việc lựa chọn vị trí phù hợp nhất cho cần trục tháp, các đặc tính của từng loại máy khác nhau phải được xem xét dựa trên các yêu cầu về tải trọng cần xử lý tại các vị trí trong công trường và không gian xung quanh mà cần trục tháp sẽ hoạt động Các yếu tố khác như trọng lượng, kích thước, tải trọng nâng cho phép ứng với từng bán kính nâng của cần cần trục, cũng phải được xem xét, điều này đòi hỏi phải sử dụng kỹ thuật tối ưu hóa như thuật toán di truyền (GA) để giải quyết vấn đề đó Giải thuật di truyền (GA) là một kỹ thuật khoa học máy tính nhằm giải quyết các bài toán tối ưu tổ hợp GA dựa trên quá trình thích nghi tiến hóa của các quần thể sinh học theo học thuyết Darwin Nó vận dụng các nguyên lý: di truyền, đột biến, chọn lọc tự nhiên và trao đổi chéo Trong nghiên cứu này giải thuật di truyền được tích hợp vào trong gói “Optimo” Optimo được phát triển như một ứng dụng có thể được cài đặt như một gói dữ liệu cho Dynamo (2015) [13], là một công cụ tối ưu hóa đa mục tiêu cho phép người dùng Dynamo tối ưu hóa các vấn đề với một và nhiều mục tiêu sử dụng các thuật toán tiến hóa Phiên bản hiện tại của Optimo sử dụng NSGA-II (NSGA-II là “A Fast and Elitist Multiobjective Genetic Algorithm”, một thuật toán tối ưu hóa đa mục tiêu, đây là giải thuật giúp tiếp cận với một tập hợp các giải pháp tối ưu Optimo được phát triển bởi Mohammad Rahmani Asl và Tiến sĩ Wei Yan
Trang 4trong phòng thí nghiệm BIM-SIM tại Texas A & M University sử dụng mã
nguồn mở jmetal.NET [14]
Hình 1 Sơ đồ thuật toán Optimi trong Dynamo
4 Mô hình đầu vào
Hình 2 Mặt bằng bố trí công trường
5 Quy trình bố trí cần trục tháp tự động dựa trên nền BIM
Hình 3 Sơ đồ hệ thống bố trí tự động trên nền tảng BIM
Thông tin mô hình bao gồm 2 toà nhà: Toà nhà số 1 (hình chữ U)- do
Công trình sử dụng kết cấu lắp ghép (panel sàn, dầm, cột, vách) Tổng cộng 4663 cấu kiện cần phải lắp ghép
Vị trí các xe tải đóng vai trò là điểm cung (cung ứng vật tư) Vị trí các cấu kiện trong toà nhà đóng vai trò là điểm cầu (yêu cầu được lắp dựng) Phần này mô tả một hệ thống quy hoạch bố trí cần trục tháp tự động dựa trên BIM (như Hình 3) Có các mô hình trong sơ đồ: mô-đun A, B và C, đại diện cho nền tảng BIM, mô hình toán học để lập kế hoạch bố trí cần trục tháp, và mô phỏng hoạt động bố trí cần trục tháp dựa trên BIM, tương ứng Mô-đun A cung cấp đầu vào cho mô-đun B để tự động tạo ra các phương án bố trí cần trục tháp Mỗi phương án sẽ được trực quan hóa
và đánh giá thông qua mô-đun C Đầu ra của mô-đun C sẽ là kết quả cuối cùng
Hệ thống được đề xuất tích hợp nền tảng BIM rất thông minh với phương pháp toán học mới để tạo ra vị trí cần trục tháp như mong muốn
Ưu điểm chính của hệ thống là sử dụng dữ liệu BIM làm đầu vào mô hình toán học để giảm đầu vào thủ công Thực tế là hầu hết các dự án đã sử dụng BIM cho thiết kế và thi công, tạo điều kiện thuận lợi cho tính khả thi của hệ thống Các thuật toán thông minh sau đó được sử dụng để thực hiện quá trình tính toán và tối ưu hóa
6 Lý thuyết tính tải trọng, sắp xếp chuỗi dữ liệu [15]
Nghiên cứu này phân tích vị trí đặt cần trục tháp trong công trình sử dụng cấu kiện lắp ghép
Việc phân tích phạm vi và công suất của cần trục tháp có thể phân tích theo nhiều cách Trong nghiên cứu này, phân tích dựa trên phương pháp đơn giản được mô tả trong sơ đồ trình bày trong Hình 4 Phương pháp này tính toán trạng thái nâng của mỗi cấu kiện tùy thuộc vào vị trí của nó so với cần trục tháp và tải trọng bản thân của cấu kiện
Hình 4 Sơ đồ phân tích điểm số nâng Phân loại thang đánh giá kết quả nâng:
Cấu kiện có thể nâng được - Liftable: Vị trí đặt các cấu kiện nâng
theo yêu cầu và vị trí cung ứng (xe tải) đều nằm trong tầm với và khả năng nâng tải ứng với từng mốc tầm với của cánh tay cần của cần trục tháp
Cấu kiện có thể nâng được nếu thay đổi vị trí xe tải - Liftable but Truck Issue: Vị trí các cấu kiện nằm trong tầm với và khả năng nâng của
cần trục tháp nhưng không đáp ứng được vị trí cung ứng, có thể do vị trí
xe tải đặt xa tầm với hoặc do tải trọng không phù hợp với khả năng nâng
tải ứng với tầm với của cần trục tháp
Cấu kiện không thể nâng được - Non-Liftable: Tải trọng cấu kiện
vượt quá tải nâng mà cần trục tháp có thể đảm nhiệm ứng với từng tầm
với hoặc cấu kiện đặt vượt qua khỏi tầm với của cần cần trục
Cấu kiện không thể chạm tới - Unreachable: Cấu kiện không nằm
trong tầm với tới của cần cần trục
Phần đánh giá kết quả thông qua điểm số:
Thông số đầu vào (Kích thước quần thể, số lượng
mục tiêu, biến quyết định)
Thông số đầu vào (Danh sách các hàm mục tiêu)
Khởi tạo quần thể ban đầu
Vòng lặp, thế hệ sau và sắp xếp
Xuất ra kết quả tối ưu
Trang 5Hình 5 Đánh giá kết quả nâng trong Dynamo
Hình 6 Tạo bộ thời gian - “Lift time” và trạng thái “Lift status”
Hình 7 Tập hợp và phân loại các cấu kiện (sàn, dầm, cột, vách) trong mô hình Revit
Hình 8 Chọn trực tiếp vị trí cần trục tháp và xe tải được bố trí ban đầu và khu vực cần trục tháp
có thể được đặt
Hình 9 Các vị trí cần trục tháp và xe tải ban đầu được quy ra thành toạ độ xác định trong Revit thông qua nút “FamilyInstance.Location”
Hình 10 Thu thập thông số đặc trưng của cần trục tháp từ Excel
Hình 11 Sau khi thu thập phần tử từ mô hình (Hình 7).Tiếp tục xác định toạ độ các phần tử trong mô hình thông qua các nút xử lý chuyên biệt “Element.Solids” và “Solid.Centroid”
Hình 12 Tính toán tải trọng cho các phần tử
7 Lý thuyết tính toán thời gian vận chuyển [16]
Theo như trong mô hình của Zhang [2], nếu (Xsi, Ysi, Zsi) và (Xdj, Ydj, Zdj)
tất cả khoảng cách giữa cầu trục, điểm cung và cầu có thể được tính như sau
Hình 13 Dịch chuyển của móc cần trục
Trang 6Thời gian móc cần trục dịch chuyển theo phương ngang Thij, điểm
toán như sau:
(Dj) là Tij có thể được tính như sau:
J Kogan [17] đã đề cập rằng một người lái cần trục tháp có kinh
nghiệm thực hiện các hoạt động đồng thời trong suốt 76% tổng thời gian
của chu kỳ Do đó, giá trị của tham số α được giả định là 0,25 trừ khi có
quy định khác, và β được giả định là 1 , tức là móc di chuyển liên tục trong
hai mặt phẳng
Tuy nhiên, theo thực tế hiện nay của các công trình xây dựng, để đảm
bảo an toàn lao động và tránh vướn các chướng ngại vật, cần trục tháp hạn
chế làm việc đồng thời giữa xoay cần cần trục tháp và dịch chuyển móc theo
phương ngang (dọc cần cần trục tháp) Thay vào đó, các thao tác trên sẽ thực
hiện liên tục và tuần tự Vì vậy hệ số α sẽ được giả định là 1
Hình 14 Biểu đồ vận tốc của móc cần trục theo khối lượng nâng
thay đổi tùy theo tải được nâng lên; tải càng lớn thì vận tốc càng thấp
Hình 14 biểu diễn biểu đồ vận tốc móc cần trục thẳng đứng từ bảng dữ
liệu cần trục tháp (MC175B) Điều này ngụ ý rằng thời gian cần thiết để
nâng tải của cần trục tháp sẽ khác nhau do lượng tải cho phép cho mỗi
nhiệm vụ, phụ thuộc vào khả năng của cần cần trục Do đó, cần cần trục
tháp thời gian nâng nên được chia thành thời gian nâng hạ tải và thời
gian dỡ tải
Với cách lý giải trên sẽ dẫn đến các công thức mới để tính toán thời
gian chu kỳ cần cần trục tháp như trong các phương trình sau:
Thời gian nâng và hạ tải được tính như sau:
Thời gian móc cần trục dỡ tải, giai đoạn cần cần trục qua về vị trí điểm cung
Kết luận, công thức tính toán chu kỳ thực hiện nhiệm vụ dịch chuyển cấu kiện từ điểm cung Si đến điểm cầu Dj và trở về điểm cung Si được tính bằng công thức sau:
một lúc Đầu tiên cần phải xác định các cấu kiện đã đạt điểm trạng thái là 0
(Liftstatus=0) Vì thời gian chỉ được chấp nhận khi cần trục tháp đáp ứng
được tải trọng cấu kiện Sau khi tổ hợp tất cả các cấu kiện có điểm trạng thái bằng 0 Tiếp tục phần tính toán thời gian cho từng cấu kiện trên Thời gian làm việc tối thiểu của cần trục tháp TC1 là T1 + T3
Thời gian làm việc tối thiểu của cần trục tháp TC2 là T2 + T4
Trường hợp 1: Hai cần trục tháp làm việc độc lập không có vùng giao nhau Thời gian hoàn thành công việc của 2 cần trục tháp hoạt động cùng
1 lúc là giá trị lớn nhất của T1 + T3 và T2 + T4
Trường hợp 2: Hai cần trục tháp có vùng làm việc giao nhau
Vùng trùng lắp của hai tay cần cần trục cũng chính là vùng giao thời gian của T3 và T4
Nếu thời gian làm việc của cần trục tháp TC1 nhỏ hơn thời gian làm việc của cần trục tháp TC2 Tiến hành cho cần trục tháp TC1 thực hiện vùng giao nhau trước lúc này cần trục tháp TC2 không làm việc ở vùng giao nhau, cần trục tháp TC2 đặt cao hơn cần trục tháp TC1 nên thời gian
là việc của cần trục tháp còn lại là T2 Vậy tổng hợp thời gian sẽ là max(T1+T3,T2) Ngược lại, tương tự
8 Phân tích dữ liệu, tìm vị trí cần trục tháp
Hình 15 Bộ nút khởi tạo quần thể ban đầu cho thuật toán GA bao gồm kích thước quần thể,
số lượng mục tiêu, giới hạn vùng biên trên, biên dưới Nút “NSGA_II.InitialSolutionList” sẽ tạo ra 30
cá thể ngẫu nhiên trong điều kiện biên cho phép
Trang 7Hình 16 Bộ nút trung tâm xử lý thuật toán GA
Theo Hình 16: “List of Fitness Functions” - tập hợp các hàm mục tiêu;
“Function.Apply” – tạo ra các giá trị mục tiêu ban đầu;
“NSGA_II.AssignFitnessFuncResults” – gán các giá trị mục tiêu tương ứng
với các nghiệm cha mẹ ban đầu cho vào bộ xử lý “NSGA_II.Function” – là
bộ xử lý chọn lọc các nghiệm con cho thế hệ tiếp theo; “LoopWhile” – bộ
tạo vòng lặp với số vòng lặp tối đa ghi trong “Iteration Number”
Hình 17 Hàm mục tiêu thứ nhất với mục
tiêu tìm ra vị trí cần trục tháp đáp ứng yêu cầu
vận chuyển của tất cả các điểm cầu
Hình 18 Hàm mục tiêu thứ 2 ứng với mục tiêu thứ 2 – tìm ra vị trí cần trục tháp có tổng thời gian vận hành tối thiểu nhất
9 Đánh giá kết quả
Hình 19 Nút gán giá trị trạng thái nâng vào các cấu kiện
Hình 20 Vị trí cần trục tháp mới được tạo ra sau khi kết thúc giải thuật GA, được quy ra thành toạ độ trong Revit thông qua nút “Surface.PointAtParnameter” và tiếp tục đi vào bộ xử lý
“Element.DoubleCraneAnalysis” để tính toán lại trạng thái nâng “Lift status” đem gán cho các cấu kiện trong Revit ở Hình 19
Hình 21 Bộ nút tính toán thời gian hoạt động và gán thời gian vào mô hình
10 Kết quả bố trí tự động cho 2 cần trục tháp
Hình 22 Toạ độ điểm đặt cần trục tháp khi chạy thuật toán NSGA-II – đa mục tiêu Nhận xét: các toạ độ nghiệm hội tụ lại điểm (29.1 ; 61.9) cho cần trục tháp số 1 và (24.5 ; 9.9) cho cần trục tháp số 2 Kết quả tính toán thời gian cho vị trí nêu trên :
Trang 8Hình 23 Hiển thị kết quả bố trí cần trục tháp ra mô hình và tổng thời gian hoạt động của cần
trục tháp là 4738 (phút)
Kết quả hiển thị mô hình:
Hình 24 Kết quả hiển thị màu ra mô hình Revit (màu xanh tương ứng với trạng thái nâng là 0,
vậy với vị trí tìm được cần trục tháp có thể phục vụ cho tất cả các điểm được yêu cầu
Hình 25 Thông số thời gian gán vào Properties của cấu kiện
11 Kết luận
Việc phát triển một mô hình tối ưu hóa vị trí cần trục tháp đã và đang
được tiến hành kể từ 30 năm qua Điều mà nghiên cứu này chủ yếu quan
tâm là cải thiện mô hình bằng cách cập nhật cách tiếp cận tính toán thời
gian cần thiết để cần trục tháp thực hiện tất cả các nhiệm vụ được giao
Cần trục tháp hoạt động trong công trường xây dựng, phục vụ nâng
nhiều vật liệu theo phương dọc và phương ngang Việc xác định số lượng
tối thiểu và vị trí tối ưu của cần trục tháp, đặc biệt khi chúng hoạt động ở
các khu vực chồng chéo, rất khó cho người lập biện pháp thi công nếu
chỉ thông qua các bản vẽ 2D Autocad và kinh nghiệm làm việc
Hiện nay, hầu hết người lập biện pháp thi công thường dựa trên kinh
nghiệm để bố trí cần trục tháp nhưng để có thể xác định vị trí hợp lý đặt
cần trục tháp, kết quả của nghiên cứu này sẽ góp phần tăng hiệu quả sử
dụng cần trục tháp, đẩy nhanh tiến độ, tiết kiệm chi phí vận hành Bên
cạnh đó, nghiên cứu có tính ứng dụng cao vì dữ liệu đầu vào không quá phức tạp, chạy trên nền tảng BIM, mang tính trực quan cao, khả năng quản lý dữ liệu tốt
Nghiên cứu này góp phần vào khối kiến thức liên quan đến quy hoạch bố trí công trình Có thể ứng dụng cho nhiều lĩnh vực liên quan đến việc bố trí và sắp xếp khác
Ưu điểm của phương pháp trên là dữ liệu đầu vào rõ ràng, chính xác dựa trên nền tảng BIM Thời gian nhập dữ liệu dễ dàng, không tốn nhiều thời gian Mô hình thuật toán được thể hiện trực quan mang tính ứng dụng cao Tổng hợp thông tin về trạng thái nâng và thời gian nâng gán cho từng cấu kiện trong mô hình một cách nhanh chóng, chính xác và đầy đủ
Bên cạnh đó mô hình còn tồn tại nhược điểm, thời gian xử lý thuật toán sẽ tăng phụ thuộc vào số hàm mục tiêu đi vào bài toán tức là phụ thuộc vào số lượng điểm cung Cần điều chỉnh số vòng lặp một cách phù hợp để đạt được sự hội tụ của các nghiệm
TÀI LIỆU THAM KHẢO
[1] A Zavichi, K Madani, P Xanthopoulos, A.A Oloufa, "Enhanced crane operations in construction using service request optimization," Automation in Construction, vol 47, p 69–
77, 2014
[2] Jun Wang, Xuedong Zhang, Wenchi Shou, Xiangyu Wang, Bo Xu, Mi Jeong Kim, Peng Wu,
"A BIM-based approach for automated tower crane layout planning," Automation in Construction, vol 59, pp 168-178, 2015
[3] W.E Rodriguez-Ramos, R.L Francis, "Single crane location optimization," Journal of Construction Engineering and Management, vol 109, pp 387-397, 1983
[4] Y Abouel-Magd, Time-cost trade-off in construction projects applied on a single tower crane, Egypt: Alexandria University, 2006
[5] C.W Choi, F.C Harris, "A model for determining optimum crane position," Proceedings of the Institution of CivilEngineers, pp 627-634, 1991
[6] A Leung, C Tam, "Models for assessing hoisting times of tower cranes," J Construct Eng Manage, vol 125, no 6, pp 385-391, 1999
[7] P Zhang, F Harris, P Olomolaiye, G Holt, "Location optimization for a group of tower cranes," J Constr Eng Manag., vol 125, no 2, pp 115-122, 1999
[8] C Tam, T.K Tong, W.K Chan, "Genetic algorithm for optimizing supply locations around tower crane," J Constr Eng Manag., vol 127, no 4, pp 315-321, 2001
[9] C M Tam & Thomas K L Tong, "GA-ANN model for optimizing the locations of tower crane and supply points for high-rise public housing construction," Construction Management and Economics, vol 21, no 3, pp 257-266, 2003
[10] C Huang, C.K Wong, C.M Tam, "Optimization of tower crane and material supply locations
in a high-rise building site by mixed-integer linear programming," Automat Construct., vol
20, no 5, pp 571-580, 2011
[11] J Irizarry, E.P Karan, "Optimizing location of tower cranes on construction sites through GIS and BIM integration," J Inform Technol Construct., vol 17, pp 351-366, 2012
[12] L.-C Lien, M.-Y Cheng,, "Particle bee algorithm for tower crane layout with material quantity supply and demand optimization," Automat Construct., vol 45, pp 25-32, 2014 [13] Mohammad Rahmani Asl, Alexander Stoupine, Saied Zarrinmehr, Optimo: A BIM-based Multi-Objective Optimization Tool Utilizing Visual Programming for High Performance Building Design
[14] "A Fast and Elitist Multiobjective Genetic Algorithm NSGA-II," Ieee Transactions On Evolutionary Computation, vol 6, no 2, 2002
[15] D Vermeulen, Construction Dynam(o)ite Explode Productivity with Dynamo, Autodesk [16] Mohammed Adel Abdelmegid, Khaled Mohamed Shawki, Hesham Abdel-Khalek, "GA optimization model for solving tower crane location problem in construction site," Alexandria Engineering Journal, 2013
[17] J Kogan, Crane Design-Theory and Calculation of Reliability, New York, 1976
