توسعه چارچوب قابل تعمیم برنامه ریزی مسیر جرثقیل متحرک در پروژه های مدولار با استفاده از یادگیری تقویتی و هوش مصنوعی

ساخت و ساز مدولار صنعتی به دلیل کاهش چشمگیر زمان، هزینه و ضایعات به سرعت در حال گسترش است، اما عملیات لیفت سنگین با جرثقیل های متحرک به عنوان یکی از پیچیده ترین و پرهزینه ترین مراحل این پروژه ها با چالش های جدی در برنامه ریزی مسیر در محیط های محدود پویا و پرتداخل مواجه است که هرگونه اشتباه در آن می تواند منجر به تاخیرهای گسترده، افزایش هزینه ها و حوادث ایمنی شود. این پژوهش با هدف پر کردن خلا موجود در مطالعات پیشین - که عمدتا بر الگوریتم های کلاسیک و شبیه سازی های استاتیک مبتنی بر BIM/CAD متکی بودند - یک چارچوب تعمیم یافته و نوآورانه مبتنی بر هوش مصنوعی به ویژه یادگیری تقویتی، شبکه های عصبی و الگوریتم های یادگیری ماشین برای برنامه ریزی پویا و بهینه مسیر جرثقیل های متحرک در پروژه های ساخت مدولار صنعتی توسعه می دهد؛ چارچوبی که با در نظر گرفتن محدودیت های فضایی، تغییرات لحظه ای محیط، هماهنگی با سایر فعالیت های سایت و پیش بینی تداخلات مسیر،های ایمن، سریع و کم هزینه را به صورت خودکار تولید کرده و در نهایت منجر به کاهش قابل توجه زمان و هزینه عملیات لیفت، بهینه سازی مصرف تجهیزات، کاهش جابجایی های غیرضروری جرثقیل و ارتقای ایمنی کلی پروژه می گردد.

کلیدواژه ها:

ساخت و ساز مدولار ، جرثقیل متحرک ، برنامه ریزی مسیر ، هوش مصنوعی ، یادگیری تقویتی