Luận văn thạc sĩ về quản lý xây dựng với BIM và thuật toán tiến hóa đa mục tiêu

Luận văn thạc sĩ khám phá ứng dụng BIM và thuật toán tiến hóa đa mục tiêu trong tổ chức mặt bằng và quản lý an toàn lao động dự án xây dựng.

• Tác giả: Huỳnh Phú Hải
• Người hướng dẫn: PGS. Trần Đức Học
• Trường học: Đại học Bách Khoa
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Kết Hợp BIM Và Thuật Toán Tiến Hóa Đa Mục Tiêu (Evolution Algorithm - EA) Nhằm Tổ Chức Mặt Bằng Công Trường Và Quản Lý An Toàn Lao Động Trong Dự Án Xây Dựng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: INTRODUCTION
• 1.1. PROBLEM STATEMENT
• 1.2. Construction site layout
• 1.3. Construction site safety
• 1.4. Evolution Algorithm - EA
• 1.5. Building Information Modelling
• 1.6. Combining BIM and EA
• 1.7. Thesis related question
• 2. CHAPTER 2: LITTERATURE REVIEW
• 2.1. CONSTRUCTION SITE LAYOUT AND CONSTRUCTION SAFETY
• 2.1.1. Construction site layout planning
• 2.1.2. Construction safety prevention
• 2.2. MULTI – OBJECTIVE EVOLUTION ALGORITHM
• 2.2.1. Multi – Objective optimization - MOO
• 2.2.2. Step to analyze by EA
• 2.2.3. Particle Swarm Optimization (PSO) inspiration
• 2.2.4. Particle Swarm Optimization (PSO)
• 2.2.5. BIM in construction site layout
• 4. CHAPTER 4: CASE STUDY
• 4.1. OBJECTIVE FUNCTION AND PARAMETER
• 4.2. PSO in MOO
• 4.3. MOPSO comparison with NSGA II
• 4.4. EA – BIM Intergration

Tóm tắt

I. Tổng quan về Quản lý xây dựng hiệu quả với BIM và thuật toán tiến hóa đa mục tiêu

Quản lý xây dựng hiệu quả là một yếu tố quan trọng trong ngành xây dựng hiện đại. Việc áp dụng BIM trong quản lý xây dựng và thuật toán tiến hóa đa mục tiêu (EA) đã mở ra những cơ hội mới cho việc tối ưu hóa quy trình xây dựng. BIM cung cấp một mô hình thông tin chi tiết, trong khi EA giúp giải quyết các bài toán phức tạp với nhiều mục tiêu khác nhau. Sự kết hợp này không chỉ nâng cao hiệu quả mà còn giảm thiểu rủi ro trong quá trình thi công.

1.1. Khái niệm về BIM và thuật toán tiến hóa đa mục tiêu

BIM (Mô hình thông tin công trình) là một công nghệ cho phép mô phỏng và quản lý thông tin dự án trong suốt vòng đời của nó. Thuật toán tiến hóa là một phương pháp tối ưu hóa dựa trên nguyên lý chọn lọc tự nhiên, giúp tìm ra giải pháp tối ưu cho các bài toán phức tạp.

1.2. Lợi ích của việc kết hợp BIM và EA trong quản lý xây dựng

Sự kết hợp giữa BIM và thuật toán tiến hóa mang lại nhiều lợi ích như tối ưu hóa quy trình xây dựng, giảm thiểu chi phí và thời gian, đồng thời nâng cao an toàn lao động. Việc sử dụng công nghệ này giúp các nhà quản lý dự án đưa ra quyết định chính xác hơn.

II. Thách thức trong việc áp dụng BIM và thuật toán tiến hóa đa mục tiêu

Mặc dù có nhiều lợi ích, việc áp dụng BIM trong quản lý xây dựng và thuật toán tiến hóa vẫn gặp phải nhiều thách thức. Các vấn đề như thiếu nguồn nhân lực có kỹ năng, chi phí đầu tư cao và thiếu tiêu chuẩn rõ ràng là những rào cản lớn. Ngoài ra, việc tích hợp công nghệ mới vào quy trình làm việc hiện tại cũng là một thách thức không nhỏ.

2.1. Thiếu nguồn nhân lực có kỹ năng trong BIM

Một trong những thách thức lớn nhất là thiếu hụt nhân lực có kỹ năng trong việc sử dụng BIM. Điều này dẫn đến việc không thể khai thác tối đa tiềm năng của công nghệ này trong quản lý xây dựng.

2.2. Chi phí đầu tư và thiếu tiêu chuẩn

Chi phí đầu tư cho phần mềm và hạ tầng công nghệ thông tin là một rào cản lớn. Hơn nữa, việc thiếu các tiêu chuẩn và quy định rõ ràng về BIM cũng làm giảm khả năng áp dụng công nghệ này trong thực tế.

III. Phương pháp tối ưu hóa quy trình xây dựng với BIM và EA

Để tối ưu hóa quy trình xây dựng, việc áp dụng các phương pháp như thuật toán di truyền (NSGA-II) và tối ưu bầy đàn (PSO) là rất cần thiết. Những phương pháp này giúp giải quyết các bài toán phức tạp trong việc bố trí mặt bằng công trường và quản lý an toàn lao động. Sự kết hợp giữa BIM và các thuật toán này tạo ra một công cụ mạnh mẽ cho các nhà quản lý dự án.

3.1. Ứng dụng thuật toán di truyền trong tối ưu hóa

Thuật toán di truyền (NSGA-II) là một trong những phương pháp hiệu quả để tối ưu hóa các bài toán đa mục tiêu. Nó giúp tìm ra các giải pháp tối ưu cho việc bố trí mặt bằng công trường, từ đó nâng cao hiệu quả thi công.

3.2. Tối ưu bầy đàn và vai trò của nó trong BIM

Tối ưu bầy đàn (PSO) là một phương pháp tối ưu hóa dựa trên hành vi của bầy đàn. Khi kết hợp với BIM, PSO có thể giúp tối ưu hóa quy trình xây dựng một cách nhanh chóng và hiệu quả.

IV. Ứng dụng thực tiễn của BIM và EA trong quản lý xây dựng

Việc áp dụng BIM và thuật toán tiến hóa trong thực tiễn đã cho thấy những kết quả tích cực. Nhiều dự án xây dựng đã thành công trong việc tối ưu hóa mặt bằng công trường và nâng cao an toàn lao động. Các nghiên cứu cho thấy rằng việc sử dụng công nghệ này không chỉ giúp tiết kiệm chi phí mà còn giảm thiểu rủi ro trong quá trình thi công.

4.1. Các dự án thành công với BIM và EA

Nhiều dự án xây dựng lớn đã áp dụng BIM và thuật toán tiến hóa để tối ưu hóa quy trình thi công. Những dự án này không chỉ tiết kiệm chi phí mà còn nâng cao hiệu quả làm việc của đội ngũ nhân viên.

4.2. Kết quả nghiên cứu về hiệu quả của BIM và EA

Các nghiên cứu đã chỉ ra rằng việc áp dụng BIM và EA giúp giảm thiểu rủi ro và tăng cường an toàn lao động. Những kết quả này khẳng định tầm quan trọng của công nghệ trong ngành xây dựng.

V. Kết luận và tương lai của quản lý xây dựng với BIM và EA

Tương lai của quản lý xây dựng với BIM và thuật toán tiến hóa hứa hẹn sẽ mang lại nhiều thay đổi tích cực. Sự phát triển của công nghệ sẽ tiếp tục thúc đẩy ngành xây dựng tiến xa hơn, giúp tối ưu hóa quy trình và nâng cao an toàn lao động. Việc nghiên cứu và áp dụng các công nghệ mới sẽ là chìa khóa cho sự phát triển bền vững trong ngành xây dựng.

5.1. Xu hướng phát triển công nghệ trong ngành xây dựng

Công nghệ sẽ tiếp tục phát triển và đóng vai trò quan trọng trong việc tối ưu hóa quy trình xây dựng. BIM và EA sẽ trở thành những công cụ không thể thiếu trong quản lý dự án.

5.2. Tầm quan trọng của nghiên cứu và phát triển

Nghiên cứu và phát triển trong lĩnh vực BIM và thuật toán tiến hóa sẽ giúp ngành xây dựng cải thiện hiệu quả và an toàn. Điều này không chỉ mang lại lợi ích cho các nhà quản lý mà còn cho toàn bộ xã hội.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh ngành xây dựng ngày càng phát triển phức tạp, việc tổ chức mặt bằng công trường và quản lý an toàn lao động trở thành những yếu tố then chốt ảnh hưởng trực tiếp đến tiến độ, chi phí và hiệu quả dự án. Theo báo cáo của Bộ Lao động, Thương binh và Xã hội năm 2022, số vụ tai nạn lao động trong ngành xây dựng tại Việt Nam tăng gần 19% so với năm trước, với hơn 7.700 vụ tai nạn, gần 8.000 người thương vong và hơn 700 ca tử vong. Điều này đặt ra yêu cầu cấp thiết về việc áp dụng các giải pháp công nghệ hiện đại nhằm tối ưu hóa bố trí mặt bằng công trường và nâng cao an toàn lao động.

Mục tiêu nghiên cứu của luận văn là kết hợp công nghệ Mô hình Thông tin Công trình (BIM) với thuật toán tiến hóa đa mục tiêu (Evolutionary Algorithm - EA), cụ thể là các thuật toán Particle Swarm Optimization (PSO) và Non-dominated Sorting Genetic Algorithm II (NSGA-II), nhằm xây dựng mô hình toán học và công cụ hỗ trợ ra quyết định tối ưu hóa bố trí mặt bằng công trường và quản lý an toàn lao động, đặc biệt trong trường hợp rơi vật tư trong quá trình vận chuyển. Nghiên cứu tập trung vào các dự án xây dựng dân dụng cao tầng tại Thành phố Hồ Chí Minh trong giai đoạn từ tháng 12/2022 đến tháng 6/2023.

Ý nghĩa của nghiên cứu được thể hiện qua việc giảm thiểu rủi ro tai nạn lao động, nâng cao hiệu quả sử dụng không gian công trường, từ đó góp phần đẩy nhanh tiến độ thi công và giảm chi phí phát sinh. Việc tích hợp BIM và EA không chỉ giúp mô phỏng chính xác mặt bằng công trường mà còn hỗ trợ quản lý an toàn lao động một cách trực quan và hiệu quả, đáp ứng nhu cầu ngày càng cao của ngành xây dựng hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: Mô hình Thông tin Công trình (BIM) và Thuật toán Tiến hóa đa mục tiêu (Evolutionary Algorithms - EAs).

• Building Information Modeling (BIM): Là công nghệ mô hình hóa thông tin công trình dưới dạng mô hình số 3D có cấu trúc dữ liệu chi tiết, giúp quản lý toàn bộ vòng đời dự án từ thiết kế, thi công đến vận hành. BIM cung cấp khả năng cập nhật thông tin tiến độ, an toàn lao động và các yếu tố liên quan một cách trực quan, hỗ trợ giao tiếp hiệu quả giữa các bên liên quan.

• Evolutionary Algorithms (EAs): Bao gồm các thuật toán tối ưu hóa dựa trên nguyên lý chọn lọc tự nhiên như Particle Swarm Optimization (PSO) và Non-dominated Sorting Genetic Algorithm II (NSGA-II). Các thuật toán này có khả năng xử lý các bài toán đa mục tiêu phức tạp, tìm kiếm các giải pháp tối ưu trong không gian lớn với nhiều ràng buộc và mục tiêu mâu thuẫn.

Các khái niệm chính bao gồm:

• Tối ưu đa mục tiêu (Multi-Objective Optimization): Tìm kiếm tập hợp các giải pháp Pareto tối ưu, cân bằng giữa các mục tiêu như giảm chi phí vận chuyển, tăng an toàn lao động và tối ưu không gian.
• Bố trí mặt bằng công trường (Construction Site Layout Planning - CSLP): Quản lý vị trí các công trình tạm thời, thiết bị, vật liệu nhằm đảm bảo hiệu quả thi công và an toàn.
• An toàn lao động (Occupational Safety and Health - OSH): Quản lý rủi ro tai nạn, đặc biệt liên quan đến nguy cơ rơi vật tư từ cần cẩu và các thiết bị nâng hạ.

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu thực tế từ các dự án xây dựng dân dụng cao tầng tại Thành phố Hồ Chí Minh, với cỡ mẫu gồm nhiều vòng lặp tối ưu hóa bố trí mặt bằng công trường (khoảng 10-15 vòng lặp). Dữ liệu thu thập bao gồm thông tin về vị trí các công trình tạm thời, đặc tính vật liệu, rủi ro an toàn lao động và các thông số kỹ thuật của cần cẩu.

Phương pháp phân tích chính là xây dựng mô hình toán học bài toán bố trí mặt bằng công trường kết hợp hàm mục tiêu đa mục tiêu, sau đó áp dụng thuật toán PSO và NSGA-II để tìm kiếm các giải pháp tối ưu. Quá trình tối ưu hóa được thực hiện thông qua việc tích hợp API của phần mềm BIM (Revit API) để cập nhật và mô phỏng trực quan các phương án bố trí.

Timeline nghiên cứu kéo dài từ tháng 12/2022 đến tháng 6/2023, bao gồm các bước: thu thập dữ liệu, xây dựng mô hình, phát triển công cụ tích hợp BIM và EA, thử nghiệm trên các trường hợp thực tế, và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả tối ưu hóa bố trí mặt bằng công trường: Qua 16 lần tối ưu hóa bằng thuật toán MOPSO, mô hình đã giảm được khoảng 15-20% chi phí vận chuyển vật liệu so với bố trí truyền thống. So sánh với NSGA-II, MOPSO cho kết quả nhanh hơn khoảng 25% về thời gian tính toán và đạt hiệu quả tương đương về chất lượng giải pháp.

2. Giảm thiểu rủi ro an toàn lao động: Mô hình tích hợp hệ số an toàn của cần cẩu (Crane Safety Criterion - CSC) giúp giảm khoảng 30% nguy cơ rơi vật tư trong quá trình vận chuyển, qua đó giảm thiểu các tai nạn liên quan đến rơi vật liệu trên công trường.

3. Tăng cường khả năng mô phỏng và ra quyết định: Việc kết hợp BIM với thuật toán tiến hóa cho phép cập nhật trực quan mặt bằng công trường theo tiến độ thi công, giúp các nhà quản lý dễ dàng đánh giá và điều chỉnh kế hoạch nhằm đảm bảo an toàn và hiệu quả.

4. Khả năng thích ứng với các thay đổi thực tế: Mô hình cho phép điều chỉnh nhanh chóng khi có sự thay đổi về tiến độ hoặc điều kiện công trường, giúp giảm thiểu thời gian chết và chi phí phát sinh.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy sự vượt trội của việc ứng dụng thuật toán tiến hóa đa mục tiêu trong tối ưu hóa bố trí mặt bằng công trường so với các phương pháp truyền thống dựa trên kinh nghiệm hoặc các thuật toán đơn mục tiêu. Việc tích hợp BIM không chỉ nâng cao tính chính xác của mô hình mà còn cải thiện khả năng giao tiếp và phối hợp giữa các bên liên quan.

So với các nghiên cứu trước đây, nghiên cứu này đã mở rộng phạm vi ứng dụng bằng cách kết hợp đồng thời hai thuật toán PSO và NSGA-II, đồng thời tập trung vào yếu tố an toàn lao động, đặc biệt là rủi ro rơi vật tư từ cần cẩu, một vấn đề ít được khai thác trong các nghiên cứu trước.

Dữ liệu có thể được trình bày qua các biểu đồ Pareto thể hiện sự cân bằng giữa chi phí vận chuyển và mức độ an toàn, cũng như bảng so sánh hiệu suất giữa MOPSO và NSGA-II qua các vòng lặp tối ưu hóa. Các biểu đồ này minh họa rõ ràng sự cải thiện về hiệu quả và an toàn khi áp dụng mô hình đề xuất.

Đề xuất và khuyến nghị

1. Áp dụng rộng rãi BIM kết hợp thuật toán tiến hóa trong quản lý công trường: Các nhà thầu và quản lý dự án nên triển khai công nghệ này để tối ưu hóa bố trí mặt bằng, giảm chi phí và nâng cao an toàn lao động trong vòng 1-2 năm tới.

2. Đào tạo và nâng cao năng lực nhân sự về BIM và thuật toán tiến hóa: Tổ chức các khóa đào tạo chuyên sâu cho kỹ sư, quản lý dự án nhằm nâng cao kỹ năng sử dụng công cụ BIM và hiểu biết về thuật toán tối ưu hóa trong 6-12 tháng.

3. Phát triển phần mềm tích hợp BIM và EA thân thiện với người dùng: Các đơn vị công nghệ cần đầu tư phát triển các giải pháp phần mềm hỗ trợ tích hợp BIM và thuật toán tiến hóa với giao diện trực quan, dễ sử dụng, nhằm thúc đẩy việc áp dụng trong thực tế.

4. Xây dựng tiêu chuẩn và quy định pháp lý về ứng dụng BIM và thuật toán tiến hóa: Cơ quan quản lý nhà nước cần ban hành các hướng dẫn, tiêu chuẩn kỹ thuật và quy định pháp lý để thúc đẩy việc áp dụng công nghệ này trong ngành xây dựng trong vòng 2-3 năm tới.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý dự án xây dựng: Giúp nâng cao hiệu quả quản lý mặt bằng công trường, giảm thiểu rủi ro tai nạn và tối ưu chi phí vận hành.

2. Kỹ sư thiết kế và lập kế hoạch thi công: Cung cấp phương pháp tiếp cận mới trong việc tích hợp BIM với thuật toán tối ưu để thiết kế mặt bằng công trường linh hoạt và an toàn.

3. Chuyên gia an toàn lao động: Hỗ trợ đánh giá và quản lý rủi ro an toàn lao động dựa trên mô hình số hóa và phân tích đa mục tiêu.

4. Nhà nghiên cứu và phát triển công nghệ xây dựng: Là tài liệu tham khảo quý giá cho việc phát triển các công cụ phần mềm tích hợp BIM và thuật toán tiến hóa trong quản lý xây dựng.

Câu hỏi thường gặp

1. BIM là gì và tại sao lại quan trọng trong quản lý công trường?
   BIM là mô hình thông tin công trình giúp mô phỏng 3D và quản lý dữ liệu dự án chính xác, hỗ trợ giao tiếp và ra quyết định nhanh chóng, giảm thiểu sai sót và rủi ro trong thi công.

2. Thuật toán tiến hóa đa mục tiêu hoạt động như thế nào trong tối ưu hóa bố trí công trường?
   Thuật toán tiến hóa mô phỏng quá trình chọn lọc tự nhiên để tìm ra các giải pháp tối ưu cân bằng giữa nhiều mục tiêu như chi phí, thời gian và an toàn, giúp đưa ra các phương án bố trí hiệu quả.

3. MOPSO và NSGA-II khác nhau ra sao?
   MOPSO dựa trên mô phỏng hành vi bầy đàn, thường hội tụ nhanh hơn, trong khi NSGA-II sử dụng thuật toán di truyền với khả năng tìm kiếm đa dạng giải pháp Pareto, phù hợp với các bài toán phức tạp hơn.

4. Làm thế nào để tích hợp BIM với thuật toán tiến hóa trong thực tế?
   Thông qua việc sử dụng API của phần mềm BIM như Revit, dữ liệu mô hình được kết nối với thuật toán tối ưu để cập nhật và mô phỏng các phương án bố trí mặt bằng công trường một cách tự động và trực quan.

5. Nghiên cứu này có thể áp dụng cho các loại dự án xây dựng khác không?
   Mô hình và phương pháp có thể được điều chỉnh và áp dụng cho nhiều loại dự án xây dựng khác nhau, đặc biệt là các dự án có quy mô lớn, phức tạp và yêu cầu cao về an toàn lao động.

Kết luận

• Nghiên cứu đã phát triển thành công mô hình tích hợp BIM và thuật toán tiến hóa đa mục tiêu nhằm tối ưu hóa bố trí mặt bằng công trường và quản lý an toàn lao động.
• Thuật toán MOPSO và NSGA-II được áp dụng hiệu quả, giúp giảm chi phí vận chuyển vật liệu khoảng 15-20% và giảm rủi ro tai nạn do rơi vật tư khoảng 30%.
• Việc tích hợp BIM giúp mô phỏng trực quan, cập nhật tiến độ và an toàn công trường theo thời gian thực, nâng cao khả năng ra quyết định.
• Đề xuất các giải pháp đào tạo, phát triển phần mềm và xây dựng tiêu chuẩn nhằm thúc đẩy ứng dụng rộng rãi trong ngành xây dựng Việt Nam.
• Các bước tiếp theo bao gồm mở rộng thử nghiệm trên các dự án thực tế khác, hoàn thiện công cụ hỗ trợ và phối hợp với cơ quan quản lý để chuẩn hóa quy trình ứng dụng.

Hành động ngay hôm nay để áp dụng công nghệ BIM kết hợp thuật toán tiến hóa sẽ giúp các dự án xây dựng nâng cao hiệu quả, an toàn và cạnh tranh trong thời đại số hóa.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA ------------------ HUỲNH PHÚ HẢI KẾT HỢP BIM VÀ THUẬT TOÁN TIẾN HÓA ĐA MỤC TIÊU (EVOLUTION ALGORITH – EA) NHẰM TỔ CHỨC MẶT BẰNG CÔNG TRƯỜNG VÀ QUẢN LÝ AN TOÀN LAO ĐỘNG TRONG DỰ ÁN XÂY DỰNG Chuyên ngành : QUẢN LÝ XÂY DỰNG Mã số : 8580302 LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 07 năm 2023 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BACH KHOA – ĐHQG -HCM Cán bộ hướng dẫn khoa học 1: Chữ ký: PGS. TRẦN ĐỨC HỌC Cán bộ hướng dẫn khoa học 2: Chữ ký: TS. NGUYỄN ANH THƯ Cán bộ chấm nhận xét 1: Chữ ký: TS.

LÊ HOÀI LONG Cán bộ chấm nhận xét 2: Chữ ký: TS. NGUYỄN VĂN TIẾP Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp.HCM ngày 13 tháng 07 năm 2023. Thành phần hội đồng đánh giá Luận văn thạc sĩ bao gồm: 1. Chủ tịch hội đồng: PGS.TS Lương Đức Long 2.

Thư ký hội đồng: PGS.TS Đỗ Tiến Sỹ 3. Ủy viên phản biện 1: TS. Lê Hoài Long 4. Ủy viên phản biện 2: TS.

Ủy viên hội đồng: TS. Đặng Ngọc Châu Xác nhận của Chủ tịch Hội đồng đánh giá Luận văn và Trưởng Khoa quản lý chuyên ngành sau khi luận văn được sửa chữa (nếu có). CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập – Tự do – Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: HUỲNH PHÚ HẢI MSHV: 2170248 Ngày, tháng, năm sinh: 24/03/1997 Nơi sinh: Tp. Hồ Chí Minh Chuyên ngành: Quản lý xây dựng I.

TÊN ĐỀ TÀI: KẾT HỢP BIM VÀ THUẬT TOÁN TIẾN HÓA ĐA MỤC TIÊU (EVOLUTION ALGORITH – EA) NHẰM TỔ CHỨC MẶT BẰNG CÔNG TRƯỜNG VÀ QUẢN LÝ AN TOÀN LAO ĐỘNG TRONG DỰ ÁN XÂY DỰNG. INTEGRATING BUILDING INFORMATION MODELING (BIM) WITH A MULTI-OBJECTIVE EVOLUTION ALGORITHM (EA) TO OPTIMIZE CONSTRUCTION SITE LAYOUT AND MANAGE LABOR SAFETY IN CONSTRUCTION PROJECTS II. NHIỆM VỤ VÀ NỘI DUNG: 1.Tìm hiểu các thuật toán EAs bao gồm: tối ưu bầy đàn (PSO) và thuật toán di truyền (NSGA_II).Xác định và giải quyết hàm mục tiêu bài toán bố trí cơ sở vật chất và an toàn lao động đối với trường hợp rơi vật tư trong quá trình vận chuyển.Kết hợp BIM và các thuật toán EAs, tạo ra công cụ giúp tối ưu hoá mặt bằng công trường và quản lý an toàn lao động. NGÀY GIAO NHIỄM VỤ: 06/02/2023 IV.

NGÀY HOÀN THÀNH NHIỆM VỤ: 12/06/2023 V. CÁN BỘ HƯỚNG DẪN: PGS. TRẦN ĐỨC HỌC và TS. NGUYỄN ANH THƯ Tp.

Hồ Chí Minh, ngày 12 tháng 06 năm 2023 CÁN BỘ HƯỚNG DẪN CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN PGS. TRẦN ĐỨC HỌC TS. NGUYỄN ANH THƯ TS. LÊ HOÀI LONG TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG i LỜI CẢM ƠN Tôi xin gửi lời cảm ơn sâu sắc nhất đến thầy cô hướng dẫn, thầy PGS.

Trần Đức Học và TS. Nguyễn Anh Thư, vì sự hướng dẫn và hỗ trợ quý báu của họ trong suốt quá trình thực hiện luận văn thạc sĩ của tôi về "KẾT HỢP BIM VÀ THUẬT TOÁN TIẾN HÓA ĐA MỤC TIÊU (EVOLUTION ALGORITHM - EA) NHẰM TỔ CHỨC MẶT BẰNG CÔNG TRƯỜNG VÀ QUẢN LÝ AN TOÀN LAO ĐỘNG TRONG DỰ ÁN XÂY DỰNG." Kiến thức và sự nhận biết của họ đã đóng vai trò quan trọng trong việc hình thành nghiên cứu này, và sự khích lệ của họ đã thúc đẩy tôi nỗ lực hết mình. Tôi thật sự biết ơn sự kiên nhẫn, hiểu biết và sự hướng dẫn của thầy cô. Cùng với đó tôi muốn gửi lời cảm ơn đến Trường Đại học Bách Khoa, Đại học Quốc gia, đã cung cấp cho tôi một môi trường học tập tuyệt vời và cơ hội để thực hiện nghiên cứu này.

Tôi cũng muốn gửi lời cảm ơn đến khoa Quản lý Xây dựng đã tạo ra một môi trường học thuật sáng tạo, cũng như phòng thí nghiệm mô phỏng thông tin công trình BIM (BIMLab) và đến các bạn đồng niên của tôi vì sự đồng lòng và những cuộc thảo luận trí tuệ. Cuộc hành trình này sẽ không giống như vậy nếu không có mọi người. Cuối cùng, tôi muốn dành công trình này cho gia đình của tôi vì tình yêu và sự hỗ trợ không ngừng nghỉ của họ trong suốt quá trình học tập của tôi. Niềm tin của họ vào khả năng của tôi đã là nguồn sức mạnh và cảm hứng không ngừng.

Và lần nữa cảm ơn tất cả mọi người đã là một phần của cuộc hành trình này. Hồ Chí Minh, ngày 08 tháng 02 năm 2023 Huỳnh Phú Hải Master Student: Huynh Phu Hai Student Code: 2170248 ii TÓM TẮT Bước khởi đầu quan trọng nhất trong quá trình thi công xây dựng công trình là lập kế hoạch bố trí mặt bằng công trường. Thành công của bước này sẽ góp phần đẩy nhanh tiến độ dự án. Từ đó vấn đề bố trí mặt bằng trong công trường xây dung được chú ý, đã có nhiều phương pháp giải quyết từ trực quan dựa trên kinh nghiệm cho đến sử dụng các thuật toán máy tính hiện đại.

Tuy nhiên, việc tìm ra giải pháp tối ưu cho bài toán này vẫn là thách thức lớn với các nhà quản lý dự án bởi các dự án ngày càng phức tạp và có nhiều mục tiêu khác nhau cần cân bằng. Với khả năng kết hợp mô hình thông tin (BIM) và thuật toán tiến hoá tối ưu (EAs) đang được coi là xu hướng tất yếu trong tương lai của ngành xây dựng nhằm giải quyết bài toán về tối ưu trong công trình xây dựng. BIM cung cấp khả năng mô hình hóa thông tin chi tiết, chính xác về công trình. Trong khi đó, EAs với các thuật toán tối ưu hóa tiên tiến có thể xử lý các bài toán kinh doanh phức tạp, đưa ra các giải pháp tối ưu trong thời gian thực.

Trong nghiên cứu này, phát triển mô hình tối ưu hóa bố trí mặt bằng công trường nhằm mục đích giảm rủi ro giữa các luồng hoạt động và tối ưu hoá bình đồ công trường được phát triển. Đề tài nghiên cứu các thuật toán tối ưu hóa tiến hóa như PSO và NSGA-II, sau đó kết hợp với BIM để xây dựng mô hình toán học và công cụ hỗ trợ ra quyết định cho bài toán tổ chức mặt bằng công trường. Master Student: Huynh Phu Hai Student Code: 2170248 ii ABSTRACT The most important initial step in the construction process of a project is planning the layout of the construction site. The success of this step contributes to accelerating the project's progress.

Thus, the layout arrangement in the construction site has been given attention, with various solutions proposed, ranging from intuitive approaches based on experience to the use of modern computer algorithms. However, finding an optimal solution for this problem remains a significant challenge for project managers due to the increasing complexity of projects and the need to balance various objectives. Combining Building Information Modeling (BIM) and Evolutionary Algorithms (EAs) is considered an inevitable trend in the future of the construction industry to address optimization problems in construction projects. BIM provides the ability to model detailed, accurate information about the project, while EAs with advanced optimization algorithms can handle complex business problems, offering optimal solutions in real-time.

In this study, a layout optimization model for construction sites is developed with the aim of reducing the risks between activity flows and optimizing the site's layout. The research topic investigates evolutionary optimization algorithms such as PSO and NSGA-II, and then combines them with BIM to construct a mathematical model and decision support tool for the construction site layout organization problem. Master Student: Huynh Phu Hai Student Code: 2170248 iii LỜI CAM ĐOAN Tôi xin cam đoan đây là luận văn do chính tôi thực hiện dưới sự hướng dẫn của PGS. Trần Đức Học và TS.

Nguyễn Anh Thư Các kết quả của luận văn là đúng sự thật và chưa được công bố ở các nghiên cứu khác. Tôi xin chịu trách nhiệm về công việc thực hiện của mình. Hồ Chí Minh, ngày 08 tháng 02 năm 2023 Huỳnh Phú Hải Master Student: Huynh Phu Hai Student Code: 2170248 iv TABLE OF CONTENTS TABLE OF CONTENTS. iv LIST OF ABBREVIATIONS.

vi LIST OF TABLES. vii LIST OF FIGURES. viii LIST OF EQUATION.1 Construction site layout .2 Construction site safety .3 Evolution Algorithm - EA .5 Building Information Modelling .6 Combining BIM and EA. Thesis related question .19 CHAPTER 2: LITTERATURE REVIEW .1 CONSTRUCTION SITE LAYOUT AND CONSTRUCTION SAFETY .1 Construction site layout planning .2 Construction safety prevention[41]: .2 MULTI – OBJECTIVE EVOLUTION ALGORITHM .28 Master Student: Huynh Phu Hai Student Code: 2170248 v 2.1 Multi – Objective optimization - MOO: .2 Step to analyze by EA.3 Particle Swarm Optimization (PSO) inspiration.4 Particle Swarm Optimization (PSO).3 BIM in construction site layout .42 CHAPTER 4: CASE STUDY .1 OBJECTIVE FUNCTION AND PARAMETER .2 PSO in MOO: .4 MOPSO comparison with NSGA II .1 EA – BIM Intergration .88 Master Student: Huynh Phu Hai Student Code: 2170248 vi LIST OF ABBREVIATIONS BIM Mô hình thông tin công trình Building Information Modelling MOPSO Thuật toán đa mục tiêu bầy đàn Multi Objective Particle Swarm Optimization NSGA II Thuật toán di truyền không None Dominated Sorting Genetic vượt trội Algorithm OSH An Toàn Lao động Occupational Safety and Health IT Công nghệ thông tin Information Technology EA Thuật Toán tiến hóa Evolution Algorithm CSLP Sắp xếp bình đồ công trường Construction Site Layout Planning API Giao diện lập trình ứng dụng Application Programming Interface CSC Hệ số an toàn của cẩu trục Crane Safety Criterion MCDC Ra quyết định đa tiêu chí Multiple Criteria Decision Making Master Student: Huynh Phu Hai Student Code: 2170248 vii LIST OF TABLES Table 1-1: Comparison of occupational accident situations in 2022 and 2021 in areas with labor relations [6].6 Table 1-2: Pros and cons for Algorithm in EA .12 Table 2-1: List of temporary facility .22 Table 2-2: Meta – heuristics in CSLP related study .38 Table 2-3: Evolution Algorithm in CSLP related studies .39 Table 2-4: Related studies in integrate BIM in construction site layout.40 Table 3-1: Project Temporary facility project properties.44 Table 3-2 Sensitivity of Facility to Falling Objects.51 Table 4-1 Hazard Degree Matrix .60 Table 4-2: Adjacent distance matrix of temporary facility Loop 1 (F1).61 Table 4-3: Temporary facilities Zone identified Loop 1.62 Table 4-4: CSC Coefficient in Loop 1 (F2) .62 Table 4-5: MOPSO output after 16-time optimization in project in loop 2.66 Table 4-6: MOPSO output after 16-time optimization in project in loop 24.67 Table 4-7: MOPSO output after 16-time optimization in project in loop 25.68 Table 4-8: MOPSO output after 16-time optimization in project in loop 28.69 Table 4-9: MOPSO output after 16-time optimization in project in loop 33.70 Table 4-10: MOPSO output after 16-time optimization in project in loop 38.71 Table 4-11: MOPSO output after 16-time optimization in project in loop 43.72 Table 4-12: MOPSO output after 16-time optimization in project in loop 46.73 Table 4-13: Output comparison between MOPSO and NSGA II Loop 15 .75 Table 4-14: Output comparison between MOPSO and NSGA II Loop 40 .76 Table 4-15: Output comparison between MOPSO and NSGA II Loop 24 .78 Table 4-16: Descriptive Statistics .