توسعه چارچوب ارتقاء توالی لیفت و زیرسازی جرثقیل های متحرک با بهره گیری از هوش مصنوعی و شبیه سازی

در پروژه های ساخت و ساز مدولار عملیات لیفت و نصب ماژول ها با استفاده از جرثقیل های متحرک، سنگین همواره به عنوان چالشی چندوجهی و پرخطر در برنامه ریزی پروژه مطرح است. روش های سنتی برنامه ریزی، که عمدتا بر پایه تجربه انسانی و محاسبات دستی استوار هستند در بهینه سازی همزمان متغیرهای پیچیده و وابسته نظیر توالی لیفت، مسیر حرکت ایمن و طراحی زیرسازی جرثقیل با محدودیت های فضایی و عملیاتی مواجه می شوند. این پژوهش چارچوبی یکپارچه برای بهینه سازی هوشمند توالی لیفت ماژول ها، بررسی مسیرهای موجود بدون برخورد و چیدمان بهینه زیرسازی جرثقیل ارائه می دهد. هسته اصلی این چارچوب بر پایه الگوریتم یادگیری تقویتی (Linear Q-Learning) در یک محیط شبیه سازی سه بعدی عمل می کند و با جستجوی فضای مسئله سیاستی بهینه برای اجرای عملیات لیفت تدوین می نماید. نتایج حاصل از پیاده سازی مدل نشان دهنده کاهش ۱۳.۹ درصدی هزینه های کلی پروژه، بهبود قطعی ایمنی از طریق جلوگیری از خطاهای انسانی و برخوردها، و افزایش چشمگیر کارایی زمانی کاهش زمان برنامه ریزی از هفته ها به چند دقیقه است. این رویکرد داده محور نه تنها هزینه های اجرایی را کاهش می دهد بلکه استانداردهای ایمنی و بهره وری را در سایت های صنعتی مدولار ارتقا می بخشد.

کلیدواژه ها:

توالی یابی جرثقیل متحرک ، یادگیری تقویتی ، ساخت مدولار ، شبیه سازی