پروژه های ساختمانی سهم قابل توجهی از انتشار کربن جهانی را به اشتراک می گذارند، که تقریبا ۴۰ درصد از انتشار گازهای گلخانه ای مرتبط با انرژی و بخش قابل توجهی از کربن تجسم شده از مواد و فرآیندها را تشکیل می دهد، زیرا مقررات آب و هوایی سخت تر و ذینفعان خواستار شیوه های سبزتر هستند، صنعت باید راه هایی برای کاهش اثرات زیست محیطی آن بدون قربانی کردن هزینه یا برنامه پیدا کند.

چالش کربن در ساخت و ساز

ساختمان ها و زیرساخت ها در کل چرخه عمر خود تولید می کنند – از استخراج مواد خام و تولید تا ساخت، عملیات، تخریب و دفع کربن، که شامل انتشار گازهای گلخانه ای از تولید بتن، فولاد، آلومینیوم و سایر مواد، حساب تقریبا 10 تا 20 درصد از انتشار کربن جهانی، ساقه از گرمایش، خنک کننده، نورپردازی و تجهیزات، حتی به خودی ماشین آلات حمل و نقل بزرگ تر، و همچنین تولید می کند.

چارچوب های تنظیم کننده مانند توافقنامه پاریس و اهداف خالص ملی صفر شرکت های ساختمانی را برای اندازه گیری و کاهش ردپای کربن خود به طور همزمان، مشتریان به طور فزاینده ای نیاز به گزارش پایداری و گواهینامه های سبز مانند LEED، BREEAM یا Envision دارند.این فشار دوگانه آن را ضروری می کند تا تکنیک های بهینه سازی را که می تواند اهداف متعدد -، زمان هزینه، کیفیت و کربن - به طور ساده اداره کند.

بهینه سازی چند ویژگی (MOO) چیست؟

بهینه سازی چند منظوره شاخه ای از بهینه سازی ریاضی است که با مشکلاتی که شامل بیش از یک تابع عینی است که به طور همزمان به حداقل یا به حداکثر می رسد، در ساخت و ساز، این اهداف اغلب متناقض هستند: کاهش انتشار کربن ممکن است هزینه های مواد را افزایش دهد یا کوتاه کردن مدت زمان پروژه ممکن است هزینه های کار را افزایش دهد. ابزار MOO کمک می کند تا مجموعه ای از راه حل های تجارت-off را پیدا کند، به عنوان جبهه Pareto شناخته می شود، جایی که هیچ هدف بهبود نمی تواند بدون بدتر شدن دیگر بهبود یابد.

مفاهیم اصلی در MOO

مفاهیم کلیدی شامل:

  • - یک راه حل بر دیگری تسلط دارد اگر حداقل در همه اهداف خوب باشد و در حداقل یک مورد به شدت بهتر باشد.
  • [[۱] [۱۰] [۱۰] [۱۰] [۱]] [۱]] [۱]]] [۱] [۱]] [۱۰] [۱]] [۱]] [۱]] [۱۰] [۱]] [۱]] [۱۰] [۱]] [۱] [۱]] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]]] [۱] [۱]]] [۱] [۱] [۱] [۱]]]]]]]] [۱]]]] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]]]] [۱۰] [۱۰] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱۰] [۱] [۱] [۱]]]] [۱۰] [۱] [۱۰] [۱۰] [
  • فضای تصمیم - محدوده ارزش های احتمالی برای هر متغیر (به عنوان مثال، انتخاب مواد، ابعاد طراحی، گزینه های برنامه).
  • فضای صفت - ارزش های حاصل برای هر هدف (به عنوان مثال، هزینه، انتشار کربن، مدت زمان).

الگوریتم هایی مانند NSGA-II، MOEA / D و تکنیک های بدون مشتق معمولا برای تولید جبهه Pareto استفاده می شوند. سازنده تصمیم گیری سپس یک راه حل ترجیحی را بر اساس اولویت های پروژه یا ترجیحات سهامداران انتخاب می کند.

استراتژی های کاهش کربن فوت از طریق MOO

استفاده از MOO در پروژه های ساختمانی شامل ادغام استراتژی های کاهش کربن به عنوان اهداف صریح در کنار معیارهای سنتی مانند هزینه و زمان است.در زیر مناطق کلیدی که MOO نتایج پایدار را هدایت می کند.

انتخاب مواد و ارزیابی چرخه زندگی

انتخاب های مواد تاثیر عمیقی بر کربن تجسم شده و عملیاتی دارند.OO می تواند ترکیبات جایگزین های کم کربن را ارزیابی کند - مانند فولاد بازیافت شده، بتن ژئوپلیپلی، چوب مهندسی شده، بامبو یا رسوب کن - در برابر هزینه، دسترسی و عملکرد ساختاری آنها.

به عنوان مثال، یک مطالعه منتشر شده در ] تولید پاک کننده [ نشان داد که انتخاب مواد مبتنی بر MOO برای یک ساختمان تجاری کاهش کربن تجسم یافته توسط 23٪ در حالی که افزایش کل هزینه ساخت و ساز تنها 4٪.این معاملات در جلو Pareto تجسم شده است، و تیم های پروژه را قادر می سازد تا راه حل را انتخاب کنند که با بودجه های کربن و محدودیت های مالی مطابقت دارد.

بهینه سازی طراحی برای انرژی و کربن Embodied

شکل ساختمان، جهت گیری، نسبت پنجره به دیوار، ضخامت عایق و دستگاه های سایه دار همه بر استفاده از انرژی عملیاتی و کربن تجسم شده تأثیر می گذارند. MOO می تواند به طور همزمان بارهای گرمایش و خنک کننده، مقادیر مواد و هزینه های ساخت و ساز را به حداقل برساند.

  • [[۱] [۱۰] [۱۰] [۱۰] [۱]] [۱۰]] [۱]] [۱۰] [۱]]) - بهینه سازی چرخش ساختمان نسبت به مسیرهای خورشیدی.
  • [[۱] [۱۰] [۱۰] [۱]] - انتخاب نوع شیشه، ضخامت عایق و توده حرارتی.
  • سیستم ساختاری - مقایسه بتن تقویت شده، فریم های فولادی، چوب، و یا سیستم های هیبریدی.
  • [[۱] [۱۰] [۱۰] [۱۰] [۱]] [۱]]] - تعادل بهره وری مواد با ایمنی ساختاری.

مدل سازی اطلاعات ساختمان (BIM) همراه با MOO اجازه می دهد تا اکتشاف طراحی پارامتریک را انجام دهد.یک مدل پارامتریک می تواند هزاران نوع طراحی را به الگوریتم بهینه سازی تغذیه کند که سپس جبهه Pareto را تولید می کند.این رویکرد رد پای کربن ساختمان های جدید را تا 20 تا 40 درصد در مقایسه با طراحی معمولی، با توجه به تحقیقات از گزارش های علمی طبیعت [FLT: 1 ]

روش های ساخت و ساز و کاهش زباله

فعالیت های ساختمانی در محل تولید گازهای گلخانه ای مستقیم از تجهیزات، زباله های مواد و کارهای موقت.MOO می تواند روش های ساخت و ساز را شناسایی کند که هم CO2 و هم هزینه ها را به حداقل می رساند.تخصوصی و ساخت و ساز مدولار، به عنوان متغیرهای تصمیم گیری، کاهش ضایعات مواد، و انتشار گازهای گلخانه ای پایین تر را در هنگام بارگیری کارخانه بهینه سازی می کند.

بهینه سازی چند منظوره می تواند وظایف را برنامه ریزی کرده و منابع را برای به حداقل رساندن مصرف پروژه و سوخت ماشین آلات سنگین اختصاص دهد. مطالعه موردی بر روی یک پروژه ساخت پل گزارش کاهش 12٪ در انتشار گازهای گلخانه ای و 8٪ صرفه جویی هزینه پس از استفاده از MOO به انتخاب تجهیزات و توالی کار.

برنامه ریزی لجستیک و حمل و نقل

حمل و نقل مواد به سایت تا 10٪ از ردپای کربن پروژه ساخت و ساز را تشکیل می دهد. MOO می تواند تصمیم های زنجیره تامین را با به حداقل رساندن فاصله سفر، بارهای خودرو و زمان بیکار در هنگام ملاقات برنامه های تدارکات بهینه سازی شامل انتخاب تامین کننده، نقاط تثبیت، فرکانس تحویل و حالت حمل و نقل (اک، راه آهن، نوار).

یکپارچه سازی داده های ترافیک و مدل های مصرف سوخت در چارچوب بهینه سازی، دقت بیشتری را افزایش می دهد. Tools مانند بهینه سازی مسیر با الگوریتم های MOO نشان داده شده است که انتشار گازهای مرتبط با تدارکات را 15 تا 25 درصد کاهش داده و یا هزینه ها را کاهش می دهد، همانطور که توسط Journal of Production [F:1] ثبت شده است.

مزایای قابل اطمینان برای استفاده از MOO

شرکت های ساختمانی که بهینه سازی چند منظوره را اتخاذ می کنند، مزایای قابل اندازه گیری را گزارش می دهند:

  • کاهش انتشار کربن - پروژه های معمولی به کاهش 15 تا 30٪ در کل انتشار چرخه عمر دست می یابند.
  • صرفه جویی در هزینه - بهینه سازی مواد و مصرف انرژی اغلب منجر به صرفه جویی در هزینه خالص هزینه در طول عمر پروژه (معمولا 5 تا 10 درصد از کل هزینه پروژه).
  • انطباق اصلاحی [FLT 1] - شناسایی اولیه از معاملات کمک می کند تا بودجه کربن و مقررات زیست محیطی بدون هزینه کار مجدد.
  • رضایت سهامداران - تصمیم گیری شفاف پشتیبانی شده توسط معاملات کمی اعتماد را با مشتریان، سرمایه گذاران و تنظیم کنندگان بهبود می بخشد.
  • مزیت رقابتی - شرکت هایی با عملکرد ثابت پایداری برنده قراردادهای سبز سازی بیشتر و جذب سرمایه متمرکز ESG.

چالش ها و محدودیت ها

علی رغم وعده های آن، استقرار MOO در پروژه های ساخت و ساز واقعی با چالش های مختلفی مواجه است:

  • ] دسترسی به داده ها و کیفیت - MOO نیاز به داده های قابل اعتماد در مورد انتشار مواد، مصرف سوخت تجهیزات و نرخ هزینه. بسیاری از پروژه ها فاقد داده های LCA دانه و یا استفاده از پایگاه های داده عمومی است.
  • پیچیدگی محاسباتی - مشکلات بزرگ در مقیاس با بسیاری از متغیرها و اهداف می تواند به طور محاسباتی فشرده، به ویژه هنگامی که با شبیه سازی های با قدرت بالا (به عنوان مثال، مدل سازی انرژی) یکپارچه شده است.
  • شکاف را اندازه گیری می کند - استفاده از ابزارهای MOO به طور موثر نیاز به دانش از هر دو الگوریتم بهینه سازی و فرآیندهای ساخت و ساز خاص دامنه، ترکیبی که هنوز هم نادر در صنعت است.
  • محیط زیست معنایی (FLT:1) - سایت های ساختمانی در معرض شرایط در حال تغییر (هوا، تاخیر عرضه، کمبود نیروی کار) هستند که به سختی در یک مدل بهینه سازی استاتیک ثبت می شوند.
  • تراز سهامداران مختلف ممکن است دارای ارزش های متناقض (به عنوان مثال هزینه در مقابل کربن) باشد، و موافقت با یک راه حل واحد از جبهه Pareto بدون فرایندهای تصمیم گیری ساختاری دشوار است.

مسیرهای آینده: AI، Twins دیجیتال و بهینه سازی زمان واقعی

فن آوری های نوظهور به بسیاری از این چالش ها اشاره می کنند. ادغام ] هوش مصنوعی (AI) با MOO می تواند سرعت جستجو برای راه حل های بهینه سازی Pareto را، به ویژه برای مشکلات پیچیده، مدل های یادگیری ماشین می تواند انتشار و هزینه های داده های تاریخی را پیش بینی کند، کاهش نیاز به شبیه سازی کامل.

دوقلوهای دیجیتال - شبیه سازی های مجازیودینامیک پروژه های ساخت فیزیکی - اجازه می دهد داده های مداوم از سنسورها در تجهیزات، مواد و محیط زیست جریان می یابد، هنگامی که همراه با M:3OO، یک دوقلو دیجیتال می تواند تصمیم گیری در نزدیک به زمان واقعی به عنوان تغییر شرایط بهینه سازی کند، به عنوان مثال، اگر تحویل بتن تاخیر باشد، سیستم باقی مانده می تواند برنامه های توسعه پایدار را تنظیم کند و یا به حداقل رساندن مجازات های توسعه کربن.

تجهیزات ساخت و ساز فعال همچنین داده های مصرف سوخت دانه را فراهم می کند که می تواند به مدل های بهینه سازی تغذیه کند، زیرا زیرساخت داده ها بهبود می یابد، سیستم عامل های مبتنی بر ابر MOO تیم های پروژه را قادر می سازد تا بدون نیاز به تخصص محاسباتی پیچیده دسترسی پیدا کنند.

نتیجه گیری

بهینه سازی چند منظوره یک چارچوب قوی برای پروژه های ساختمانی با هدف کاهش ردپای کربن خود در هنگام مدیریت هزینه، زمان و کیفیت ارائه می دهد.با بررسی سیستماتیک تجارت بین اهداف متناقض، تیم های پروژه می توانند استراتژی های عملی، بالا و تاثیر گذار برای انتخاب مواد، طراحی، روش های ساخت و ساز و تدارکات را شناسایی کنند.

صنعت ساخت و ساز نمی تواند بحران کربن را نادیده بگیرد و به کارگیری بهینه سازی چند منظوره نه تنها یک ضرورت زیست محیطی بلکه یک تمایز رقابتی است.همانطور که شرکت های بیشتری پرونده کسب و کار را ثابت می کنند - از طریق هزینه های پایین تر، انطباق قانونی و شهرت پیشرفته -MO احتمالا به یک ابزار استاندارد در جعبه ابزار ساخت و ساز پایدار تبدیل خواهد شد.