Dự Báo Tiến Độ Thi Công Công Trình Bê Tông Lắp Ghép Bằng Trí Tuệ Nhân Tạo

Với tốc độ đô thị hóa nhanh chóng tại Việt Nam, nhu cầu về nhà ở giá rẻ ngày càng tăng cao. Mô hình nhà lắp ghép bằng cấu kiện bê tông đúc sẵn đang được xem là giải pháp tiềm năng. Công ty CP Bê tông và Xây dựng Vinaconex đang triển khai mô hình này, được đánh giá cao về chi phí và tiến độ xây dựng. Thực tế cho thấy nhà lắp ghép bằng bê tông đúc sẵn đang chuẩn bị quay lại và có nhiều triển vọng. Giải pháp này được kỳ vọng là cứu cánh cho việc phát triển nhà ở nhanh và rẻ hơn so với các phương pháp xây dựng truyền thống. Giải quyết được vấn đề xây dựng nhanh mà giá thành rẻ.

Nhiều nước đã ứng dụng công nghệ bê tông lắp ghép để giải quyết vấn đề nhà ở xã hội, kể cả các nước phát triển. Các nước láng giềng như Singapore, Thái Lan đã sử dụng công nghệ này từ vài chục năm trước và đã chứng minh hiệu quả. Singapore, với quỹ đất hạn chế, đã tạo ra nguồn nhà ở đảm bảo cho mọi người và xây dựng một đô thị kiến trúc tốt đẹp. Trong điều kiện hiện nay, phương án lắp ghép bằng bê tông đúc sẵn có vẻ có ưu thế. Phương án này phát huy tối đa thế mạnh của sản xuất hàng loạt và thi công nhanh.

Nghiên cứu cần xác định rõ các yếu tố ảnh hưởng đến tiến độ thi công. Các yếu tố này có thể bao gồm: kinh nghiệm của đội ngũ thi công, mức độ phức tạp của thiết kế, điều kiện địa chất công trình và quy trình quản lý dự án. Phân tích các yếu tố này giúp xây dựng mô hình dự báo chính xác hơn. Mục tiêu là xác định tiến độ thi công bằng các cấu kiện bê tông cốt thép ứng lực căng trước bán chế.

Việc dự báo tiến độ thi công chính xác mang lại nhiều lợi ích. Nó giúp nhà thầu lập kế hoạch thi công chi tiết, quản lý nguồn lực hiệu quả và giảm thiểu rủi ro. Đồng thời, dự báo chính xác giúp chủ đầu tư có cái nhìn tổng quan về tiến độ dự án và đưa ra quyết định kịp thời. So sánh các thuật toán Data Mining để tìm ra thuật toán tối ưu cho phương pháp báo tiến độ thi công. Xác định các yếu tố quan trọng có tính tương quan đáng kể với kết quả dự báo, từ đó đưa ra giải pháp tối ưu tiến độ thi công.

Các thuật toán như CART (Classification and Regression Trees), ANN (Artificial Neural Networks), SVM (Support Vector Machine) được sử dụng để giải quyết vấn đề dự báo tiến độ thi công. Trong nghiên cứu này, bốn mô hình đã được xây dựng để dự báo tiến độ thi công lắp ghép. 50 dữ liệu công trình đã được thu thập, phương pháp Cross Validation được áp dụng để có kết quả dự báo khách quan. Với bốn mô hình được xây dựng, mô hình SVM cho kết quả tốt nhất với lỗi thấp và khả năng hội tụ cao.

AI có thể xử lý lượng lớn dữ liệu phức tạp, xác định các mối quan hệ phi tuyến tính và đưa ra dự báo chính xác hơn. Điều này giúp giảm thiểu sai sót trong dự báo và cải thiện hiệu quả quản lý dự án. Mô hình phân tích có thể xây dựng được tiến độ thi công tổng thể của công trình phục vụ cho giai đoạn đấu thầu, hoặc dự báo được tiến độ lý thuyết khi có đủ dữ liệu từ bản vẽ. Qua Luận văn, các thuật toán dự báo có thể làm cơ sở để so sánh với các phương pháp khác, từ đó thấy được ưu điểm của bê tông lắp ghép.

So sánh hiệu suất của các mô hình CART, ANN và SVM dựa trên các chỉ số đánh giá như sai số trung bình, độ lệch chuẩn và R-squared. Kết quả cho thấy mô hình SVM vượt trội hơn về độ chính xác và khả năng dự báo. Luận văn ứng dụng phương pháp khoa học (AI- tuệ nhân tạo) trong việc xác định tiến độ thi công lắp ghép cấu kiện bê tông đúc sẵn. Xây dựng phương pháp tính toán, áp dụng mô hình tính toán tiến độ thi công cho công nghệ thi công lắp ghép cấu kiện bê tông đúc sẵn thông qua các công cụ có sẵn, và từ những dữ liệu thu thập được.

Phân tích tầm quan trọng của các yếu tố như kinh nghiệm của đội ngũ thi công, điều kiện thời tiết, nguồn cung ứng vật liệu và quy trình quản lý dự án. Xác định các yếu tố quan trọng nhất giúp nhà thầu tập trung nguồn lực vào các yếu tố này. Xác định được yếu tố quan trọng có tính tương quan đáng kể với kết quả dự báo. Qua đó đưa ra các giải pháp tối ưu tiến độ thi công.

Xác định các loại dữ liệu cần thu thập, phương pháp thu thập dữ liệu và quy trình làm sạch dữ liệu. Dữ liệu cần thu thập bao gồm: dữ liệu lịch sử dự án, dữ liệu về điều kiện thời tiết, dữ liệu về nguồn cung ứng vật liệu và dữ liệu về năng lực của đội ngũ thi công. Dựa vào các yếu tố ảnh hưởng tới tiến độ thi công thì đơn vị thi công có những chủ động trong việc lên kế hoạch thi công và có biện pháp ứng phó với những rủi ro về thời gian trong quá trình thi công.

Hướng dẫn các bước triển khai mô hình AI vào dự án thực tế, bao gồm: tích hợp mô hình vào phần mềm quản lý dự án, huấn luyện người dùng sử dụng mô hình và theo dõi hiệu suất của mô hình trong quá trình thi công. Mô hình tính toán tiến độ thi công sẽ giúp ích rất nhiều cho Chủ đầu tư trong bài toán kinh tế chủ động dòng tiền và thời gian. Qua luận văn các thuật toán dự báo có thể làm cơ sở để so sánh với các phương pháp khác từ đó thấy được ưu điểm của bê tông lắp ghép.

Phân tích các xu hướng phát triển của AI trong ngành xây dựng, bao gồm: tự động hóa quy trình thi công, giám sát an toàn lao động và tối ưu hóa thiết kế công trình. Thích ứng được với nhiều loại hình kiến trúc. Hiệu quả kinh tế. Với tốc độ đô thị hóa của Việt Nam hiện nay, dân cư tập trung ở các thành phố lớn tăng rất nhanh.

Đề xuất các hướng nghiên cứu tiếp theo về dự báo tiến độ thi công, bao gồm: tích hợp thêm dữ liệu từ cảm biến IoT, sử dụng các thuật toán học sâu và phát triển các mô hình dự báo đa mục tiêu. Qua Luận văn, các thuật toán dự báo có thể làm cơ sở để so sánh với các phương pháp khác, từ đó thấy được ưu điểm của bê tông lắp ghép. Qua Luận văn, các thuật toán dự báo có thể làm cơ sở để so sánh với các phương pháp khác, từ đó thấy được ưu điểm của bê tông lắp ghép.