فایل ورد کامل تجزیه و تحلیل مبتنی بر هدف و جبهه پارتو: بهینه سازی زمان، هزینه و جابجایی های کارگاه ساختمانی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تجزیه و تحلیل مبتنی بر هدف و جبهه پارتو: بهینه سازی زمان، هزینه و جابجایی های کارگاه ساختمانی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۸ صفحه

چکیده

یافتن رابطه تبادلی بهینه بین هزینه و زمان، که دو هدف مهم پروژه‌های ساختمانی‌اند، به مدیران پروژه و تیم‌شان کمک می‌کند تا زمانبندی مناسب تری را برای پروژه‌شان انتخاب کنند. این رابطه تبادلی را می‌توان بطور تقریبی با استفاده از دانش گذشته و تجمعی برآورد کرد، اما، از اوایل دهه ۱۹۷۰، محققین روی پاسخ سیستماتیک و ریاضیاتی کار می‌کردند تا این رابطه را دقیق‌تر تعریف کنند. این محققین از تکنیک‌های مختلف بهینه‌سازی نظیر الگوریتم ژنتیک (GA) و کلونی، و همچنین، منطق فازی برای بررسی بیشتر این رابطه استفاده می‌کردند.
در این مقاله، مولفین از الگوریتم مولد زمانبندی ساخت که سابقاً معرفی شده برای ارائه‌ی روابط گرافیکی بین اهداف ازپیش تعریف‌شده بهینه‌سازی‌های زمانبندی بهره گرفتند. این فرآیند با تدوین زمانبندی‌های ساخت براساس مدل اطلاعات ساختمانی (BIM) پروژه شروع می‌شود که بخشی از ورودی در کنار اطلاعات منابع است. سپس، فرآیند با بهینه‌سازی کلیه زمانبندی‌های تدوین شده ساخت مطابق با دو هدف ذکرشده، در کنار هدف تعریف شده از جابجایی کارگاه، ادامه پیدا می‌کند که به لحاظ ریاضیاتی به ترتیب نصب کمک می‌کند تا منطقی‌تر و کاربردی‌تر شود. در نهایت، فضایی سه‌بعدی برای کل زمانبندی‌های ایجادشده و محاسبه‌شده در قالب نقطه ابری پاسخ سه‌بعدی تولید می‌شود. این زمانبندی‌های سه‌بعدی نقاط ابری پاسخ و سه جبهه پارتو را برای پروژه نشان می‌دهند.

۸- نتیجه‌گیری و تحقیق آتی

در این مقاله، مزایای مفید الگوریتم پیشنهادی زمانبندی ساخت از طریق رابطه جبهه پارتو بین اهداف بهینه‌سازی پروژه ساختمانی نشان داده شد. این الگوریتم، که توضیحاتش در مقالات اولیه ارائه شد، می‌تواند ورودی مدل سه‌بعدی را در قالب فرمت IFC بخواند، کل وابستگی‌های و روابط پایداری سازه را تشخیص دهد، و ماتریس پایداری سازه بنام MOCC را تشکیل دهد. سپس، این ماتریس را مبنایی برای تشکیل تابع برازش GA قرار دهد تا کیفیت پایداری سازه‌ای جمعیت‌ها را تأیید و زمانبندی‌ها را، ضمن نشان دادن انیمیشین ساخت چهاربعدی، تولید کند [۱۱]. جمعیت‌های تولیدشده‌ای که دارای زمانبندی‌اند نظام‌مند بوده و براساس امتیازات هدف‌شان کنترل می‌شوند. این زمانبندی‌ها با امتیازات بهتر شانس بهتری برای رسیدن به نسل‌های بعدی را خواهند داشت. همانطور که در این مقاله اشاره شد، علاوه بر تشکیل خودکار زمانبندی، الگوریتم پیشنهادی می‌تواند چندین ابزار مدیریتی را در اختیار گذارد تا به مدیران و تیم‌های مدیریت پروژه در زمانبندی پروژه‌هایشان کمک کند. این ابزارهای مدیریتی می‌توانند گراف‌های دو به دوی جبهه پارتو را برای اهداف، نقاط ابری پاسخ و سطح سه‌بعدی جبهه پارتو (با الحاقیات بعدی) فراهم کنند. می‌توان از ابزارهای الگوریتم نیز برای انعکاس ماهیت هدف‌محور پروژه در پاسخ‌های ارائه شده برای زمانبندی پروژه بهره گرفت.

عنوان انگلیسی:Objective-driven and Pareto Front analysis: Optimizing time, cost, and job-site movements~~en~~

Abstract

Finding the optimized trade-off relationship between cost and time, two important objectives of construction projects, helps project managers and their teams select a more suitable schedule for a given project. This trade-off relationship can roughly be estimated using past and cumulative knowledge, but since the early 1970s, researchers have been working on a systematic and mathematical solution to define this relationship more accurately. These researchers have used different optimization techniques such as the genetic algorithm (GA), ant colony, and fuzzy logic to further explore the relationship.
In the present paper, the authors have used their previously introduced construction schedule generator algorithm to present graphical relationships between pre-defined objectives of schedule optimizations. The process starts with developing construction schedules from the project’s Building Information Model (BIM) as part of the input along with resource data. Then the process continues with optimization of all developed construction schedules according to the two mentioned objectives along with the introduced job-site movement objective, which mathematically helps the sequence of installation be more logical and practical. Finally generation of a 3D space for all the created and calculated construction schedules in the form of a 3D solution cloud point. These 3D construction schedules show solution cloud points and three Pareto Fronts for the given project.

۸- Conclusion and future work

This article shows useful benefits of the proposed construction scheduling algorithm through the Pareto front relationship between optimization objectives of a construction project. The entire algorithm, as described in earlier papers, is able to read through the 3D model input in the form of IFC, detect all the structural stability dependencies and relations, and form a structural stability matrix called MoCC. Then, it uses that matrix as the basis for the GA fitness function to validate the structural stability wellness of the populations and produces project schedules while showing 4D construction animation [11]. The generated populations that contain construction schedules are ordered and handled based on their objective scores. Those construction schedules with better scores will have a better chance of reaching the next generations. As mentioned in this paper, in addition to automatic construction schedule development, the proposed algorithm can also provide several managerial tools to help project managers and project management teams in their scheduling of projects. These managerial tools can provide two-by-two Pareto Front graphs for objectives, solution cloud points and a 3D Pareto Front surface (with later extensions). The algorithm’s tools can also be used to reflect the objective driven nature of the project in the provided solutions for construction project scheduling problems.

$$en!!