הבנת תכנות Integer בבנייה שדרלינג

ניהול פרויקטים בנייה הוא פעולה איזון גבוהה של מנהלים בפרויקט חייב לתאם עשרות חתיכות של ציוד - קרנים, מחפרים, בולדוזרים - וכוח עבודה מיומן על פני משימות קבועות מרובות, כל זאת תוך שהייה בתוך תקציב ומפגש עם מועדי לוח זמנים מסורתיים כמו קידוד גנט או שיטה קריטית (CPM) לעתים קרובות קצר כאשר הם מתמודדים עם דיסקרטי, בלתי-סביר, כאשר הוא מספק פתרונות מתמטיים (T) ו-Tericert) הוא מספק פתרון מתמטיים (Terable).

תכנות Integer הוא ענף של אופטימיזציה מתמטית המשתרעת על ידי דרישה של כמה או כל משתנה החלטות לקחת על ערכים integer. in בנייה, אתה לא יכול לפרוס חצי ערן או להקצות 0.7 של מנדר - מקורות באים ביחידות שלמות. IP מודלים באופן טבעי המציאות הזאת. על ידי תרגום מגבלות הפרויקט ומטרות לתוך מערכת של משוואות ליניאריות והגבלות IP, לוח הזמנים האופטימלי מוצא עלויות, או בזבוז זמן.

מאמר זה בוחן כיצד IP יכול לשנות את הדרך שבה חברות בנייה להקצות ציוד ועבודה, נע מתזמון תגובתי לתכנון פרואקטיבי, מונחה על ידי נתונים.אנחנו נכסה את רכיבי הליבה של מודל IP, IP ניגודיות עם טכניקות אופטימיזציה אחרות, לעבור דרך דוגמה מעשית, ולטפל באתגרים יישום בעולם האמיתי.עד הסוף, יהיה לך מדפסת כחולה ברורה ליישום IP לפרויקט הבא שלך.

למה Integer Programming Matters for Construction

פרויקטים של בנייה הם שילוב מטבעם של מספר הדרכים האפשריות להקצות 20 עובדים לחמש משימות מעבר לחלון של 30 יום הוא כללים אסטרונומיים של אגודל או תזמון ידני במהירות להיות תת-אופטימי, המוביל ציוד מבודד, עלויות זמן יתר, ועיכובים קלושים IP חיפושים פתרון עצום זה באופן שיטתי כדי לספק לוח זמנים אופטימלי או קרוב לאופטימי.

היתרונות הם קונקרטיים:

  • (ב) ,0) ,הפרויקט הכולל עלות הפרויקט 1FLT על ידי צמצום זמני שכירות ציוד ועבודה לאורך זמן.
  • (ב) ,0) פרויקט קצר יותר משך זמן FLT:1 באמצעות ניתוח נתיב קריטי חזק יותר של משאבים.
  • (ב) (ב) (ב) (ב) ,0) עדיף להשתמש ב-FLT:1 (ב) של ציוד יקר, מוגבל כגון ערניים המגדל או משאבות קונקרטיות.
  • (ב) ,0) שיתוף עם התחייבויות חוזיות מורכבות 1FLT:1 כמו מועדי דרך ויחסי בטיחות עובדים.

עבור צלילה עמוקה יותר לתוך היסודות המתמטיים של תכנות integer עבור לוח זמנים הפרויקט, כתב העת FLT:0INFORMS ResearchFLT:1 מציע מאמרים קלאסיים על לוח זמנים פרוייקט מאומן משאבים.

יסודות ליבה של מודל תכנות Integer עבור Scheduling

לכל מודל IP לתזמון בנייה יש שלושה אבני בניין חיוניות: משתנים החלטות, מגבלות ותפקוד אובייקטיבי.

החלטות משתנות

משתנים החלטות מייצגים את הבחירות שמנהל הפרויקט יכול לשלוט בהן ב- IP בנייה טיפוסי, כולל:

  • (ב) ,0) משתנה: ⁇ 1 (ב) אם משימה מתחילה ביום מסוים (1) או לא (0).
  • (ב) מספר יחידות הציוד (למשל 3 מקטעים) או עובדים (למשל 5 נגרים) שהוקצו למשימה.
  • (ב) (ב) ,0) משתנים מתקדמים (אם משתמשים בתכנות משולבת-בייטגר): שימוש במשאב פריצה כמו צריכת דלק או כמויות חומריות.

לדוגמה, נניח ל-xcioFLT:0 (i,tFeloLT:1) להיות 1 אם משימה אני מתחיל בזמן t, ycioFLT:2j,kcioFLT 3: להיות מספר העובדים של מיומנות J שהוקצה המשימה k.

Constraints

המתקנים לאכוף את המציאות הפיזית, הלוגית והחוזית של אתר הבנייה.סוגים של אימונים משותפים כוללים:

  • (ה) יש להשלים את הקרן:0) להגבלות על הסתברות: FLT:1 Foundation לפני שזיקפה פלדה יכולה להתחיל במתמטיקה, להתחיל את זמן המשימה B.
  • (ב) קיבולת המקור:0) קיבולת קוד מקור: 1 בכל נקודה בזמן, המספר הכולל של קביים שהוקצו אינו יכול לעלות על המספר הזמין.
  • (ב) ,0) מגבלות מיומנות: 1FLT:1 כל שפך בטון דורש לפחות שני סימורים מוסמכים.
  • (ב) אין אפשרות להשתמש במנהרה של [[המאה ה-1]], אך שתי משימות אינן יכולות להשתמש באותה פיסת ציוד במקביל.
  • (ב) ,0) מגבלות על פרויקט 1FLT (השלמה של פרויקט 1:1) חייבים להיות לפני שבוע 40.

מגבלות אלה מובעות כמשוואות ליניאריות או אי-שוויון.הגבלות הפולשים על משתנים להבטיח כי פתרונות ניתנים ליישום בעולם האמיתי.

תפקוד אובייקטיבי

הפונקציה האובייקטיבית מגדירה את המשמעות של "יעילות" עבור מנהל הפרויקט.מטרות נפוצות במודלים של תזמון בנייה הן:

  • (ב) ,0) ,100 מיזם כולל של פרויקט ההרחבה (התחילה)
  • (ב) ,0) כפליים עלות כוללת של 1 (השכר של עבודה, השכרת ציוד, עלויות חומריות ועלויות עונש עבור עיכובים).
  • (ב) ,0) ,לקבל את זמן השימוש במשאב (ד') או למקסימום את שיעור ניצול המשאבים.
  • (ב) שילובים של סולטני-מולקול 1 (FLT:0) , לעתים קרובות מטופלים על ידי משקולות או שיטות epsilon-constraint.

לקבלת מבוא מקיף לבניית פונקציות אובייקטיביות אלה, ראה את ספר הלימוד:0 (Integer Programmingph:1) על ידי קונפורטי, קורנואלס, ו Zambelli (Springer).

דוגמה מעשית: מחיקת זעזועים

חשבו על פרויקט בנייה באמצע המגדל הדורש 8 שפכות קונקרטיות ב-4 שבועות.יש לנו 2 משאבות קונקרטיות (כל אחד יכול לעשות ברוב אחת לשפוך ליום) וצוות של 12 עובדים (4 צורך לשפוך) כל שפך לוקח יום אחד, וחייב להיעשות לאחר יצירת צורה (אשר לוקח 2 ימים).המטרה היא למזער את משך הפרויקט הכולל.

אנו מגדירים את המשתנים בינאריים SIRFLT:0,dveFLT:1 = 1 אם לשפוך p מתחיל ביום d. Constraints להבטיח: יצירת טפסים עבור כל שפך לפני תחילתו; ברוב 2 שפכות ליום (מגבלת mp); סך העבודה שהוקצה ליום ⁇ 12; וכל לשפוך חייב להתחיל בדיוק פעם אחת.

לוח הזמנים המתקבל עלול לגרום לגזול להימנע מעומס יתר על המידה תוך שמירה על העבודה עסוקה כל הזמן - משהו שמתכננים ידניים עלולים להחמיץ.דוגמה פשוטה זו מקנה למאות משימות ומשאבים בפרויקטים אמיתיים.

השוואת תכנות Integer עם שיטות אחרות של שוללינג

בעוד IP הוא חזק, זה לא הכלי היחיד להבנת נקודות הכוח שלו ביחס חלופות עוזר למתרגלים לבחור את הגישה הנכונה.

שיטות תיירותיות (Rule-based Scheduling)

היוריסטים כמו "זמן עיבוד קצר" או "רוב המשאבים הקריטיים" מהירים אך לעולם אינם מבטיחים אופטימליות.הם עובדים היטב עבור חתכים קשים או כאשר נתוני הפרויקט רועשים, אך עבור ציוד בעלות גבוהה כמו ערניים גדולים, אפילו 5% לוח זמנים תת-אופטימי יכול לעלות עשרות אלפי דולרים. IP מנצחת את היוריסטים על איכות, אך דורש זמן עיצוב וחשיבה.

סימולציה

סימולציה דיסקרטית-אפילוט מודל הפרויקט כתהליך סטוצ'י.זה מצוין להערכת הסיכון וגמישות (למשל, עיכובי מזג אוויר, קוצר ראייה) עם זאת, סימולציה אינה מתאימה; היא מעריכה לוח זמנים נתון. IP יכול לשמש כדי ליצור לוח זמנים בסיס, אשר לאחר מכן הוא נבדק באמצעות סימולציה.

תכנות (CP)

CP הוא עוד טכניקת אופטימיזציה דיסקרטית שמציינת כאשר המגבלות הן מאוד משולבות (למשל, מערכות יחסים טרום-הגנה רבות) אך מאבקים עם פונקציות אובייקטיביות ליניאריות כמו עלות. IP נוטים להיות טובים יותר כאשר המטרה היא פונקציה ליניארית של משאבים רצופים. הרבה פותרים מודרניים משלבים IP ו-CP (למשל, CP-SAT מ-Google או-Tools).

Machine Learning

ML יכול לחזות משך משימה או פריון משאבים אבל לא ישירות לייצר לוחות זמנים. IP יכול לצרוך תחזיות ML כקלט, יצירת זרימת עבודה היברידית: לחזות אופטימיזציה.

במחקר השוואתי של שיטות אלה בבנייה, ה-FLT:0 (Automation in Construction Journal of Construction Journal ofBuild, VisFLT:1) פרסם סקירה של 2019 על טכניקות אופטימיזציה לתזמון בנייה.

כלי תוכנה ליישום תכנות Integer בבנייה

אין צורך לקוד של פותר מאפס.מספר כלי קוד מסחריים ופתוחים המשולבים עם נתוני פרויקט הבנייה:

  • (FLT:0)GurobiveFLT:1 - סוחר מסחרי מוביל בתעשייה עם Python, C++ ו- MATLAB APIs. אידיאלי עבור מודלים מורכבים עם אלפי מגבלות.
  • (FLT:0)IBM CPLEXFLT:1 - עוד סוחר מסחרי חזק בשימוש נרחב במחקר תפעולי, עם תמיכה מובנה בתכנות מעורבות.
  • (FLT:0) Google Or-ToovelsFLT:1 - חינם, קוד פתוח אופטימיזציה הספרייה. CP-SAT שלה הוא טוב במיוחד לבעיות תזמון וכולל תיעוד עבור דוגמאות בנייה.
  • (FLT:0) Microsoft Excel SolverveFLT:1 - עבור מודלים קטנים יותר (עד 200 משתנים), תוספת Solver של Excel יכול להתמודד עם מגבלות integer והוא נגיש למנהלי פרויקטים ללא מיומנויות קידוד.
  • (FLT:0) תכנון בנייה מיוחד תוכנה FLT:1 - כמו Oracle Primavera P6 ו- Microsoft Project אינם כוללים פותרי IP מקומיים, אבל ניתן לייצא נתונים כדי מודלים סביבות באמצעות CSV. Some תוספותons (למשל, עבור מיפוי משאבים) להשתמש בגרסאות היסטריות של תכנות integer.

זרימת העבודה הטיפוסית: רשימות של משימות ייצוא, משך זמן, דרישות משאבים, ו precedence של כלי לוח הזמנים שלך לתוך תסריט Python (באמצעות פנדה) לבנות את מודל ה- IP באמצעות Pyomo או GorobiPy, לפתור אותו, ואז לייבא את ההתחלה המותאמות חזרה לתוך תוכנת התזמון.

צעדים ליישום תכנות Integer בתהליך השחתה שלך

אימוץ IP אינו דורש דוקטורט במחקר תפעולי.עקוב אחר חמשת השלבים הבאים:

שלב 1: סקופ הבעיה

התחל עם משאב אחד גבוה צוואר בקבוק - לדוגמה, מגדל crane על פרויקט גבוה.זהה את המשימות תלוי על העוור, השעות הזמינות ליום, ואת מגבלות טרום-המידה.

שלב 2: איסוף נתונים

הערכות מדויקות: משך משימות, שיעורי צריכת משאבים, מספר יחידות זמינות, ועלויות עונש עבור עיכובים. השתמש בנתונים היסטוריים מפרויקטים קודמים כדי להגדיל את האמינות.

שלב 3: פורמולה מודל

כתוב על משתנה החלטות, מגבלות ואובייקטיביות על נייר או בגליון תפוצה.התחל עם תת-קבוצה קטנה של משימות (למשל, 10-15) כדי לאמת את ההיגיון של המודל.

שלב 4: Solve ו- Interpret

השתמש בפתירת פתרון (למשל, או-tools) כדי למצוא את הפתרון האופטימלי.השוואה לוח הזמנים IP נגד קו הבסיס הנוכחי שלך. לבדוק עבור כל חוסר יכולת - אם המפתור חוזר "ללא פתרון", מגבלות או להירגע אותם (למשל, לאפשר במשרה מלאה בעלות גבוהה יותר).

שלב 5: זהירים ואינטגרטים

סירוב המודל על ידי הוספת יותר משאבים, עלות נתונים, או אלמנטים סטוצ'סטיים (למשל, מזג אוויר buffers) לגרות את הפלט לתוך התוכנה לניהול הפרויקט שלך. להכשיר כמה חברי צוות במודל בסיסי כדי לקיים את היכולת.

אתגרים ושיקולים מעשיים

למרות הבטחתו, אימוץ IP בבנייה עומד בפני כמה מכשולים:

  • (FLT:0) מורכבות חישובית:FLT:1ir טהור תכנות הוא NP-Hard. עבור פרויקטים עם מאות משימות ועשרות סוגי משאבים, זמני פתרון יכולים להיות שעות או אפילו ימים. Mitigate באמצעות מודלים מתוחכמים היטב, אסטרטגיות סניף, ומגבלות זמן לפתרון כמעט-אופטימלי (למשל, בתוך 1–5% של אופטימיום).
  • איכות הנתונים:0 (איור 1: 1) Garbage in, הזבל החוצה.אם משך משימה או זמינות משאבים שגויים, לוח הזמנים האופטימלי הוא ללא ערך. Invest in שדה איסוף נתונים (למשל, מעקב אחר זמן, ציוד טלמטורי).
  • (FLT:0) ,Resistance to Change:FLT:1) סופר-intendents מנוסים עשויים לא להפקיד אופטימיזציה של תיבת שחורה. בנה אמון על ידי הצגת תוצאות על פרויקטים היסטוריים ומאפשרים תגברות ידנית (התפוקה של IP כמלצה, לא פקודה).
  • (FLT:0) אינטגרציה עם מערכות מורשת: FIRLT:1) חברות בנייה רבות משתמשות ב- Excel או Procore. תסריטי מכס נדרשים לתרגם בין פורמטים פתוחים כמו IFC (הכנסות של קרן התעשייה) יכולות לעזור, אך אימוץ עדיין מוגבל.
  • (FLT:0) skill Gap: FLT:1 מנהלים פרויקטים בנייה מעטים יש הכשרה רשמית בתכנות מתמטית.שותף עם יועצים מחקר תפעוליים או לשכור מהנדסי נתונים.קורסים מקוונים מקורסרה או MIT OpenCourseWare על תכנות integer יכול להעלות צוותים.

מחקר מקרה של הנדסת בנייה וניהול של 1:1 מראה כיצד פרויקט תשתית גדול השתמש בתכנות משולבת-אינגר כדי להפחית את זמן החמצון על ידי 18% למרות מגבלות חישוביות.

מגמות עתידיות: Integer Programming and Beyond

תעשיית הבנייה נעה לעבר תאומים דיגיטליים ואופטימיזציה בזמן אמת.מודלים IP יוטבעו במערכות בקרה שמתאים לוחות זמנים על זבוב כמו תנאי האתר משתנים.התקדמות בטכנולוגיית פתרון (למשל, מחשוב מקביל, פותרי ענן כמו אופטימיזציה של AWS) להפוך אותו לזמין לפתרון מודלים גדולים בתוך דקות. Machine Learning ישפר estimation פרמטר, כך שיאכיל נתונים מדויקים יותר למודלים של IP.

מאמצים מוקדמים כבר מדווחים על חיסכון בעלויות של 5-15% ומשלוח מהיר יותר של הפרויקט.כאשר כוח מחשוב גדל וממשקי משתמשים משתפרים, תכנות אינסטלגר יהיה סטנדרטי כמו CPM בערכת הכלים של לוח הזמנים של הבנייה.

מסקנה

תכנות Integer מציע גישה קפדנית, מתמטית למשימה המורכבת ולעתים קרובות כאוטי של ציוד בנייה תזמון ועבודה. על ידי מודל מפורש של החלטות משאבים דיסקרטיות, מערכות יחסים טרום-המידה, ומטרות מרובות, IP מייצרת לוחות זמנים שאינם רק סבירים אלא סבירים אך סבירים תחת הנחות שניתנו. בעוד אתגרים כמו עומס חישובי ואיכות נתונים נשארים, התשלום - עלויות מופחתות, זמן קצר יותר, ובאופן סביר יותר עבור כל סקאלה משמעותית של פרויקטים.

מנהיגי בנייה צריכים להתחיל קטן: לבחור משאב קריטי אחד, לבנות מודל IP של טייס, ולהשוות את התוצאה לשיטות מסורתיות.עם הזמן, להרחיב את המודל כדי לכסות את תיק הפרויקט כולו. על ידי אימוץ תכנות integer, אתה עובר מתזמון על ידי ניחושים לתזמון על ידי מדע, להשיג יתרון תחרותי בתעשייה שבה כל יום וכל דולר נחשב.