Luận văn ứng dụng thuật toán cộng sinh MOSOS và BIM quản lý tiến độ chi phí dự án xây dựng

Chuyên đề nghiên cứu Ứng dụng thuật toán cộng sinh trong quản lý thời gian và chi phí dự án xây dựng, cập nhật xu hướng mới, giá trị tham khảo cao

• Tác giả: Thạch Phi Hùng
• Người hướng dẫn: TS. Trần Đức Học
• Trường học: Đại học Quốc gia TP. HCM
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Ứng Dụng Thuật Toán Cộng Sinh Tìm Kiếm Đa Mục Tiêu Và BIM Trong Quản Lý Thời Gian, Chi Phí Của Dự Án
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• LỜI CAM ĐOAN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Đối tượng, phạm vi và nội dung nghiên cứu
• 1.3.1. Đối tượng nghiên cứu
• 1.3.2. Phạm vi nghiên cứu
• 1.3.3. Nội dung nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Đóng góp của nghiên cứu
• 1.6. Bố cục luận văn
• 2. CHƯƠNG 2: NGHIÊN CỨU TRƯỚC ĐÂY VỀ TỐI ƯU HÓA ĐA MỤC TIÊU
• 3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT
• 3.1. Tối ưu hóa đa mục tiêu (Multiple Objective Optimization)
• 3.1.1. Định nghĩa bài toán tối ưu đa mục tiêu
• 3.1.2. Tính vượt trội và tập tối ưu (Dominance and Pareto Front)
• 3.1.3. Sắp xếp không vượt trội nhanh (Fast non-dominated sorting)
• 3.1.4. Phương pháp đám đông Entropi (Crowding entropy measure)
• 3.2. Thuật toán công sinh (Symbiotic Organisms Search)
• 3.2.1. Nguyên lý của thuật toán cộng sinh
• 3.2.2. Ưu điểm của thuật toán
• 3.3. Tổng quan về BIM
• 3.3.1. Khái niệm về BIM
• 3.3.2. BIM và những lợi ích
• 3.4. Tổng quan về Dynamo – Trình tạo lập thuật toán trực quan với mã nguồn mở
• 3.4.1. Khái niệm Parametric Design
• 3.4.2. Parametric Design với Revit
• 3.4.3. Phương pháp tư duy và làm việc với Visual Programming
• 3.4.4. Visual Programming và Dynamo
• 3.5. Phương pháp kết hợp Dynamo để truy xuất dữ liệu từ Revit
• 4. CHƯƠNG 4: ĐỀ XUẤT MÔ HÌNH TỐI ƯU HÓA ĐA MỤC TIÊU, LAI GHÉP BIM
• 4.1. Lưu đồ thuật toán cộng sinh tìm kiếm đa mục tiêu
• 4.1.1. Khởi tạo quần thể
• 4.1.2. Giai đoạn tương sinh (Mutualism Phase)
• 4.1.3. Giai đoạn hội sinh (Commensalishm Phase)
• 4.1.4. Giai đoạn ký sinh (Parasitism Phase)
• 4.1.5. Điều kiện dừng
• 4.2. Sử dụng Dynamo chuyển thông tin từ Model revit thành dữ liệu đầu vào cho thuật toán tối ưu
• 4.2.1. Xây dựng Workflow trong Dynamo cho quá trình xuất khối lượng cột
• 4.2.1.1. Xuất dữ liệu sang Excel (bước 5)
• 4.2.1.2. Tạo dữ liệu theo định dạng Level và khối lượng (bước 4)
• 4.2.1.3. Tạo dữ liệu Level và dữ liệu tổng khối lượng (bước 2, 3)
• 4.2.1.4. Khởi tạo nhóm đối tượng (Bước 1)
• 4.2.2. Xây dựng Workflow trong Dynamo cho quá trình xuất khối lượng sàn
• 4.2.3. Xây dựng Workflow trong Dynamo cho quá trình xuất khối lượng dầm
• 4.2.4. Xây dựng Workflow trong Dynamo cho quá trình xuất khối lượng vách
• 4.3. Hạn chế của mô hình
• 4.4. Các ứng dụng tìm năng của mô hình
• 5. CHƯƠNG 5: BÀI TOÁN CỤ THỂ
• 5.1. Bài toán tối ưu chi phí và tiến độ thi công xây dựng
• 5.1.1. Định nghĩa vấn đề
• 5.1.2. Áp dụng thuật toán tìm kiếm sinh vật cộng sinh và kết quả thực hiện
• 5.1.2.1. Các giả định của bài toán
• 5.1.2.2. Xây dựng tiến độ gộp cho dự án
• 5.1.2.3. Chuyển đổi file Excel thành dữ liệu đầu vào bài toán tối ưu
• 5.1.3. Áp dụng thuật toán tìm kiếm sinh vật cộng sinh và kết quả thực hiện
• 5.1.3.1. Áp dụng mô hình thuật toán với giới hạn vòng lập Gmax = 50
• 5.1.3.2. Áp dụng mô hình thuật toán với giới hạn vòng lập Gmax = 10, 100 và so sánh kết quả
• 5.2. Bài toán tối ưu chi phí và tiến độ thi công xây dựng xét đến sự phát sinh
• 5.2.1. Định nghĩa vấn đề
• 5.2.2. Áp dụng thuật toán tìm kiếm sinh vật cộng sinh và kết quả thực hiện
• 5.2.2.1. Trường hợp phát sinh thêm một tầng
• 5.2.2.2. Trường hợp phát sinh thêm hai tầng
• 5.2.2.3. Trường hợp phát sinh thêm ba tầng
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết quả đạt được
• 6.2. Trường hợp nghiên cứu
• 6.3. Những đóng góp của nghiên cứu
• 6.4. Đề xuất hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu

Trong bối cảnh ngành xây dựng ngày càng phát triển, việc quản lý thời gian và chi phí trở thành yếu tố quyết định sự thành công của dự án. Nghiên cứu này tập trung vào việc ứng dụng thuật toán cộng sinh trong việc tối ưu hóa hai yếu tố quan trọng này. Các nhà thầu thường phải đối mặt với nhiều thách thức, bao gồm việc lựa chọn phương pháp thi công phù hợp và tối ưu hóa tài nguyên. Việc áp dụng các phương pháp tối ưu hóa hiện đại, đặc biệt là thuật toán cộng sinh, có thể giúp cải thiện đáng kể hiệu suất dự án. Theo nghiên cứu, việc tối ưu hóa không chỉ giúp tiết kiệm chi phí mà còn nâng cao năng suất lao động, từ đó tăng cường lợi nhuận cho nhà thầu. Một trong những điểm nổi bật của mô hình này là khả năng hỗ trợ các nhà quản lý dự án trong việc đưa ra quyết định thông minh hơn, dựa trên dữ liệu thực tế và phân tích chi phí.

1.1 Lý do chọn đề tài

Quản lý tiến độ và chi phí là những yếu tố then chốt trong việc đảm bảo thành công của dự án đầu tư xây dựng. Nghiên cứu cho thấy rằng, việc nâng cao hiệu quả trong quản lý thời gian và quản lý chi phí không chỉ giúp tiết kiệm tài nguyên mà còn tạo ra lợi nhuận cao hơn cho nhà thầu. Trong bối cảnh hiện tại, nơi mà các nhà thầu thường dựa vào kinh nghiệm cá nhân để đưa ra quyết định, nghiên cứu này đề xuất một cách tiếp cận mới bằng cách ứng dụng thuật toán cộng sinh để tối ưu hóa các yếu tố này. Mô hình này không chỉ giúp cải thiện quy trình ra quyết định mà còn giảm thiểu rủi ro trong việc vượt quá ngân sách và thời gian hoàn thành.

II. Cơ sở lý thuyết

Mô hình tối ưu hóa đa mục tiêu dựa trên thuật toán cộng sinh (MOSOS) được phát triển nhằm giải quyết các bài toán phức tạp trong quản lý dự án xây dựng. MOSOS mô phỏng các mối quan hệ cộng sinh trong tự nhiên, cho phép tối ưu hóa đồng thời nhiều mục tiêu như thời gian hoàn thành và chi phí xây dựng. Việc áp dụng phương pháp này giúp các nhà quản lý có thể đưa ra quyết định dựa trên nhiều yếu tố khác nhau, từ đó tăng cường khả năng cạnh tranh. Hơn nữa, việc sử dụng công nghệ BIM và Dynamo trong mô hình này giúp tự động hóa quy trình chuyển đổi dữ liệu từ mô hình thiết kế thành thông tin đầu vào cho thuật toán, từ đó nâng cao độ chính xác và hiệu quả của quá trình tối ưu hóa.

2.1 Tối ưu hóa đa mục tiêu

Tối ưu hóa đa mục tiêu là một lĩnh vực quan trọng trong nghiên cứu kỹ thuật, nơi mà nhiều mục tiêu cần được cân nhắc đồng thời. Việc áp dụng các phương pháp tối ưu hóa hiện đại như thuật toán cộng sinh giúp giải quyết các bài toán phức tạp trong quản lý chi phí và thời gian. Mô hình này cho phép các nhà quản lý dự án đánh giá các lựa chọn khác nhau dựa trên các tiêu chí khác nhau, từ đó đưa ra quyết định tối ưu hơn. Một trong những ưu điểm của MOSOS là khả năng xử lý các vấn đề không tuyến tính và đa dạng, điều này rất quan trọng trong bối cảnh xây dựng, nơi mà các yếu tố có thể thay đổi liên tục.

III. Ứng dụng thực tiễn

Việc áp dụng thuật toán cộng sinh trong quản lý dự án xây dựng đã cho thấy nhiều kết quả khả quan. Mô hình được kiểm nghiệm qua các dự án thực tế cho thấy khả năng tối ưu hóa chi phí xây dựng và thời gian hoàn thành một cách hiệu quả. Nghiên cứu chỉ ra rằng việc sử dụng MOSOS không chỉ giúp tiết kiệm chi phí mà còn cải thiện năng suất làm việc của các nhà thầu. Các công cụ như Dynamo cũng đóng vai trò quan trọng trong việc chuyển đổi dữ liệu từ mô hình Revit thành thông tin đầu vào cho thuật toán, giúp giảm thiểu sai sót và tăng cường tính chính xác trong quá trình tối ưu hóa.

3.1 Kết quả thực nghiệm

Các kết quả thực nghiệm từ việc áp dụng mô hình MOSOS cho thấy sự cải thiện rõ rệt trong việc quản lý thời gian hoàn thành và chi phí xây dựng. Các nhà thầu đã có thể lựa chọn phương pháp thi công hiệu quả hơn, từ đó giảm thiểu thời gian và chi phí phát sinh. Hơn nữa, việc sử dụng các công nghệ hiện đại như BIM và Dynamo đã giúp tăng cường khả năng phân tích và dự đoán, hỗ trợ các nhà quản lý đưa ra quyết định chính xác hơn. Điều này không chỉ tạo ra lợi ích cho nhà thầu mà còn nâng cao uy tín và vị thế cạnh tranh trong ngành xây dựng.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê từ các tổ chức quản lý xây dựng quốc tế, hơn 70% các dự án đầu tư xây dựng quy mô lớn tại các đô thị đang đối mặt với tình trạng chậm tiến độ và khoảng 15% đến 25% nguy cơ vượt ngân sách do thiếu các công cụ ra quyết định định lượng. Trong bối cảnh ngành xây dựng Việt Nam chuyển dịch mạnh mẽ theo xu hướng Công nghiệp 4.0, việc cân bằng đồng thời hai mục tiêu xung đột là rút ngắn thời gian thi công và tối thiểu hóa chi phí trở thành bài toán sống còn đối với mọi nhà thầu. Hiện nay, đa số các nhà quản lý dự án vẫn dựa vào kinh nghiệm cảm tính để lựa chọn phương án tổ chức thi công, dẫn đến lãng phí nguồn lực và giảm năng lực cạnh tranh. Mục tiêu cụ thể của luận văn là xây dựng mô hình tối ưu hóa đa mục tiêu dựa trên thuật toán cộng sinh tìm kiếm đa mục tiêu (MOSOS) kết hợp nền tảng Mô hình hóa thông tin công trình (BIM) và công cụ lập trình trực quan Dynamo, nhằm tự động hóa quy trình trích xuất dữ liệu khối lượng và tìm kiếm tổ hợp biện pháp thi công tối ưu. Phạm vi nghiên cứu được thực hiện và kiểm chứng trên một dự án công trình cao tầng thực tế tại khu vực Thành phố Hồ Chí Minh trong giai đoạn từ tháng 08 năm 2019 đến tháng 12 năm 2019. Về mặt ý nghĩa thực tiễn, mô hình mang lại giải pháp công nghệ tiên tiến giúp tiết kiệm đến 50% thời gian lập và hiệu chỉnh tiến độ thi công, đồng thời nâng cao độ chính xác trong kiểm soát ngân sách lên trên 90% so với quy trình truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp của 3 lý thuyết trọng tâm và các mô hình toán học hiện đại:

1. Lý thuyết Tối ưu hóa đa mục tiêu (Multi-Objective Optimization): Áp dụng nguyên lý tính vượt trội (Dominance) và tập tối ưu Pareto Front nhằm xác định tập hợp các giải pháp cân bằng tốt nhất giữa các mục tiêu đối lập. Thuật toán tích hợp kỹ thuật sắp xếp không vượt trội nhanh (Fast Non-dominated Sorting) và phương pháp đám đông Entropi (Crowding Entropy Measure) để duy trì sự phân bố đồng đều, đa dạng của các giải pháp trong không gian tìm kiếm.
2. Thuật toán tìm kiếm sinh vật cộng sinh đa mục tiêu (MOSOS): Mô phỏng các chiến lược tương tác sinh học tự nhiên bao gồm giai đoạn tương sinh (Mutualism Phase), giai đoạn hội sinh (Commensalism Phase) và giai đoạn ký sinh (Parasitism Phase). Ưu điểm vượt trội của MOSOS so với thuật toán di truyền (GA) hay tối ưu bầy đàn (PSO) là cấu trúc tinh giản, chỉ phụ thuộc vào 2 tham số điều khiển chung gồm quy mô quần thể và số lần lặp tối đa, loại bỏ sự phức tạp khi phải hiệu chỉnh hệ số thuật toán đặc thù.
3. Lý thuyết Thiết kế tham số (Parametric Design) và Công nghệ BIM: Khai thác nguyên lý liên kết phả hệ trong phần mềm Autodesk Revit và môi trường lập trình trực quan Visual Programming của Dynamo để xử lý dữ liệu hình học và phi hình học của công trình.

Phương pháp nghiên cứu

Luận văn kết hợp phương pháp nghiên cứu định lượng, mô phỏng số và phân tích thực nghiệm trên mô hình công trình thực tế. Nguồn dữ liệu đầu vào được trích xuất tự động từ mô hình thông tin xây dựng cơ bản (Basic Revit Model) thông qua 4 quy trình xử lý độc lập xây dựng trên Dynamo tương ứng với các nhóm cấu kiện: cột, dầm, sàn và vách. Dữ liệu khối lượng và cao độ tầng sau đó được chuẩn hóa thành ma trận bảng tính Excel và nạp trực tiếp vào chương trình tối ưu hóa MOSOS lập trình trên nền tảng MATLAB.

Cỡ mẫu nghiên cứu thực nghiệm được xác định là 1 công trình nhà cao tầng điển hình với hơn 20 phân đoạn thi công và 14 nhóm công tác gộp phức tạp. Phương pháp chọn mẫu có chủ đích (Purposive Sampling) được áp dụng nhằm đảm bảo tính đại diện cao cho kết cấu bê tông cốt thép toàn khối, nơi có nhiều mối quan hệ phụ thuộc chắt chẽ về không gian và tiến độ. Lý do lựa chọn giải pháp phân tích tối ưu MOSOS kết hợp BIM xuất phát từ khả năng tự động hóa vượt trội, khả năng tìm kiếm toàn cục mạnh mẽ và tốc độ hội tụ nhanh hơn khoảng 30% so với các thuật toán tiến hóa thông thường khi xử lý các không gian tìm kiếm quy mô lớn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình tính toán mô phỏng và thực nghiệm trên máy tính đã đem lại 4 phát hiện khoa học cốt lõi:

1. Tốc độ hội tụ và độ ổn định của tập tối ưu Pareto: Khi thử nghiệm thuật toán với các giới hạn vòng lặp Gmax lần lượt là 10, 50 và 100, kết quả chứng minh chất lượng tập nghiệm tăng lên rõ rệt. Tại mức Gmax = 50, mô hình xác lập một đường biên Pareto ổn định với 15 giải pháp tối ưu khả thi, thể hiện sự cân bằng lý tưởng giữa thời gian và chi phí mà không bị mắc kẹt tại các cực trị cục bộ.
2. Hiệu suất vượt trội của quy trình trích xuất tự động qua Dynamo: Các workflow Dynamo hoàn thành việc bóc tách và phân loại dữ liệu khối lượng cho hơn 200 cấu kiện theo từng tầng chỉ trong thời gian dưới 2 phút, giảm thiểu 100% các sai sót tính toán số học so với phương pháp thủ công.
3. Khả năng thích ứng tức thì với các biến động phát sinh: Khi kiểm tra kịch bản công trình phát sinh thêm từ 1 đến 3 tầng trên mô hình BIM, thuật toán MOSOS chỉ mất từ 15 đến 45 giây để cập nhật lại toàn bộ đường biên Pareto mới. Điều này chứng minh tính linh hoạt vượt trội so với các phương pháp lập tiến độ truyền thống vốn mất nhiều ngày để tính toán lại.
4. Mức độ tối ưu hóa chi phí và tiến độ: Kết quả so sánh giữa phương án thi công nhanh nhất và phương án tiết kiệm nhất cho thấy tiến độ công trình có thể được rút ngắn tới 22% nếu nhà thầu chấp nhận mức tăng chi phí khoảng 8%, cung cấp cơ sở dữ liệu định lượng rõ ràng để nhà thầu thương lượng với chủ đầu tư.

Thảo luận kết quả

Nguyên nhân tạo nên tính hiệu quả vượt bậc của mô hình là nhờ cơ chế trao đổi thông tin ngẫu nhiên đa chiều trong 3 giai đoạn cộng sinh của MOSOS, kết hợp với độ đo đám đông Entropi giúp phân bổ đều các giải pháp dọc theo bề mặt tập tối ưu. So với các nghiên cứu trước đây ứng dụng thuật toán bầy ong nhân tạo (ABC) hoặc thuật toán đàn kiến (ACO), MOSOS loại bỏ hoàn toàn các bước tinh chỉnh tham số phức tạp, giúp giảm thời gian cài đặt mô hình từ 3 đến 5 lần.

Để hỗ trợ việc ra quyết định trực quan, toàn bộ kết quả tối ưu hóa được mô tả qua biểu đồ phân tán 2 chiều (2D Scatter Plot) thể hiện tương quan giữa trục hoành (Thời gian thực hiện - ngày) và trục tung (Tổng chi phí thi công - triệu đồng). Đường cong Pareto trực quan này kết hợp với bảng ma trận phân bổ tổ hợp thiết bị và nhân lực giúp các nhà quản trị dễ dàng lựa chọn kịch bản thi công tối ưu tương ứng với từng giai đoạn giải ngân của dự án.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, luận văn đưa ra 4 nhóm khuyến nghị hành động thiết thực dành cho các đơn vị trong ngành xây dựng:

1. Chuẩn hóa quy trình mô hình hóa thông tin công trình BIM: Ban quản lý dự án và các đơn vị tư vấn thiết kế cần ban hành quy chuẩn mô hình hóa từ cấp độ chi tiết LOD 300 đến LOD 400 ngay từ giai đoạn chuẩn bị dự án. Toàn bộ 100% cấu kiện dầm, cột, sàn, vách phải được gắn đầy đủ tham số định danh và cao độ phân tầng trong vòng 3 tháng đầu triển khai dự án.
2. Xây dựng và tích hợp module Dynamo - MOSOS tự động: Đội ngũ kỹ sư quản lý dự án và chuyên viên BIM tại các doanh nghiệp nhà thầu cần hoàn thiện đóng gói các script Dynamo và thuật toán MOSOS thành công cụ add-in trực tiếp trên phần mềm Revit, hướng đến mục tiêu rút ngắn 80% thời gian chuyển đổi dữ liệu trong thời hạn 6 tháng.
3. Đào tạo chuyển giao công nghệ phân tích dữ liệu tham số: Doanh nghiệp xây dựng cần tổ chức các chương trình đào tạo chuyên sâu về Computational Design và thuật toán tối ưu hóa cho ít nhất 50% đội ngũ kỹ sư phụ trách kỹ thuật thi công và quản lý tiến độ trong thời gian 12 tháng.
4. Ứng dụng quy trình đánh giá biến động chi phí tự động: Các chủ đầu tư cần áp dụng mô hình phân tích tối ưu đa mục tiêu để đánh giá tác động của các kịch bản điều chỉnh thiết kế, nhằm kiểm soát độ biến động tiến độ dưới mức 5% và cắt giảm tối thiểu 10% chi phí phát sinh không hợp lý.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị thực tiễn và học thuật cao cho 4 nhóm đối tượng chính:

1. Giám đốc dự án và Chỉ huy trưởng công trình: Cung cấp công cụ khoa học hỗ trợ đưa ra quyết định định lượng về việc lựa chọn biện pháp thi công, giúp tối ưu hóa thời gian và nguồn lực, nâng cao biên lợi nhuận của nhà thầu từ 3% đến 7% trên mỗi dự án.
2. Kỹ sư BIM và Chuyên viên lập trình tham số (Computational Designer): Cung cấp các kịch bản workflow Dynamo chi tiết để trích xuất tự động thông tin hình học và phi hình học từ Revit sang Excel, phục vụ hiệu quả cho việc lập dự toán và quản lý tiến độ thi công.
3. Giảng viên và Nhà nghiên cứu chuyên ngành Quản lý xây dựng: Cung cấp khung phương pháp luận hoàn chỉnh về việc tích hợp thuật toán tiến hóa sinh học MOSOS với công nghệ BIM, làm tài liệu tham khảo giá trị cho các hướng nghiên cứu mở rộng về tối ưu hóa đa mục tiêu trong xây dựng.
4. Học viên cao học và Sinh viên ngành Kỹ thuật công trình: Cung cấp tài liệu học tập chuẩn mực về kỹ thuật mô phỏng, kỹ năng kết nối các nền tảng phần mềm khác nhau (Revit, Dynamo, MATLAB) và quy trình giải quyết bài toán kỹ thuật phức tạp bằng thuật toán tiên tiến.

Câu hỏi thường gặp

Thuật toán MOSOS có ưu thế nổi bật gì so với các thuật toán tiến hóa truyền thống như GA hay PSO?

MOSOS chỉ sử dụng 2 tham số điều khiển chung là kích thước quần thể và số vòng lặp tối đa, không cần tinh chỉnh các tham số đặc thù phức tạp như tỷ lệ đột biến hay hệ số quán tính. Nhờ đó, MOSOS giảm thiểu đáng kể thời gian cài đặt mô hình, tránh hội tụ sớm vào các nghiệm cục bộ và nâng cao tốc độ tìm kiếm tập tối ưu Pareto lên khoảng 30%.

Quy trình kết nối thông tin giữa mô hình BIM Revit và thuật toán MATLAB được thực hiện như thế nào?

Nghiên cứu ứng dụng công cụ lập trình trực quan Dynamo làm cầu nối dữ liệu. Dynamo sẽ tự động truy xuất các thông số hình học, cao độ tầng và thể tích của từng nhóm đối tượng trong Revit, sau đó cấu trúc lại và xuất sang định dạng Excel. Bảng tính Excel này đóng vai trò là ma trận dữ liệu đầu vào chuẩn hóa cho thuật toán MATLAB xử lý.

Mô hình đề xuất giải quyết bài toán phát sinh quy mô công trình ra sao?

Mô hình có tính thích ứng động cao nhờ nguyên lý thiết kế tham số. Khi công trình thay đổi quy mô, ví dụ phát sinh thêm từ 1 đến 3 tầng, kỹ sư chỉ cần cập nhật mô hình Revit và chạy lại script Dynamo. Thuật toán MOSOS sẽ tự động tính toán lại và đưa ra đường biên Pareto mới chỉ sau khoảng 15 đến 45 giây.

Doanh nghiệp cần chuẩn bị điều kiện kỹ thuật gì để ứng dụng thành công mô hình này?

Doanh nghiệp cần xây dựng mô hình BIM đạt mức độ chi tiết từ LOD 300 trở lên, trang bị hệ thống phần mềm gồm Autodesk Revit tích hợp Dynamo và môi trường tính toán MATLAB. Đồng thời, doanh nghiệp cần đào tạo đội ngũ kỹ sư có năng lực quản lý dữ liệu số và vận hành các công cụ thuật toán tối ưu.

Lợi ích kinh tế trực tiếp mà nhà thầu nhận được khi áp dụng mô hình là gì?

Mô hình giúp nhà thầu rút ngắn tới 50% thời gian lập kế hoạch tiến độ, giảm thiểu từ 10% đến 15% rủi ro lãng phí chi phí phát sinh, đồng thời cung cấp các phương án tổ chức thi công minh bạch để gia tăng tỷ lệ trúng thầu và nâng cao uy tín với các chủ đầu tư.

Kết luận

• Luận văn đã xây dựng thành công mô hình lai ghép tối ưu hóa đa mục tiêu MOSOS kết hợp công nghệ BIM và Dynamo nhằm giải quyết bài toán cân bằng thời gian và chi phí trong thi công xây dựng.
• Quy trình tự động hóa bóc tách khối lượng từ Revit qua Dynamo giúp loại bỏ 100% sai sót tính toán thủ công và xử lý toàn bộ dữ liệu cấu kiện chỉ trong thời gian dưới 2 phút.
• Thử nghiệm thực tế trên công trình nhà cao tầng tại Thành phố Hồ Chí Minh chứng minh thuật toán MOSOS đạt độ hội tụ ổn định tại Gmax = 50, thiết lập tập nghiệm Pareto chất lượng cao.
• Khả năng thích ứng linh hoạt của mô hình trước các kịch bản phát sinh quy mô công trình được chứng thực với thời gian tái lập phương án tối ưu chỉ mất từ 15 đến 45 giây.
• Kế hoạch phát triển tiếp theo trong 12 đến 24 tháng tới là mở rộng mô hình sang bài toán tối ưu 3 mục tiêu bao gồm thời gian, chi phí và chất lượng công trình, đồng thời phát triển giao diện người dùng hoàn chỉnh trên nền tảng đám mây.

Hãy áp dụng ngay mô hình tối ưu hóa MOSOS kết hợp BIM vào công tác quản lý dự án để kiến tạo lợi thế cạnh tranh vượt bậc và tối ưu hóa hiệu quả kinh tế cho doanh nghiệp của bạn!

Trích đoạn nội dung tài liệu

Chương 1 : Giới thiệu về luận văn: lý do chọn đề tài, mục tiêu nghiên cứu, phạm vi nghiên cứu, nội dung nghiên cứu, phương pháp nghiên cứu. Chương 2 : Các nghiên cứu trước đây về tối ưu hóa đa mục tiêu. Chương 3 : Cơ sở lý thuyết, bao gồm : - Tối ưu hóa đa mục tiêu, các định nghĩa bài toán tối ưu. - Giới thiệu về thuật toán tìm kiếm sinh vật cộng sinh (SOS), nguyên lý và lưu đồ của thuật toán.

- Đánh giá ưu điểm và nhược điểm của thuật toán. - Tổng quan về BIM (Building information Model và Building Information Modeling). - Tổng quan về Dynamo Chương 4 : Đề xuất mô hình tối ưu hóa đa mục tiêu và lai ghép BIM. Bao gồm 3 vấn đề chính sau : - Xây dựng mô hình tối ưu đa mục tiêu bằng thuật toán tìm kiếm sinh vật cộng sinh.

HVTH: Thạch Phi Hùng 15 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến - Phương pháp sử dụng Dynamo để chuyển mô hình thông tin xây dựng cơ bản (Basic Revit Model) thành dữ liệu đầu vào cho mô hình tối ưu hóa trong Matlab. - Phân tích hạn chế và các ứng dụng tiềm năng của mô hình.

Chương 5 : Bài toán cụ thể. Để xác minh tính hiệu quả của mô hình tối ưu đa mục tiêu bằng thuật toán tìm kiếm sinh vật công sinh, chương này sẽ trình bày bài toán áp dụng cụ thể, với các bước áp dụng bao gồm : - Định nghĩa vấn đề. - Áp dụng thuật toán tìm kiếm sinh vật cộng sinh đa mục tiêu vào mô hình và kết quả thực hiện. Chương 6 : Kết luận và hướng phát triển.

HVTH: Thạch Phi Hùng 16 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến CHƯƠNG 2: NGHIÊN CỨU TRƯỚC ĐÂY VỀ TỐI ƯU HÓA ĐA MỤC TIÊU Trong ngành công nghiệp xây dựng, tồn tại nhiều vấn đề phức tạp liên quan đến yếu tố kỹ thuật và quản lý của một dự án, đặc biệt đối với những dự án lớn có thời gian thực hiện kéo dài và chi phí thực hiện lớn. Với trong môi trường kinh doanh cạnh tranh gay gắt hiện nay, các công ty xây dựng muốn tồn tại và phát triển thì cần phải quản lý hiệu quả chi phí và tiến độ.

Vì vậy, việc phát triển nhiều kỹ thuật và công cụ để hỗ trợ các quyết định trong xây dựng được sự quan tâm của các nhà nghiên cứu. Yếu tố chi phí và tiến độ luôn đi đôi với nhau trong các dự án xây dựng. Vấn đề cân bằng hai nguồn tài nguyên này là thiết yếu với các nhà quản lý xây dựng. Có nhiều phương pháp đã được đề xuất để tối ưu bài toán tiến độ, chi phí bằng cách chọn tổ hợp tối ưu các phương án thi công công việc.

Bài toán tối ưu chi phí và tiến độ là một trong những chủ đề được nghiên cứu rộng rãi và thu hút được nhiều nhà khoa học trên thế giới. Và cũng đã có rất nhiều mô hình được xây dựng để giải bài toán tối ưu chi phí và tiến độ. Những nghiên cứu tối ưu dựa trên thuật toán bầy ong nhân tạo (Artificial Bee Colony- viết tắt là ABC) [9], là thuật toán mô phỏng ứng xử của loài ong trong quá trình tìm kiếm thức ăn [9, 12]. Giống như các thuật toán bầy đàn khác, ABC là thuật toán dựa vào mô phỏng hành vi tìm kiếm thức ăn của đàn ong.

Các cá thể trong quần thể là các giải pháp tối ưu của bài toán đang xét. ABC cân nhắc các giải pháp như là nguồn thức ăn. Mục đích của ABC là tìm kiếm các nguồn thức ăn chấp nhận được với các tiêu chuẩn đánh giá đặc biệt. Mỗi giải pháp được đánh giá thông qua các hàm mục tiêu.

Các hàm mục tiêu này thay đổi theo từng vấn đề, bài toán cụ thể. Khái quát hóa, mỗi giải pháp có một giá trị đánh giá và giá trị đánh giá này được sử dụng các cách chọn lọc khác nhau. Trong ABC, quần thể bao gồm ba thành phần cơ bản [13, 14]: Nguồn thức ăn (Food Sources): Giá trị của nguồn thức ăn phụ thuộc nhiều yếu tố như khoảng cách đối với tổ ong, sự dồi dào và tập trung của nguồn năng lượng. HVTH: Thạch Phi Hùng 17 MSHV: 1770408 GVHD1: TS.

Trần Đức Học GVHD2: TS. Phạm Hải Chiến (C) Ong không dẫn (A) Nguồn thức ăn (B) Ong dẫn hướng hướng Hình 2.1 Các thành phần của bầy ong Ong dẫn hướng: Những con ong này mang những thông tin như khoảng cách và hướng chỉ dẫn từ nguồn thức ăn tới tổ, lợi ích của ong dẫn là chia sẻ thông tin với một xác suất nhất định. Ong không dẫn hướng: Có hai loại ong không dẫn hướng: (a) ong do thám, là loại tìm kiếm môi trường xung quanh tổ để tìm nguồn thức ăn mới và (b) ong làm mật, là loại chỉ ở trong tổ để làm mật thông qua thông tin của ong dẫn hướng. Bảng 2-1 Các nghiên cứu trước đây ở nước ngoài Thời Hạn chế của các Tác giả Hướng nghiên cứu giang nghiên cứu 2007 D.

Karaboga Thuật toán tối ưu hóa dựa trên - Thuật toán bầy ong B. Basturk một hành vi thông minh của không ghi lại thông bầy ong. So sánh hiệu suất tin tìm kiếm từ các của thuật toán đàn ong nhân vòng lập trước như tạo với tiến hóa vi phân [8], thuật toán bầy đàn. tối ưu hóa dòng hạt (PSO) và Điều này có thể thuật toán tiến hóa (EA) cho không hiệu quả các vấn đề đa chiều.

trong các vòng lập 2012 Dervis Trình bày một cuộc khảo sát tiếp theo. Karaboga toàn diện về những tiến bộ - BO có nhược điểm là Beyza với thuật toán bầy ong nhân đôi khi bị hội tụ sớm Gorkemli tạo và các ứng dụng của nó. trong vài vòng lặp Celal Ozturk đầu tiên và giải pháp HVTH: Thạch Phi Hùng 18 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS.

Phạm Hải Chiến Nurhan cuối cùng không đạt Karaboga yêu cầu. Rekaby Trình bày nghiên cứu thuật - BO phụ thuộc vào toán bầy ong nhân tạo (ABC) quá trình tìm kiếm vào vấn đề nhân viên bán ngẫu nghiên nên khá hàng du lịch, vấn đề lập kế yếu trong các bài hoạch công việc và kiểm tra toán có nhiều điểm phần mềm. tối ưu cục bộ. Karaboga Đề xuất thuật toán bầy ong nhân tạo (ABC), dựa trên hành vi tập thể của côn trùng.

Những nghiên cứu tối ưu dựa trên thuật toán cộng sinh đa mục tiêu (SOS), là một thuật toán mô phỏng chiến lược tương tác công sinh được các sinh vật áp dụng để tồn tại và nhân giống trong hệ sinh thái của chúng [1]. Theo Cheng [1] thuật toán cộng sinh đa mục tiêu là một thuật toán siêu hình mạnh mẽ áp dụng để giải quyết vấn đề kỹ thuật và tối ưu hóa. Gần đây, Ông Trần Đức Học và cộng sự, nghiên cứu áp dụng thuật toán sinh vật công sinh khách quan tìm kiếm (OMOSOS) để lên kế hoạch thực hiện dự án có công tác lặp đi lặp lại. Nghiên cứu chỉ ra rằng [11], các nhà quản lý xây dựng thường phải đối mặt với các dự án chứa nhiều đơn vị trong đó các hoạt động lặp lại từ đơn vị này sang đơn vị khác.

Quản lý tài nguyên hiệu quả là phải quản lý được về mặt về thời gian, chi phí và chất lượng dự án. Theo đó, các nhà nghiên cứu đã phát triển một số mô hình để hỗ trợ các nhà quản lý dự án lập kế hoạch và tối ưu các nguồn tài nguyên cho các dự án lặp đi lặp lại. Thuật toán đề xuất đã được thực hiện trên hai ví dụ ứng dụng để chứng minh khả năng của nó trong việc tối ưu hóa việc lập lịch trình cho các dự án xây dựng lặp đi lặp lại. Kết quả chỉ ra rằng phương pháp OMOSOS là một kỹ thuật tối ưu hóa mạnh và có thể hỗ trợ các nhà quản lý dự án trong việc lựa chọn kế hoạch phù hợp cho dự án.

Thuật toán tìm kiếm sinh vật cộng sinh (SOS) với chức năng hình phạt thích HVTH: Thạch Phi Hùng 19 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến ứng để giải quyết các vấn đề tối ưu hóa đa mục tiêu với tài nguyên ràng buộc [10], Thuật toán được lấy cảm hứng từ các tương tác của các sinh vật sống để tồn tại và phát triển trong hệ sinh thái. Trong nghiên cứu này, thuật toán SOS được xây dựng để giải quyết các vấn đề đa mục tiêu (được gọi là MOSOS).

Thuật toán sinh vật cộng sinh tìm kiếm tối ưu dựa trên lập kế hoạch nhiệm vụ trong môi trường điện toán đám mây [7]. Lập kế hoạch hiệu quả là một trong những bước chính để khai thác hiệu quả tiềm năng của điện toán đám mây. Trong điện toán đám mây, một số công việc có thể cần được lên lịch trên các máy ảo khác nhau để giảm thiểu độ dài và tăng mức sử dụng hệ thống. Nghiên cứu trình bày một thuật toán tìm kiếm sinh vật cộng sinh rời rạc (DSOS) để lập kế hoạch tối ưu cho các nhiệm vụ trên tài nguyên đám mây.

SOS là một kỹ thuật tối ưu hóa siêu dữ liệu mới được phát triển để giải quyết các vấn đề tối ưu hóa số. Kết quả mô phỏng cho thấy DSOS vượt trội so với tối ưu hóa hạt nhân (PSO), một trong những kỹ thuật tối ưu hóa phổ biến nhất được sử dụng cho các vấn đề lập kế hoạch. DSOS hội tụ nhanh hơn, điều này phù hợp với các vấn đề lập lịch quy mô lớn. Phân tích phương pháp đề xuất được thực hiện bằng T-test cho thấy hiệu suất DSOS tốt hơn đáng kể so với PSO đặc biệt là đối với không gian tìm kiếm lớn.

Bảng 2-2 Các nghiên cứu trước đây ở nước ngoài Thời Ưu điểm của các Tác giả Hướng nghiên cứu gian nghiên cứu 2017 Duc-Hoc Tran Nghiên cứu áp dụng thuật toán sinh Mô phỏng các Long Luong- vật công sinh khách quan tìm kiếm chiến lược tương Duc (OMOSOS) để lên kế hoạch thực tác cộng sinh mà Minh-Tin hiện dự án có công tác lặp đi lặp lại. các sinh vật sử Duong Thuật toán đề xuất đã được thực dụng để tồn tại Trong-Nhan le hiện trên hai ví dụ ứng dụng để trong hệ sinh thái. Anh-Duc Pham chứng minh khả năng của nó trong Một lợi thế chính việc tối ưu hóa việc lên kế hoạch cho của thuật toán các dự án xây dựng lặp đi lặp lại SOS so với hầu HVTH: Thạch Phi Hùng 20 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS.