--

17 (2) 2022

BIM kết hợp tối ưu hóa đa mục tiêu hỗ trợ ra quyết định lựa chọn nhà thầu thi công công trình nhà cao tầng


Tác giả - Nơi làm việc:
Thạch Phi Hùng - Trường Đại học Mở Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Nguyễn Mộng Huyền Trân - Trường Đại học Mở Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Nguyễn Thị Hà - Trường Đại học Mở Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Tác giả liên hệ, Email: Thạch Phi Hùng - hungtp.22ac@ou.edu.vn
Ngày nộp: 01-10-2022
Ngày duyệt đăng: 06-10-2022
Ngày xuất bản: 01-11-2022

Tóm tắt
Trong môi trường kinh doanh khắc nghiệt như hiện nay, các công ty xây dựng muốn giữ vững được vị trí của mình đồng thời có thể phát triển một cách hiệu quả so với các đối thủ cạnh tranh thì các công ty cần phải đặc biệt quan tâm và phải giải quyết được bài toán chi phí và tiến độ. Việc của các nhà quản lý làm sao có thể khai thác được hiệu quả các chức năng của BIM và ứng dụng nó để giải quyết các vấn đề về chi phí cũng như là tiến độ trong lĩnh vực xây dựng. Mỗi nhà thầu thi công sẽ có khả năng thực hiện thi công khác nhau. Có nhà thầu thi công nhanh nhưng chi phí lại cao, cũng có nhà thầu thi công với chi phí thấp nhưng tiến độ thi công lại chậm. Vì vậy mục tiêu chính của nghiên cứu này là ứng dụng BIM và thuật toán tối ưu hóa để lựa chọn các nhà thầu thi công công trình nhà cao tầng. Kết quả nghiên cứu này giúp các nhà quản lý đưa ra được quyết định cho việc lựa chọn nhà thầu thi công công trình nhà cao tầng một cách dễ dàng hơn.

Từ khóa
BIM; nhà cao tầng; quản lý xây dựng; tối ưu hóa

Toàn văn:
PDF

Tài liệu tham khảo

Abdullahi, M., & Ngadi, M. A. (2016). Symbiotic organism search optimization based task scheduling in cloud computing environment. Future Generation Computer Systems, 56, 640-650.


Cheng, M. Y., & Prayogo, D. (2014). Symbiotic organisms search: A new metaheuristic optimization algorithm. Computers & Structures, 139, 98-112.


Coello, C. A. C., Lamont, G. B., & Van Veldhuizen, D. A. (2007). Evolutionary algorithms for solving multi-objective problems (Vol. 5). New York, NY: Springer.


Deb, K. (2011). Multi-objective optimisation using evolutionary algorithms: An introduction. In Multi-objective evolutionary optimisation for product design and manufacturing (pp. 3-34). London, UK: Springer.


Karaboga, D., & Akay, B. (2009). A comparative study of artificial bee colony algorithm. Applied Mathematics and Computation, 214(1), 108-132.


Karaboga, D., & Basturk, B. (2008). On the performance of Artificial Bee Colony (ABC) algorithm. Applied Soft Computing, 8(1), 687-697.


Karaboga, D., Gorkemli, B., Ozturk, C., & Karaboga, N. (2014). A comprehensive survey: Artificial Bee Colony (ABC) algorithm and applications. Artificial Intelligence Review, 42(1), 21-57.


Meyer, W. L., & Shaffer, L. R. (1963). Extensions of the critical path method through the application of integer programming (Vol. 2). Urbana, IL: Department of Civil Engineering, University of Illinois.


Ng, S. T., & Zhang, Y. (2008). Optimizing construction time and cost using ant colony optimization approach. Journal of Construction Engineering and Management, 134(9), 721-728.


Panda, A., & Pani, S. (2016). A symbiotic organisms search algorithm with adaptive penalty function to solve multi-objective constrained optimization problems. Applied Soft Computing, 46, 344-360.


Pham, L. H., & Duong, N. T. (2010). Nghiên cứu ứng dụng thuật toán ACO (Ant colony optimization) tối ưu thời gian và chi phí cho dự án xây dựng [Research and apply ACO (Ant colony optimization) algorithm to optimize time and cost for construction projects]. Tạp chí Phát triển Khoa học & Công nghê, 13, 17-26.


Pham, T. T. (2009). Xây dựng chương trình tối ưu hoá theo chỉ tiêu thời gian và chi phí trên sơ đồ mạng [Establishing an optmizing program by time and cost standars for network diagram]. Tạp chí khoa học và công nghệ, Đại học Đà Nẵng, 30, 48-54.


Rekaby, A. (2014). Different artificial bee colony algorithms and relevant case studies. In Intelligent systems for science and information (pp. 111-120). Cham, Switzerland: Springer.


Tran, H. D., Cheng, M. Y., & Prayogo, D. (2016). A novel Multiple Objective Symbiotic Organisms Search (MOSOS) for time-cost-labor utilization tradeoff problem. Knowledge-Based Systems, 94, 132-145.


Yang, I. T. (2007). Using elitist particle swarm optimization to facilitate bicriterion time-cost trade-off analysis. Journal of Construction Engineering and Management, 133(7), 498-505.



DOI: https://doi.org/10.46223/HCMCOUJS.proc.vi.17.2.2526.2022
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.