ارائه‌ الگویی برای بهبود بهره‌وری ماشین‌آلات خاکبرداری در پروژه‌های زیرساختی با استفاده از الگوریتم‌های یادگیری ماشین (نمونه موردی: خط لوله گاز)

نویسندگان

1 گروه فناوری معماری (مدیریت پروژه و ساخت)، دانشکده معماری و شهرسازی، دانشگاه هنر ایران، تهران، ایران

2 دانشیار، گروه فناوری معماری (مدیریت پروژه و ساخت)، دانشکده معماری و شهرسازی، دانشگاه هنر ایران، تهران، ایران

3 استادیار، دانشکده معماری، دانشگاه تهران، تهران، ایران

doi
10.22075/jtie.2024.34786.1681
چکیده

با توجه به جایگاه برجسته کشور ایران در دنیا از منظر منابع انرژی، مخصوصاً حوزه گازی، اجرای پروژه­های زیرساختی انرژی، به‌ویژه خط لوله گاز، ضروری می‌نماید. با این وجود، یکی از چالش­های اساسی در این نوع از پروژه‌ها، موضوع عدم بهره­وری مناسب منابع (ماشین‌آلات و...) است. از این‌رو، هدف اصلی پژوهش حاضر عبارت است از بهبود بهره‌وری ماشین‌آلات خاکبرداری پروژه‌های احداث خط لوله گاز، با کمک الگوریتم‌‌های یادگیری ماشین. در این پژوهش، با بهره‌گیری از مطالعات کتابخانه‌ای، اسنادی (گزارش‌های روزانه هفت پروژه‌ خطوط انتقال گاز)، قضاوت خبرگان، روش متن‌کاوی (و نرم‏افزار رپیدماینر)، معیارهای مؤثر بر تعیین بهره‌وری ماشین‌آلات خاکبرداری در پروژه‌های احداث خط لوله گاز، شناسایی و نهایی شدند. به‌طور خلاصه، نتیجه اصلی پژوهش کنونی اشاره دارد که پیش‌بینی حجم خاکبرداری، از طریق الگوریتم پیش‌بینانه (به‌عنوان مبنای بهینه‌سازی بهره‌وری ماشین‌آلات خاکبرداری) و نیز الگوریتم دسته‌بندی و با استفاده از مدل یادگیری عمیق (به‌عنوان مدل منتخب و دارای بهترین عملکرد در پیش‌بینی حجم خاکبرداری)، قابل اجرا است. در واقع، یافته‌های پژوهش فعلی در راستای پیش‌بینی حجم خاکبرداری، پیش از شروع پروژه و تهیه برنامه زمان­بندی کلی که در نهایت موجب بهبود بهره‌وری ماشین‌آلات خاکبرداری در پروژه‌های خط لوله گاز می‌شود، قابل استفاده است.