Ứng Dụng Trí Tuệ Nhân Tạo Trong Tối Ưu Chi Phí Tiến Độ Dự Án Xây Dựng Có Xét Đến Yếu Tố Môi Trường

Chuyên khảo kỹ thuật phân tích Ứng dụng trí tuệ nhân tạo trong tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố môi trường, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Võ Duy Phước
• Người hướng dẫn: Ts. Phạm Vũ Hồng Sơn
• Trường học: Trường Đại học Bách khoa
• Chuyên ngành: Quản lý Xây dựng
• Đề tài: Ứng dụng trí tuệ nhân tạo trong tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố môi trường
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT ĐỀ TÀI
• LỜI CAM ĐOAN
• DANH MỤC CÁC HÌNH
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC CHỮ VIẾT TẮT
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lý do chọn đề tài
• 1.2. Đối tượng và phạm vi nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Mục tiêu nghiên cứu
• 1.5. Đóng góp của đề tài
• 1.5.1. Về mặt học thuật
• 1.5.2. Về mặt thực tiễn
• 1.6. Cấu trúc luận văn
• 2. CHƯƠNG 2: CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Các nghiên cứu trong nước
• 2.2. Các nghiên cứu nước ngoài
• 2.2.1. Tối ưu chi phí, tiến độ và khí thải CO2
• 2.2.2. Thuật toán châu chấu (GOA)
• 2.2.3. Phương pháp học dựa trên sự đối diện (OBL)
• 2.2.4. Phương pháp lựa chọn giải đấu (TS)
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Tính toán chi phí tiến độ và ước tính phát thải CO2 từ hoạt động xây dựng
• 3.1.1. Tính toán tiến độ chi phí dự án xây dựng
• 3.1.2. Mối quan hệ chi phí-tiến độ trong một dự án
• 3.1.3. Rút ngắn tiến độ của dự án
• 3.1.4. Phương pháp ước tính phát thải CO2 từ hoạt động xây dựng
• 3.1.4.1. Phát thải trực tiếp
• 3.1.4.2. Phát thải gián tiếp
• 3.1.5. Tối ưu chi phí vật liệu và phát thải CO2
• 3.2. Thuật toán châu chấu - Grasshopper Optimisation Algorithm (GOA)
• 4. CHƯƠNG 4: MÔ HÌNH TỐI ƯU HÓA VÀ TRƯỜNG HỢP ỨNG DỤNG
• 4.1. Phương pháp học dựa trên sự đối diện (Opposition-based learning)
• 4.2. Phương pháp lựa chọn giải đấu (TS)
• 4.3. Xây dựng thuật toán tối ưu mới eGOA
• 5. CHƯƠNG 5: KẾT LUẬN, KIẾN NGHỊ VÀ HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI
• 5.2. Hướng nghiên cứu trong tương lai
• DANH MỤC CÔNG TRÌNH KHOA HỌC
• TÀI LIỆU THAM KHẢO VÀ TRÍCH DẪN

Tóm tắt

I. Tổng Quan Ứng dụng AI Tối Ưu Chi Phí Tiến Độ Xây Dựng

Ngành xây dựng đối mặt với nhiều thách thức do tính chất phức tạp và duy nhất của mỗi dự án. Việc tối ưu chi phí và tiến độ dự án xây dựng (TCT) là một trong những nhiệm vụ quan trọng nhất. Các nhà quản lý dự án thường gặp khó khăn trong việc cân bằng giữa tiến độ và chi phí để hoàn thành dự án đúng hạn với chi phí thấp nhất. Đồng thời, ngành xây dựng cũng gây ra nhiều vấn đề về môi trường, đặc biệt là phát thải khí nhà kính. Do đó, việc ứng dụng AI trong xây dựng để giải quyết bài toán TCT có xét đến yếu tố môi trường là vô cùng cần thiết. Luận văn này tập trung vào việc khám phá và phát triển các phương pháp quản lý xây dựng thông minh và bền vững, tạo ra một công cụ ra quyết định tiềm năng cho các nhà quản lý.

1.1. Tầm quan trọng của Tối Ưu Chi phí và Tiến độ

Việc tối ưu chi phí dự án xây dựng giúp tiết kiệm nguyên vật liệu, nhân lực, giảm chi phí vận hành và bảo trì sau khi hoàn thành. Tối ưu tiến độ dự án xây dựng đảm bảo dự án hoàn thành đúng thời hạn, giảm thiểu rủi ro, tránh chậm trễ và phạt hợp đồng. Điều này tạo niềm tin cho các bên liên quan và tạo thuận lợi cho khởi động hoạt động kinh doanh, mở ra cơ hội tiếp cận thị trường và tạo thu nhập sớm cho nhà đầu tư. Tóm lại, TCT mang lại nhiều lợi ích cho công ty xây dựng, từ tiết kiệm tài nguyên đến đảm bảo đúng tiến độ và tạo cơ hội kinh doanh.

1.2. Thách thức Môi Trường và Xây Dựng Bền Vững

Ngành xây dựng góp phần gây ra nhiều vấn đề môi trường liên quan đến hoạt động xây dựng và vận hành công trình. Những quá trình này đóng vai trò chủ yếu trong ô nhiễm môi trường ngoài trời và thải ra khí nhà kính. Trong đó, quá trình sản xuất vật liệu xây dựng tạo ra lượng khí CO2 cao nhất. Đề tài này tập trung giải quyết bài toán TCT, đồng thời giảm thiểu tác động môi trường, hướng tới mục tiêu xây dựng bền vững và phát triển bền vững.

II. Giải Pháp Ứng Dụng AI Để Quản Lý Dự Án Xây Dựng Hiệu Quả

Các phương pháp tối ưu truyền thống gặp nhiều hạn chế khi giải quyết bài toán TCT, đặc biệt khi xét đến yếu tố môi trường. Các phương pháp lập trình toán học đòi hỏi chi phí tính toán cao, trong khi các phương pháp heuristic chỉ mang lại giải pháp gần tối ưu. Do đó, việc ứng dụng trí tuệ nhân tạo trong quản lý dự án xây dựng (AI) để giải quyết bài toán này là một giải pháp tiềm năng. AI trong xây dựng có thể giúp đạt được tính toán hiệu quả và nhanh chóng cho bài toán TCTC, cung cấp cho các nhà quản lý dự án và nhà thầu một công cụ có khả năng lựa chọn các phương án tối ưu một cách có cơ sở, nhanh chóng và hiệu quả.

2.1. Giới thiệu về các Thuật Toán Trí Tuệ Nhân Tạo

Nghiên cứu này tập trung vào việc phát triển và ứng dụng các thuật toán AI trong dự báo chi phí xây dựng, đặc biệt là thuật toán châu chấu (GOA) và các biến thể của nó. Các thuật toán này có khả năng tìm kiếm các giải pháp tối ưu trong không gian tìm kiếm rộng lớn, giúp giải quyết các bài toán phức tạp trong quản lý dự án xây dựng. Cần so sánh kết quả của luận văn với các nghiên cứu trước đây để chứng minh hiệu quả của phương pháp.

2.2. Phương pháp Học Dựa Trên Sự Đối Diện OBL và Lựa Chọn Giải Đấu TS

Nghiên cứu cũng sử dụng các phương pháp học dựa trên sự đối diện (OBL) và lựa chọn giải đấu (TS) để cải thiện hiệu suất của các thuật toán AI trong lập kế hoạch tiến độ xây dựng. Phương pháp OBL giúp tăng cường khả năng khám phá không gian tìm kiếm, trong khi phương pháp TS giúp lựa chọn các giải pháp tốt nhất trong mỗi thế hệ. Nhờ đó, các thuật toán AI có thể hội tụ nhanh hơn và tìm ra các giải pháp tối ưu hơn.

2.3 Mô hình thông tin công trình BIM và AI

Sự kết hợp giữa Mô hình thông tin công trình (BIM) và AI mang lại lợi ích to lớn trong việc quản lý dự án. BIM cung cấp dữ liệu chi tiết và chính xác về công trình, tạo nền tảng cho AI phân tích và đưa ra quyết định tối ưu. Ví dụ: AI có thể sử dụng dữ liệu BIM để dự đoán chi phí, tiến độ, và rủi ro tiềm ẩn, từ đó giúp nhà quản lý dự án đưa ra các biện pháp phòng ngừa và ứng phó kịp thời.

III. Mô Hình Tối Ưu Mới eGOA và Trường Hợp Ứng Dụng Thực Tế

Luận văn này đề xuất một thuật toán tối ưu mới, được gọi là eGOA, dựa trên thuật toán châu chấu (GOA) và các phương pháp OBL và TS. Thuật toán eGOA được thiết kế để giải quyết bài toán TCTC một cách hiệu quả và nhanh chóng. Nghiên cứu này cũng trình bày các trường hợp ứng dụng thực tế để chứng minh hiệu quả của thuật toán eGOA trong việc giảm thiểu tác động môi trường trong xây dựng và tối ưu hóa chi phí dự án xây dựng.

3.1. Xây Dựng Thuật Toán Tối Ưu eGOA

Thuật toán eGOA kết hợp các ưu điểm của thuật toán GOA, phương pháp OBL và phương pháp TS để tạo ra một thuật toán mạnh mẽ và hiệu quả. Thuật toán này có khả năng tìm kiếm các giải pháp tối ưu trong không gian tìm kiếm phức tạp và hội tụ nhanh chóng đến các giải pháp tốt nhất. eGOA được kỳ vọng sẽ mang lại kết quả vượt trội so với các thuật toán tối ưu truyền thống.

3.2. Ứng Dụng eGOA trong Các Dự Án Thực Tế

Nghiên cứu này trình bày các trường hợp ứng dụng thực tế của thuật toán eGOA trong các dự án xây dựng khác nhau. Các kết quả cho thấy rằng thuật toán eGOA có khả năng tìm ra các giải pháp tối ưu, giúp giảm thiểu chi phí, rút ngắn tiến độ và giảm thiểu tác động môi trường của dự án. Phân tích dữ liệu dự án xây dựng cho thấy thuật toán eGOA hoạt động hiệu quả hơn các thuật toán khác.

IV. Phân Tích Chi Phí Vòng Đời LCA Kết Hợp Trí Tuệ Nhân Tạo

Để đánh giá đầy đủ tác động môi trường của các quyết định xây dựng, việc tích hợp phân tích chi phí vòng đời (LCA) với trí tuệ nhân tạo là rất quan trọng. AI và phân tích vòng đời công trình (LCA) cho phép tự động hóa quá trình thu thập và phân tích dữ liệu môi trường, từ đó cung cấp thông tin chính xác và kịp thời cho việc ra quyết định. Điều này giúp xác định các điểm nóng về môi trường và đề xuất các giải pháp giảm thiểu hiệu quả.

4.1. Thu thập và Phân tích Dữ liệu Môi trường bằng AI

AI có thể được sử dụng để thu thập dữ liệu về tiêu thụ năng lượng, sử dụng nước, và phát thải khí nhà kính trong suốt vòng đời của công trình. Các thuật toán học máy có thể phân tích dữ liệu này để xác định các yếu tố ảnh hưởng đến tác động môi trường và đề xuất các biện pháp cải thiện. Dữ liệu này có thể đến từ IoT trong xây dựng được thu thập.

4.2. Tối ưu hóa Thiết kế và Vật liệu Xây dựng dựa trên LCA và AI

AI có thể giúp các nhà thiết kế và kỹ sư lựa chọn vật liệu xây dựng và phương pháp thi công có tác động môi trường thấp nhất, đồng thời đảm bảo hiệu suất và độ bền của công trình. Điều này có thể được thực hiện bằng cách sử dụng các mô hình tối ưu hóa đa mục tiêu, kết hợp LCA và các tiêu chí kinh tế và kỹ thuật khác. Đồng thời phân tích chi phí môi trường trong xây dựng.

V. Kết Luận Triển Vọng và Hướng Nghiên Cứu Ứng Dụng AI

Luận văn này đã chứng minh tiềm năng của việc ứng dụng AI trong tối ưu chi phí và tiến độ dự án xây dựng có xét đến yếu tố môi trường. Các kết quả nghiên cứu cho thấy rằng thuật toán eGOA có khả năng tìm ra các giải pháp tối ưu, giúp giảm thiểu chi phí, rút ngắn tiến độ và giảm thiểu tác động môi trường của dự án. Tuy nhiên, vẫn còn nhiều thách thức và cơ hội để tiếp tục nghiên cứu và phát triển trong lĩnh vực này.

5.1. Tổng Kết Các Kết Quả Nghiên Cứu

Nghiên cứu này đã đóng góp vào việc phát triển các phương pháp quản lý xây dựng thông minh và bền vững. Thuật toán eGOA có thể được sử dụng như một công cụ ra quyết định hiệu quả cho các nhà quản lý dự án và nhà thầu, giúp họ lựa chọn các phương án tối ưu một cách có cơ sở, nhanh chóng và hiệu quả.

5.2. Hướng Nghiên Cứu và Phát Triển Trong Tương Lai

Trong tương lai, cần tiếp tục nghiên cứu và phát triển các thuật toán AI mạnh mẽ hơn và hiệu quả hơn để giải quyết các bài toán phức tạp trong quản lý dự án xây dựng. Ngoài ra, cần tăng cường tích hợp các công nghệ Big Data trong xây dựng, IoT trong xây dựng và Mô hình thông tin công trình (BIM) với các thuật toán AI để tạo ra các giải pháp toàn diện và hiệu quả hơn.

Nội dung chính

Tổng quan nghiên cứu

Ngành công nghiệp xây dựng hiện đóng góp khoảng 38% đến 40% tổng lượng phát thải khí nhà kính toàn cầu và tiêu thụ hơn 36% năng lượng thế giới. Tại các đô thị lớn ở Việt Nam, sự gia tăng nhanh chóng của các dự án nhà cao tầng và hạ tầng giao thông luôn đi kèm với áp lực quản lý khắt khe. Trong thực tế, tình trạng vượt tổng mức đầu tư từ 15% đến 25% và chậm tiến độ kéo dài từ 3 đến 12 tháng xảy ra ở hơn 60% dự án. Thách thức lớn nhất của các kỹ sư quản lý xây dựng hiện đại chính là việc giải quyết đồng thời ba mục tiêu có tính xung đột cao: rút ngắn thời gian thi công, giảm thiểu chi phí đầu tư và kiểm soát lượng khí phát thải nhà kính.

Luận văn thạc sĩ chuyên ngành Quản lý Xây dựng của học viên Võ Duy Phước tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh, thực hiện trong giai đoạn từ ngày 04/09/2023 đến ngày 18/12/2023, đã tập trung giải quyết bài toán phức tạp này. Nghiên cứu xác lập mô hình toán học tối ưu hóa đa mục tiêu chi phí - tiến độ có xét đến yếu tố môi trường (TCTC), đồng thời phát triển thuật toán trí tuệ nhân tạo cải tiến nhằm tìm ra phương án tối ưu toàn cục.

Không gian tìm kiếm giải pháp của bài toán quản lý thi công vô cùng rộng lớn, dao động từ 1,63 x 10^10 phương án khả thi ở các bài toán thực nghiệm mẫu và bùng nổ lên đến 2,07 x 10^26 phương án ở công trình thực tế quy mô lớn. Bằng việc ứng dụng trí tuệ nhân tạo, nghiên cứu mang lại ý nghĩa đột phá khi giúp các nhà quản lý dự án giảm từ 8% đến 14% chi phí trực tiếp, rút ngắn 12% đến 18% thời gian thi công và cắt giảm hơn 10% lượng carbon phát thải, tạo tiền đề vững chắc cho việc quản lý xây dựng bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng vững chắc của ba lý thuyết chuyên ngành: Lý thuyết Tối ưu hóa Đa mục tiêu (Multi-Objective Optimization - MOO), Lý thuyết Đánh đổi Chi phí - Tiến độ - Môi trường (Time-Cost-Carbon Tradeoff - TCTC) và Lý thuyết Trí tuệ Bầy đàn phỏng sinh học (Swarm Intelligence).

Mô hình nghiên cứu toán học tích hợp đồng thời ba hàm mục tiêu độc lập nhưng có quan hệ ràng buộc chặt chẽ:

1. Hàm mục tiêu tiến độ: Cực tiểu hóa tổng thời gian hoàn thành dự án dựa trên sơ đồ mạng lưới công tác có quan hệ logic linh hoạt.
2. Hàm mục tiêu kinh tế: Cực tiểu hóa tổng chi phí dự án, bao gồm chi phí trực tiếp từ nhân công, máy thi công, vật tư và chi phí gián tiếp phát sinh theo từng ngày thi công.
3. Hàm mục tiêu môi trường: Cực tiểu hóa tổng lượng phát thải khí carbon dioxide tương đương (tính bằng đơn vị kgCO2eq), định lượng từ quá trình vận hành thiết bị cơ giới tại công trường và dấu chân carbon của vật liệu xây dựng.

Các khái niệm học thuật cốt lõi được định nghĩa và vận dụng chuẩn xác gồm có: Tập nghiệm trội Pareto, Độ đo bao phủ C-metric đánh giá chất lượng phân bố nghiệm, Suất phát thải khí nhà kính trực tiếp - gián tiếp, và Mối quan hệ công tác gối đầu song song phản ánh chính xác thực tế hiện trường thay vì chỉ dùng quan hệ nối tiếp truyền thống.

Phương pháp nghiên cứu

Nguồn dữ liệu của luận văn được tổng hợp từ hệ thống định mức kinh tế kỹ thuật xây dựng hiện hành, kết hợp với chỉ số dấu chân carbon của hơn 20 loại vật tư chủ lực dựa trên chuẩn tham chiếu quốc tế POST 2006 và các nghiên cứu quản lý môi trường tin cậy.

Phương pháp phân tích trọng tâm là phát triển thuật toán trí tuệ nhân tạo lai ghép mới mang tên eGOA, kết hợp giữa Thuật toán Tối ưu hóa Bầy châu chấu (Grasshopper Optimisation Algorithm - GOA) với hai cơ chế tăng cường: Phương pháp học dựa trên sự đối diện (Opposition-Based Learning - OBL) để khởi tạo và mở rộng không gian tìm kiếm, cùng Cơ chế lựa chọn giải đấu (Tournament Selection - TS) nhằm nâng cao áp lực chọn lọc các cá thể vượt trội.

Về cỡ mẫu và phương pháp chọn mẫu, nghiên cứu sử dụng phương pháp chọn mẫu điển hình có chủ đích trên 2 bộ dữ liệu: Case study 1 gồm 18 công việc có không gian tìm kiếm 1,63 x 10^10 phương án để kiểm chứng độ chính xác thuật toán, và Case study 2 là một công trình nhà cao tầng thực tế với không gian nghiệm lên tới 2,07 x 10^26 phương án.

Lý do lựa chọn giải thuật eGOA xuất phát từ việc các phương pháp quy hoạch tuyến tính hoặc quy hoạch nguyên cổ điển hoàn toàn bất khả thi trước sự bùng nổ tổ hợp của không gian trên 10^26 nghiệm. Quá trình tính toán, mô phỏng và kiểm định hiệu năng thuật toán được thực hiện lặp lại qua 500 thế hệ trong suốt thời gian nghiên cứu từ tháng 09/2023 đến tháng 12/2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm trên các bộ dữ liệu phức tạp đã đem lại những phát hiện có giá trị khoa học và thực tiễn cao:

Thứ nhất, thuật toán eGOA thể hiện năng lực hội tụ vượt bậc. Tốc độ tìm kiếm nghiệm tối ưu của eGOA nhanh hơn 28,5% so với thuật toán GOA nguyên bản và vượt trội hoàn toàn so với các thuật toán đối chuẩn như Thuật toán Chuồn chuồn (Dragonfly Algorithm - DA), Thuật toán Kiến sư tử (Ant Lion Optimizer - ALO) và Thuật toán Khuẩn mốc (Slime Mould Algorithm - SMA) ngay từ vòng lặp thứ 120.

Thứ hai, trên phương diện tối ưu tiến độ và chi phí, mô hình eGOA đã rút ngắn tổng thời gian thi công dự án xuống 15,3% (tương đương rút ngắn 24 ngày làm việc trên đường găng) và tiết kiệm 9,6% tổng chi phí thi công so với phương án lập tiến độ thông thường chưa qua tối ưu hóa.

Thứ ba, về mặt kiểm soát môi trường, eGOA đã giảm thiểu thành công 14,2% tổng lượng phát thải CO2 tương đương trong suốt giai đoạn thi công. Mức cắt giảm này tương ứng với hơn 45 tấn CO2 trong bài toán thử nghiệm và hơn 320 tấn CO2 trong công trình thực tế, chủ yếu nhờ việc tối ưu hóa tỷ lệ ca máy và điều phối vật tư thông minh.

Thứ tư, khi đánh giá chất lượng tập nghiệm qua chỉ số độ bao phủ C-metric, thuật toán eGOA đạt tỷ lệ thống trị áp đảo từ 76,4% đến 88,2% khi so sánh trực tiếp với GOA gốc, DA và ALO trên cùng một điều kiện biên của Case study 2.

Thảo luận kết quả

Hiệu năng nổi bật của mô hình eGOA xuất phát từ việc tích hợp cơ chế học đối diện OBL, giúp các cá thể trong bầy đàn khám phá đồng thời cả vùng nghiệm hiện tại lẫn không gian đối diện, loại bỏ nguy cơ rơi vào bẫy cực trị cục bộ trong không gian 2,07 x 10^26 nghiệm. Đồng thời, kỹ thuật lựa chọn giải đấu TS duy trì sự đa dạng sinh học trong quần thể, giúp các giải pháp phân bố đều đặn dọc theo đường biên Pareto.

Khi so sánh với các nghiên cứu trước đây như mô hình tối ưu xã hội đa mục tiêu MOSGO năm 2021 hay giải thuật D-OBNSGA III năm 2023, thuật toán eGOA của luận văn đạt độ mở rộng biên nghiệm tốt hơn 18% và giảm thời gian xử lý dữ liệu tính toán khoảng 22%.

Trong quá trình phân tích và thảo luận kết quả, toàn bộ tập giải pháp được trực quan hóa sinh động qua biểu đồ mặt cong Pareto 3 chiều, trong đó trục hoành biểu diễn tiến độ, trục tung thể hiện chi phí và trục cao độ phản ánh phát thải carbon. Biểu đồ này kết hợp cùng bảng ma trận C-metric và tiến độ Gantt điều chỉnh giúp người ra quyết định nhìn thấy rõ ràng các điểm đánh đổi kinh tế - kỹ thuật trước khi phê duyệt phương án thi công.

Đề xuất và khuyến nghị

Để chuyển hóa kết quả nghiên cứu thành các giá trị thực tế cho ngành xây dựng Việt Nam, luận văn đưa ra 4 nhóm giải pháp và khuyến nghị chiến lược:

Thứ nhất, tích hợp trực tiếp thuật toán eGOA vào các nền tảng phần mềm quản lý dự án hiện đại như Primavera P6, Microsoft Project và môi trường mô hình thông tin công trình BIM 5D. Mục tiêu đặt ra là cắt giảm 35% thời gian lập kế hoạch dự thầu, thực hiện trong lộ trình 6 tháng bởi Ban Giám đốc và Phòng Quản lý Kỹ thuật của các doanh nghiệp tổng thầu.

Thứ hai, chuẩn hóa và xây dựng cơ sở dữ liệu định mức phát thải carbon quốc gia cho 100% danh mục vật liệu xây dựng và định mức ca máy thông dụng. Nhiệm vụ này cần được hoàn thành trong vòng 12 tháng, do Viện Kinh tế Xây dựng chủ trì phối hợp với các cơ quan chuyên trách thuộc Bộ Xây dựng.

Thứ ba, áp dụng điều khoản khuyến khích tài chính xanh trong hợp đồng xây dựng, quy định mức thưởng tương đương 2% giá trị gói thầu cho nhà thầu nếu cắt giảm thành công từ 8% đến 10% lượng phát thải carbon công trường mà vẫn đảm bảo tiến độ. Đề xuất này cần được các Chủ đầu tư dự án công và tư nhân thí điểm ngay trong 3 tháng tới.

Thứ tư, tổ chức các khóa đào tạo chuyên sâu về ứng dụng trí tuệ nhân tạo và tối ưu hóa giải thuật meta-heuristic trong quản lý thi công cho ít nhất 75% đội ngũ kỹ sư trưởng và chỉ huy trưởng công trường, hoàn thành trong khung thời gian 9 tháng do các trường đại học kỹ thuật và hiệp hội nhà thầu phối hợp triển khai.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng trọng tâm sau:

1. Chủ đầu tư và Ban Quản lý Dự án: Cung cấp công cụ khoa học chính xác để thẩm định hồ sơ mời thầu, cân đối dòng tiền và thiết lập lộ trình xây dựng xanh đáp ứng các chứng chỉ quốc tế như LEED hoặc LOTUS với mức tiết kiệm từ 8% đến 12% tổng chi phí đầu tư.

2. Doanh nghiệp Tổng thầu và Chỉ huy trưởng Công trường: Đem lại giải pháp lập tiến độ Gantt tự động, tối ưu hóa sự phối hợp của hơn 50 tổ đội nhân công máy móc, hạn chế tối đa nguy cơ phạt hợp đồng do trễ hạn và nâng cao năng lực cạnh tranh khi đấu thầu quốc tế.

3. Nhà khoa học, Giảng viên và Nghiên cứu sinh ngành Quản lý Xây dựng và Khoa học Dữ liệu: Cung cấp tài liệu tham khảo chuyên sâu về cấu trúc thuật toán lai eGOA cùng mã nguồn toán học rõ ràng, tạo cơ sở mở rộng nghiên cứu sang bài toán tối ưu 6D BIM và quản lý chuỗi cung ứng vật liệu carbon thấp.

4. Học viên cao học và Sinh viên ngành Kỹ thuật Công trình: Là tài liệu học thuật mẫu mực giúp người học nắm vững kỹ năng mô hình hóa bài toán đa mục tiêu, phương pháp xử lý dữ liệu phức tạp trên 10^26 biến thể và phương pháp luận nghiên cứu khoa học chuẩn mực.

Câu hỏi thường gặp

Thuật toán eGOA có điểm gì đột phá so với thuật toán GOA truyền thống? Thuật toán eGOA tích hợp hai cơ chế tiên tiến là học đối diện OBL và chọn lọc giải đấu TS. Sự kết hợp này giúp bầy cá thể tăng tốc độ hội tụ nhanh hơn 28,5%, mở rộng không gian tìm kiếm và tránh được tình trạng mắc kẹt tại các nghiệm cực trị địa phương trong suốt 500 vòng lặp mô phỏng.

Việc đưa mục tiêu cắt giảm phát thải CO2 vào bài toán có làm tăng chi phí thi công hay không? Thực nghiệm trong luận văn chứng minh rằng việc xem xét yếu tố phát thải không làm gia tăng chi phí mà ngược lại giúp tối ưu hóa tổng chi phí dự án giảm 9,6%, đồng thời giảm 14,2% lượng khí CO2 nhờ hạn chế thời gian chạy không tải của máy móc và chọn vật liệu tối ưu.

Luận văn xử lý quan hệ giữa các công tác trong tiến độ dự án như thế nào để sát với thực tế? Khác với các nghiên cứu trước chỉ sử dụng quan hệ nối tiếp thuần túy, luận văn áp dụng quan hệ công tác gối đầu song song. Cách tiếp cận này phản ánh đúng thực tế công trường như thi công xây tường và hoàn thiện sơn nước đồng thời, giúp rút ngắn 15,3% thời gian thực hiện của 18 công tác.

Ý nghĩa của không gian nghiệm lên tới 2,07 x 10^26 phương án trong Case study 2 là gì? Quy mô nghiệm 2,07 x 10^26 thể hiện độ phức tạp khổng lồ của công trình thực tế. Con số này khẳng định các phương pháp tính toán thủ công hoặc quy hoạch toán học cổ điển hoàn toàn bất khả thi, chứng minh tính ưu việt bắt buộc phải có của thuật toán trí tuệ nhân tạo eGOA.

Mô hình eGOA có thể ứng dụng cho các dự án xây dựng hạ tầng giao thông hoặc công trình ngầm không? Mô hình toán học của eGOA hoàn toàn có thể áp dụng linh hoạt cho hạ tầng giao thông, hầm metro hay cầu đường. Người quản lý chỉ cần cập nhật lại định mức ca máy, hệ số phát thải và quan hệ logic của các gói thầu hạ tầng để đạt hiệu quả tối ưu từ 10% đến 15%.

Kết luận

• Hoàn thiện trọn vẹn mô hình toán học tối ưu hóa đa mục tiêu Thời gian - Chi phí - Khí thải CO2 (TCTC), tạo bước đột phá trong quản lý xây dựng bền vững. • Phát triển thành công thuật toán trí tuệ nhân tạo cải tiến eGOA, chinh phục xuất sắc không gian tìm kiếm khổng lồ lên tới 2,07 x 10^26 phương án. • Đạt hiệu quả vượt bậc trên công trình thực tế: rút ngắn 15,3% tiến độ, tiết kiệm 9,6% tổng chi phí và cắt giảm 14,2% phát thải khí nhà kính. • Đạt tỷ lệ bao phủ biên Pareto C-metric áp đảo từ 76,4% đến 88,2% so với các thuật toán đối chuẩn hàng đầu hiện nay. • Định hình khung phương pháp luận vững chắc cho quá trình chuyển đổi số và phát triển công trình xanh trong giai đoạn 2024–2030.

Lộ trình tiếp theo bao gồm việc triển khai tích hợp mô hình eGOA lên nền tảng đám mây trong vòng 6 tháng tới và kết nối dữ liệu thời gian thực từ cảm biến hiện trường trong 12 tháng tiếp theo. Hãy tham khảo và ứng dụng ngay giải pháp trí tuệ nhân tạo này để nâng tầm hiệu quả quản lý, tối ưu chi phí và bảo vệ môi trường cho mọi công trình xây dựng hiện đại!

Trích đoạn nội dung tài liệu

CHƯƠNG 1: GIỚI THIỆU 1.1 Lý do chọn đề tài Hình 1. Sự phức tạp của một dự án xây dựng Ngành xây dựng là một trong những ngành công nghiệp quan trọng nhất trên toàn cầu. Tuy nhiên, nó cũng đối mặt với nhiều thách thức do tính chất đặc thù của mình. Mỗi dự án xây dựng là duy nhất, có giá trị lớn, quy mô phức tạp và không thể thay đổi một cách dễ dàng (Hình 1.

Trong quá trình xây dựng, thường xảy ra xung đột giữa các bên liên quan. Tiến độ, chi phí và chất lượng là một trong những ràng buộc quan trọng đối với các dự án xây dựng. Do đó, không chỉ chất lượng mà cả yếu tố thời gian và chi phí đều đóng vai trò quan trọng trong việc đạt được hiệu quả cho một dự án xây dựng (Hình 1. Tối ưu chi phí và tiến độ (TCT) là một trong những nhiệm vụ quan trọng và đầy thách thức trong quá trình quản lý dự án xây dựng.

Các nhà quản lý dự án thường gặp khó khăn khi tìm kiếm sự kết hợp hiệu quả giữa tiến 2 độ và chi phí nhằm hoàn thành dự án theo thời gian mong muốn với chi phí tối thiểu [1]. Yếu tố trong quản lý xây dựng Khi tối ưu hóa chi phí trong dự án xây dựng, có thể tiết kiệm nguyên vật liệu và nhân lực, giảm chi phí vận hành và bảo trì sau khi hoàn thành. Điều này không chỉ giúp tối ưu hóa sự sử dụng nguồn lực mà còn tránh lãng phí. Đồng thời, tối ưu hóa tiến độ đảm bảo rằng dự án hoàn thành đúng thời hạn.

Tuân thủ tiến độ giúp giảm thiểu rủi ro, tránh chậm trễ và phạt hợp đồng, tạo niềm tin cho các bên liên quan. Khi hoàn thành dự án đúng hạn còn tạo thuận lợi cho khởi động hoạt động kinh doanh, mở ra cơ hội tiếp cận thị trường và tạo thu nhập sớm cho nhà đầu tư. Tóm lại, TCT trong quản lý xây dựng mang lại nhiều lợi ích cho công ty xây dựng, từ tiết kiệm tài nguyên đến đảm bảo đúng tiến độ và tạo cơ hội kinh doanh [2]. Ngành xây dựng góp phần gây ra nhiều vấn đề môi trường liên quan đến hoạt động xây dựng và vận hành công trình [3, 4].

Những quá trình này đóng vai trò chủ yếu trong ô nhiễm môi trường ngoài trời và thải ra khí nhà kính (Hình 1. Trong đó, quá trình sản xuất vật liệu xây dựng tạo ra lượng khí carbon dioxide (CO2) cao nhất. Đối với hầu hết các dự án xây dựng, thành công được đo lường dựa trên các yếu tố quan trọng như thời gian, chi phí và chất lượng. Tuy nhiên, việc quan tâm đến các vấn đề liên quan đến môi trường hiếm khi được nhà quản lý dự án chú ý.

Hiện nay, có rất ít nghiên cứu xoay quanh việc TCT có xem xét các vấn đề liên quan đến môi trường. Một số nghiên cứu đã phát triển mô hình để đánh đổi giữa chi phí xây dựng và khí thải carbon dioxide bằng cách sử dụng các phương pháp tối ưu hóa đa mục tiêu dựa trên thuật toán tổ hợp [5]. 3 Hầu hết các nghiên cứu trước đây chỉ sử dụng một loại quan hệ cơ bản là "Finish to start" (FS), trong đó một hoạt động chỉ có thể bắt đầu sau khi các hoạt động trước đó đã hoàn thành. Tuy nhiên, giả định hạn chế này không phù hợp với thực tế của các dự án.

Trong thực tế, các nhà quản lý dự án thường tối ưu hóa thời gian dự án bằng cách lập lịch các hoạt động đồng thời trong sơ đồ mạng [6, 7]. Chẳng hạn, trong các dự án xây dựng tòa nhà cao tầng, việc xây tường và sơn nước có thể được thực hiện song song với nhau, thay vì tuân thủ sắp xếp tuần tự một cách logic cho từng hoạt động. Phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo quốc gia/khu vực (Triệu tấn) năm 2009 [8] Vấn đề TCT đã được nghiên cứu rộng rãi và thu hút sự quan tâm đáng kể trong lĩnh vực quản lý xây dựng trong hơn năm thập kỷ qua. Ban đầu, Kelley Jr and Walker [9] đã đề xuất các phương pháp giải quyết vấn TCT bằng lập trình tuyến tính tham số.

Các kỹ thuật được phân loại thành hai nhóm chính: phương pháp lập trình toán học và phương pháp heuristic [10]. Phương pháp lập trình toán học sử dụng quy hoạch nguyên hỗn hợp để giải quyết vấn đề TCT, có khả năng tìm ra các giải pháp tối ưu hoặc liệt kê tất cả các giải pháp để tìm kiếm giải pháp tối ưu. Mặc dù phương pháp 4 lập trình toán học thường tìm ra giải pháp tối ưu, nhưng chúng đòi hỏi chi phí tính toán cao [11]. Trong khi đó, phương pháp heuristic được biết đến là các giải pháp gần đúng cho vấn đề, sử dụng quy tắc kinh nghiệm thay vì chứng minh toán học để giảm công sức tính toán [12, 13].

Tuy nhiên, các phương pháp này chỉ mang lại giải pháp gần tối ưu mà không đảm bảo tìm được giải pháp tối ưu [14]. Mặc dù phương pháp lập trình toán học có thể tìm ra phương án tối ưu, nhưng nó đòi hỏi chi phí tính toán cao. Đặc biệt, đối với bài toán tối ưu chi phí tiến độ xét đến yếu tố môi trường – TCTC (bao gồm ba tiêu chí tương quan), bài toán này có độ phức tạp cao với một số công việc lớn, với số lượng phương án khả thi là 1.63 x 1010 cho Case study 1 và 2.07 x 1026 cho công trình thực tế (Case study 2), việc sử dụng phương pháp lập trình toán học là không khả quan. Vấn đề này đã thúc đẩy nghiên cứu khả năng của các thuật toán tối ưu dựa trên trí tuệ nhân tạo, nhằm đạt được tính toán hiệu quả và nhanh chóng cho bài toán TCTC.

Tuy nhiên, các phương pháp này chỉ mang lại giải pháp gần tối ưu mà không đảm bảo tìm được giải pháp tối ưu. Do đó, để chứng minh hiệu quả của phương pháp mà học viên đề xuất, kết quả của luận văn sẽ được so sánh với các nghiên cứu trước đây. Cường độ phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo quốc gia/khu vực (Kilotons/Triệu USD) năm 2009 [8] 5 Sau khi đánh giá được hiệu quả của việc áp dụng thuật toán tối ưu dựa trên trí tuệ nhân tạo để giải quyết bài toán TCTC, học viên hy vọng sẽ cung cấp cho các nhà quản lý dự án và nhà thầu một công cụ có khả năng lựa chọn các phương án tối ưu một cách có cơ sở, nhanh chóng và hiệu quả. Với tầm quan trọng ngày càng gia tăng của việc TCT trong lĩnh vực xây dựng, cùng với sự quan tâm ngày càng lớn đến yếu tố môi trường trong quá trình xây dựng, các hạn chế của các phương pháp tối ưu truyền thống cũng như tiềm năng của các thuật toán dựa trên trí tuệ nhân tạo đã thúc đẩy học viên thực hiện đề tài này.

Điều này nhằm mục đích tìm ra các phương án tối ưu, không chỉ từ quan điểm kinh tế mà còn từ quan điểm môi trường, để đảm bảo sự phát triển bền vững và giảm thiểu tác động tiêu cực đến môi trường từ các hoạt động xây dựng. Nhờ sự tiến bộ trong lĩnh vực này, học viên hy vọng có thể đạt được sự cân bằng giữa các yếu tố kinh tế, xã hội và môi trường trong các dự án xây dựng, góp phần thúc đẩy sự phát triển bền vững trong ngành công nghiệp xây dựng.2 Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: + Dự án xây dựng: Nghiên cứu tập trung vào các dự án xây dựng trong lĩnh vực công nghiệp xây dựng. + Chi phí xây dựng: Đối tượng nghiên cứu bao gồm các yếu tố liên quan đến chi phí trong quá trình xây dựng dự án, bao gồm kinh phí vật liệu, lao động, thiết bị, vận chuyển và quản lý chi phí tổng thể. + Tiến độ xây dựng: Đối tượng nghiên cứu cũng bao gồm các yếu tố liên quan đến tiến độ của dự án, như thời gian hoàn thành các công việc, lịch trình thi công, và quản lý tiến độ để đảm bảo dự án được hoàn thành đúng hạn.

+ Yếu tố môi trường: Nghiên cứu đặt sự chú trọng đến yếu tố môi trường trong quá trình tối ưu hóa, đặt biệt nhấn mạnh việc giảm thiểu khí thải CO2. Phạm vi nghiên cứu: 6 + Phương pháp tối ưu hóa: Nghiên cứu sẽ tập trung vào việc phát triển các phương pháp trí tuệ nhân tạo giải quyết bài toán TCTC trong quá trình xây dựng. + Các yếu tố tối ưu: Nghiên cứu xem xét các yếu tố liên quan đến chi phí, tiến độ và xem xét đến yếu tố môi trường trong quá trình xây dựng cũng như các thuật toán tối ưu dựa trên trí tuệ nhân tạo.3 Phương pháp nghiên cứu Để đạt được mục tiêu nghiên cứu của đề tài "Ứng dụng trí tuệ nhân tạo trong tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố môi trường", học viên sẽ sử dụng phương pháp nghiên cứu sau: 1. Tìm hiểu bài toán TCTC: Học viên sẽ tiến hành tìm hiểu về phương pháp tối ưu hóa chi phí, tiến độ có xem xét đến yếu tố môi trường lĩnh vực quản lý xây dựng.

Điều này đảm bảo học viên có kiến thức sâu rộng về lĩnh vực nghiên cứu và cơ sở để tiến hành các phân tích sau này. Tìm hiểu về trí tuệ nhân tạo trong quản lý xây dựng: Học viên sẽ tiến hành một đánh giá tổng quan về trí tuệ nhân tạo và ứng dụng của nó trong lĩnh vực quản lý xây dựng. Qua đó, học viên sẽ tìm hiểu các phương pháp, công nghệ và công cụ trí tuệ nhân tạo phù hợp để áp dụng trong đề tài. Phát triển giải thuật tối ưu hóa: Học viên sẽ phát triển các giải thuật trí tuệ nhân tạo nhằm giải quyết bài toán TCTC.

Đánh giá và kiểm tra mô hình: Học viên sẽ thực hiện các thử nghiệm và kiểm tra hiệu quả của mô hình với các nghiên cứu trước. Qua đó, học viên sẽ đánh giá hiệu suất và độ chính xác của mô hình, cũng như sự đóng góp của mô hình trong quản lý xây dựng. Phân tích kết quả và đưa ra đề xuất: Học viên sẽ phân tích kết quả thu được từ các thử nghiệm và đánh giá, đồng thời đưa ra những đề xuất và khuyến nghị để cải thiện quá trình giải quyết bài toán TCTC dựa trên thuật toán trí tuệ nhân tạo. 7 Phương pháp nghiên cứu này kết hợp giữa lý thuyết và thực tiễn, sử dụng các công cụ trí tuệ nhân tạo để giải quyết bài toán TCTC trong quản lý xây dựng.