Tối ưu kế hoạch phân phối xe bê tông thương phẩm sử dụng thuật toán sói xám đa mục tiêu kết hợp với mô phỏng sự kiện rời rạc

NHIỆM VỤ VÀ NỘI DUNG: Áp dụng thuật toán tối ưu sói xám đa mục tiêu để tối ưu lịch trình phân phối xe bê tông từ một trạm trộn phân phối đến nhiều công trường và phát triển mô hình nhiề

TRƯỜNG ĐẠI HỌC BÁCH KHOA

- -

CHÂU QUANG ĐẠT

TỐI ƯU KẾ HOẠCH PHÂN PHỐI

XE BÊ TÔNG THƯƠNG PHẨM

SỬ DỤNG THUẬT TOÁN SÓI XÁM ĐA MỤC TIÊU KẾT HỢP VỚI MÔ PHỎNG SỰ KIỆN RỜI RẠC

Chuyên ngành: Quản Lý Xây Dựng

Mã Số: 60580302

LUẬN VĂN THẠC SĨ

TP.Hồ Chí Minh, tháng 1 năm 2018

TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc Lập-Tự Do-Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

I TÊN ĐỀ TÀI: Tối ưu kế hoạch phân phối xe bê tông thương phẩm sử dụng thuật

toán sói xám đa mục tiêu kết hợp với mô phỏng sự kiện rời rạc

NHIỆM VỤ VÀ NỘI DUNG: Áp dụng thuật toán tối ưu sói xám đa mục tiêu để

tối ưu lịch trình phân phối xe bê tông từ một trạm trộn phân phối đến nhiều công trường và phát triển mô hình nhiều trạm trộn liên kết với nhau để phân phối bê tông cho nhiều công trường nhằm giảm thiểu thời gian chờ đợi của xe và công trường

II NGÀY GIAO NHIỆM VỤ: 04/09/2017

III NGÀY HOÀN THÀNH NHIỆM VỤ: 03/12/2017

IV CÁN BỘ HƯỚNG DẪN: TS Phạm Vũ Hồng Sơn; TS Trần Đức Học

TP HCM, ngày…… tháng…… năm 20…

TS Phạm Vũ Hồng Sơn TS Trần Đức Học PGS.TS Lương Đức Long

Cán bộ hướng dẫn khoa học: TS Phạm Vũ Hồng Sơn; TS Trần Đức Học

Cán bộ chấm nhận xét 1: PGS.TS Lương Đức Long

Cán bộ chấm nhận xét 2: TS Chu Việt Cường

Luận văn thạc sĩ được bảo vệ tại Trường Đại Học Bách Khoa, ĐHQG Tp.HCM Ngày 19 tháng 01 năm 2018

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1 Chủ tịch: PGS.TS Phạm Hồng Luân

2 Thư ký: TS Đỗ Tiến Sỹ

3 Phản biện 1: PGS.TS Lương Đức Long

4 Phản biện 2: TS Chu Việt Cường

5 Ủy viên: TS Lê Hoài Long

Xác nhận của Chủ Tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn được sửa chữa (nếu có)

PGS.TS PHẠM HỒNG LUÂN

LỜI CẢM ƠN

Trong suốt thời gian thực hiện đề tài, tôi đã nhận được sự giúp đỡ của quý phòng ban sau đại học trường Đại học Bách Khoa TPHCM, khoa quản lý xây dựng đã tạo điều kiện tốt nhất cho tôi được hoàn thành đề tài Đặc biệt là sự hướng dẫn tận tình của TS Phạm Vũ Hồng Sơn và TS Trần Đức Học đã giúp tôi hoàn thành tốt luận văn này Qua đây, tôi xin gửi lời cảm ơn sâu sắc đến sự giúp đỡ này

Trong quá trình làm đề tài gặp nhiều khó khăn, tôi đã cố gắng để thực hiện đề tài một cách hoàn chỉnh nhất tuy nhiên với kiến thức có hạn cũng như lần đầu phải thực hiện một công trình nghiên cứu khoa học do đó không thể tránh khỏi những sai sót nhất định mà bản thân chưa thấy được Tôi rất mong nhận được góp ý của quý Thầy, Cô và các bạn học viên để luận văn được hoàn chỉnh hơn

Cuối cùng tôi xin gửi lời cảm ơn chân thành đến gia đình và tất cả bạn bè đã giúp đỡ, động viên tôi trong suốt quá trình học tập và thực hiện đề tài

Tôi xin chân thành cảm ơn!

TP.HCM, ngày 19 tháng 01 năm 2018 Tác giả luận văn

Châu Quang Đạt

TÓM TẮT Cung cấp bê tông thương phẩm (ready mixed concrete) hiệu quả là một vấn

đề thực tế và là một trong những vấn đề khó khăn nhất làm đau đầu những người quản lý trạm trộn bê tông Người quản lý trạm trộn bê tông thương phẩm phải xem xét thứ tự các đơn hàng và thời gian nhận hàng để đưa ra một lịch trình hiệu quả giúp cho việc vận chuyển của các xe tải chuyên dụng sao cho cân bằng lợi ích giữa nhà máy trộn và các công trường xây dựng Nghiên cứu này đề xuất một khuôn khổ cho việc vận chuyển các xe tải bê tông trộn sẵn bằng cách tích hợp mô phỏng sự kiện rời rạc (DES) và thuật toán tối ưu hóa sói xám (GWO) để đưa ra một lịch trình tối ưu

Mô phỏng được thực hiện để diễn tả các yếu tố không chắc chắn và các tình huống bất ngờ không lường trước được như xe tải hỏng trong quá trình vận chuyển bê tông Ngoài ra, thuật toán tối ưu sói xám đa mục tiêu (Multi-Objective Grey Wolf Optimization - MOPSO) được sử dụng để tìm lịch trình bố trí tối ưu nhằm giảm thiểu thời gian chờ đợi của các xe tải vận chuyển bê tông trộn sẵn tại các địa điểm xây dựng (TWC) và thời gian chờ xe tải chờ xe tải (CWT) Mô hình này dùng để hỗ trợ người quản lý trạm trộn đưa ra một quyết định nhanh và hiệu quả Để đánh giá hiệu quả của khuôn khổ đề xuất này, mô hình sẽ được so sánh với thuật toán tối ưu đa mục tiêu đàn ong nhân tạo (MOABC) kết quả cho thấy khung đề xuất vượt mang lại kết quả vượt trội so với MOABC, và kết quả chi tiết của khung đề xuất thực sự hữu ích trong thực tế Lịch trình chi tiết cho từng xe cũng được xuất ra giúp cho những người quản

lý tiết kiệm được thời gian và tránh những sai sót có thể xảy ra Bên cạnh đó, một nghiên cứu mới chưa từng được công bố trước đây đó là liên kết các nhà máy trộn bê tông hoạt động riêng lẻ liên kết lại thành một hệ thống các nhà máy lô hoạt động cùng với nhau Điều này giúp cho việc tối ưu lịch trình hiệu quả hơn và thu lại kết quả tốt hơn Các ví dụ cụ thể được dẫn chứng để khẳng định mô hình thật sự hoạt động so với không được áp dụng

ABSTRACT Delivering Ready Mixed Concrete (RMC) efficiently is a practical problem, and one of the most challenging problems to batch plant manager The batch plant manager has to consider the orders and the timeliness to give an efficient schedule of dispatching the trucks which balances the benefits between batch plant and construction sites This research propose a framework for dispatching ready mix concrete trucks which integrates discrete event simulation (DES) and Grey Wolf optimization algorithm to decide an optimal schedule The simulation is performed

to model uncertainties and unexpected situations such as breakdown truck during delivery of concrete In addition, the Multi-Objective Grey Wolf Optimization (MOPSO) algorithm is used to find the optimal dispatching schedule which minimizes the total waiting duration of ready mix concrete trucks at construction sites (TWC) and time of construction sites wait for truck (CWT) This is to support the batch plant manager make an efficient decision To evaluate the performance of the proposed framework, it is compared with multiple object Artificial bee colony (MOABC) algorithm, and the result showed that the proposed framework outperformed MOABC, and the detail result of proposed framework is really useful for actual operation Detailed schedules for each vehicle are also provided to help managers save time and avoid possible errors In addition, a new study has never been published that links individual batches of plants into a batch plant system that works together This work helps to make the optimization more effective and get better results Specific examples are given to confirm that the model actually works

LỜI CAM ĐOAN

Tôi xin cam đoan mọi kết quả của đề tài: “tối ưu kế hoạch phân phối xe bê

tông thương phẩm sử dụng thuật toán sói xám đa mục tiêu kết hợp với mô phỏng

sự kiện rời rạc” là công trình nghiên cứu của cá nhân tôi và chưa từng được công bố

trong bất cứ công trình khoa học nào khác cho tới thời điểm này

TPHCM, Ngày 19 tháng 01 năm 2018 Tác giả luận văn

Châu Quang Đạt

MỤC LỤC

CHƯƠNG 1 1

GIỚI THIỆU 1

1.1 Lý do chọn đề tài 1

1.2 Đối tượng và phạm vi nghiên cứu 2

1.3 Phương pháp nghiên cứu 3

1.4 Sơ đồ luận văn 4

Chương 2 5

Tổng Quan Nghiên Cứu 5

2.1 Giới thiệu 5

2.2 Hướng nghiên cứu mới 7

2.3 Tóm tắt 8

CHƯƠNG 3 9

CƠ SỞ LÝ THUYẾT 9

3.1 Giới thiệu về bê tông thương phẩm 9

3.2 Ưu điểm của bê tông thương phẩm 10

3.3 Nhược điểm của bê tông thương phẩm 11

CHƯƠNG 4 14

PHƯƠNG PHÁP LUẬN 14

4.1 Các loại mô hình mô phỏng sự kiện trong việc tiếp cận vấn đề 14

4.1.1 Mô phỏng sự kiện liên tục 14

4.1.2 Mô phỏng sự kiện rời rạc 15

4.2 Tối ưu 16

4.2.1 Tối ưu đơn mục tiêu 17

4.2.2 Tối ưu đa mục tiêu 17

4.2.3 Thuật toán tối ưu 20

CHƯƠNG 5 33

XÂY DỰNG MÔ HÌNH 33

5.1 Đặt vấn đề 33

5.1.1 Các thông số đầu vào 33

5.1.2 Các biến quyết định 33

5.1.3 Các khó khăn 34

5.1.4 Kết quả thu được 34

5.2 Mô phỏng sự kiện rời rạc (DES) kết hợp với thuật toán sói xám đa mục tiêu (MOGWO) 34

5.2.1 Quá trình mô phỏng một trạm trộn cung cấp cho nhiều công trường 35

a Trường hợp 1 trạm trộn phân phối bê tông cho nhiều công trường và không xét đến sự cố xảy ra 35

b Trường hợp 1 trạm trộn phân phối bê tông cho nhiều công trường có xét đến sự cố xảy ra 43

c Sơ đồ mô phỏng quá trình tối ưu nếu có một trạm trộn cung cấp bê tông cho nhiều công trường và có xét đến sự cố của xe trong quá trình vận chuyển 44 5.2.1 Quá trình mô phỏng nếu có 2 trạm trộn cung cấp bê tông cho các công trường có xét đến sự cố 46

d Sơ đồ mô phỏng quá trình tối ưu nếu có nhiều trạm trộn cung cấp bê tông cho nhiều công trường và có xét đến sự cố của xe trong quá trình vận chuyển 46 5.3 Tối ưu hóa đa mục tiêu bằng thuật toán sói xám kết hợp với mô phỏng sự kiện rời rạc (DES-MOGWO) 53

5.4 Xây dựng mô hình 55

CHƯƠNG 6 59

CÁC BÀI TOÁN CỤ THỂ 59

6.1 Trường hợp một trạm trộn cung cấp bê tông cho nhiều công trường 59

6.1.1 Số công trường đặt mua bê tông là 3 59

a Khởi tạo thông tin chi tiết 59

b Kết quả 60

6.1.2 Số công trường mua bê tông là 12 63

a Khởi tạo thông tin chi tiết 63

b Kết quả 64

6.2 Trường hợp nhiều trạm trộn cung cấp bê tông cho nhiều công trường 66

a Khởi tạo thông tin chi tiết 66

b Kết quả 67

c So sánh với các nghiên cứu trước đây 72

CHƯƠNG 7 KẾT LUẬN VÀ ĐỀ XUẤT HƯỚNG NGHIÊN CỨU CHO TƯƠNG LAI 76

7.1 Kết luận 76

7.2 Đề xuất nghiên cứu cho tương lai 77

Tài Liệu Tham Khảo 78

DANH MỤC BIỂU BẢNG

Bảng 5.1: Thông tin của đơn hàng giả định 1 38

Bảng 5.2: Kết quả tính toán cho đơn hàng giả định 1 theo phương pháp thủ công 39 Bảng 5.3:Ví dụ với số công trường đặt mua bê tông là 3; mỗi công trình sở hữu 3 xe 47

Bảng 5.4: Tính giá trị thời gian bộ dữ liệu tại trạm A 47

Bảng 5.5: Bảng tính giá trị thời gian bộ dữ liệu tại trạm B 47

Bảng 5.6: Thứ tự phân phối nếu làm theo phương pháp thủ công 48

Bảng 5.7: Giá trị tính toán chi tiết trong trường hợp sử dụng 2 trạm trộn giải bài toán theo phương pháp thủ công 50

Bảng 6.1: Thời gian khởi hành và chi tiết đơn hàng 59

Bảng 6.2: Giá trị chuỗi phân phối cho 2 giá trị không vượt trội giữa 2 tiêu chí CWT và TWC tìm được 61

Bảng 6.3: Lịch trình phân phối chi tiết đối với khi giá trị TWC nhỏ 61

Bảng 6.4: Lịch trình phân phối chi tiết đối với khi giá trị CWT nhỏ nhất 62

Bảng 6.5: Thời gian khởi hành và chi tiết đơn hàng 63

Bảng 6.6: Thời gian khởi hành và chi tiết đơn hàng 66

Bảng 6.7: Giá trị chuỗi phân phối cho 3 giá trị không vượt trội giữa 2 tiêu chí CWT và TWC tìm được 69

Bảng 6.8: Lịch trình phân phối chi tiết đối với khi giá trị CWT = 0 70

Bảng 6.9: Bảng số liệu dùng để so sánh hai thuật toán khác nhau 72

DANH MỤC HÌNH

Hình 4.1: Mô tả quá trình mô phỏng sự kiện liên tục 14

Hình 4.2: Mô tả quá trình mô phỏng sự kiện rời rạc 15

Hình 4.3: Mô tả quá trình xác định giá trị tối ưu của bộ Pareto 18

Hình 4.4: Mặt phẳng tối ưu Pareto 19

Hình 4.5: Sơ đồ phân loại các nhánh của thuật toán meta-heuristic 23

Hình 4.6: Hệ thống phân cấp xã hội trong một đàn sói theo thứ bậc từ cao đến thấp 25

Hình 4.7: Quá trình săn mồi của một đàn sói 26

Hình 4.8 (a), (b): Mô hình vec tơ 2D và 3D vị trí tiếp theo có thể xảy ra của con sói 28

Hình 4.9: Mô tả quá trình cập nhật vị trí mới trong quá trình săn mồi 29

Hình 4.10: Tấn công hoặc khám phá con mồi mới 31

Hình 5.1: Mô phỏng quá trình giao nhận bê tông thương phẩm thông qua mô phỏng sự kiện rời rạc 36

Hình 5.2Mô phỏng quá trình phân phối đơn hàng 38

Hình 5.3: Mô phỏng phân phối bê tông một trạm trộn và không sự cố 42

Hình 5.4: Mô phỏng khả năng xảy ra hư hỏng trên đường vận chuyển của xe tải 43

Hình 5.5: Mô phỏng quá trình tối ưu nếu có một trạm trộn cung cấp bê tông cho nhiều công trường và có xét đến sự cố của xe trong quá trình vận chuyển 45

Hình 5.6: Mô phỏng quá trình giao nhận bê tông thương phẩm từ nhiều trạm trộn đến các công trường thông qua mô phỏng sự kiện rời rạc 51

Hình 5.7: Mô hình mô phỏng quá trình phân phối bằng hai trạm trộn có xét sự cố 52 Hình 5.8: Quá trình tìm kiếm kết quả của mô hình DES-MOGWO 56

Hình 6.1Mô phỏng vị trí của trạm trộn và các công trường theo bảng 6.1 59Hình 6.2: Biểu đồ Pareto thể hiện giá trị tìm được bằng thuật toán GWO 60Hình 6.3: Mô phỏng vị trí của trạm trộn đến các công trường theo số liệu 6.5 63Hình 6.4: Biểu đồ Pareto thể hiện giá trị tìm được bằng thuật toán GWO của số liệu bảng 6.6 65Hình 6.5Mô phỏng vị trí 3 trạm trộn đến các công trường theo bảng số liệu 6.6 66Hình 6.6: Biểu đồ Pareto thể hiện giá trị tìm được bằng thuật toán GWO của số liệu bảng 6.7 68Hình 6.7: Biểu đồ Pareto thể hiện giá trị tìm được bằng thuật toán GWO của số liệu bảng 6.7 nếu muốn CWT=0 72Hình 6.8: So sánh kết quả tìm được giữa hai thuật toán MOABC & MOGWO 74

KÝ HIỆU

SCTj: thời gian bắt đầu đổ bê tông của công trường xây dựng j

CDj : Thời gian cần để xe bê tông xả bê tông vào công trường j

TDGj là thời gian di chuyển đến công trường j

TDBj : là thời gian di chuyển từ công trường j ngược lại trạm trộn

Kj : Số xe mà công trường yêu cầu ( ví dụ công trường site 1 mua 3 xe)

SDTi: thời điểm khởi hành mô phỏng của xe tải thứ i

TACji: thời gian mà xe tải đã được gửi đi đến công trường xây dựng j

PTFji: thời gian bắt đầu đúc của công trường xây dựng j

TWC (truck wait construction) = WCji ≥0: khoảng thời gian mà xe vận tải chờ tại công trường

CWT (construction wait truck) = WCji <0: thời gian mà công trường xây dựng chờ đợi sự xuất hiện của chiếc xe tải thứ i

LTji: thời gian xe tải bê tông thứ i rời khỏi công trường xây dựng j

TBBi(a): thời gian mà lần thứ i gửi xe tải chở bê tông trở lại nhà máy trộn A

TBBi(b): thời gian mà lần thứ i gửi xe tải chở bê tông trở lại nhà máy trộn

FDT(a): thời gian khởi hành lý tưởng của lần đầu tiên gửi xe bê tông đi từ trạm A

FDT(b): thời gian khởi hành lý tưởng của lần đầu tiên gửi xe bê tông đi từ trạm B

IDTi: thời gian khởi hành lý tưởng của chiếc xe vận tải bê tông lần thứ i

MD: thời gian nạp bê tông vào xe

i: trình tự gửi lệnh của xe tải MRC i = l-N

l: thứ tự của xe tải quay trở lại nhà máy trộn và chưa gửi đi

j: chỉ số công trường xây dựng thiết kế j = 1 - m

k: Thứ tự của xe tải RMC đến tại địa điểm xây dựng tương ứng

C(a): số lượng xe tải chở bê tông mà nhà máy bê tông A sở hữu

C(b): số lượng xe tải chở bê tông mà nhà máy bê tông B sở hữu

M: số lượng các công trình xây dựng yêu cầu mua bê tông

N: tổng số các lô hàng của xe cho tất cả các công trình xây dựng ( tổng số lượt xe cần cả tất cả công trường)

T f : Thời gian để sửa xe tải

BTj: Thời gian bị hỏng của xe tải trên đường từ nhà máy trộn đến công trường xây dựng j

CHƯƠNG 1 GIỚI THIỆU

1.1 Lý do chọn đề tài

Trong lĩnh vực xây dựng thì các công tác hậu cần đóng vài trò cực kì quan trọng trong chuỗi công việc để hoàn thành một dự án bất kì, trong số các công tác hậu cần thì không thể bỏ qua công tác đổ bê tông vì nó đóng vai trò chủ đạo trong việc hoàn thiện kết cấu của công trình Hiện nay đa số các công trình nhỏ điển hình như nhà phố cho đến các công trình lớn hơn như chung cư, văn phòng… điều sử dụng bê tông thương phẩm (hay còn gọi là bê tông trộn sẵn tại các trạm trộn bê tông) được đặt hàng tại các công ty chuyên về sản xuất bê tông theo đặc điểm kỹ thuật (cấp phối) thõa mãn được yêu cầu của khách hàng, Crow (2008)

Đặc điểm của các trạm trộn bê tông là nằm khá xa trung tâm thành phố, chủ yếu tọa lạc dọc theo các dòng sông lớn Tại TP Hồ Chí Minh chúng ta dễ dàng bắt gặp các trạm sản xuất bê tông thương phẩm phân bố dọc theo các sông như sông Nhà Bè, sông Sài Gòn Việc đặt các trạm trộn tại đây giúp các công ty bê tông có thể sở hữu được mặt bằng lớn, thuận tiện trong việc tiếp nhận nguyên liệu và tránh việc ô nhiễm tiếng

ồn đến khu vực xung quanh, do đó bê tông sau khi được trộn xong cần được vận chuyển từ trạm trộn đến công trình thông qua xe chở bê tông chuyên dụng Các xe chở

bê tông chuyên dụng có trung bình 90 phút để vận chuyển khối lượng bê tông đến công trình xây dựng nhằm đảm bảo các chỉ tiêu kỹ thuật không bị ảnh hưởng

Hiện nay, nhiều công ty bán bê tông thương phẩm có xu hướng dựa vào các nhân viên điều phối có nhiều kinh nghiệm để tiến hành lên kế hoạch phân phối xe bê tông đến các khách hàng bằng phương pháp thủ công, điều này sẽ khiến cho lịch trình phân phối xe đến các công trường không thật sự tối ưu nhất, khối lượng công việc không được tối ưu dẫn đến sự lãng phí về thời gian và đặt biệt là chi phí đầu tư phương tiện vận chuyển khi mà tài nguyên sẵn có không được tận dụng một cách triệt để

Do đó vấn đề được đặt ra là làm sao để xây dựng được một lịch trình phân phối chuỗi cung ứng, một mạng lưới phân phối bê tông thương phẩm hiệu quả nhằm đảm bảo được thời gian, chi phí và lợi nhuận từ đó tăng tính cạnh tranh của doanh nghiệp trên thị trường

Đây thực sự là một nhiệm vụ khó khăn đối với các nhà cung cấp bê tông thương phẩm Bởi rõ ràng, chúng ta cần một số phương pháp tiếp cận có khả năng tìm ra các giải pháp thỏa đáng trong thời gian tính toán ngắn với một chi phí đầu tư hệ thống xử

lý giải pháp thấp Bên cạnh đó, trong quá trình vận chuyển, xe chở bê tông có thể gặp một số nhân tố không lường trước được dẫn đến sự chậm trễ càng làm cho việc tính toán một lịch trình phân phối càng phức tạp hơn

Trong nghiên cứu này sẽ tập trung vào việc tìm ra được chuỗi cung ứng cho vấn

đề phân phối bê tông thương phẩm bằng xe chuyên dụng sao cho “tổng thời gian chờ đợi của xe bê tông tại công trường và thời gian công trường chờ xe bê tông tới là thấp nhất”

Chuỗi cung ứng đề cập ở đây là một hệ thống tập trung, nơi một nhà máy bê tông trung tâm sẽ phục vụ một số công trình xây dựng Các công việc sẽ đặt một số ràng buộc cho xe chở bê tông tại một thời điểm cụ thể Sau đó, nhà máy bê tông sẽ sắp xếp lịch trình cho xe chở chuyên dụng để vận chuyển bê tông đến các địa điểm xây dựng dựa trên một số thông tin như yêu cầu kĩ thuật của bê tông, thời gian di chuyển và thời gian đúc (thời gian bơm bê tông từ xe vào công trường) Nghiên cứu này tập trung vào việc phát triển và xây dựng mô hình để tìm ra lịch trình vận chuyển hiệu quả của xe tải chở bê tông thương phẩm

1.2 Đối tượng và phạm vi nghiên cứu

Lịch trình tối ưu nhằm giảm thiểu hai mục tiêu bao gồm tổng thời gian chờ đợi của xe chở bê tông tại địa điểm xây dựng (kí hiệu là TWC-truck wait for construction)

và tổng thời gian chờ đợi của công trường chờ xe tải (kí hiệu là CWT-construction wait for truck) Giá trị nhỏ của TWC có thể đảm bảo rằng xe tải không phải chờ ở công trường trong một thời gian dài, điều này có nghĩa là người quản lý nhà máy bê

tông đã vận hành quá trình phân phối một cách hiệu quả Tất cả các xe tải làm việc càng nhiều càng tốt và giảm bớt các xe tải không sử dụng Trong khi đó, giá trị nhỏ của thời gian mà công trường phải chờ đợi xe bê tông tới (CWT) đảm bảo rằng bê tông trộn tại địa điểm xây dựng được tiếp nhận liên tục và giảm sự gián đoạn của việc đúc Điều này có thể làm cho chất lượng bê tông tại địa điểm xây dựng tốt hơn 1.3 Phương pháp nghiên cứu

Nghiên cứu này xây dựng mô hình mô phỏng việc vận chuyển xe tải trong vận chuyển bê tông Đặc biệt, nó xem xét một số khía cạnh của chuỗi cung ứng trong thế giới thực bao gồm những sự việc không chắc chắn vốn có trong thời gian và khả năng

xe tải chở bê tông không thể hoàn thành lịch trình, Ebert and De Man (2005) Điều này làm cho mô hình mô phỏng thực tế hơn Ví dụ, xe tải chở bê tông có thể bị hỏng Nếu sự hư hỏng là nghiêm trọng, xe tải không thể tiếp tục phân phối, và sau đó nếu như không có sẵn một xe thay thế, chuỗi cung ứng có thể không hoàn thành được lịch trình phân phối như dự kiến xe bê tông có thể tiếp tục hoạt động nếu đó là sự cố nhỏ

Sự cố nhỏ có nghĩa là xe tải có thể phục hồi sau khi sửa chữa trong thời gian cho phép Tất cả các biến trong nghiên cứu như thời gian di chuyển, thời gian đúc/trộn, thời gian tải được điều chọn là biến ngẫu nhiên

Đề xuất một khuôn khổ tích hợp mô hình bằng thuật toán tối ưu sói xám (grey wolf optimizer algorithm), Mirjalili, Mirjalili et al (2014) để tìm lịch trình bố trí hiệu quả của xe tải chở bê tông Điều này có thể giúp người quản lý nhanh chóng quyết định vận hành kinh doanh của mình

Đưa ra một vài ví dụ để minh họa cho việc áp dụng khuôn khổ đề xuất

Đánh giá hiệu quả của mô hình được để xuất để đảm bảo mô hình này có thể hoạt động tốt so với các nghiên cứu trước

1.4 Sơ đồ luận văn

Để theo đuổi các mục tiêu này, luận văn được tổ chức như sau:

Chương 1: Giới thiệu chung về vấn đề nghiên cứu

Chương 2: Tổng quan nghiên cứu

Chương 3: Cơ sở lý thuyết

Chương 4: Phương pháp luận

Chương 5: Thảo luận chi tiết hơn về vấn đề để đạt được mục tiêu nghiên cứu thông qua việc xây dựng mô hình DES-MOGWO Mô phỏng được thảo luận ở một số khía cạnh của tình huống thực tế cũng được xem xét trong quá trình vận chuyển bê tông

để làm cho độ tin cậy hơn

Chương 6: Một số ví dụ số để minh hoạ khung đề xuất và so sánh với một số nghiên cứu trước đây

Chương 7: Kết luận của tác giả, và một số gợi ý trong việc phát triển nghiên cứu trong tương lai

Chương 2 Tổng Quan Nghiên Cứu

2.1 Giới thiệu

Việc cung cấp bê tông thương phẩm là một vấn đề hậu cần phức tạp như đã được trình bày ở trên như là do hạn chế về thời gian giao hàng của xe tải chở bê tông thường phải được đổ tại công trường trong vòng 1,5 giờ sau khi được sản xuất bởi nhà máy bê tông Điều này đòi hỏi một số lượng lớn các vấn đề cần lưu ý khi phân phối bê tông thương phẩm ví dụ: thời gian đi lại giữa các công trường và nhà máy, điều kiện giao thông, giới hạn tải trọng xe theo luật định

Rõ ràng, việc cung cấp bê tông thương phẩm cho khách hàng đúng giờ là rất cần thiết Người quản lý nhà máy phải xem xét và đưa ra lịch trình hiệu quả để cân bằng hoạt động tại địa điểm xây dựng cũng như tại nhà máy trộn Nó thực sự là một công việc khó khăn trong chuỗi cung ứng phụ trợ của ngành xây dựng Nó nêu lên một câu hỏi thú vị rằng làm thế nào để cung cấp bê tông thương phẩm cho các công trường xây dựng hiệu quả nhất Để giải quyết vấn đề phức tạp trong việc phân phối

bê tông thương phẩm, rất nhiều tác giả đã đề xuất cách tiếp cận khác nhau cho vấn đề này

Yan and Lai (2007), đã xây dựng một mô hình như là một vấn đề dòng chảy hỗn hợp các số nguyên với các ràng buộc phụ Tuy nhiên, việc chạy mô hình thực sự rất tốn thời gian, đặc biệt là ví dụ với kích thước lớn Hơn nữa, nó chỉ thích hợp cho

sự cố nhỏ xảy ra trong thực tế Nếu có sự cố lớn (xe tải hỏng, chậm trễ) mô hình sẽ không còn thực tế nữa Với cách tiếp cận tương tự như Yan, Asbach, Dorndorf et al (2009) phát triển các chương trình hỗn hợp các số nguyên Ông đã sử dụng cách tiếp cận tìm kiếm địa phương để có được kết quả trong thời gian hợp lý để mang lại hiệu quả cao hơn, nhưng mô hình có nhược điểm là không thực tế bởi vì ông giả định thời gian và không xét đến sự cố xe

Một phương pháp khác được đề xuất bởi Feng, Cheng et al (2004) Ông đã trình bày một mô hình dựa trên một thuật toán di truyền GA và một kỹ thuật mô phỏng để

tìm ra giải pháp tối ưu là chuỗi trình tự giảm thiểu tổng thời gian chờ đợi của xe tải chở bê tông tại công trường và cũng xem xét sự gián đoạn khi xây dựng phải đợi một thời gian dài Hai năm sau, Feng and Wu (2006) cũng đã trình bày một đóng góp khác bằng cách sử dụng thuật toán di truyền xáo trộn nhanh (fmGA) và CYCLONE để tìm chuỗi trình tự tối ưu Các mục tiêu và giả định tương tự như các nghiên cứu trước đây của ông cộng với một mô hình mô phỏng tĩnh (xe tải bị hỏng, chậm trễ) Một vấn đề khác là hai mục tiêu được kết hợp thành một như là một mục tiêu duy nhất trong mô hình của ông

Tiếp tục sử dụng thuật toán di truyền như một cách tiếp cận, Naso, Surico et al (2007) thực hiện một cách tiếp cận lai Thứ nhất, ông đã phát triển một mô hình toán học chi tiết của vấn đề được xem xét bao gồm cả biến quyết định và những khó khăn chính của vấn đề Sau đó, ông ấy đã sử dụng thuật toán di truyền GA để giải quyết vấn đề

Năm 2010, Srichandum and Rujirayanyong (2010) đã mang thuật toán đàn ong

để tiến hành giải quyết vấn đề phân phối bê tông thương phẩm và mang lại nhiều kết quả cạnh tranh so với các nghiên cứu trước đây, đặc biệt là tác giả đã chuyển việc quản lý bê tông theo xe thành quản lý theo khối lượng mua bán giữa trạm trộn và công trường tuy nhiên, nghiên cứu này chỉ dừng lại ở việc tối ưu đơn mục tiêu Van Ninh (2011) đề xuất sử dụng thuật toán tối ưu bầy đàn PSO (Particle Swarm optimization) nhằm tối ưu hóa tích hợp với mô phỏng để tìm thứ tự phân phối xe tải

Mô hình được đề xuất là thiết thực hơn để xử lý các trường hợp trong thế giới thực Đặc biệt, nó là một mô phỏng động xem xét xác suất của xe tải bị phá vỡ trong quá trình vận chuyển bê tông Hơn nữa, tất cả các thời lượng trong mô hình như thời gian trộn, thời gian từ xây dựng đến nhà máy, và ngược lại từ nhà máy đến địa điểm làm việc được coi là các biến ngẫu nhiên mà chưa bao giờ được xem xét trước đây Một nghiên cứu của tác giả Cheng and Tran (2015) đã giới thiệu một phương pháp tiếp cận mới trong việc lồng ghép kỹ thuật hỗn độn kết hợp với thuật toán tiến hóa DE trong việc tối ưu đa mục tiêu thông qua mô phỏng rời rạc Trong nghiên cứu

này có xem xét đến cả góc độ xe không thể tiếp tục hành trình Tuy nghiên cứu này chỉ dừng lại ở việc đưa ra được một chuỗi phân phối tối ưu dành cho một trạm trộn, một chuỗi tối ưu dành cho đơn vị thi công và điểm trung hòa cho cả 2 phương án trên

mà chưa đưa ra được một lịch trình cụ thể cho từng xe của trạm trộn, điều này khiến cho người vận hành trạm trộn phải tự lên lịch trình phân phối cho từng xe và có thể khiến cho sự nhầm lẫn và tốn kém thêm thời gian sau đó

Những nghiên cứu trước đây điều này mô tả một bức tranh thực sự sinh động trong ngành xây dựng Mục tiêu của mô hình là giảm thiểu thời gian chờ đợi của xe tải tại các địa điểm làm việc và tổng thời gian chờ đợi của địa điểm xây dựng cho xe tải nhằm tìm ra lịch trình tốt nhất để vận chuyển xe tải chở bê tông đi và về hiệu quả Tuy nhiên vì sử dụng thuật toán tối ưu meta-heuristic do đó việc thay đổi các thuật toán có thể mang lại kết quả cạnh tranh hơn so với các nghiên cứu trước Do đó, nghiên cứu này sẽ đề xuất sử dụng một thuật toán mới là thuật toán sói xám đa mục tiêu (Multi-objective grey wolf optimizer), Mirjalili, Saremi et al (2016) để giải lại vấn đề đã đề cập ở trên với mong muốn sẽ cải thiện được kết quả tìm kiếm so với các nghiên cứu trước đây

2.2 Hướng nghiên cứu mới

Hầu hết các nghiên cứu trước đây chỉ cân nhắc một trạm trộn cung cấp bê tông cho nhiều công trình các nhau, thực tế hiện nay khi số lượng công trình càng lúc càng nhiều hơn, quy mô lớn hơn cộng với việc người dân cũng có xu hướng chuyển qua

sử dụng bê tông thương phẩm cho các công trình dân dụng bởi các đặc tính ưu việt

mà nó mang lại đã được trình bày ở trên Vấn đề này đòi hỏi các đơn vị sản xuất bê tông thương phẩm cần mở rộng quy mô ra 2,3 hoặc nhiều hơn các trạm trộn phân phối rộng khắp nhằm tăng tính cạnh tranh và cung cấp đủ sản lượng tiến tới thâu tóm một thị trường rộng lớn Lúc này tình huống phát sinh là việc một xe chở bê tông có thể xuất phát từ trạm A nhưng rời công trường và di chuyển đến trạm B của chính công ty đó nếu như nó mang lại một kết quả cho toàn bộ quá trình phân phối tốt hơn Đây thực sự là một thử thách khi vấn đề này lần đầu tiên được mang ra để phân tích tính khả thi và tiến hành nghiên cứu nhằm tìm ra giải pháp thông qua việc xây dựng

một mô hình giúp cho các trạm trộn khác nhau hoạt động với nhau một cách nhịp nhàng và hiệu quả

2.3 Tóm tắt

Nghiên cứu này sử dụng thuật toán tối ưu sói xám đa mục tiêu, Mirjalili, Saremi

et al (2016) kết hợp với mô phỏng sự kiện để lên lịch trình phân phối xe chở bê tông thương phẩm hiệu quả hơn các nghiên cứu trước đây Xây dựng mô hình mới giúp cho nhiều trạm trộn độc lập có thể liên kết với nhau cùng làm việc một cách hiệu quả hơn là làm việc rời rạc nhằm giảm tối đa thời gian chờ đợi của xe và của công trường

 Trong phần thứ hai, kỹ thuật tối ưu hóa được trình bày như là một công cụ để giải quyết được vấn đề đặt ra ban đầu

3.1 Giới thiệu về bê tông thương phẩm

Bê tông là vật liệu được sử dụng rộng rãi trong lĩnh vực xây dựng ở hầu hết các quốc gia trên thế giới, đây là hợp chất cấu thành từ 3 thành phần cơ bản là cát, đá và

xi măng, Marusin (1996)

Quá trình hoá học được gọi là hydrat hóa sẽ xảy ra khi chúng ta trộn các thành phần của bê tông với nước Nước phản ứng với xi măng tạo ra một chất liệu giống như đá Do đó, nó được sử dụng để làm vỉa hè, đường ống, nền móng, đường cao tốc, cầu đường/cầu vượt, công trình bãi đỗ xe, tường và chân cho cổng, hàng rào và cột Hiện nay, bê tông đôi khi được pha thêm phụ gia trong quá trình trộn hoặc trước khi trộn Việc sử dụng phụ gia trong bê tông rất phổ biến do những lợi ích mà nó mang lại Ví dụ, nó có thể thay đổi đặc tính như khả năng chịu lực của bê tông hoặc kéo dài thời gian ninh kết nhằm giúp cho thời gian vận chuyển có thể kéo dài thêm

Có rất nhiều loại bê tông, và nó được tạo ra bằng cách thay đổi tỷ lệ của các thành phần chính Điều này sẽ làm thay đổi cường độ, mật độ và tính chất của bê tông

Tùy thuộc vào loại cấu trúc sẽ được thực hiện mà các nhà thiết kế sẽ quyết định

tỷ lệ các nguyên vật liệu đầu vào Dù các tiêu chuẩn, tỉ lệ thành phần là gì thì cũng được phân loại ra làm hai loại bê tông được sản xuất Đó là bê tông đúc sẵn và bê

tông đúc tại chỗ, Phan, Ngô et al (2006) Bê tông có thể được trộn tại khu vực thi công hoặc tại nhà máy trộn sao cho bê tông không bị đông cứng lại trước khi tiến hành đổ tại công trình

Chủ yếu, bê tông được sản xuất tại địa điểm xây dựng trước thế kỷ 20 Tuy nhiên, bê tông thương phẩm đã trở nên nổi trội kể từ khi nó được giới thiệu lần đầu tiên vào ngành xây dựng vào năm 1903 tại Đức sau đó lan rộng ra Tây Ban Nha vào năm 1912, Mỹ và Hà Lan lần lượt áp dụng vào những năm 1913 và 1918 rồi dần dần lan ra khắp các châu lục khác nhau bởi vì lợi thế của nó so với việc trộn ở công trường xây dựng, Takeyama (1996)

Kỹ sư sẽ quyết định loại bê tông nào nên được sử dụng cho các bộ phận cụ thể

Ví dụ, nếu ưu tiên tiến tiến độ, thời gian xây dựng thì các kỹ sư thường sử dụng bê tông thương phẩm như là sự lựa chọn tốt nhất vì nó thực hiện nhanh chóng và có thể cung cấp một số lượng lớn không hạn chế Nếu không xét đến quá trình sử dụng lâu dài hoặc cần một khối lượng nhỏ cho một công trình tạm, công trình phụ trợ thì có thể sử dụng bê tông đút tại chỗ

3.2 Ưu điểm của bê tông thương phẩm

Bê tông trộn sẵn là một loại bê tông được sản xuất trong một xí nghiệp hoặc một xưởng sản xuất, và sau đó được chuyển đến nơi làm việc bằng xe tải chuyên dụng

có khả năng đảo điều bê tông trong quá trình chuyển đi Bê tông được trộn lẫn dưới các hoạt động điều khiển bằng máy sau đó vận chuyển đến các địa điểm xây dựng bằng cách sử dụng các thiết bị và phương pháp khác nhau Vì vậy nó mang lại những lợi ích sau:

 Một nhà máy trộn bê tông tập trung có thể phục vụ một bán kính rộng

 Các nhà máy nằm trong khu vực được quy hoạch để sử dụng trong công nghiệp, nhưng các xe tải giao hàng có thể phục vụ các khu dân cư hoặc các thành phố nội thành

 Bê tông được sản xuất với chất lượng tốt và đồng bộ

 Loại bỏ không gian lưu trữ cho các vật liệu cơ bản tại công trường

 Loại bỏ việc mua sắm / thuê mướn máy móc thiết bị

 Hao tổn của vật liệu cơ bản được tránh

 Hoạt động liên quan đến sản xuất bê tông được loại bỏ

 Thời gian liên quan đến công tác bê tông được giảm đáng kể

 Giảm được vấn đề ô nhiễm tiếng ồn tại khu vực làm việc và khu vực xung quanh

 Chi phí tổng thể giảm

3.3 Nhược điểm của bê tông thương phẩm

Những lợi ích trên là lý do tại sao bê tông thương phẩm đã được mở rộng đáng

kể trong ngành công nghiệp xây dựng cho đến bây giờ Đặc biệt, ngày càng có nhiều

dự án xây dựng được triển khai áp dụng sử dụng bê tông thương phẩm ở tất cả các nước Do đó, ngành công nghiệp sản xuất bê tông thương phẩm thu hút rất nhiều nhà đầu tư để khai thác tiềm năng của lĩnh vực kinh doanh đầy hứa hẹn này Tuy nhiên, việc cung cấp bê tông thương phẩm cũng gặp phải không ít vấn đề phức tạp do một

số tính chất của nó

 Không thể lưu trữ sẵn trong kho: bê tông sẽ đông lại sau khi trộn, do đó bê tông thương phẩm không thể sản xuất trước được Bê tông chỉ được sản xuất khi nhà máy nhận lệnh giao hàng từ địa điểm xây dựng Ngoài ra, các công trường xây dựng khác nhau đôi khi yêu cầu các loại bê tông khác nhau do đó không thể chuyển hướng xe tải với RMC phân phối đến các địa điểm xây dựng khác trừ khi các đơn đặt hàng có các yêu cầu đặc tính kỹ thuật chính xác như nhau Feng, Cheng et al (2004), Feng and Wu (2006)

 Bán kính phục vụ hạn chế: bê tông thương phẩm sẽ được đông đặc nhanh sau

90 phút, do đó nó cần phải được bơm vào công trường trước khi đông cứng Điều này làm hạn chế khoảng thời gian giữa việc pha trộn và di chuyển dẫn đến việc một trạm trộn bê tông chỉ có thể phục vụ một khu vực cụ thể và trong bán kính giới hạn, Feng, Cheng et al (2004), Feng and Wu (2006)

 Vấn đề trong quá trình vận chuyển: thông thường thời gian di chuyển có thể được xác định bằng khoảng cách giữa công trường và nhà máy, tốc độ của xe

tải chở bê tông Tuy nhiên, xe tải có thể gặp một số rắc rối về giao thông trên đường như kẹt xe, hoặc xe bị hỏng giữa đường, hoặc va chạm với xe khác

 Hoạt động tại địa điểm xây dựng: Thời gian đổ bê tông từ xe bồn ra phụ thuộc nhiều vào tiến độ tại công trình Rõ ràng, nếu tiến độ công việc hoạt động nhanh, chính xác và việc gởi lệnh nhận xe bê tông nhanh chóng, chi tiết để phù hợp với công việc đang thi công Nếu chiếc xe tải này của trạm trộn bê tông không thể tới kịp thời, điều này sẽ làm trì hoãn quá trình làm việc tại địa điểm thi công, các bê tông đang đổ dở dang sẽ bị tách rời với lớp bê tông chưa kịp tới, ngoài ra việc phải tạm dừng đổ giữa chừng khiến cho năng suất lao động của công nhân bị hao tổn Ngược lại, nếu xe tải đến công trường quá sớm, nó phải chờ đợi cho một chiếc đằng trước đó đang đổ Hoạt động vận chuyển xe tải bê tông không hiệu quả thậm chí là còn có thể hư hỏng bê tông dù đã đến công trường, Feng, Cheng et al (2004), Feng and Wu (2006)

 Chi phí bảo trì: Như đã được đề cập ở trên, nếu bê tông không được đổ một cách liên tục thì chất lượng của sản phẩm sẽ bị tác động do các khối bê tông không có sự liên kết với nhau, Feng, Cheng et al (2004), Feng and Wu (2006)

Rõ ràng, nhà máy trộn không nên vi phạm quy tắc này nếu họ muốn cạnh tranh với các đơn vị khác Vấn đề này có vẻ phức tạp hơn vì đơn đặt hàng từ các công trình xây dựng khác nhau thường đến rất gần và lại tập trung vào một khung giờ nhất định Điều này có nghĩa là nhà máy bê tông rất bận rộn trong những giờ làm việc nhất định (9:30 sáng đến 11:30 sáng và 2:30 chiều đến 5:00 chiều, hoặc ban đêm đối với các công trình trong thành phố) Để giải quyết vấn đề này, nhà máy bê tông có thể sở hữu càng nhiều xe càng tốt để cung cấp bê tông cho xây dựng đúng thời gian, Bù lại việc duy trì một đội xe bồn quá đông dẫn đến các chi phí cũng tăng theo như phí sửa chữa, mua sắm, bảo trì Vì vậy, có bao nhiêu xe tải chở bê tông được sử dụng cũng là một vấn

đề quan trọng

Thị trường bê tông thương phẩm đang sôi nổi và có tiềm năng lớn, tuy nhiên để trở thành một nhà phân phối bê tông thương phẩm hàng đầu thì các nhà máy bê tông nên xem xét đến tất cả các yếu tố đã nêu ở trên

CHƯƠNG 4 PHƯƠNG PHÁP LUẬN

4.1 Các loại mô hình mô phỏng sự kiện trong việc tiếp cận vấn đề

Hai mô hình thường được sử dụng là sự kiện liên tục và rời rạc Mô hình liên tục được sử dụng để mô tả một dòng chảy các giá trị Các mô hình sự kiện rời rạc theo dõi các đối tượng (quá trình) duy nhất Ngoài các phương pháp lập mô hình chính này, các phương pháp tiếp cận mô hình khác rất hữu ích và thường dựa trên một trong hai phương pháp chính: Monte Carlo, agent-based và State/Action, Birgisson (2009)

Để mô hình các khía cạnh khác nhau của hệ thống ngoài thực tế, có thể sử dụng các phương pháp khác nhau Tuy nhiên, cần hiểu rằng không có mô hình "chuẩn" cho một vấn đề mục tiêu Một mục tiêu có thể được mô phỏng theo một số cách khác nhau tùy thuộc vào những gì nó diễn ra và kết quả khi nó hoàn thành Hệ thống được

mô hình hoá như thế nào phụ thuộc vào mục đích của mô hình và loại thông tin nào

là cần thiết

4.1.1 Mô phỏng sự kiện liên tục

Trong các mô hình mô phỏng sự kiện liên tục, bước thời gian được cố định ở đầu mô phỏng Sự gia tăng về thời gian và giá trị là như nhau trong tất cả các quá trình Trong kiểu mô hình này, các giá trị phản ánh trạng thái của mô hình hệ thống tại bất kỳ thời gian cụ thể nào và thời gian tính toán gia tăng sẽ của sự kiện này sẽ ảnh hưởng đến các sự kiện khác Mô phỏng liên tục được so sánh với một dòng chảy liên tục của chất lỏng đi qua một đường ống Khối lượng có thể tăng hoặc giảm tại mỗi bước thời gian, nhưng dòng chảy luôn liên tục, được thể hiện qua hình 3.1

Hình 4.1: Mô tả quá trình mô phỏng sự kiện liên tục

4.1.2 Mô phỏng sự kiện rời rạc

Trong các mô hình sự kiện rời rạc, hệ thống sẽ thay đổi trạng thái khi các sự kiện xảy ra và chỉ đúng với sự kiện bị tác động Việc truyền thời gian không có ảnh hưởng trực tiếp đến mô hình Không giống như mô hình liên tục, những biến đổi thời gian mô phỏng từ một sự kiện đến một sự kiện tiếp theo thì không chắc rằng sự tác động thời gian giữa các sự kiện sẽ bằng nhau, xem hình 3.2 Một nhà máy lắp ráp các

bộ phận là một ví dụ điển hình của một hệ thống sự kiện rời rạc Các thực thể riêng biệt (các bộ phận) được lắp ráp dựa trên các sự kiện

Hình 4.2: Mô tả quá trình mô phỏng sự kiện rời rạc Trong quá trình vận chuyển bê tông từ trạm trộn đến các công trường và trở về, các công tác được phân đoạn một cách độc lập với nhau bao gồm thời gian bơm bê tông vào xe (MD), thời gian xe di chuyển từ trạm trộn đến công trường (TDG), thời gian xe bơm bê tông vào công trường (CD), thời gian xe di chuyển từ công trường trở về trạm trộn (TDB)

Nếu có bất kì giai đoạn nào trong quá trình vận chuyển gặp sự cố thì sẽ không ảnh hướng đến các công tác khác (ví dụ: xe bị chậm trễ trong quá trình vận chuyển không làm cho các phân đoạn khác tăng hoặc giảm thời gian)

Công tác hàng đợi bao gồm: công tác đợi để nhận bê tông tại trạm trộn, công tác đợi xe bê tông trước đó rời khỏi công trường để xe chở bê tông tiếp theo vào vị trí

Công tác có điều kiện bao gồm: công tác bơm bê tông và xe và công tác bơm

bê tông vào công trường

Công tác có xác xuất chậm trễ bao gồm: thời gian xe di chuyển đi (TDG) và thời gian di chuyển về (TDB)

Trong phạm vi nghiên cứu này, thời gian bơm bê tông vào công trường phụ thuộc vào loại cấu kiện, được chia ra làm ba nhóm chính là sàn, dầm, cột Thời gian

này phải được báo cáo bởi đơn vị thi công tại công trường cho đơn vị sản xuất bê tông biết trước Ngoài ra trong nghiên cứu này không xét đến máy bơm bê tông vào công trường mà tính chung với thường gian xe bơm bê tông cần để xả hết lượng bê tông mà xe chở đến tại thời điểm được xem xét

4.2 Tối ưu

Là kỹ sư, chúng ta thường phải đưa ra quyết định trong công việc của mình Ví

dụ, vấn đề bố trí công trường, một kỹ sư phải quyết định vị trí đặt các trụ sở trong khu vực thi công để hoạt động hiệu quả, tiết kiệm chi phí và làm việc an toàn Đặc biệt, thế giới ngày càng phức tạp và cạnh tranh người ra quyết định phải giải quyết vấn đề một cách hợp lý và tối ưu Quá trình ra quyết định bao gồm các bước sau Talbi (2009):

 Lập ra vấn đề: Cần xác định được vấn đề, các yếu tố bên ngoài và mục tiêu của vấn đề được nghiên cứu

 Mô hình hóa vấn đề: một mô hình toán học trừu tượng được xây dựng để đưa

ra giải pháp cho vấn đề trong bước này Mô hình thường được đơn giản hóa

từ thực tế công việc, nó được giả định là một mô hình gần đúng và đôi khi bỏ qua các khía cạnh phức tạp

 Tối ưu hóa vấn đề: Sau khi xây dựng được mô hình, bước tiếp theo là tạo ra một giải pháp tốt cho vấn đề, giải pháp tốt ở đây có thể là tối ưu hoặc gần tối

ưu

 Thực hiện giải pháp: khi đạt được giải pháp, cần thực hiện để kiểm tra nhằm đảm bảo giải pháp có được chấp nhận hay không Nếu kết quả của nó là không thể chấp nhận, mô hình nên được sửa đổi và cải tiến

Như đã nói ở trên, vấn đề tối ưu hóa gặp phải ở nhiều lĩnh vực của đời thực, và

nó có thể được xác định bởi cặp tương ứng (S, f) trong đó S đại diện cho tập hợp các giải pháp khả thi, và f: S→R là chức năng khách quan để tối ưu hóa Chức năng khách quan chỉ ra cho mỗi giải pháp s є S của không gian tìm kiếm một con số thực sự cho thấy giá trị của nó Talbi (2009)

Tùy thuộc vào số các tiêu chí tối ưu hóa các vấn đề liên quan, tối ưu hóa có thể được phân loại như một mục tiêu duy nhất (chỉ có một mục tiêu); hoặc vấn đề đa mục tiêu (hai hoặc nhiều hơn hai mục tiêu) Czyzżak and Jaszkiewicz (1998) Ví dụ, tối ưu hóa danh mục đầu nhằm mục đích giảm thiểu thời gian đi lại giữa các thành phố chỉ

có một mục tiêu là thời gian di chuyển, vì vậy nó được xem là mục tiêu duy nhất Trong khi đó, sự cân bằng giữa thời gian và chi phí trong quản lý dự án được coi là nhiều mục tiêu

4.2.1 Tối ưu đơn mục tiêu

Tối ưu hóa đơn mục tiêu có thể được định nghĩa như sau

Với f là hàm mục tiêu

Mục tiêu: Minimize 𝑓⃑ (𝑥)⃑

Điều kiện ràng buộc: 𝑔 (𝑥)⃑ ≤ 0 i=1,2,…,m

ℎ (𝑥)⃑ ≤ 0 j=1,2,…,p (𝑥)⃑ = [𝑥 , 𝑥 , … , 𝑥 ]T là vectơ của những biến quyết định

𝑔 ,ℎ là những công thức ràng buộc của vấn đề i=1,…,m và j=,…,p

4.2.2 Tối ưu đa mục tiêu

Trong thế giới thực, các vấn đề tối ưu hóa thường phức tạp và lớn bao gồm nhiều tiêu chí Có nhiều mục tiêu mâu thuẫn cần phải xử lý Ví dụ, trong quản lý dự

án, giảm thiểu đồng thời thời gian hoàn thành và chi phí của dự án là hai mục tiêu xem xét như là vấn đề tối ưu hóa với hai mục tiêu

Giải pháp tối ưu đa mục tiêu MOP (multiple objective problem) là một bộ giải pháp được định nghĩa là mặt phẳng tối ưu Pareto (Pareto Optimal Solutions) là tập hợp các giải pháp đại diện cho giải pháp thỏa hiệp giữa các mục tiêu có xung đột khác nhau Mục tiêu chính của vấn đề MOP là để có được bộ tối ưu Pareto

Để giới thiệu một số phương pháp được sử dụng để giải quyết vấn đề tối ưu hóa

đa mục tiêu Một số khái niệm chính sẽ được xác định bao gồm ưu thế, độ ưu tiên Pareto, và tối ưu Pareto được đặt trong phần sau cùng mục đích là để giảm thiểu các mục tiêu

 Tối ưu hóa đa mục tiêu có thể được định nghĩa như sau:

Với f là hàm mục tiêu

Minimize: 𝑓⃑ (𝑥)⃑ = 𝑓 (𝑥)⃑, 𝑓 (𝑥)⃑ … 𝑓 (𝑥)⃑

Điều kiện ràng buộc: 𝑔 (𝑥)⃑ ≤ 0 i=1,2,…,m

ℎ (𝑥)⃑ ≤ 0 j=1,2,…,p (𝑥)⃑ = [𝑥 , 𝑥 , … , 𝑥 ]T là vectơ của những biến quyết định

𝑔 ,ℎ là những công thức ràng buộc của vấn đề i=1,…,m và j=,…,p

 Mặt phẳng vượt trội Pareto

Cho 2 vec tơ (𝑥)⃑ và (𝑦)⃑ ∈ 𝑅∗, chúng ta kết luận (𝑥)⃑ ≤ (𝑦)⃑ nếu 𝑥 ≤ 𝑦 với I = 1,…,k

và (𝑥)⃑ vượt trội (𝑦)⃑ (kí hiệu 𝑥⃑ ≺ 𝑦⃑ ) nếu (𝑥)⃑ ≤ (𝑦)⃑ và 𝑥⃑ ≠ 𝑦⃑

Ví dụ: giá trị tại A và B hoàn toàn vượt trội giá trị tại C

Hình 4.3: Mô tả quá trình xác định giá trị tối ưu của bộ Pareto

 Tối ưu Pareto

Chúng ta nói rằng vector của các biến quyết định 𝑥∗⃑ ∈ 𝐹 ⊂ 𝑅 (F là vùng khả thi) là tối ưu Pareto nếu nó không bị chi phối bởi các giải pháp khác

 Bộ tối ưu Pareto:

Pareto Tối ưu bộ P* được xác định bởi:

𝑃∗ = {𝑥⃑ ∈ 𝐹| 𝑥⃑ 𝑙à 𝑔𝑖ả𝑖 𝑝ℎá𝑝 𝑝𝑎𝑟𝑒𝑡𝑜}

 Mặt phẳng tối ưu Pareto

Mặt phẳng Pareto PF* được định nghĩa bởi: PF*={𝑥⃑ ∈ 𝑅 |𝑥⃑ ∈ 𝑃∗} chứa một tập hợp các giải pháp không bị vượt trội được gọi là mặt phẳng Pareto

Hình 4.4: Mặt phẳng tối ưu Pareto Tối ưu đa mục tiêu được áp dụng nhiều hơn cho ứng dụng thực tế trong cuộc sống và nó cũng là một vấn đề phức tạp vì vậy mà một số lượng lớn các công trình

xử lý tối ưu đa mục tiêu đã được đề xuất bởi các tác giả trên thế giới Các phương

pháp này, về cơ bản, có thể được phân thành bốn phương pháp cơ bản bao gồm phương pháp trọng số, hạn chế є, dựa trên tiêu chí và sự vượt trội

Phương pháp trọng số là một cách tiếp cận cổ điển Ý tưởng là sử dụng chức năng tập hợp để chuyển đổi đa mục tiêu thành một chức năng mục tiêu duy nhất Nó thường được sử dụng để tạo ra giải pháp tối ưu Pareto, Talbi (2009) Nó kết hợp các chức năng khác nhau vào một chức năng mục tiêu duy nhất một cách tuyến tính

Hạn chế ε có chiến lược là tối ưu hóa một mục tiêu trong khi xử lý các mục tiêu khác như là những trở ngại Một người chọn mục tiêu fk, với những ràng buộc

về các mục tiêu khác fj, j є [1, n], j ≠ k Giảm fk (x) với x є S Giới hạn ràng buộc: fj (x) ≤ єj trong đó j = 1, , n và j ≠ k

Các tiêu chí dựa trên các mục tiêu khác nhau một cách riêng biệt; và có một

số đề xuất nghiên cứu trong quá khứ bao gồm lựa chọn song song trong thuật toán tiến hóa, cập nhật pheromone song song trong việc tối ưu hóa đàn kiến, và tối ưu hóa lexicograph Parsopoulos and Vrahatis (2002), Talbi (2009)

Phương pháp vượt trội là một cách hiệu quả hơn bởi vì nó không cần phải chuyển đổi tất cả các mục tiêu thành một, nó có thể tạo ra một bộ giải pháp tối ưu Pareto đa dạng chỉ trong một lần chạy Cách tiếp cận có vẻ thích hợp để giải quyết vấn đề đa mục tiêu (MOP), bởi vì nó có thể giải quyết đồng thời với một bộ các giải pháp để tìm một số giải pháp của bộ tối ưu Pareto

Trong tối ưu hóa đa mục tiêu việc duy trì lưu trữ ưu tú trong một kho lưu trữ các giải pháp không được chi phối và chọn các thành viên của kho lưu trữ để tiếp tục tìm kiếm thêm Kho lưu trữ ưu tú chấp nhận một vị trí mới của một hạt nếu nó không

bị chi phối bởi tất cả các giải pháp đã được lưu trữ Tất cả thành viên vượt trội của kho lưu trữ sẽ bị xóa

4.2.3 Thuật toán tối ưu

a Lý do sử dụng thuật toán tối ưu

Các kỹ thuật tối ưu hóa meta-heuristic đã trở nên phổ biến trong hai thập kỷ qua Đáng ngạc nhiên là một số trong số những thuật toán phổ biến như là thuật toán

di truyền (GA) Bonabeau, Dorigo et al (1999), tối ưu hóa phân cực hòn đảo (ACO) Dorigo, Birattari et al (2006), và sự tối ưu hóa bầy đàn (Particle Swarm Optimization

- PSO) Kennedy (2011) khá nổi tiếng không những trong lĩnh vực khoa học máy tính

mà còn trong các lĩnh vực khác nhau đã tạo ra một số lượng lớn các công trình lý thuyết, học thuật Các kỹ thuật tối ưu hóa như vậy đã được áp dụng trong các lĩnh vực nghiên cứu khác nhau Có một câu hỏi ở đây là tại sao meta-heuristics đã trở nên rất phổ biến Câu trả lời cho câu hỏi này có thể được tóm tắt thành bốn lý do chín: tính đơn giản, tính linh hoạt, cơ chế hoạt động tự do, và tránh khỏi tình huống tối ưu cục bộ (Mirjalili, Mirjalili et al 2014)

 Thứ nhất, meta-heuristics khá đơn giản được lấy cảm hứng chủ yếu từ những khái niệm rất đơn giản Những cảm hứng thường liên quan đến các hiện tượng vật lý, hành vi của động vật hoặc các khái niệm tiến hóa Sự đơn giản này cho phép các nhà khoa học máy tính mô phỏng các khái niệm tự nhiên khác nhau,

đề xuất các siêu dữ liệu mới, lai ghép hai hoặc kết hợp thành siêu dữ liệu, hoặc cải thiện meta-heuristic hiện tại Hơn nữa, sự đơn giản giúp các nhà khoa học khác học nhanh chóng để áp dụng chúng vào các vấn đề của họ

 Thứ hai, tính linh hoạt đề cập đến khả năng áp dụng siêu dữ liệu Để giải quyết các vấn đề khác nhau mà không có bất kỳ thay đổi đặc biệt trong cấu trúc của thuật toán Meta-heuristic dễ dàng áp dụng cho các vấn đề khác nhau vì chúng chủ yếu thừa nhận các vấn đề như những chiếc hộp đen (black box) Nói cách khác, chỉ có đầu vào và đầu ra của một hệ thống là rất quan trọng đối với meta-heuristic Vì vậy, tất cả các nhu cầu thiết kế là phải biết làm thế nào để đại diện cho vấn đề của mình cho thuật toán meta-heuristic

 Thứ ba, phần lớn các meta-heuristics có các cơ chế không có nguồn gốc Trái ngược với phương pháp tiếp cận tối ưu hóa dựa trên độ dốc, meta-heuristics tối ưu hóa các vấn đề một cách ngẫu nhiên Quá trình tối ưu hóa bắt đầu bằng các giải pháp ngẫu nhiên và không cần phải tính toán các dẫn xuất của không

gian tìm kiếm để tìm ra mức tối ưu Điều này làm cho meta-heuristics rất thích hợp cho những vấn đề thực tế với thông tin không rõ ràng

 Cuối cùng, meta-heuristic có khả năng vượt trội để tránh tối ưu cục bộ so với các kỹ thuật tối ưu hóa thông thường Điều này là do bản chất ngẫu nhiên của meta-heuristics cho phép họ tránh được sự trì trệ trong các giải pháp cục bộ và tìm kiếm toàn bộ không gian tìm kiếm Không gian tìm kiếm của các vấn đề thực sự thường không được biết đến và rất phức tạp với một số lượng lớn tối

ưu cục bộ, do đó, meta-heuristics là sự lựa chọn tốt để tối ưu hóa những vấn

đề thực sự có độ phức tạp và thách thức cao

Cũng xin được giải thích rằng theo định lý The No Free Lunch Wolpert and Macready (1997), Định lý này đã chứng minh một cách hợp lý rằng không có meta-heuristic phù hợp nhất để giải quyết tất cả các vấn đề tối ưu hóa Nói cách khác, một meta-heuristic đặc biệt có thể cho thấy kết quả rất khả quan trên nhiều vấn đề, nhưng cùng một thuật toán có thể cho thấy hiệu suất kém trên một tập hợp các vấn đề khác nhau Do đó hằng năm nhiều thuật toán mới được cho ra đời để lắp đầy các công cụ

để giải quyết được các vấn đề chưa tìm được giải pháp khả quan hoặc cải thiện hiệu năng tìm kiếm so với các thuật toán cũ Lấy cảm hứng từ những con sói xám, Seyedali Mirjalili đã đề xuất ra thuật toán tối ưu sói xám Grey Wolf Optimizer (GWO), thuật toán này đã được chứng minh là có mức độ hiệu quả hơn so với các thuật toán trước đây như PSO, DE, GSA… và hiện tại đây là thuật toán được trích dẫn nhiều nhất trên tạp chí ADES (https://www.journals.elsevier.com/advances-in-engineering-software/most-cited-articles)

Nói chung, meta-heuristics có thể được chia thành hai lớp chính đó là “dựa trên giải pháp” và “dựa trên số lượng mẫu trong quần thể” Tiếp cận dựa trên giải pháp

có thể hiểu thông qua ví dụ sau: trong lớp học cũ, giáo viên tìm kiếm một ứng cử viên sáng giá sau đó ứng viên duy nhất này được cải thiện trong quá trình lặp lại Nếu tiếp cận theo hướng dựa trên số lượng mẫu trong quần thể, siêu dữ liệu dựa vào quần thể, thực hiện việc tối ưu hóa bằng cách sử dụng một bộ các giải pháp (dân số) Trong trường hợp này quá trình tìm kiếm bắt đầu với một số ngẫu nhiên ban đầu (nhiều giải

pháp), và nhóm này được tăng cường trong quá trình lặp lại Các siêu dữ liệu dựa vào dân số có một số lợi thế so với các thuật toán dựa trên giải pháp đơn lẻ thể hiện ở những yếu tố sau

 Nhiều giải pháp ứng cử viên chia sẻ thông tin về không gian tìm kiếm dẫn đến các bước nhảy đột ngột về phía phần hứa hẹn của không gian tìm kiếm

 Nhiều giải pháp ứng cử viên hỗ trợ lẫn nhau để tránh các giải pháp tối ưu cục

bộ

 Các siêu dữ liệu dựa trên dân số nói chung có sự khám phá lớn hơn so với các thuật toán dựa trên giải pháp đơn

heuristic

Meta-Dựa Trên Giải Pháp Dựa Trên Dân Số

Nhánh SI Nhánh EA

Thuật Toán PSO

Thuật

Toán

ABC

Thuật Toán DE

Thuật Toán GA

Thuật Toán

Hình 4.5: Sơ đồ phân loại các nhánh của thuật toán meta-heuristic

Một trong những nhánh thú vị của thuật toán tối ưu dựa vào dân số là Swarm Intelligence (SI) Các khái niệm về SI lần đầu tiên được đưa ra vào năm 1993 Beni and Wang (1993) Theo Bonabeau và các cộng sự Bonabeau, Dorigo et al (1999), SI

là “trí tuệ tập thể của các nhóm các đối tượng đơn giản” Niềm cảm hứng của các kỹ thuật SI bắt nguồn chủ yếu từ các quần đảo tự nhiên, bầy đàn và trường học Một số

kỹ thuật SI phổ biến nhất là ACO Dorigo, Birattari et al (2006), PSO Kennedy (2011)

và Artificial Bee Colony (ABC) Basturk (2006) Một bài tổng quan tài liệu về các thuật toán SI được cung cấp trong phần tiếp theo Một số lợi thế của thuật toán SI là:

 Các thuật toán SI duy trì thông tin về không gian tìm kiếm trong quá trình lặp, trong khi các thuật toán tiến hóa (EA) loại bỏ thông tin của các thế hệ trước

 Các thuật toán SI thường sử dụng bộ nhớ để tiết kiệm giải pháp tốt nhất thu được cho đến thời điểm hiện tại

 Các thuật toán SI thường có ít tham số để điều chỉnh

 Các thuật toán SI có ít các biến đổi so sánh hơn so với các phương pháp tiến hóa (chéo, đột biến, v.v )

 Các thuật toán SI rất dễ thực hiện

Bất kể sự khác biệt giữa siêu dữ liệu, quá trình chung là phân chia quá trình tìm kiếm thành hai giai đoạn: thăm dò và khai thác Alba and Dorronsoro (2005), Olorunda and Engelbrecht (2008), Lin and Gen (2009), Mirjalili and Hashim (2010), Mirjalili, Hashim et al (2012) Giai đoạn thăm dò là quá trình điều tra các khu vực đầy hứa hẹn của không gian tìm kiếm rộng rãi nhất có thể Một thuật toán cần có các đối tượng ngẫu nhiên để tìm kiếm toàn bộ không gian tìm kiếm để hỗ trợ giai đoạn này Tuy nhiên, khai thác đề cập đến khả năng tìm kiếm địa phương xung quanh các khu vực có triển vọng thu được trong giai đoạn thăm dò Tìm được sự cân bằng hợp

lý giữa hai giai đoạn này được coi là một nhiệm vụ đầy thử thách do tính chất ngẫu nhiên của siêu dữ liệu Đây là công việc mà thuật toán tối ưu sói xám (GWO) đã thể hiện được tính hiệu quả của nó trong quá trình tìm ra giải pháp tốt ưu

b Thuật toán tối ưu sói xám - Grey Wolf Optimizer (GWO) Trong phần này, đầu tiên sẽ trình bày nguồn gốc trong việc phát triển thuật toán sói xám, sau đó sẽ giới thiệu sâu hơn vào mô hình toán học

 Ý tưởng của quá trình phát triển thuật toán sói xám

Sói xám (Canis lupus) thuộc họ Canidae Những con sói xám được xem như những kẻ săn bắt tuyệt đỉnh, có nghĩa là chúng đang đứng đầu chuỗi thức ăn Những con sói xám thường thích sống trong một quần thể Quy mô mỗi quần thể là 5-12 cá thể Điều được chúng ta đặc biệt quan tâm là chúng có một hệ thống phân cấp xã hội rất nghiêm ngặt như thể hiện trong hình 4.6

Hình 4.6: Hệ thống phân cấp xã hội trong một đàn sói theo thứ bậc từ cao đến thấp Các con đầu đàng có thể là con đực hoặc con cái, được gọi là alpha Alpha chủ yếu chịu trách nhiệm đưa ra quyết định về săn bắn, ngủ nghỉ, thời gian để đi săn Các quyết định của alpha được quy định cho quần thể Tuy nhiên, các nhà nghiên cứu cũng đã nhận ra được một số hành vi thể hiện sự dân chủ trong bầy đàn, con anpla thường là con di chuyển cuối cùng trong bầy đàn Trong các cuộc tụ họp, toàn bộ các ứng viên trong đàn thừa nhận alpha bằng cách giữ đuôi của chúng xuống Sói alpha cũng được gọi là con sói chiếm ưu thế vì những yêu cầu, mệnh lệnh của nó phải được các con trong đàn làm theo Mech (1999).Các con sói alpha chỉ được phép giao phối trong đàn Thật thú vị, alpha không nhất thiết là thành viên mạnh nhất của đàn sói nhưng tốt nhất về quản lý bầy đàn Điều này cho thấy rằng tổ chức và kỷ luật của một quần thể rất quan trọng hơn cả sức mạnh của nó

Cấp thứ hai trong hệ thống các con sói xám là beta Các con sói beta là những con sói phụ trợ giúp alpha trong việc ra quyết định hoặc các hoạt động quản lý bầy đàn Con sói beta có thể là con đực hoặc con cái, và có lẽ đây là ứng cử viên tốt nhất

để trở thành alpha trong trường hợp một trong những con sói alpha chết hoặc trở nên già Con sói beta phải tôn trọng alpha, nhưng cũng chỉ huy các con sói cấp thấp khác

Nó đóng vai trò của một cố vấn cho các alpha và giữ gìn tính kỷ luật cho đàn Sói xám có vị thế thấp nhất trong đàn là omega Omega đóng vai trò là con phải

hy sinh Các con sói Omega luôn phải trình cho tất cả những những thứ nó có cho các con sói chi phối khác Chúng là những con sói cuối cùng được phép ăn Có vẻ như omega không phải là một cá nhân quan trọng trong quần thể, nhưng nó đã được quan sát thấy rằng toàn bộ bầy đàn phải đối mặt với cuộc chiến nội bộ và các vấn đề trong trường hợp mất omega Điều này là do sự tự do trong việc thể hiện sức mạnh và tự

do trong việc đấu tranh lẫn nhau khi mà sự thất vọng của tất cả các con sói omega