۱۵ بهترین استدلال برای تقویت کننده دوچرخه: قسمت دوم

ادامه ...

Tuesday, 6 June , 2023
امروز : سه شنبه, ۱۶ خرداد , ۱۴۰۲

اخبار ویژه »

شناسه خبر : 21103

ارسال

پرینتخانه » مقالات خارجی شهرسازی تاریخ انتشار : 27 می 2023 - 4:30 | 16 بازدید | ارسال توسط : shahrsaz

پایان نامه ساختمانها، جلد. ۱۳، صفحات ۱۳۹۰: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد

ساختمانها، جلد. ۱۳، صفحات ۱۳۹۰: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد | ۲۰۲۳-۰۵-۲۷ ۰۴:۳۰:۰۰ دسترسی آزادمقاله تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی رویداد گسسته توسط اریک فورکائل ۱،*، پائولا مارتینز-چابور ۱، ایوان رامیرز-سیفونتس ۱، رودریگو گارسیا آلوارادو ۲، فرانسیسکو […]

ساختمانها، جلد. 13، صفحات 1390: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد

ساختمانها، جلد. ۱۳، صفحات ۱۳۹۰: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد
| ۲۰۲۳-۰۵-۲۷ ۰۴:۳۰:۰۰

دسترسی آزادمقاله

تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی رویداد گسسته

توسط

اریک فورکائل

^۱،*،

پائولا مارتینز-چابور

^۱،

ایوان رامیرز-سیفونتس

^۱،

رودریگو گارسیا آلوارادو

^۲،

فرانسیسکو رامیس

^۳ و

الکساندر اوپازو-وگا

^۱

گروه مهندسی عمران و محیط زیست، دانشگاه دل بیو بیو، Concepcion 4051381، شیلی

^۲

گروه طراحی و تئوری معماری، دانشگاه Bio-Bio، Concepcion 4051381، شیلی

^۳

گروه مهندسی صنایع، دانشگاه دل بیو بیو، Concepcion 4051381، شیلی

نویسنده ای که مسئول است باید ذکر شود.

ساختمان ها ۲۰۲۳، ۱۳(۶)، ۱۳۹۰; https://doi.org/10.3390/buildings13061390 (ثبت DOI)

دریافت: ۳۰ آوریل ۲۰۲۳
/
بازبینی شده: ۱۷ مه ۲۰۲۳
/
پذیرش: ۲۰ مه ۲۰۲۳
/
تاریخ انتشار: ۲۷ مه ۲۰۲۳

(این مقاله متعلق به شماره ویژه است طراحی معماری با پشتیبانی فناوری اطلاعات)

خلاصه

چاپ سه بعدی بتن تکنیکی است که به طور مداوم در حال رشد بوده و مزایایی مانند کاهش زمان تکمیل و کاهش اثرات زیست محیطی را با حذف استفاده از قالب ها ارائه می دهد. برای انجام این فرآیند، مسیر چاپ مواد اکسترود شده و حرکت یک ربات باید برنامه ریزی شود. بنابراین، تحقیق حاضر این فرآیندهای چاپ سه بعدی بتن را در یک ساختمان کوچک ۲ طبقه به وسعت ۳۰۹٫۰۶ متر شبیه سازی کرد.^۲ و سپس در یک ساختمان ۱۲ طبقه ۱۰۹۲۰ متری^۲. برای تجزیه و تحلیل فرآیند چاپ سه بعدی، از شبیه‌سازی رویداد گسسته و در نظر گرفتن متغیرهای مختلف مانند سرعت اکستروژن و مکان‌های یک ربات نصب شده بر روی مسیر استفاده شد. نتایج نشان می دهد که هنگام مقایسه زمان صرف شده برای یک سیستم ساخت و ساز معمولی برای ساخت دیوارهای بتنی و حداکثر مدت زمان برای دیوارهای پرینت سه بعدی، این روش ۴۵ درصد سریعتر از ساخت و ساز سنتی برای یک ساختمان کوچک است، اما برای یک ساختمان بزرگ، تفاوت ۴۰٪ به نفع ساخت و ساز معمولی؛ با این حال، این زمانی بود که فقط از ۱ ربات برای کل ساختمان استفاده می شد. پس از اجرای همان آنالیزها اما با استفاده از ۳ روبات به جای ۱ روبات، کل زمان پرینت سه بعدی بتن برای ساختمان بزرگ ۸۰ درصد سریعتر به نفع فرآیند چاپ سه بعدی بتن بود.

کلید واژه ها:

چاپ سه بعدی بتن; بازوی رباتیک متحرک; مکان ها; شبیه سازی رویداد گسسته

۱٫ معرفی

چاپ سه بعدی فناوری است که فرآیندهای اجرای لایه ای را مستقل از ماده مورد استفاده یا یک برنامه خاص انجام می دهد. انجمن آمریکایی تست و مواد (ASTM) آن را به عنوان یکپارچه‌سازی مواد برای تولید اشیاء از مدل داده‌های سه‌بعدی، به طور کلی لایه به لایه، برخلاف روش‌های تولید سنتی کسرکننده یا مونتاژی تعریف می‌کند. [۱,۲]. این فناوری که در چاپ بتن با استفاده از ربات ها و نرم افزارهای یکپارچه به کار می رود، امکان ایجاد ساختارهای هندسی مختلف را فراهم می کند. [۳]. از این رو، این تکنیکی است که ایجاد چندین محصول، فرآیندها و خدمات را متحول کرده است و پتانسیل خود را برای کاربرد در طیف گسترده ای از رشته ها نشان می دهد. [۴].

از سوی دیگر، صنعت ساخت و ساز دارای کمبودهای خاصی است، مانند بهره وری ضعیف انرژی در ساختمان ها، انسداد در عملکردهای کاری و عدم مدیریت دیجیتال. در نتیجه، شیوه های نوآورانه متنوع چشم اندازهای خوبی برای افزایش بهره وری صنعت ساخت و ساز و دستیابی به یک محیط ساخته شده پایدار دارند. [۵]. در نتیجه استفاده از فناوری‌های جدید تولید خودکار ضروری است [۶]. یکی از ابتکارات برای مقابله با این کاستی ها، ترویج استفاده از ساخت و سازهای پرینت سه بعدی است. این فناوری شامل یک فرآیند ساخت افزودنی (AM) با استفاده از رسوب مواد مایع- جامد است که اخیراً به لطف انتشار آزمایش‌ها در نقاط مختلف جهان شناخته شده است. [۷]. در ساخت و ساز چاپی، از ربات ها برای چاپ بتن سه بعدی استفاده می شود که به کاهش کاستی های این بخش کمک می کند و از طراحی عناصر معماری غیر سنتی حمایت می کند. به این ترتیب، ضروری است که بدانیم ربات در کجا می‌تواند کار خود را انجام دهد، با ارزیابی تنظیماتی مانند حرکت، سرعت و مسیر برای درک محدوده آن و در چه موقعیت‌هایی می‌توان از آن استفاده کرد.

در تحقیق حاضر، تحلیلی بر اساس رفتار ربات IRB 6700-150/3.2 مدل ABB با ۶ درجه آزادی، با حداکثر شعاع دسترسی ۳٫۲ متر، نصب شده بر روی خودرویی با زیرشاخه خزنده برای جابجایی آن انجام شد. [۸]. فرض بر این بود که از مدل CYBE RC 3DP شرکت CyBe استفاده شود [۹].

لازم به ذکر است که این مطالعه در نظر دارد که یک ربات متحرک برای اجرای یک مسیر پیوسته باید در یک موقعیت ثابت قرار گیرد و سپس برای چاپ دیوارها به مکان دیگری حرکت کند. بنابراین، موقعیت ربات و توالی مکان‌ها جنبه‌های ضروری است که باید هنگام چاپ یک ساختمان در نظر گرفته شود. پژوهش حاضر دو ساختمان مسکونی را در نظر گرفت که ویژگی‌های آنها در نشان داده شده است میز ۱.

شایان ذکر است که در مورد ساختمان بزرگ تنها یک طبقه استاندارد مورد تحلیل قرار گرفت و زمان ساخت و هندسه آن به یازده طبقه دیگر تعمیم داده شد. با این حال، ساختمان کوچک به طور کامل در هر دو طبقه مورد تجزیه و تحلیل قرار گرفت. انتخاب این دو مدل برای شبیه‌سازی (ساختمان کوچک و ساختمان بزرگ) بر اساس رایج‌ترین گونه‌شناسی استاندارد در ساخت و ساز مسکن انجام شد: خانه‌ها و ساختمان‌های مسکونی. از نظر ابعاد استفاده شده، خانه (ساختمان کوچک) با در نظر گرفتن حداکثر طول بازوی رباتیک دوربرد (مانند مورد استفاده در این مطالعه) و کمترین تعداد ممکن تغییر موقعیت طراحی شده است. سپس، ساختمان بزرگ برون یابی ساختمان کوچک بود، با در نظر گرفتن هندسه های مشابه که امکان استفاده کامل از تطبیق پذیری بازوی روباتیک مورد مطالعه (مثلاً منحنی های گسترده) و با کمترین تعداد تغییرات موقعیت را فراهم می کرد. دو ساختمان شبیه سازی شده در نشان داده شده اند شکل ۱ و شکل ۲.

علاوه بر این، از نظر مدل هایی که به عنوان مطالعات موردی در نظر گرفته می شوند، آنها بر اساس تطبیق پذیری زیاد و تنوع اشکالی که فرآیندهای چاپ بتن سه بعدی (۳DCP) ارائه می کنند، طراحی شده اند. [۱۰]، که در آن استفاده از اشکال و منحنی های ارگانیک یک مفهوم طراحی بیومیمتیک ذاتی است [۱۱]. از این نظر، محققان مختلفی که بر روی ۳DCP کار می کنند بر ایجاد طرح های خلاقانه و چالش برانگیز متمرکز شده اند. [۱۲]از جمله هندسه های پیچیده مانند گنبدهای با لایه های شیبدار، طاق های بشکه ای بدون تکیه گاه خارجی، یا سازه های کنسولی با یا بدون کوربل [۱۳]. با این حال، در طراحی معماری و مهندسی، هنوز چالش‌های مربوط به پروژه‌های ساختمانی با اشکال بتنی منحنی وجود دارد، که در آن استفاده از ۳DCP به روشی جالب برای مقابله با این هندسه‌های پیچیده تبدیل شده است. [۱۴].

بنابراین، سؤالات تحقیق زیر را می توان ایجاد کرد: آیا ارزیابی عملکرد فرآیندهای ۳DCP از طریق استفاده از شبیه سازی رویداد گسسته (DES) امکان پذیر است؟ متغیرهای اصلی که باید در هنگام شبیه سازی ساختمان های ۳DCP در نظر گرفته شوند چیست؟ و در نهایت، از طریق روش های DES، آیا می توان کل زمان چاپ خانه ها و ساختمان های بتنی را تخمین زد و آنها را با زمان های ساخت متعارف مقایسه کرد؟ برای کمک به پاسخ به این سؤالات، هدف اصلی این تحقیق تجزیه و تحلیل عملکرد یک ربات متحرک بود که دیوارهای بتنی سه بعدی را تحت پیکربندی های مختلف چاپ می کند. اهداف خاص به شرح زیر بودند: (الف) انجام یک بررسی ادبیات برای تشخیص ماهیت پیشرفته ۳DCP. (ب) برای تعریف مرتبط ترین متغیرهای دخیل در زمان پرینت سه بعدی؛ ج) طراحی مدلی که رفتار ربات متحرک چاپ دیوارهای بتنی سه بعدی را شبیه سازی می کند. (د) برای آزمایش تنظیمات مختلف حرکت، سرعت و مسیر در شبیه سازی؛ و (ه) برای تجزیه و تحلیل و مقایسه زمان های شبیه سازی بر اساس پیکربندی های مختلف.

۲٫ بررسی ادبیات

۲٫۱٫ ساخت و ساز ۴٫۰

Construction 4.0 عمدتاً بر دیجیتالی شدن و صنعتی شدن صنعت ساخت و ساز متمرکز شده است [۱۵]. این مفهوم یک رویکرد فناوری جدید را ارائه می دهد که از اتوماسیون فرآیندهای ساخت و ساز بهره می برد [۱۶]. بنابراین، برای دستیابی به مزیت رقابتی، بسیاری از شرکت‌ها اجرای نوآوری‌های فناوری دیجیتال مانند سیستم‌های هوایی بدون سرنشین، هوش مصنوعی، AM و روباتیک و غیره را پیشنهاد می‌کنند. [۱۷]. از این نظر، برخی از برنامه های کاربردی ۳DCP AM و روباتیک را با هم ترکیب می کنند که به موجب آن فرآیندهای چاپ آنها ممکن است شبیه سازی شود.

۲٫۲٫ تولید افزودنی

AM تکنیکی است که اصطلاح آن به طور رسمی در سال ۲۰۰۹ پذیرفته شد و شامل تمام تکنیک های تولیدی است که شامل اضافه کردن مواد با استفاده از کنترل محاسباتی تا به دست آوردن یک محصول بادوام با آزادی شکل است که روش های دیگر اجازه نمی دهند. [۱۸]. این روش ممکن است بر محدودیت های ساخت و ساز سنتی غلبه کند و آن را به یک فناوری جدید و سودمند تبدیل کند [۱۹]. علاوه بر این، بدون تولید زباله کار می کند و در نتیجه هزینه کمتر و تولید پایدارتر را به همراه دارد [۲۰]، همراه با بهبود بهره وری انرژی و صرفه جویی در زمان [۲۱]. علاوه بر این، چاپ سه بعدی به دلیل سفارشی‌سازی و ساخت محصولات مختلف در بخش‌های مختلف جامعه (خودرو و هوافضا، دارو، غذا، ساخت‌وساز و غیره) ادغام می‌شود و به آن اجازه می‌دهد نیازهای خاص را برآورده کند.

۲٫۳٫ ۳DCP و استفاده از بازوهای رباتیک

اصطلاح ۳DCP در حوزه ساختمان به کار رفته است و به آن ساختمان افزودنی می گویند [۲۲]و کشورهایی مانند ژاپن و انگلستان اولین کشورهایی بودند که از این فناوری در ساخت و ساز استفاده کردند [۲۳]. امروزه، سه تکنیک تولید برای ۳DCP وجود دارد: (۱) D-Shape. (2) چاپ بتن، و (۳) کاردستی کانتور [۲]. به نوبه خود، انواع مختلفی از مکانیسم ها برای تسهیل رسوب دهی بتن سه بعدی استفاده می شود، که در زیر مرتبط ترین فن آوری های رسوب گذاری می باشد: (۱) جرثقیل/گانتری. (۲) تعلیق کابل؛ (۳) روبات های متحرک؛ و (۴) بازوهای ربات [۲]. تلاش های قابل توجهی برای استفاده از بازوهای ربات در فرآیندهای سازنده صورت گرفته است، بنابراین صنعت ساخت و ساز در حال پیاده سازی فناوری های جدید برای مدرن سازی فرآیندهای ساخت و ساز سنتی خود و در نتیجه تسهیل توسعه فعالیت های خطرناک یا خسته کننده است. ساخت رباتیک ساختمان‌ها، خانه‌ها یا سازه‌ها مزایای زیادی مانند سرعت ساخت و ساز بالاتر و درجه بالاتر سفارشی‌سازی را ارائه می‌کند. [۲۴].

۲٫۴٫ شبیه سازی فرآیندها

شبیه سازی فرآیند تلاش می کند تا رفتار یک فعالیت معین را از طریق برنامه های محاسباتی در برابر موقعیت های واقعی مختلف تقلید کند. با توجه به پیچیدگی تکرار شرایط یکسان، سعی می شود آنها را تقریب بزنند تا شبیه سازی تا حد امکان به یک رویداد موجود نزدیک شود. [۲۵]. در حال حاضر، نرم افزار شبیه سازی دارای ویژگی های زیر است: رابط کاربری، انیمیشن، و نتایج خودکار تولید تجزیه و تحلیل آماری. [۲۶]. بنابراین، چندین نرم افزار شبیه سازی و مجازی سازی فرآیند را می توان یافت، مانند (الف) Arena; (ب) ارتقاء. (ج) Simul8; (د) KukaSim; (ه) ExtendSim; (f) FlexSim و غیره. از سوی دیگر، چندین مدل به عنوان پایه استفاده می شود که در آنها مدل های استاتیک و پویا برجسته می شوند. لازم به ذکر است که مدل های پویا به دو دسته گسسته، پیوسته و گسسته-پیوسته تقسیم می شوند. به دلیل ماهیت این مطالعه، بر اساس شبیه‌سازی فرآیندهای ساخت و ساز، تصمیم گرفتیم از یک مدل رویداد گسسته برای شناسایی سیستم‌هایی استفاده کنیم که در آن متغیرها در لحظه‌های خاص زمانی تغییر می‌کنند. [۲۷]. این رفتار تعیین می‌کند که شبیه‌سازی را می‌توان با استفاده از یک برنامه کامپیوتری که به رویدادهایی که در سیستم‌های پیچیده و تصادفی رخ می‌دهند، توسعه داد. [۲۸].

از این نظر، فعالیت هایی که در ساخت و ساز انجام می شود را می توان گسسته کرد، به عنوان مثال، ورود یا خروج کامیون ها به محل ساخت و ساز، بتن ریخته شده در ساعت و زمان اکستروژن. [۲۶]. از این رو، از آنجایی که هدف آنالیز عملکرد یک ربات متحرک تحت پیکربندی های مختلف هنگام اکسترود بود، DES به دلیل ویژگی های زیر مورد استفاده قرار گرفت. [۲۹]: (الف) از متغیرهای گسسته برای شبیه سازی فرآیندهای تولید استفاده می شود. (ب) در شبیه‌سازی، رابط‌های گرافیکی، انیمیشن‌ها و خروجی‌های خودکار برای اندازه‌گیری رفتار سیستم تولید می‌شوند. ج) نتایج را می توان به صورت نمودار یا جداول تجزیه و تحلیل کرد. و (د) در تجزیه و تحلیل آماری، فواصل اطمینان برای مطالعه رفتار نتایج شبیه سازی گنجانده شده است.

از سوی دیگر صنعت ساختمان برای دستیابی به ثبات در طول زمان و کاهش هزینه ها دائما با چالش افزایش تولید مواجه است [۳۰]، که در آن شبیه سازی می تواند به مقابله با این خواسته ها کمک کند [۲۸]. بنابراین، شبیه سازی اعمال شده برای فرآیندهای برنامه ریزی ساخت و ساز شامل ایجاد مدلی است که نشان دهنده چگونگی انجام هر یک از فعالیت های توسعه یافته در اجرای یک پروژه است. این ابزار کاربردهای متعددی دارد که با مطالعه رفتار هر فعالیت به دنبال بهبود کیفیت فرآیندها هستند [۲۶]. فرآیند ساخت و ساز از طریق توسعه عملیات ساختمانی متعدد انجام می شود. علاوه بر این، این فرآیند تحت تأثیر فعل و انفعالات بین تجهیزات، نیروی کار و مواد قرار می گیرد. در نتیجه، شبیه‌سازی و تجسم پروژه به وجود می‌آید که نشان‌دهنده تمام جنبه‌هایی است که بر فرآیند ساخت و ساز تأثیر می‌گذارد. [۳۱].

به طور خلاصه، مزیت توسعه یک شبیه سازی این است که به طور مناسب تری پویایی فرآیندهای ساخت و ساز را نشان می دهد زیرا تصادفی بودن و تنوع را در نتایج در نظر می گیرد. [۳۲].

۲٫۵٫ شبیه سازی فرآیندهای AM

قدرت رایانه ها به طور قابل توجهی افزایش یافته است، و شبیه سازی رایانه ای به ابزاری اساسی برای محققان تبدیل شده است، به طوری که یافته ها را می توان با نتایج تجربی پس از شبیه سازی برای تعیین دقیق بودن مدل ها مقایسه کرد. [۳۳]. به عبارت دیگر، شبیه‌سازی ابزاری حیاتی در تکامل پرینت سه بعدی بوده است زیرا امکان بهینه‌سازی طراحی قطعات، به حداقل رساندن محدودیت‌ها در روش ساخت و تسهیل ساخت با کیفیت و زمان مورد نیاز را فراهم می‌کند. [۳۴]. علاوه بر این، باید در نظر داشت که چنین نمایشی به جلوگیری از خطاها و بهبود کیفیت فرآیندها کمک می کند. از این رو، شبیه سازی AM برای هر ماده ای به دلیل دقت و کیفیت در ساخت قطعات به عنوان یک مزیت قابل توجه در تولید تلقی می شود. به طور خلاصه، شبیه‌سازی پرینت سه بعدی و مدل‌سازی عددی می‌تواند آزمایش‌ها را از طریق نرم‌افزار کاهش داده و به اندازه یک آزمایش فیزیکی قابل اعتماد شود، علاوه بر این، هزینه‌های کمتر و اطلاعات دقیق را ارائه می‌دهد. [۳۵].

از نظر شبیه‌سازی فرآیند AM رباتیک، قبل از ساخته شدن عناصر AM، ابزار بصری را در اختیار کاربر قرار می‌دهد که به طراحی، تجزیه و تحلیل ویژگی‌ها و بهینه‌سازی فرآیند AM زمانی که دقت شبیه‌سازی افزایش می‌یابد کمک می‌کند. [۳۶]. اما علیرغم اهمیت شبیه سازی در زمینه مهندسی ساختمان، به غیر از شبیه سازی سازه های بتنی، اکثر روش ها به طور خاص برای ساخت و ساز در نظر گرفته نشده است. [۳۷]. بنابراین، شواهد محدودی از یک روش شبیه‌سازی برای فرآیندهای AM برای بتن وجود دارد، که به هر حرفه‌ای در بخش ساخت‌وساز اجازه می‌دهد تا مدل‌های خود را به سادگی ایجاد کند و بنابراین آنها را به هر پروژه ساختمانی گسترش دهد.

۳٫ روش شناسی

مراحل مختلفی که امکان انجام این تحقیق را فراهم کرده است در زیر ارائه شده است.

۳٫۱٫ مدل سازی پیکربندی های مختلف برای پرینت سه بعدی دیوارهای بتنی

این بخش به مراحل زیر تقسیم می شود: صادرات مدل ساختاری از Revit به AutoCAD، تجزیه و تحلیل مکان های مختلف ممکن برای ربات موبایل، و شبیه سازی تنظیمات و مکان های مختلف در FlexSim.^TM نرم افزار (نسخه ۲۲٫۱، ۲۰۲۲، Orem، UT، ایالات متحده آمریکا).

۳٫۱٫۱٫ صادرات مدل ساختاری از Revit به AutoCAD

بازوی رباتیک می تواند در یک منطقه خاص کار کند که با حداکثر و حداقل شعاع برد محدود شده است. بنابراین، باید در جایی قرار داده شود که بتواند تا حد امکان از یک مکان واحد را پوشش دهد.

دو مدل در نظر گرفته شده در این مطالعه قبلاً در Revit ترسیم شده بودند. با این حال، استفاده از نرم افزار اتوکد (نسخه ۲۴٫۱، ۲۰۲۲، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا) برای مطالعه مکان های احتمالی ربات متحرک ضروری بود زیرا ایجاد طرح ها را با استفاده از ابزارهای ترسیم موجود، مانند خطوط و دایره ها تسهیل می کند. در همان زمان، Revit بر روی ایجاد مدل‌های ساخت و ساز بر اساس اشیایی مانند دیوارها، اسلب‌ها و قاب‌ها و سایر موارد تمرکز دارد. علاوه بر این، FlexSim^TM فایل های .dwg (ایجاد شده با اتوکد) را برای استفاده به عنوان الگو می خواند که در Revit وجود ندارد. بنابراین، پلان های طبقه از Revit با صادرات آنها به اتوکد و سپس به FlexSim به دست آمد^TM.

۳٫۱٫۲٫ تجزیه و تحلیل مکان های مختلف ممکن برای ربات موبایل

ابتدا لازم به ذکر است که برای این تحقیق دو روش برای قرار دادن ربات روی زمین وجود داشت به این صورت که برای هر راه تعداد مشخصی مکان به دست می آمد. بنابراین، برای درک بهتر این مطالعه، کلمه “موقعیت” به عنوان تعداد مکان هایی که ربات در یک پلان طبقه برای حرکت از یک مکان به مکان دیگر برای تکمیل اکستروژن بتن دیوارها دارد، درک می شود.

سپس، برای دانستن منطقه‌ای که ربات و وسیله نقلیه ردیابی‌شده‌ای که ربات روی آن نصب شده است، می‌تواند کار کند، ابعاد آن ردیابی شد و بهترین مکان‌ها برای چاپ بیشتر دیوارها با شبیه‌سازی رفتار ایجاد شد. یک جرثقیل، زیرا آنها به طور مشابه کار می کنند. در مرحله بعد، ویژگی هایی که باید در نظر گرفته شوند برای دانستن نقطه موقعیت استراتژیک جرثقیل برای استفاده پیشنهاد شدند [۳۸] (در این مورد، برای بازوی رباتیک).

(آ): منطقه عملیاتی برای ربات

منطقه عملیاتی یک ربات نباید محدودیت های داخلی یا محدودیت های بیرونی کف را نقض کند، جایی که محدوده های داخلی مناطقی را نشان می دهد که به دلیل ساختارهای موجود برای موقعیت یابی و عملکرد دستگاه (جرثقیل یا ربات) غیرقابل دسترسی هستند. در مقابل، حد بیرونی به عنوان منطقه در دسترس برای کار ساخت و ساز تعریف می شود و تمام سازه های موجود در سایت را در بر می گیرد.

(ب): عملکرد دستگاه بدون برخورد

این منطقه برای اطمینان از اینکه ربات می تواند تا ۳۶۰ درجه بچرخد، از جمله فضای کافی برای قرار دادن بتن مورد چاپ توسط دستگاه لازم بود.

(ج): نقاط شروع مسیرهای حرکتی

در زیر مشخصات اصلی دستگاه مسئول فرآیند چاپ بود.

(۱): دستگاه تلفن همراه باید در محدوده عملیات بدون برخورد قرار گیرد.
(۲): حداکثر دسترسی دستگاه تلفن همراه باید با ناحیه ای که قرار است روی آن کار شود همپوشانی داشته باشد.
(۳): هنگام حرکت، دستگاه نباید با سازه های موجود برخورد کند.

بر این اساس، مکان‌های احتمالی ربات متحرک مورد تجزیه و تحلیل قرار گرفت و به دنبال بهترین موقعیت‌هایی بود که جابجایی‌ها را به حداقل رساند و کل ساختار را چاپ کرد. برد و ابعاد ربات مشخص بود [۸] و در نشان داده شده اند شکل ۳.

از سوی دیگر خودروی ردگیر CYBE RC 3DP CYBE برند CyBe که دارای عرض ۳ متر و طول ۲٫۵ متر است در نظر گرفته شده و در نشان داده شده است. شکل ۴، که در آن رنگ سبز نشان دهنده پایه ربات و رنگ نارنجی نشان دهنده ابعاد وسیله نقلیه ردیابی شده است.

لازم به ذکر است که فاصله ربات در زیر پایه حداکثر ۷۱۳ میلی متر بود که ممکن است باعث محدود شدن امتداد بازو شده باشد. با این حال، با افزودن یک گیره به نوک آن، که EOAT (ابزار انتهای بازو) نیز نامیده می‌شود و معمولاً توسط شرکت‌هایی مانند ABB و CyBe استفاده می‌شود، این مشکل حل شد. عملکرد EOAT نگه داشتن شیلنگ اکستروژن و افزایش دسترسی به رسوب بتن بود که نمونه هایی از آن در زیر نشان داده شده است. شکل ۵.

به این ترتیب و بر اساس آزمایشات آزمایشی انجام شده در محل، ربات به دلیل تنظیمات انجام شده در میدان به سطح زمین بیش از ۷۱۳ میلی متر رسید. از سوی دیگر، با توجه به اینکه EOAT ها تقریباً ۸۰ سانتی متر بودند، با در نظر گرفتن ارتفاع خزنده و ویژگی های بازوی رباتیک می توان به سطح کف رسید.

برای استفاده از حداکثر عملکرد ربات، ابزار نشان داده شده در شکل ۵a در نظر گرفته شد. این پیکربندی را می توان در آن بهتر درک کرد شکل ۶آ. در این شکل، حرکت بازوی رباتیک در رابطه با اکستروژن برای ساخت دیوار بتنی به صورت گرافیکی نشان داده شده است، که در آن (I) موقعیت اولیه بازوی رباتیک قبل از اکستروژن است. (II) دستیابی بازوی رباتیک در ابتدای اکستروژن است. (III) دستیابی بازوی رباتیک در ناحیه میانی اکستروژن است. و (IV) دستیابی نهایی بازوی رباتیک در انتهای اکستروژن است. علاوه بر این، لازم به ذکر است که در صورت لزوم، خودروی خزنده انتخاب شده می تواند با استفاده از تکیه گاه های هیدرولیک ارتفاع خود را افزایش دهد، همانطور که در نشان داده شده است. شکل ۶ب

بنابراین، با در نظر گرفتن دسترسی ربات، تصمیم گرفته شد که خارج از لبه های وسیله نقلیه ردیابی شده، یعنی در شعاع بین ۱۲۵۰ میلی متر تا ۳۲۰۰ میلی متر عمل کند. محدوده ذکر شده در بالا قابل مشاهده است شکل ۷، که در آن دایره آبی نشان دهنده حداقل محدوده و دایره قرمز نشان دهنده حداکثر محدوده در میلی متر است.

با توجه به اطلاعات فوق، دیوارها باید به طور کامل چاپ شوند و از برخورد بین دستگاه و اکسترود جلوگیری شود، بنابراین مکان های متفاوتی برای ربات متحرک به دست می آید.

۳٫۱٫۳٫ شبیه سازی تنظیمات و مکان های مختلف در FlexSim^TM

FlexSim^TM یک برنامه DES است، در حالی که ربات به طور مداوم اکسترود می کند، بنابراین ممکن است در روش کار آنها گسست وجود داشته باشد. با این حال، دومی با قرار دادن بازو در نقاط خاصی که در مسیر ردیابی ردیابی شده‌اند، همانطور که در مطالعات قبلی مشاهده شد، عمل می‌کند. [۱۰]. یعنی حرکت اکستروژن پیوسته است، اما طوری برنامه ریزی شده است که با نقاط جدایی حرکت کند، یعنی به صورت گسسته.

روال شبیه سازی باید از جریانی پیروی کند که مسیر انجام شبیه سازی را نشان دهد. بنابراین، یک “جریان فرآیند” باید ایجاد شود که وظیفه سفارش فعالیت های ربات را بر عهده خواهد داشت. بنابراین، یک نمودار جریان طراحی شد تا متدولوژی مورد استفاده را در بر بگیرد، که به گروه‌هایی تقسیم می‌شد که با رنگ‌ها مشخص می‌شد (نگاه کنید به شکل ۸). این گروه ها با عملیات مختلفی که ربات باید در جریان فرآیند انجام دهد مطابقت دارد.

بنابراین، یک الگوریتم در FlexSim پیاده سازی شد^TM با توجه به آنچه در فلوچارت تعریف شده است. این کد به صراحت برای طبقه دوم ساختمان کوچک اجرا شد. با این حال، روند برای بقیه طبقات یکسان بود، به جز مکان‌ها، مسیرها و حرکت‌ها که نیازی به الگوریتم متفاوتی برای پیاده‌سازی ندارند. علاوه بر این، این روش به سایر مناطق کار و محدوده برای بازوی رباتیک اجازه می دهد که به مکان ها و گره های صف مختلف ترجمه می شود. FlexSim^TM روال ها را می توان در پیدا کرد پیوست اول. بنابراین، در زیر توضیحی در مورد گروه های نشان داده شده در نمودار جریان نشان داده شده است شکل ۸و کد موجود در FlexSim^TM را می توان در یافت پیوست اول.

پلان طبقه هر ساختمان باید به عنوان یک الگو یا “پس زمینه” به عنوان یک مرجع برای قرار دادن “صف” در ناحیه ای که توسط دیوارها مشخص شده است قرار گیرد، که مسئول شامل عناصری است که بخش هایی از مهره اکستروژن را شبیه سازی می کند. سپس رباتی که وظیفه رسوب مواد را انجام می دهد وارد می شود. سپس گره ها اضافه می شوند که مکان ها و مسیرهای حرکت ربات را با توجه به پلان های مختلف طبقه مشخص می کنند.

بعداً، ایجاد متغیر باید از گزینه “Global Variable” تولید شود تا ربات بداند که در کدام “صف” باید کار کند. سپس، در مبدا ماده ای که قرار است اکسترود شود، عنصری که هر نقطه از مهره اکستروژن را نشان می دهد، باید تعریف شود، جایی که ابعاد آن و منبعی که باید از آن منشا می گیرد، مشخص شود. برای این منظور دستور “Create Object” انتخاب شده است. در نهایت، ربات طوری برنامه ریزی شده است که نقطه به نقطه حرکت کند، که نشان دهنده اکستروژن بتن عنصر چاپ شده است. در اینجا، پارامترهای خاصی مانند سرعت چاپ ربات نیز تعریف شده است که به هندسه دیوار بستگی دارد. بنابراین پیشنهاد شد که پهنای دیوار را بر حسب اندازه نازل بر عرض مهره تقسیم کنیم تا تعداد دورهای مهره چاپ، همانطور که در رابطه (۱) نشان داده شده است، به دست آید.

n = \frac{ب}{ب}

(۱)

جایی که

$n$ = تعداد دور مهره چاپ؛
$ب$ = عرض مهره چاپ شده (بر حسب متر)؛
$ب$ = عرض دیوار (بر حسب متر).

سپس، طول عنصری که قرار است قرار گیرد (لبرای تعیین طول کل مهره اکسترود شده در n ضرب می شود (Lمطابق با معادله (۲):

L = n \cdot ل

(۲)

جایی که

$n$ = تعداد دور مهره چاپ؛
$L$ = طول کل مهره (بر حسب متر)؛
$ل$ = طول عنصر (بر حسب متر).

فورکائل و همکاران [۱۰] به طور تجربی سرعت هایی را که یک ربات می تواند بتن را چاپ کند، تجزیه و تحلیل کرد، و نتایج سرعت در مقابل نقاط فاصله را به دست آورد. بنابراین، از آنجایی که ربات بر اساس زمان حرکت کار می کند، مدت زمانی که ربات برای چاپ یک عنصر طول می کشد باید طبق رابطه (۳) محاسبه شود:

تی = L \cdot س

(۳)

جایی که

$تی$ = زمان اکسترود کردن یک عنصر (در ثانیه).
$L$ = طول کل مهره (بر حسب متر);
$س$ = سرعت چاپ ربات (بر حسب متر بر ثانیه).

اگرچه روش‌های روباتیک بسیار دقیق هستند، تغییر ۱۰% برای به دست آوردن مقادیر حداکثر و حداقل با استفاده از توزیع احتمال مثلثی در نظر گرفته شد – که اغلب برای نشان دادن حداقل مدت زمان فعالیت نامشخص انتخاب می‌شود و به طور گسترده در مدیریت پروژه برای مدل‌سازی رویدادهایی استفاده می‌شود. مکان در یک بازه تعریف شده با مقدار حداقل و حداکثر [۴۳,۴۴]- برای به دست آوردن یک تغییر بالقوه در کل زمان شبیه سازی.

پارامتر دیگری که باید پیکربندی شود مربوط به سرعت حرکت وسیله نقلیه ردیابی شده است. به عنوان مثال، CyBe [9] و Giftthaler و همکاران. [۴۵] حداکثر سرعتی را که یک وسیله نقلیه ردیابی شده در هنگام حمل بازوی رباتیک ABB کار می کند در نظر گرفته است. به این ترتیب از سرعت های مختلف برای کار با مقادیر حداقل، متوسط و حداکثر استفاده شد.

در نتیجه، در FlexSim^TM، دستور Load با سرعت های ذکر شده تنظیم می شود. علاوه بر این، یک کد “Custom” اضافه می شود تا ربات صف را به عنوان عناصر قرار دهد. در نهایت برای اتمام این مرحله، یک کد “Decide” درج می شود تا بررسی شود که آیا مطابق موقعیت به آخرین صف منطقه اکستروژن می رسد یا خیر.

سپس در چاپ مهره های بعدی (یکی روی دیگری) روال مرحله قبل مشابه است. تنها تفاوت این است که، در این مورد، لازم است در جهت مخالف مهره اول اکسترود شود، زیرا ربات در حال بازگشت است. این پس از رسیدن به آخرین “صف” بخش چاپ انجام می شود. پس از آن، یک کد “تصمیم گیری” برای بررسی تعداد عناصر در یک صف خاص که ارتفاع دیوار را تشکیل می دهند، درج می شود. اگر به آن برسد، ربات باید به موقعیت بعدی برود. در غیر این صورت، اگر به آن نرسد، دستورات “Create Object”، “Load” و “Custom” وارد می شوند. این مورد آخر مستقر شده است بنابراین ربات تعداد همبستگی “صف” را کاهش می دهد. سپس، به “تصمیم” دیگری می رسد که بررسی می کند که آیا اولین “صف” محل اکستروژن چنین مکانی رسیده است یا خیر. اگر اینطور نبود، این آخرین تکرار تکرار می شود. در غیر این صورت، به موقعیت بعدی می رود تا به ردیف بعدی ادامه دهد. بعداً، دستورات «سفر» و «سفارشی» در تأیید فعالیت تکمیل‌شده درج می‌شوند. موارد فوق برای حرکت به موقعیت بعدی انجام می شود و عدد متغیر اصلاح می شود. به این ترتیب، برنامه می تواند بداند که در کدام “صف” شروع شود.

این فرآیند باید به صورت یک الگو تکرار شود تا زمانی که ربات عناصر لازم را در تمام صف ها قرار دهد تا اکستروژن کل پلان طبقه را شبیه سازی کند. در نهایت، FlexSim^TM برای بدست آوردن زمان های مختلف شبیه سازی باید از ابزار “Experimenter” استفاده شود. در این مورد ۱۰۰ مقدار به دست آمد و در تجزیه و تحلیل های آماری استفاده شد.

۳٫۲٫ طراحی تجربی

تصمیم گرفته شد که ۶ مقدار تصادفی از ۱۰۰ مقدار بدست آمده در FlexSim در نظر گرفته شود.^TM. برای معرفی آنها به عنوان تکرار در تحلیل فاکتوریل و بررسی اثرات ناشی از پیکربندی های مختلف، یک طرح آزمایشی از نوع فاکتوریل با سه عامل انجام شد. در تجزیه و تحلیل فاکتوریل، برای تجزیه و تحلیل عملکرد یک ربات متحرک که دیوارهای بتنی سه بعدی را چاپ می کند، سه عامل مورد استفاده قرار گرفتند: سرعت اکستروژن ربات، سرعت جابجایی خزنده و نوع مکان ربات متحرک که با حروف A، B و مشخص می شود. C به ترتیب.

سطوح هر فاکتور با حداقل، متوسط و حداکثر سرعت اکستروژن روبات و جابجایی خزنده مطابقت دارد._۱ حداقل سرعت، A₂ سرعت متوسط و A₃ حداکثر سرعتی که ربات می تواند برای اکستروژن کار کند، در حالی که B₁، بی_۲، و B₃ به ترتیب سرعت حرکت وسیله نقلیه ردیابی شده است. از سوی دیگر، روش‌های مختلفی که می‌توان ربات را در آن قرار داد، تجزیه و تحلیل شد، جایی که مکان‌ها به دو نوع مکان گروه‌بندی شدند:_۱ و سی_۲. به عبارت دیگر، هر طبقه دارای دو راه برای قرار دادن ربات متحرک C است_۱ و سی_۲، به دست آوردن m و n عدد مکان به ترتیب. به طور خلاصه، جدول ۲ فاکتورها و سطوح مربوط به آنها را در واحدهای کدگذاری شده نشان می دهد.

با توجه به فاکتورها و سطوحی که هر کدام می گیرند، طرح فاکتوریل ۳ ∗ ۳ ∗ ۲ با ۶ تکرار اعمال شد که در آن ۱۰۸ امتیاز آزمایشی برای هر طبقه مورد تجزیه و تحلیل به دست آمد. سپس نمودارهای تحلیل واریانس و فاکتوریل از تجزیه و تحلیل آماری نتایج استخراج شده از شبیه سازی استخراج شد.

۴٫ تجزیه و تحلیل نتایج

فصل قبل راهبردی را نشان داد که از طریق تجزیه و تحلیل مکان ها، شبیه سازی در FlexSim استفاده شد^TM، و مطالعه تاثیرگذارترین متغیرها و در نتیجه زمان های شبیه سازی. در این بخش به تحلیل این نتایج می پردازیم.

۴٫۱٫ مکان های ربات

با توجه به روش، دو نوع مکان در هر طبقه انجام شد. نتایج تعداد جابجایی ها در مورد مکان ها و جهت حرکت ربات به تفصیل در زیر آمده است. لازم به ذکر است که برای شناسایی بهتر آنالیزها بر حسب ساختمان، طبقه و نوع مطالعه تعیین گردید. جدول ۳.

بدین ترتیب، شکل ۹ پیکربندی های انجام شده برای S11، S12، S21 و S22 (ساختمان کوچک) را نشان می دهد.

به عنوان مثال، شکل ۱۰ به صورت گرافیکی توالی چاپ انجام شده توسط ربات متحرک را برای اکستروژن هر یک از دیوارها در پیکربندی S11 نشان می دهد (دیگران مشابه هستند).

سپس مکان قرارگیری ربات در ساختمان بزرگ مورد تجزیه و تحلیل قرار گرفت. شکل ۱۱ تنظیمات ساختمان بزرگ را نشان می دهد. علاوه بر این، به عنوان مثال، شکل ۱۲ به صورت گرافیکی توالی چاپ انجام شده توسط ربات متحرک را برای اکستروژن هر یک از دیوارها در پیکربندی B11 نشان می دهد (دیگران مشابه هستند).

در این پیکربندی (B12)، ۸۷ مکان برای آنالیز نوع ۱ و ۱۰۲ مکان برای آنالیز نوع ۲ تعیین می شود. سپس همانطور که در نشان داده شده است. شکل ۱۲، ربات دیوارها را چاپ می کند که از گوشه سمت چپ بالا شروع می شود، در امتداد محور آبسیسا حرکت می کند و سپس برای اجرای بعدی برمی گردد.

۴٫۲٫ نتایج طراحی آزمایشی

از مدل سازی در FlexSim^TM، برای هر پیکربندی سرعت اکستروژن ربات و سرعت سفر خزنده، مقادیر ۱۰۰ زمان به دست آمد که با توجه به توزیع مثلثی در نظر گرفته شده برای هر سطح آزمایش و به نوبه خود برای هر مکان متفاوت بود.

این نتایج به دو صورت مورد استفاده قرار گرفت. ابتدا رفتار این ارقام با توجه به تنوع آنها تعیین شد. سپس، آزمون خوب بودن برازش برای تعیین اینکه کدام توزیع احتمال متناسب با هر سناریو است، انجام شد. از سوی دیگر، تحلیل عاملی برای تعیین تأثیرگذارترین متغیرها و رفتار آنها در پیکربندی‌های مختلف انجام شد.

۴٫۲٫۱٫ برازش

در رابطه با خوب بودن برازش داده ها، فرضیه های زیر در نظر گرفته شد:

فرضیه صفر a (H0a):

داده های زمانی متناسب با توزیع احتمال است.

فرضیه جایگزین a (H1a):

داده های زمانی با توزیع احتمال مطابقت ندارند.

بر اساس این فرضیه ها، ۱۰۰ داده از شبیه سازی در FlexSim گرفته شد^TMو یک اتصال توزیع با استفاده از پلاگین اکسل Crystal Ball انجام شد^TM. سپس، با در نظر گرفتن مقدار اطمینان ۹۵ درصد، فرض صفر رد نخواهد شد پمقادیر آماره های اندرسون-دارلینگ، کولموگروف-اسمیرنوف و مجذور کای بیشتر از سطح معناداری α ۰٫۰۵ بود. با مقایسه پبا ارزش گذاری نتایج با سطح معنی داری داده شده، امکان پذیرفتن فرضیه صفر وجود داشت. بنابراین، داده های زمانی برای هر طبقه متناسب با توزیع احتمال نشان داده شده در جدول ۴. بنابراین، پارامترهای میانگین (µ) و انحراف معیار (σ) در هر طبقه از توزیع‌های نصب شده و نشان داده شده در جدول ۵.

مطابق با جدول ۵برای S11، میانگین ۳۷۲۷۱ ساعت هنگام استفاده از حداقل سرعت به دست آمد. از سوی دیگر، میانگین ۱۲۷۷۳ ساعت برای حداکثر سرعت به دست آمد. برای S12، این مقادیر به ترتیب با ۳۷۲۶۰ و ۱۲۷۷۲ ساعت مطابقت داشت. در مورد S21، میانگین ۳۶۶۱۸ ساعت و ۱۲۵۵۰ ساعت برای کندترین و سریعترین پیکربندی ها به ترتیب به دست آمد. به طور مشابه، S22 حداقل ۳۶۶۱۷ ساعت و حداکثر ۱۲۵۵۰ ساعت داشت. برای ساختمان بزرگ، در B11، کمترین میانگین ۴۱۲۸۲۴ ساعت و بالاترین آن ۲۲۹۶۷۳ ساعت بود. بنابراین در B12 به ترتیب به ۴۰۹۹۹۶ ساعت و ۲۲۸۰۱۷ ساعت رسید.

در حال حاضر، دو طبقه ساختمان کوچک بر اساس توزیع نرمال و با انحراف معیار پایین رفتار می‌کردند و مقادیر داده‌ها نزدیک به میانگین بود، بنابراین تغییرات جزئی وجود داشت. برای طبقه استاندارد ساختمان بزرگ، تناسب با توزیع log-normal پیدا شد. علیرغم نشان دادن تناسب متفاوت، انحراف استاندارد نیز حداقل بود، که نشان دهنده تنوع پایین داده بود. لازم به ذکر است که ساختمان بزرگ شامل ۱۲ طبقه بود که طبقه استاندارد (طبقه ۱) به عنوان وکالت برای بقیه در نظر گرفته شد.

۴٫۲٫۲٫ تحلیل عاملی و واریانس

۴٫۲٫۲٫۱٫ تحلیل عاملی سه عاملی

در تجزیه و تحلیل عاملی، شش مقدار به طور تصادفی گرفته شد تا به عنوان تکرار برای هر پیکربندی سرعت و مکان استفاده شود. بنابراین، هر تغییر زمان طبقه با ترکیب این متغیرها، در هر سطح آزمون، برای هر عامل و در نظر گرفتن تکرارها به دست آمد. ضمیمه B (جدول A1 و جدول A2) تغییرات طبقات یک و دو را در ساختمان کوچک نشان می دهد. به طور مشابه، برای ساختمان بزرگ، جدول A3 در همان ضمیمه B زمان های شبیه سازی را با توجه به ترکیب متغیرها برای طبقه استاندارد (طبقه ۱) نشان می دهد.

۴٫۲٫۲٫۲٫ تحلیل عاملی سه عاملی

این تحلیل برای هر یک از طبقات مورد مطالعه انجام شد. برای پرداختن به این تحلیل، یک فرضیه صفر (H0) و یک فرضیه جایگزین (H1) برای هر اثر ایجاد شد که باید تأثیر متغیرها را آزمایش کند. بنابراین ۱۴ فرضیه به شرح زیر استخراج شد:

فرضیه صفر b (H0b):

اثر ضریب سرعت ربات بر زمان شبیه سازی تأثیر نمی گذارد.

فرضیه جایگزین b (H1b):

اثر ضریب سرعت ربات بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر ۰c (H0c):

اثر ضریب سرعت خزنده بر زمان شبیه سازی تأثیر نمی گذارد.

فرضیه جایگزین c (H1c):

اثر ضریب سرعت خزنده بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر d (H0d):

اثر عامل نوع مکان بر زمان شبیه‌سازی تأثیر نمی‌گذارد.

فرضیه جایگزین d (H1d):

اثر عامل نوع مکان بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر e (H0e):

تأثیر ضریب تعامل سرعت ربات * سرعت مسیر بر زمان شبیه‌سازی تأثیر نمی‌گذارد.

فرضیه جایگزین e (H1e):

اثر ضریب تعامل سرعت ربات * سرعت مسیر بر زمان شبیه‌سازی تأثیر می‌گذارد.

فرضیه صفر f (H0f):

تأثیر ضریب تعامل سرعت ربات * نوع مکان بر زمان شبیه سازی تأثیر نمی گذارد.

فرضیه جایگزین f (H1f):

اثر ضریب تعامل سرعت ربات * نوع مکان بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر g (H0g):

تأثیر ضریب تعامل سرعت خزنده * نوع مکان بر زمان شبیه سازی تأثیر نمی گذارد.

فرضیه جایگزین g (H1g):

اثر ضریب تعامل سرعت خزنده * نوع مکان بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر h (H0h):

تأثیر ضریب تعامل سرعت ربات * سرعت مسیر * نوع مکان بر زمان شبیه سازی تأثیر نمی گذارد.

فرضیه جایگزین h (H1h):

اثر ضریب تعامل سرعت ربات * سرعت مسیر * نوع مکان بر زمان شبیه سازی تأثیر می گذارد.

فرضیه صفر رد نشد زمانی که پ– مقدار بیشتر از سطح معنی داری (α) ۰٫۰۵ بود، یعنی «اثر عامل بر متغیر پاسخ تأثیر نمی گذارد». نتایج تحلیل واریانس در نشان داده شده است جدول ۶، جدول ۷ و جدول ۸. علاوه بر این، شکل ۱۳ با استفاده از نمودار پارتو از اثرات استاندارد شده که در آن مقادیر مطلق اثرات استاندارد شده نشان داده شده است، اهمیت متغیرهای مربوطه را به صورت گرافیکی نشان می دهد.

با توجه به ستون دوم از جدول ۶، “طبقه ۱ ساختمان کوچک”، فرضیه صفر برای سرعت ربات، سرعت خزنده و مکان پذیرفته نمی شود زیرا برای این اثرات، پ– مقدار ۰ کمتر از سطح معنی داری (α) ۰٫۰۵ است. در این صورت فرضیه جایگزین باید پذیرفته شود; بنابراین، این سه عامل به صورت جداگانه بر متغیر پاسخ که در این حالت زمان شبیه سازی است، تأثیر می گذارد. از طرفی در تعاملات دو و سه جمله با الف پ-مقدار بزرگتر از (α) فرضیه صفر رد نمی شود، به این معنی که تعامل آنها به طور قابل توجهی بر متغیر پاسخ تأثیر نمی گذارد. شکل ۱۳ نشان می دهد که تأثیرگذارترین متغیرها برای طبقه ۱ ساختمان کوچک با متغیرهای به دست آمده در تحلیل واریانس مطابقت دارد، جایی که به صورت گرافیکی مشاهده می شود که عوامل A (سرعت ربات) و B (سرعت خزنده) به طور قابل توجهی بر زمان چاپ تأثیر می گذارد، بر خلاف عامل C. ، که کمی از خط اهمیت فراتر می رود.

ستون سوم از جدول ۶“طبقه ۲ ساختمان کوچک” نشان می دهد که فرضیه صفر برای تأثیرات سرعت ربات و سرعت خزنده پذیرفته نمی شود و در نتیجه فرضیه جایگزین پذیرفته می شود و این عوامل به صورت جداگانه تأثیر قابل توجهی بر زمان شبیه سازی دارند. از سوی دیگر، فرض صفر برای برهمکنش های دو و سه ترمی رد نمی شود. این به این دلیل است که سرعت ربات، سرعت خزنده و مکان به طور قابل توجهی بر متغیر پاسخ تأثیر نمی گذارد. بر این اساس، شکل ۱۳ نشان می دهد که عامل A (سرعت ربات) بیشترین تأثیر را دارد.

برای ستون چهارم از جدول ۶ “طبقه استاندارد ساختمان بزرگ” نیز به همین ترتیب داشتن یک پ– مقدار کمتر از سطح معنی داری، فرضیه صفر باید رد شود و فرضیه جایگزین پذیرفته شود. بنابراین، اثرات زیر قابل توجه است: (الف) سرعت ربات، سرعت خزنده، و مکان. (ب) اثرات متقابل دو مدت سرعت ربات و نوع مکان (سرعت ربات ∗ نوع مکان) و به نوبه خود سرعت و مکان خزنده (سرعت خزنده ∗ نوع مکان). به طور خلاصه، و در نظر گرفتن شکل ۱۳، عاملی که بیشترین تأثیر را دارد مکان است.

۴٫۲٫۲٫۳٫ نمودارهای تحلیل عاملی

(آ): طرح های اثر اصلی

شکل ۱۴، شکل ۱۵ و شکل ۱۶ رفتار متغیرها را نشان می دهد و نشان می دهد که آنها تا چه اندازه بر سطوح مختلف آزمون تأثیر می گذارند. این نمودارها میانگین زمان را برای هر سطح عامل نشان می‌دهند و سپس این مقادیر با یک خط برای ارزیابی رفتار آنها به یکدیگر متصل می‌شوند.

همانطور که در سمت راست نشان داده شده است شکل ۱۴ (طبقه ۱ ساختمان کوچک)، در ناحیه فاکتور A، خط افقی نیست، که نشان دهنده یک اثر اصلی است و بنابراین، سطوح مختلف این عامل بر متغیر پاسخ تأثیر متفاوتی دارد. به عنوان مثال، با افزایش سرعت ربات، زمان ۶۵٫۶۹٪ کاهش می یابد. با این حال، حالت مخالف در مورد مکان اتفاق می‌افتد، زیرا خط تقریباً افقی است، که نشان می‌دهد هر سطح از فاکتور C عملاً به روشی مشابه بر زمان تأثیر می‌گذارد، بنابراین مکان، در این مورد، اثر اصلی نیست. سپس در قسمت سمت چپ، خط برای عامل B رفتار غیر افقی دارد و شیب جزئی را ارائه می دهد. این نشان می دهد که سه سطحی که این متغیر را می گیرند به طرق مختلف بر زمان شبیه سازی تأثیر می گذارند. با توجه به موقعیت مکانی، می توان دریافت که دو سطح آن بر میانگین زمانی تأثیر می گذارد، اما تغییرات آن چندان قابل توجه نیست. به همین ترتیب، خزنده با سرعت جابجایی بالاتر و کار در مکان دوم به نفع زمان سقوط است، اما به میزان بسیار کمتر، زیرا به ترتیب افت ۰٫۰۲۷٪ و ۰٫۱۰۷٪ را نشان می دهد.

بعد، شکل ۱۵ (طبقه ۲ ساختمان کوچک) رفتار مشابه طبقه ۱ را نشان می دهد، جایی که حداکثر کردن سرعت ربات و خزنده منجر به کاهش زمان به ترتیب ۶۵٫۷۱% و ۰٫۰۶۱% می شود. علاوه بر این، هنگام کار با مکان ۲، مدت زمان ۰٫۰۰۶٪ کاهش می یابد.

در ساختمان بزرگ، با توجه به شکل ۱۶، رفتار همتایانش تکرار می شود. یک اثر منفی هنگام تغییر از یک سطح پایین به یک سطح بالا مشاهده می شود که زمان را به ترتیب ۴۴٫۳۴۴٪، ۰٫۰۵۶٪ و ۰٫۶۹۹٪ برای سرعت ربات، سرعت خزنده و مکان ها کاهش می دهد.

(ب): نمودارهای تعامل

این نمودارهای تعاملی تأثیر عوامل را بر متغیر پاسخ نشان می دهد. لازم به ذکر است که تأثیر یک عامل به سطح عامل دیگر بستگی دارد، بنابراین ارزیابی تعاملات و در نتیجه شناخت رفتار آنها ضروری است. این نمودارها برهمکنش های ایجاد شده را بر اساس سرعت ربات، سرعت خزنده و مکان ها با متغیر زمان نشان می دهد.

شکل ۱۷ نمودار تعاملی برای زمان ارائه شده برای طبقه دوم ساختمان کوچک را نشان می دهد. در سمت چپ در پایین، برای نمودار سرعت خزنده * نوع مکان، میانگین زمان تعامل با توجه به افزایش سرعت خزنده، از بالاتر به پایین‌تر تغییر می‌کند.

مشاهده می شود که آنها خطوط غیر موازی هستند و نشان دهنده تعامل بین آنها است و نشان می دهد که هر چه موازی آنها کمتر باشد، قدرت تعامل آنها بیشتر است.

هنگامی که به سطح پایین سرعت خزنده برای مکان نوع یک نگاه می کنیم، میانگین زمان بالاتری نسبت به زمان به دست آمده برای مکان نوع دو وجود دارد، بنابراین نشان می دهد که مکان نوع دو راحت ترین مکان برای وسیله نقلیه خزنده است.

هنگام مشاهده سمت راست در پایین، نمودار سرعت ربات ∗ نوع مکان را می بینیم. در این حالت، با افزایش سرعت روبات، میانگین زمان تعامل نیز از بالاتر به پایین‌تر می‌رود. همچنین در این سمت نمودار مشاهده می شود که میانگین زمان به دست آمده برای هر سطح عامل در مکان های یک و دو مقدار یکسانی دارد. بنابراین، ربات در هر یک از دو مکان مشابه عمل می کند و نشان می دهد که نوع مکان استفاده شده توسط ربات بر زمان صرف شده در شبیه سازی تاثیر نمی گذارد.

در نهایت از این شکل می توان به این نکته اشاره کرد که با استفاده از حداکثر سرعت ربات، حداکثر سرعت خزنده و مکان یابی نوع دوم کمترین زمان به دست می آید و در نتیجه زمان شبیه سازی به حداقل می رسد.

شکل ۱۸ در نمودار تعامل نوع مکان ∗ سرعت خزنده نشان می دهد که با افزایش سرعت خزنده، میانگین زمان کاهش می یابد. علاوه بر این، رفتار خطوط برای مکان‌ها نشان می‌دهد که این خطوط کمی غیر موازی هستند، بنابراین قدرت تعامل آنها زیاد نیست. این اثر متقابل نشان می دهد که رابطه بین سرعت خزنده و مکان به مقدار زمان شبیه سازی بستگی دارد، زیرا با استفاده از حداقل سرعت خزنده و مکان ۱، بالاترین میانگین زمان با آنها مرتبط است. با این حال، استفاده از میانگین سرعت خزنده و مکان ۲ نیز با بالاترین میانگین زمان همراه است. نمودار نوع مکان ∗ سرعت ربات همانند طبقه اول تکرار می شود. بنابراین میانگین زمان بدست آمده برای هر سطح عامل در مکان های یک و دو مقدار یکسانی دارد. بنابراین، استنباط می شود که برای به حداقل رساندن زمان شبیه سازی، لازم است پیکربندی را انتخاب کنید که در آن سرعت ربات در حداکثر باشد، که در آن از خزنده و مکان نوع دوم نیز استفاده می شود.

که در شکل ۱۹، نمودار تعامل نشان می دهد که برای سرعت خزنده ∗ نوع مکان، میانگین زمان با افزایش سرعت خزنده کاهش می یابد. با این حال، بر خلاف دو مورد قبلی، در هنگام عبور از یک سطح به سطح دیگر، شیب زیادی ندارد. علاوه بر این، خطوط برای مکان ها نشان می دهد که آنها خطوط کمی غیر موازی هستند، بنابراین قدرت تعامل آنها چندان بالا نیست. هنگام استفاده از حداقل سرعت خزنده، می توان مشاهده کرد که بالاترین میانگین زمان با مکان ۱ مرتبط است. در مقابل، مکان ۲، برای همان سرعت، میانگین زمان کمتری دارد، که نشان می دهد مکان ۲ برای خزنده بیشتر است. راحت از موقعیت ۱٫

در نمودار سرعت ربات ∗ نوع مکان، رفتار همتایان آن تکرار می شود. سپس میانگین زمان برای هر سطح از ضریب در مکان های ۱ و ۲ مقدار یکسانی دارد.بنابراین برای به حداقل رساندن زمان شبیه سازی باید سرعت ربات و خزنده در حداکثر سطح خود باشند و از مکان ۲ استفاده شود.

۴٫۲٫۲٫۴٫ بهینه سازی زمان شبیه سازی

بهینه سازی متغیر پاسخ برای کاهش زمان شبیه سازی انجام شد. پنج ترکیب مورد آزمایش قرار گرفتند و نتایج در نشان داده شده است جدول ۷، جدول ۸ و جدول ۹.

به این ترتیب، بهترین پیکربندی برای طبقه ۱ ساختمان کوچک مربوط به استفاده از حداکثر مقدار برای هر دو سرعت و مکان ۲، به دست آوردن زمان ۱۲٫۷۷ ساعت است. برای طبقه ۲، حداقل مدت زمان ۱۲٫۵۴۵ ساعت با استفاده از بالاترین سرعت و مکان ۲ به دست می آید. در نهایت، برای ساختمان بزرگ، با حداکثر سرعت و مکان ۲، حداقل زمان ۲۲۸۰۱۸ ساعت به دست آمد.

۴٫۳٫ مقایسه روش های متداول ساخت و ساز و AM

برای مقایسه این روش ها از زمان لازم برای اجرای دیوار بتنی استفاده شد. در مورد AM، تنظیمات از “بخش ۴٫۲٫۲٫۴. بهینه سازی زمان شبیه سازی» برای به دست آوردن زمان استفاده شد. برای سیستم سنتی، اطلاعات ارائه شده توسط Ruano [46]، که تخمین زدند که برای ساخت دیواری به طول ۴۵٫۳ متر^۳اعم از ساخت و قرار دادن آرماتورها، مونتاژ و جاگذاری قالب ها و ریختن بتن علاوه بر در نظر گرفتن ماندگاری قالب ها، ۷۸/۴ روز استفاده می شود. برای یک روز کاری ۹ ساعته، ۴٫۷۸ روز معادل ۴۳٫۰۲ ساعت است.

از طرفی، مقادیر یافت شده در “بخش ۴٫۲٫۲٫۴ بهینه سازی زمان شبیه سازی» برای فرآیند AM در خلاصه شده است جدول ۱۰، ارائه زمان مورد نیاز برای اکستروژن بتن ۴۸٫۸۴ متر^۳ (ساختمان کوچک) و ۲۰۸۲٫۹۳ متر^۳ (ساختمان بزرگ).

همانطور که زمان استفاده در سیستم سنتی برای دیوار ۴۵٫۳ متر است^۳، این مقدار باید به حجم تعمیم داده شود تا دو ساختمان در نظر گرفته شده در این مطالعه ساخته شوند تا مدت زمان تقریبی در هنگام استفاده از ساخت و ساز متعارف را بدانیم، همانطور که در نشان داده شده است. جدول ۱۱ و جدول ۱۲. مطابق با جدول ۱۱، با استفاده از سیستم معمولی برای ساختمان های کوچک زمان ۵٫۰۸ روز یا ۴۵٫۷۲ ساعت می دهد. از سوی دیگر، همانطور که در جدول ۱۲، برای ساخت ساختمان بزرگ ۱۸۲٫۷۴ روز یا ۱۶۴۵ ساعت وقت صرف شده است.

در نتیجه، هنگام مقایسه زمان مورد استفاده در یک سیستم ساخت و ساز معمولی برای ساخت دیوارهای بتنی و حداکثر مدت زمان دیوارهای پرینت سه بعدی که هنگام پیکربندی ربات متحرک با حداکثر سرعت اکستروژن آن به دست می آید، می توان نشان داد که این روش ۴۵٪ سریعتر از ساخت و ساز سنتی برای ساختمان های کوچک. از سوی دیگر، برای ساختمان های بزرگ، در مقایسه با فرآیند ۳DCP برای دیوارها، ۴۰ درصد به نفع ساخت و ساز معمولی تفاوت وجود دارد. با این حال، باید در نظر بگیریم که برای ساختمان بزرگ، تنها از ۱ ربات برای چاپ کل ساختمان استفاده شده است. پس از اجرای همان تجزیه و تحلیل اما با استفاده از ۳ روبات به جای ۱، زمان کل برای ۳DCP (با استفاده از بالاترین سرعت ربات)، ۹۱۲ ساعت یا ۱۰۱٫۳۳ روز بود، یعنی ۸۱٫۴۱ ساعت سریعتر از سیستم معمولی (بیش از ۸۰٪ سریعتر). به نفع فرآیند ۳DCP).

۴٫۴٫ بحث

روش ارائه شده در این تحقیق نشان داده شده است که ابزار مفیدی برای شبیه سازی آسان فرآیندهای ۳DCP برای ساختمان های مسکونی است. این ممکن است طیف وسیعی از فرصت‌ها را برای بخش ساخت‌وساز باز کند، زیرا یافتن هندسه‌های پیچیده‌تر و پیچیده‌تر به طور فزاینده‌ای رایج است. [۱۳,۱۴] که باید ابتدا قبل از ساخت شبیه سازی شوند.

از منظر نظری و روش‌شناختی، این تحقیق می‌تواند با ارائه ابزاری کاربردی برای محاسبه شبیه‌سازی هندسه‌های پیچیده برای چاپ در پروژه‌های ساختمانی از طریق DES، که ممکن است توسط متخصصان ساخت‌وساز بدون تجربه قبلی در شبیه‌سازی اجرا شود، به مجموعه دانش کمک کند. .

از تجزیه و تحلیل های عددی انجام شده، مشخص شد که در طبقه ۱ ساختمان کوچک، سرعت ربات و سرعت خزنده به طور قابل توجهی بر زمان چاپ تأثیر می گذارد، در حالی که در طبقه ۲، سرعت ربات بیشترین تأثیر را داشت. برای ساختمان بزرگ، عاملی که بیشترین تأثیر را داشت مکان است. با این حال، پس از اجرای تجزیه و تحلیل های ترکیبی، مشخص شد که سرعت ربات مهم ترین عامل در همه موارد است. در نهایت، تجزیه و تحلیل تعامل نشان می دهد که کوتاه ترین زمان چاپ زمانی به دست می آید که سرعت ربات و سرعت خزنده در حداکثر باشد و مکان دوم انتخاب شود.

۵٫ نتیجه گیری ها

چاپ سه بعدی به دلیل تطبیق پذیری و سرعت آن در ساخت انواع پروژه های ساختمانی اهمیت فزاینده ای در صنعت ساختمان دارد. با در نظر گرفتن این مزایا، دانستن پروتکل‌ها و روش‌های شبیه‌سازی پروژه‌ها برای ارائه تقریبی از آنچه می‌تواند قبل از شروع ساخت‌وساز رخ دهد، ضروری است. از این نظر، این مطالعه بر شبیه‌سازی عملکرد یک ربات متحرک که دیوارهای بتنی سه‌بعدی را تحت پیکربندی‌های مختلف چاپ می‌کند، متمرکز شد. مرتبط ترین متغیرهایی که در نظر گرفته شدند، سرعت اکستروژن، سرعت خزنده و مکان ربات بودند که سناریوهای مختلفی را برای تخمین مدت زمان واقعی فرآیند ساخت ایجاد کردند.

کدی که از طریق یک جریان فرآیند در FlexSim ایجاد شده است^TM یک روش شبیه‌سازی است که به راحتی می‌توان آن را با تعیین مکان‌های «صف» به سایر پروژه‌های ساختمانی تعمیم داد. با توجه به طراحی آزمایشی، آزمون خوب بودن تناسب برای بررسی رفتار احتمالاتی که شبیه‌سازی نشان داد، علاوه بر ارائه یک مقدار متوسط و انحراف استاندارد برای هر سرعت و مکان ربات، نشان داد که زمان‌های ساختمان کوچک مطابقت دارد. به توزیع نرمال و توزیع های ساختمان های بزرگ به توزیع log-normal.

از نظر میانگین زمان تکمیل، مدت زمان برای ساختمان کوچک ۱٫۶۴ روز و برای ساختمان بزرگ ۱۴۱٫۴۱ روز بود که تاثیرگذارترین متغیر سرعت اکستروژن ربات بر روی حرکت خزنده یا محل قرارگیری ربات بود. این منطقی است زیرا بیشتر کل زمان به فرآیند ۳DCP اختصاص می‌یابد، در حالی که سرعت خزنده‌ای که ربات و مکان‌های آن را حرکت می‌دهد کمتر غالب است. بنابراین بهترین پیکربندی برای به حداقل رساندن زمان های ساخت با استفاده از مقادیر حداکثر سرعت و مکان ۲ در همه موارد به دست آمد که قابل استنباط است زیرا هر چه سرعت بیشتر باشد زمان کوتاهتر است و مکان عامل غیرقابل پیش بینی تری است.

در مورد مقایسه بین سیستم ساخت و ساز معمولی و AM، دومی در مورد ساختمان کوچک سریعتر بود، اما برعکس برای ساختمان بزرگ اتفاق افتاد. با این حال، باید در نظر بگیریم که برای ساختمان بزرگ، تنها از ۱ ربات استفاده شده است (در مقابل ده ها خدمه کارگر درگیر، همانطور که برای ساختمان های بزرگ معمول است)، اما زمانی که ۳ ربات به طور همزمان در نظر گرفته شد، روند ۳DCP قطعا بسیار زیاد بود. سریعتر (به طور دقیق ۸۰٪).

به عنوان یک محدودیت، ذکر این نکته ضروری است که این مطالعه ترکیبی از دو مکان (تفکر در مورد بهترین چیدمان با توجه به پیکربندی دیوارهای هر طبقه) را در نظر گرفته است. با این حال، از نظر خطوط تحقیقاتی آینده، موقعیت‌های متعددی را می‌توان اضافه کرد که نیازمند استفاده از روش‌های بهینه‌سازی چند هدفه به عنوان مکمل تحلیل شبیه‌سازی ارائه‌شده در این مطالعه است. از سوی دیگر، همچنین با در نظر گرفتن ادامه این تحقیق در آینده، اگرچه شبیه سازی چاپ ارائه شده در اینجا یک رفتار احتمالی برای جذب بخشی از تغییرپذیری در فرآیندهای شبیه سازی شده در نظر گرفته است، اما در عمل، سایر شرایط عملیاتی واقعی چاپ ربات باید اضافه شود، مانند گرفتگی احتمالی در پمپ بتن، تأخیر در تهیه مواد، و توقف های احتمالی به دلیل نیازهای بیولوژیکی اپراتور پمپ، از جمله متغیرهای دیگری که می تواند بر عملکرد به دست آمده در این تحقیق تأثیر بگذارد. علاوه بر این، از نظر مطالعات آتی، مقایسه بین اشکال هندسی و ارگانیک برای تحلیل کارایی فرآیند تولید می‌تواند جالب باشد.

به طور خلاصه، این مطالعه امکان ارائه یک روش ساده و قابل تکرار را برای شبیه‌سازی فرآیندهای ۳DCP با در نظر گرفتن متغیرهای زیر فراهم می‌کند: سرعت روباتی که بتن را بیرون می‌کشد، سرعت سیستم خزنده که ربات را از مکانی به مکان دیگر منتقل می‌کند، و موقعیت های مختلفی که می تواند این ربات را به آنها برساند. از بین همه این متغیرها، سرعت اکستروژن – از نظر سرعت ربات – مرتبط ترین بود. در نهایت، فرآیند شبیه‌سازی حاضر همچنین اجازه می‌دهد تا تعیین کنیم که برای ساخت و ساز در مقیاس کوچک (یک خانه دو طبقه، به عنوان مثال، یک ساختمان کوچک)، یک ربات به طور قابل‌توجهی سریعتر از یک فرآیند ساخت و ساز معمولی است و برای ساخت و ساز در مقیاس بزرگتر (با دوازده طبقه). به عنوان مثال، ساختمان بزرگ)، تنها سه روبات چاپگر برای تجاوز از زمان ساخت معمولی کافی است.

مشارکت های نویسنده

مفهوم سازی، EF و RG-A. روش شناسی، EF، PM-C. و IR-C. نرم افزار، PM-C.، IR-C. و FR; اعتبارسنجی، EF، RG-A.، FR و AO-V. تجزیه و تحلیل رسمی، EF، PM-C. و IR-C. تحقیق، PM-C. و IR-C. منابع، EF، FR و RG-A. مدیریت داده، PM-C.، IR-C. و FR; نوشتن – آماده سازی پیش نویس اصلی، EF، PM-C. و IR-C. نوشتن-بررسی و ویرایش، EF، RG-A.، AO-V. و FR; تجسم، PM-C. و IR-C. نظارت، EF، AO-V. و RG-A. مدیریت پروژه، EF، AO-V. و FR; تامین مالی، RG-A. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق تا حدی توسط آژانس ملی تحقیق و توسعه شیلی، ANID، شماره کمک مالی Fondecyt 1221730 تامین شده است.

بیانیه در دسترس بودن داده ها

قابل اجرا نیست.

قدردانی

نویسندگان مایلند از حمایت ارائه شده توسط دانشگاه بیو بیو، شیلی قدردانی کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

پیوست اول

فرآیند برای ساختمان کوچک جریان دارد (شکل A1الف، ب) و ساختمان بزرگ (شکل A2) در زیر نشان داده شده است.

شکل A1.
جریان فرآیند برای ساختمان کوچک (آ). جریان فرآیند برای ساختمان کوچک (ب).

شکل A2.
بخشی از جریان فرآیند برای ساختمان بزرگ.

ضمیمه B

جدول A1، جدول A2 و جدول A3 زمان های شبیه سازی را بر حسب ساعت با توجه به ترکیب متغیرها برای ساختمان کوچک و ساختمان بزرگ نشان می دهد.

جدول A1.
زمان های شبیه سازی بر حسب ساعت با توجه به ترکیب متغیرها برای طبقه ۱ ساختمان کوچک.

	A1									A2									A3
	B1			B2			B3			B1			B2			B3			B1			B2			B3
C1	۳۷٫۲۸	۳۷٫۲۷	۳۷٫۲۵	۳۷٫۲۶	۳۷٫۲۵	۳۷٫۲۷	۳۷٫۲۵	۳۷٫۲۳	۳۷٫۲۵	۱۹٫۸۹	۱۹٫۸۹	۱۹٫۹۰	۱۹٫۸۸	۱۹٫۸۸	۱۹٫۸۸	۱۹٫۸۷	۱۹٫۸۸	۱۹٫۸۸	۱۲٫۸۰	۱۲٫۷۹	۱۲٫۷۹	۱۲٫۷۷	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۷	۱۲٫۷۸
C1	۳۷٫۲۹	۳۷٫۲۶	۳۷٫۲۸	۳۷٫۲۸	۳۷٫۲۵	۳۷٫۲۵	۳۷٫۲۲	۳۷٫۲۶	۳۷٫۲۴	۱۹٫۹۲	۱۹٫۹۱	۱۹٫۹۱	۱۹٫۸۹	۱۹٫۸۶	۱۹٫۸۹	۱۹٫۸۸	۱۹٫۸۶	۱۹٫۸۸	۱۲٫۸۰	۱۲٫۷۹	۱۲٫۸۰	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۷	۱۲٫۷۷
C2	۳۷٫۲۶	۳۷٫۲۷	۳۷٫۲۵	۳۷٫۲۳	۳۷٫۲۶	۳۷٫۲۴	۳۷٫۲۵	۳۷٫۲۰	۳۷٫۲۲	۱۹٫۹۰	۱۹٫۹۰	۱۹٫۹۰	۱۹٫۸۶	۱۹٫۸۶	۱۹٫۸۹	۱۹٫۸۹	۱۹٫۸۷	۱۹٫۸۸	۱۲٫۷۹	۱۲٫۷۸	۱۲٫۷۹	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۷	۱۲٫۷۷	۱۲٫۷۷	۱۲٫۷۷
C2	۳۷٫۲۷	۳۷٫۲۸	۳۷٫۲۴	۳۷٫۲۵	۳۷٫۲۵	۳۷٫۲۶	۳۷٫۲۵	۳۷٫۲۴	۳۷٫۲۵	۱۹٫۸۹	۱۹٫۹۰	۱۹٫۸۹	۱۹٫۸۸	۱۹٫۸۸	۱۹٫۸۷	۱۹٫۸۶	۱۹٫۸۵	۱۹٫۸۸	۱۲٫۸۰	۱۲٫۷۹	۱۲٫۷۹	۱۲٫۷۷	۱۲٫۷۸	۱۲٫۷۸	۱۲٫۷۷	۱۲٫۷۷	۱۲٫۷۷

جدول A2.
زمان های شبیه سازی بر حسب ساعت با توجه به ترکیب متغیرها برای طبقه ۲ ساختمان کوچک.

	A1									A2									A3
	B1			B2			B3			B1			B2			B3			B1			B2			B3
C1	۳۶٫۶۲	۳۶٫۶۲	۳۶٫۶۱	۳۶٫۶۳	۳۶٫۶۲	۳۶٫۶۰	۳۶٫۶۱	۳۶٫۶۰	۳۶٫۵۹	۱۹٫۵۴	۱۹٫۵۶	۱۹٫۵۴	۱۹٫۵۵	۱۹٫۵۲	۱۹٫۵۴	۱۹٫۵۴	۱۹٫۵۲	۱۹٫۵۳	۱۲٫۵۶	۱۲٫۵۶	۱۲٫۵۷	۱۲٫۵۴	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۴
C1	۳۶٫۶۱	۳۶٫۶۱	۳۶٫۶۲	۳۶٫۵۸	۳۶٫۶۱	۳۶٫۵۹	۳۶٫۶۰	۳۶٫۶۲	۳۶٫۶۲	۱۹٫۵۴	۱۹٫۵۳	۱۹٫۵۵	۱۹٫۵۳	۱۹٫۵۴	۱۹٫۵۵	۱۹٫۵۳	۱۹٫۵۴	۱۹٫۵۳	۱۲٫۵۷	۱۲٫۵۷	۱۲٫۵۶	۱۲٫۵۵	۱۲٫۵۶	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۶	۱۲٫۵۵
C2	۳۶٫۶۱	۳۶٫۶۰	۳۶٫۶۳	۳۶٫۶۱	۳۶٫۶۱	۳۶٫۶۲	۳۶٫۶۲	۳۶٫۵۸	۳۶٫۵۸	۱۹٫۵۵	۱۹٫۵۴	۱۹٫۵۵	۱۹٫۵۳	۱۹٫۵۴	۱۹٫۵۴	۱۹٫۵۲	۱۹٫۵۳	۱۹٫۵۵	۱۲٫۵۵	۱۲٫۵۶	۱۲٫۵۷	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۵	۱۲٫۵۴	۱۲٫۵۵
C2	۳۶٫۶۵	۳۶٫۶۰	۳۶٫۶۰	۳۶٫۶۱	۳۶٫۶۲	۳۶٫۵۹	۳۶٫۶۰	۳۶٫۶۰	۳۶٫۶۱	۱۹٫۵۴	۱۹٫۵۴	۱۹٫۵۴	۱۹٫۵۳	۱۹٫۵۲	۱۹٫۵۴	۱۹٫۵۳	۱۹٫۵۲	۱۹٫۵۳	۱۲٫۵۷	۱۲٫۵۷	۱۲٫۵۶	۱۲٫۵۶	۱۲٫۵۶	۱۲٫۵۵	۱۲٫۵۴	۱۲٫۵۵	۱۲٫۵۴

جدول A3.
زمان های شبیه سازی بر حسب ساعت با توجه به ترکیب متغیرها برای طبقه استاندارد ساختمان بزرگ.

	A1									A2									A3
	B1			B2			B3			B1			B2			B3			B1			B2			B3
C1	۴۱۲٫۸	۴۱۲٫۸	۴۱۲٫۸	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۲۸۲٫۹	۲۸۲٫۹	۲۸۲٫۹	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۲۹٫۸	۲۲۹٫۸	۲۲۹٫۸	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷
C1	۴۱۲٫۸	۴۱۲٫۸	۴۱۲٫۸	۴۱۲٫۸	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۴۱۲٫۷	۲۸۳٫۰	۲۸۲٫۹	۲۸۲٫۹	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۸۲٫۸	۲۲۹٫۸	۲۲۹٫۸	۲۲۹٫۸	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷	۲۲۹٫۷
C2	۴۱۰٫۰	۴۱۰٫۱	۴۱۰٫۰	۴۰۹٫۸	۴۰۹٫۹	۴۰۹٫۹	۴۰۹٫۸	۴۰۹٫۸	۴۰۹٫۸	۲۸۱٫۰	۲۸۱٫۰	۲۸۱٫۰	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۸	۲۲۸٫۳	۲۲۸٫۲	۲۲۸٫۳	۲۲۸٫۱	۲۲۸٫۱	۲۲۸٫۱	۲۲۸٫۰	۲۲۸٫۰	۲۲۸٫۰
C2	۴۱۰٫۰	۴۰۹٫۹	۴۱۰٫۰	۴۰۹٫۸	۴۰۹٫۸	۴۰۹٫۸	۴۰۹٫۸	۴۰۹٫۸	۴۰۹٫۸	۲۸۱٫۰	۲۸۱٫۰	۲۸۱٫۰	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۸	۲۸۰٫۷	۲۸۰٫۸	۲۸۰٫۸	۲۲۸٫۲	۲۲۸٫۲	۲۲۸٫۳	۲۲۸٫۱	۲۲۸٫۱	۲۲۸٫۱	۲۲۸٫۰	۲۲۸٫۰	۲۲۸٫۰

منابع

F2792-12A; اصطلاحات استاندارد بین المللی ASTM برای فناوری های ساخت افزودنی. ASTM International: West Conshohocken، PA، ایالات متحده آمریکا، ۲۰۱۲٫
Campillo Mejias، M.Sc. پیش ساخته در معماری: پرینت سه بعدی در بتن; دانشگاه پلی تکنیک مادرید: مادرید، اسپانیا، ۲۰۱۷٫ [Google Scholar]
نادال، ا. پاون، جی. لیبانا، او. چشم انداز پرینت سه بعدی در ساخت و ساز کشیش یورو تحقیق کردن معمار REIA 2017، ۷-۸، ۲۳۱-۲۴۴٫ [Google Scholar]
شاهرودین، ن. لی، تی سی؛ Ramlan, R. مروری بر فناوری چاپ سه بعدی: فناوری، مواد و کاربردها. ادامه Manuf. 2019، ۳۵، ۱۲۸۶-۱۲۹۶٫ [Google Scholar] [CrossRef]
بابالولا، او. Ibem، EO; Ezema، IC پیاده سازی شیوه های ناب در صنعت ساخت و ساز: یک بررسی سیستماتیک. ساختن. محیط زیست ۲۰۱۹، ۱۴۸، ۳۴-۴۳٫ [Google Scholar] [CrossRef]
آگوستی خوان، آی. مولر، اف. هک، ن. وانگلر، تی. هابرت، جی. مزایای بالقوه ساخت دیجیتال برای سازه های پیچیده: ارزیابی زیست محیطی یک دیوار بتنی ساخته شده به صورت رباتیک. جی. پاک. تولید ۲۰۱۷، ۱۵۴، ۳۳۰–۳۴۰٫ [Google Scholar] [CrossRef]
گارسیا، آر. مارتینز، آ. گونزالس، ال. Auat, F. پیش بینی ساخت و ساز با چاپ سه بعدی در شیلی. کشیش اینگ. ساخت و ساز ۲۰۲۰، ۳۵، ۶۰-۷۲٫ [Google Scholar] [CrossRef]
رباتیک ABB. مشخصات محصول IRB 6700; ABB Ltd.: زوریخ، سوئیس، ۲۰۲۱؛ پ. ۱۷۰٫ [Google Scholar]
ساخت و ساز CyBe. مشخصات CyBe 3Dcp; CyBe Construction: Oss، هلند، ۲۰۲۲؛ صص ۱-۱۶٫ [Google Scholar]
فورکائل، ای. پرز، جی. واسکز، Á. گارسیا آلوارادو، آر. اوروزکو، اف. Sepúlveda, J. توسعه پروتکل های ارتباطی بین عناصر bim و چاپ سه بعدی بتن. Appl. علمی ۲۰۲۱، ۱۱، ۷۲۲۶٫ [Google Scholar] [CrossRef]
دو پلسیس، ا. بابافمی، ای جی; پل، SC; پاندا، بی. ترن، جی پی؛ Broeckhoven، C. Biomimicry برای چاپ سه بعدی بتن: بررسی و دیدگاه. او اضافه می کند. Manuf. 2021، ۳۸، ۱۰۱۸۲۳٫ [Google Scholar] [CrossRef]
اومز، تی. وانتیگم، جی. ون کویل، آر. De Corte, W. یک استراتژی مدل‌سازی پارامتریک برای شبیه‌سازی عددی چاپ بتن سه بعدی با هندسه‌های پیچیده. او اضافه می کند. Manuf. 2021، ۳۸، ۱۰۱۷۴۳٫ [Google Scholar] [CrossRef]
کارنو، پی. مسنیل، آر. راسل، ن. Baverel, O. افزودنی ساخت کنسول – از سنگ تراشی تا چاپ سه بعدی بتن. با ماشین. ساخت و ساز ۲۰۲۰، ۱۱۶، ۱۰۳۱۸۴٫ [Google Scholar] [CrossRef]
پراسیتیسوپین، ال. ساکداناراسث، ت. Horayangkura, V. روش طراحی و ساخت یک غرفه منحنی خودپشتیبانی از چاپ سه بعدی بتن. جی آرچیت. مهندس ۲۰۲۱، ۲۷۰۵۰۲۱۰۰۶٫ [Google Scholar] [CrossRef]
فورکائل، ای. فراری، آی. اوپازو-وگا، ا. Pulido-Arcas، JA Construction 4.0: A Literature Review. پایداری ۲۰۲۰، ۱۲، ۹۷۵۵٫ [Google Scholar] [CrossRef]
مسکوری، ر. سلامت، ع. مارسوا، پ. کرجکار، او. David, OO Industry 4.0 برای صنعت ساخت و ساز: بررسی دیدگاه مدیریت. اقتصادها ۲۰۱۹، ۷، ۶۸٫ [Google Scholar] [CrossRef]
Sawhney، A. رایلی، ام. آیریزاری، جی. ساخت و ساز ۴٫۰; Sawhney, A., Riley, M., Irizarry, J., Eds.; Routledge: لندن، بریتانیا، ۲۰۲۰؛ شابک ۹۷۸۰۴۲۹۳۹۸۱۰۰٫ [Google Scholar]
Bourell، DL Perspectives on Additive Manufacturing. آنو. کشیش ماتر Res. 2016، ۴۶، ۱-۱۸٫ [Google Scholar] [CrossRef]
ساکین، م. Kiroglu، YC 3D Printing of Building: Construction of Sustainable Houses of the Future توسط BIM. انرژی پیش می رود ۲۰۱۷، ۱۳۴، ۷۰۲-۷۱۱٫ [Google Scholar] [CrossRef]
لوپز، جی. تولید افزودنی و تبدیل لجستیک: چاپ سه بعدی. Oikonomics Rev. Econ. کسب و کار و Soc. 2018، ۹، ۵۸-۶۹٫ [Google Scholar]
کریستوف، آر. مونوز، آر. هرناندز، آ. تولید افزودنی. واقعی و بازتاب ۲۰۱۷، ۱۶، ۹۷-۱۰۹٫ [Google Scholar] [CrossRef]
بوس، اف. ولفز، آر. احمد، ز. Salet, T. افزودنی ساخت بتن در ساخت و ساز: پتانسیل ها و چالش های چاپ بتن سه بعدی. فیزیک مجازی نمونه اولیه ۲۰۱۶، ۱۱، ۲۰۹-۲۲۵٫ [Google Scholar] [CrossRef]
روزلو، دی. بررسی کاربردهای پرینت سه بعدی در زمینه ساخت و ساز; دانشگاه پلی تکنیک کاتالونیا: بارسلون، اسپانیا، ۲۰۲۲٫ [Google Scholar]
دوطلب، ا. کاظمیان، ع. Khoshnevis, B. Perspectives on a platform software integrated BIM for robotic building from by Contour Crafting. با ماشین. ساخت و ساز ۲۰۱۸، ۸۹، ۱۳-۲۳٫ [Google Scholar] [CrossRef]
قانون، A. کلتون، دی. مدل سازی و تحلیل شبیه سازی، ویرایش پنجم؛ McGraw-Hill: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۴; شابک ۹۷۸-۰-۰۷-۳۴۰۱۳۲-۴٫ [Google Scholar]
فورکائل، ای. گونزالس، م. سوتو مونوز، جی. رامیس، اف. رودریگز، سی. زمان‌بندی ساده‌شده فرآیند ساخت ساختمان با استفاده از شبیه‌سازی رویداد گسسته. در مجموعه مقالات شانزدهمین کنفرانس بین المللی چندگانه LACCEI برای مهندسی، آموزش و فناوری: «نوآوری در آموزش و پرورش و. گنجاندن»، لیما، پرو، ۱۹ تا ۲۱ ژوئیه ۲۰۱۸٫ [Google Scholar]
پائز، اچ جی شبیه سازی دیجیتال برای بهبود برنامه ریزی فرآیند ساخت و ساز; دانشگاه لس آند: بوگوتا، کلمبیا، ۲۰۰۷٫ [Google Scholar]
عبدالمجید، م. گونزالس، ویرجینیا؛ پوشدار، م. اوسالیوان، ام. واکر، سی جی; Ying, F. موانع به کارگیری مدل سازی شبیه سازی در صنعت ساخت و ساز. با ماشین. ساخت و ساز ۲۰۲۰، ۱۱۱، ۱۰۳۰۴۶٫ [Google Scholar] [CrossRef]
رامون، ا. Barboza, R. استفاده از شبیه سازی در فرآیندهای ساخت و ساز. کشیش تکنول. مارس ۲۰۱۹، ۳۲، ۱۴۵-۱۵۷٫ [Google Scholar] [CrossRef]
گومز، الف. شبیه سازی فرآیندهای سازنده. کشیش اینگ. ساخت و ساز ۲۰۱۰، ۲۵، ۱۲۱-۱۴۴٫ [Google Scholar] [CrossRef]
کامات، VR؛ مارتینز، JC تجسم عملیات ساخت و ساز شبیه سازی شده به صورت سه بعدی. جی. کامپیوتر. مدنی مهندس ۲۰۰۱، ۱۵، ۳۲۹-۳۳۷٫ [Google Scholar] [CrossRef]
گونزالس، وی. Alarcón, L. برنامه نویسی بافر: یک استراتژی مکمل برای کاهش تنوع در فرآیندهای ساخت و ساز. مهندس ساختمان کشیش ۲۰۰۳، ۱۸، ۱۰۹-۱۱۹٫ [Google Scholar]
سینگ، PM; سنگری، ر. Mishra, RS مروری بر مطالعه مدل‌سازی و شبیه‌سازی فرآیندهای تولید افزودنی. ماتر امروز Proc. 2022، ۵۶، ۳۵۹۴-۳۶۰۳٫ [Google Scholar] [CrossRef]
مصطفایی، ع. الیوت، AM; بارنز، جی. لی، اف. تان، دبلیو. Cramer، CL; نندوانا، پ. چاپ سه بعدی Chmielus، M. Binder – پارامترهای فرآیند، مواد، خواص، مدل‌سازی و چالش‌ها. Prog. ماتر علمی ۲۰۲۱، ۱۱۹، ۱۰۰۷۰۷٫ [Google Scholar] [CrossRef]
نین پچ، پی. کویتوارانگکول، پ. ماهاتانابدی، س. چالرمکارنون، پ. Ratanadecho, P. مروری بر شبیه سازی کامپیوتری چاپ سه بعدی فلز. در مجموعه مقالات کنفرانس AIP، پاتایا، تایلند، ۱۱ تا ۱۳ سپتامبر ۲۰۲۰؛ انتشارات AIP: پاتایا، تایلند، ۲۰۲۰; پ. ۰۵۰۰۰۲٫ [Google Scholar]
ژانگ، جی کیو؛ اسپاک، ا. مارتینز، سی. لاسکو، دی.تی. ژانگ، بی. شبیه‌سازی فرآیند ساخت افزودنی رباتیک Fuhlbrigge، TA – به سمت طراحی و تجزیه و تحلیل با در نظر گرفتن پارامتر ساختمان. در مجموعه مقالات کنفرانس بین المللی IEEE 2016 در علوم و مهندسی اتوماسیون (CASE)، فورت ورث، TX، ایالات متحده، ۲۱ تا ۲۵ اوت ۲۰۱۶؛ صص ۶۰۹-۶۱۳٫ [Google Scholar]
پائولینی، آ. کولمانزبرگر، اس. رتبه، E. ساخت افزودنی در ساخت و ساز: مروری بر فرآیندها، برنامه ها، و روش های برنامه ریزی دیجیتال. او اضافه می کند. Manuf. 2019، ۳۰، ۱۰۰۸۹۴٫ [Google Scholar] [CrossRef]
لی، ز. هان، اس. بوفرگن، آ. تقدوس، ح. هرمان، یو. الحسین، م. الگوریتم برای برنامه ریزی مسیر پیاده روی جرثقیل متحرک در کارخانه های صنعتی شلوغ. J. Constr. مهندس مدیریت ۲۰۱۵، ۱۴۱۰۵۰۱۴۰۱۶٫ [Google Scholar] [CrossRef]
Valdivieso، C. اولین مرکز چاپ بتن سه بعدی اروپا. بومی های سه بعدی ۲۰۱۹٫ در دسترس آنلاین: https://www.3dnatives.com/fa/3d-concrete-printing-facility-230120195/ (در ۱ مارس ۲۰۲۳ قابل دسترسی است).
بویگس، سی. آینده پرینت سه بعدی در ساخت و ساز – مصاحبه با برونو لینه، مدیر تحقیق و توسعه روش های ساخت و ساز ساختمان در Bouygues Construction; Bouygues Construction: Guyancourt، فرانسه، ۲۰۲۰; در دسترس آنلاین: https://www.bouygues-construction.com/blog/en/impression-3d-construction/ (در ۱ مارس ۲۰۲۳ قابل دسترسی است).
CIPYCS (مرکز بین رشته ای بهره وری و ساخت و ساز پایدار). نمونه سازی مقیاس پایلوت ۲۰۲۰٫ در دسترس آنلاین: https://construye2025.cl/2020/08/28/laboratorio-de-infraestructura-modular-alista-operaciones-para-junio-de-2021/ (در ۱ مارس ۲۰۲۳ قابل دسترسی است).
Saunders، S. CyBe Construction از چاپگر بتنی سه بعدی موبایل جدید، CyBe RC 3Dp رونمایی کرد. ۲۰۱۶٫ در دسترس آنلاین: https://3dprint.com/158972/cybe-mobile-3d-concrete-printer/ (در ۱ مارس ۲۰۲۳ قابل دسترسی است).
بازگشت، ما؛ Boles، WW; Fry، GT توزیع های احتمال مثلثی را از داده های هزینه تاریخی تعریف می کند. J. Constr. مهندس مدیریت ۲۰۰۰، ۱۲۶، ۲۹-۳۷٫ [Google Scholar] [CrossRef]
Kamiński، M. تجزیه و تحلیل عدم قطعیت در مکانیک جامدات با توزیع های یکنواخت و مثلثی با استفاده از روش المان محدود مبتنی بر اغتشاش تصادفی. المان محدود. مقعدی دس ۲۰۲۲، ۲۰۰، ۱۰۳۶۴۸٫ [Google Scholar] [CrossRef]
گیفتتالر، م. سندی، تی. دورفلر، ک. بروکس، آی. باکینگهام، ام. ری، جی. کوهلر، م. گرامازیو، اف. Buchli, J. ساخت روباتیک متحرک در مقیاس ۱:۱: The In situ Fabricator. ساخت و ساز ربات. ۲۰۱۷، ۱، ۳-۱۴٫ [Google Scholar] [CrossRef]
Ruano، V. تجزیه و تحلیل دوره های ساخت و ساز ساختمان در شیلی و ارتباط آنها با روش های ساخت و ساز مورد استفاده. پایان نامه کارشناسی، دانشگاه شیلی، سانتیاگو، شیلی، ۲۰۱۰; pp. 1-126. [Google Scholar]

شکل ۱٫
ساختمان کوچک: (آ) شبیه سازی طبقه اول؛ (ب) شبیه سازی طبقه دوم؛ و (ج) مدل نهایی

شکل ۲٫
ساختمان بزرگ (آ) شبیه سازی کف استاندارد; (ب) مدل نهایی

شکل ۳٫
محدوده کار ربات و ابعاد (اندازه گیری بر حسب میلی متر).

شکل ۴٫
ابعاد پایه ربات و وسیله نقلیه ردیابی شده (اندازه گیری بر حسب میلی متر).

شکل ۵٫
نمونه های EOAT به یک بازوی رباتیک اضافه شده است: (آ) ABB، (ب) CyBe و (ج) کوکا (اقتباس از [۳۹,۴۰,۴۱]).

شکل ۶٫
(آ) نمای جانبی دسترسی ربات (mm)؛ (ب) ربات ABB در وسیله نقلیه ردیابی شده CyBe (اقتباس شده از [۴۲]).

شکل ۷٫
حداکثر و حداقل محدوده عملکرد ربات (به میلی متر).

شکل ۸٫
نمودار جریان فرآیند شبیه سازی.

شکل ۹٫
نوع تجزیه و تحلیل پیکربندی برای ساختمان کوچک: (آ) S11، (ب) S12; (ج) S21; و (د) S22 (فلش های آبی جهت حرکت ربات روی خزنده را نشان می دهد؛ دایره های قرمز شعاع عملکرد ربات را در هر موقعیت نشان می دهد و اعداد آبی موقعیت های مختلف ربات را نشان می دهد).

شکل ۱۰٫
FlexSim^TM مدل‌سازی توالی چاپ برای تحلیل نوع S11 (فلش‌های سبز جهت‌هایی هستند که ربات حرکت می‌کند و مربع‌های سیاه مکان‌های متعدد ربات هستند).

شکل ۱۱٫
مکان های آنالیز نوع B12 برای دیوارهای خارجی (آ) و دیوارهای داخلی (ب) (فلش های آبی جهت حرکت ربات روی خزنده را نشان می دهد؛ دایره های قرمز شعاع عملکرد ربات را در هر موقعیت نشان می دهد و اعداد آبی موقعیت های مختلف ربات را نشان می دهد).

شکل ۱۲٫
دنباله چاپ برای تحلیل نوع B12 (فلش های سبز جهت حرکت ربات و مربع های سیاه مکان های متعدد ربات هستند).

شکل ۱۳٫
نمودارهای پارتو از جلوه های استاندارد شده برای (آ) طبقه ۱ – ساختمان کوچک. (ب) طبقه ۲ – ساختمان کوچک. و (ج) طبقه استاندارد — ساختمان بزرگ.

شکل ۱۴٫
طرح جلوه های اصلی در مقابل زمان برای طبقه ۱ ساختمان کوچک.

شکل ۱۵٫
طرح جلوه های اصلی در مقابل زمان برای طبقه ۲ ساختمان کوچک.

شکل ۱۶٫
طرح جلوه های اصلی در مقابل زمان برای طبقه استاندارد ساختمان بزرگ.

شکل ۱۷٫
نمودار تعامل متغیرهای مربوط به زمان طبقه ۱ ساختمان کوچک.

شکل ۱۸٫
نمودار تعامل متغیرهای مربوط به زمان برای طبقه ۲ ساختمان کوچک.

شکل ۱۹٫
نمودار تعامل متغیرهای مربوط به زمان برای طبقه استاندارد ساختمان بزرگ.

میز ۱٫
ویژگی های ساختمان های مسکونی در نظر گرفته شده در این تحقیق.

	ساختمان کوچک	ساختمان بزرگ
تعداد طبقات	۲	۱۲
مساحت در هر طبقه	۱۵۴٫۵۳ متر^۲	۹۱۰ متر^۲
مساحت کل	۳۰۹٫۰۶ متر^۲	۱۰۹۲۰ متر^۲
ارتفاع دیوارها	۲٫۷۵ متر	۲٫۷۵ متر
ارتفاع کل	۵٫۵ متر	۳۳ متر

جدول ۲٫
سطوح آزمون برای هر عامل.

عوامل	سطوح کدگذاری شده
A: سرعت ربات	آ_۱	آ_۲	آ_۳
ب: سرعت خزنده	ب_۱	ب_۲	ب_۳
ج: نوع مکان	C1 C₂

جدول ۳٫
نامگذاری مطالعات انجام شده

شرح	نوع تحلیل
ساختمان کوچک طبقه ۱ تحلیل ۱	S11
ساختمان کوچک طبقه ۱ تحلیل ۲	S12
ساختمان کوچک طبقه ۲ تحلیل ۱	S21
ساختمان کوچک طبقه ۲ تحلیل ۲	S22
ساختمان بزرگ طبقه ۱ (استاندارد)، تحلیل ۱	B11
ساختمان بزرگ طبقه ۱ (استاندارد)، تحلیل ۲	B12

جدول ۴٫
توزیع های احتمالی برای هر یک از تحلیل های مورد مطالعه.

تحلیل و بررسی	حداقل سرعت ربات (۰٫۱ متر بر ثانیه)			سرعت متوسط روبات (۰٫۲۲۵ متر بر ثانیه)			حداکثر سرعت ربات (۰٫۳۵ متر بر ثانیه)
تحلیل و بررسی	اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)	اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)	اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)	اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)	اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)	اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)	اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)	اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)	اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)
S11	طبیعی			طبیعی			طبیعی
S12
S21
S22
B11	ورود به سیستم			ورود به سیستم			ورود به سیستم
B12

جدول ۵٫
مقادیر متوسط و انحراف معیار زمان بر حسب ساعت در هر طبقه با توجه به نوع تحلیل.

تحلیل و بررسی	حداقل سرعت ربات (۰٫۱ متر بر ثانیه)						سرعت متوسط روبات (۰٫۲۲۵ متر بر ثانیه)						حداکثر سرعت ربات (۰٫۳۵ متر بر ثانیه)
	اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)		اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)		اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)		اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)		اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)		اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)		اس_دقیقه خزنده (۰٫۳ متر بر ثانیه)		اس_{میانگین} خزنده (۰٫۸۳ متر بر ثانیه)		اس_حداکثر خزنده (۱٫۴ متر بر ثانیه)
	متر	پ	متر	پ	متر	پ	متر	پ	متر	پ	متر	پ	متر	پ	متر	پ	متر	پ
S11	۳۷٫۲۷۱	۰٫۰۱۴	۳۷٫۲۴۹	۰٫۰۱۴	۳۷٫۲۴۵	۰٫۰۱۴	۱۹٫۹۰۲	۰٫۰۰۷	۱۹٫۸۸۰	۰٫۰۰۷	۱۹٫۸۷۵	۰٫۰۰۷	۱۲٫۷۹۹	۰٫۰۰۵	۱۲٫۷۷۷	۰٫۰۰۵	۱۲٫۷۷۳	۰٫۰۰۵
S12	۳۷٫۲۶۰	۰٫۰۱۴	۳۷٫۲۴۵	۰٫۰۱۴	۳۷٫۲۴۴	۰٫۰۱۴	۱۹٫۸۹۱	۰٫۰۰۷	۱۹٫۸۷۶	۰٫۰۰۷	۱۹٫۸۷۵	۰٫۰۰۷	۱۲٫۷۸۸	۰٫۰۰۵	۱۲٫۷۷۳	۰٫۰۰۵	۱۲٫۷۷۲	۰٫۰۰۵
S21	۳۶٫۶۱۸	۰٫۰۱۴	۳۶٫۶۰۶	۰٫۰۱۴	۳۶٫۶۰۴	۰٫۰۱۴	۱۹٫۵۴۵	۰٫۰۰۷	۱۹٫۵۳۴	۰٫۰۰۷	۱۹٫۵۳۱	۰٫۰۰۷	۱۲٫۵۶۴	۰٫۰۰۵	۱۲٫۵۵۲	۰٫۰۰۵	۱۲٫۵۵۰	۰٫۰۰۵
S22	۳۶٫۶۱۷	۰٫۰۱۴	۳۶٫۶۰۶	۰٫۰۱۴	۳۶٫۶۰۳	۰٫۰۱۴	۱۹٫۵۴۴	۰٫۰۰۷	۱۹٫۵۳۳	۰٫۰۰۷	۱۹٫۵۳۱	۰٫۰۰۷	۱۲٫۵۶۳	۰٫۰۰۵	۱۲٫۵۵۲	۰٫۰۰۵	۱۲٫۵۵۰	۰٫۰۰۵
B11	۴۱۲٫۸۲۴	۰٫۰۳۶	۴۱۲٫۷۲۳	۰٫۰۳۶	۴۱۲٫۷۰۳	۰٫۰۳۶	۲۸۲٫۹۱۶	۰٫۰۱۹	۲۸۲٫۸۱۵	۰٫۰۱۹	۲۸۲٫۷۹۵	۰٫۰۱۹	۲۲۹٫۷۹۴	۰٫۰۱۲	۲۲۹٫۶۹۳	۰٫۰۱۲	۲۲۹٫۶۷۳	۰٫۰۱۲
B12	۴۰۹٫۹۹۶	۰٫۰۳۶	۴۰۹٫۸۰۷	۰٫۰۳۶	۴۰۹٫۷۶۹	۰٫۰۳۶	۲۸۰٫۹۹۵	۰٫۰۱۹	۲۸۰٫۸۰۶	۰٫۰۱۹	۲۸۰٫۷۶۸	۰٫۰۱۹	۲۲۸٫۲۴۴	۰٫۰۱۲	۲۲۸٫۰۵۵	۰٫۰۱۲	۲۲۸٫۰۱۷	۰٫۰۱۲

جدول ۶٫
تجزیه و تحلیل واریانس برای ساختمان کوچک و ساختمان بزرگ.

منبع	پ-ارزش
منبع	طبقه ۱ – ساختمان کوچک	طبقه ۲ – ساختمان کوچک.	طبقه استاندارد – ساختمان بزرگ
مدل	۰٫۰۰۰	۰٫۰۰۰	۰٫۰۰۰
خطی	۰٫۰۰۰	۰٫۰۰۰	۰٫۰۰۰
سرعت ربات	۰٫۰۰۰	۰٫۰۰۰	۰٫۰۰۰
سرعت خزنده	۰٫۰۰۰	۰٫۰۰۰	۰٫۰۰۰
نوع مکان	۰٫۰۰۴	۰٫۵۳۸	۰٫۰۰۰
تعامل دو طرفه	۰٫۴۷۷	۰٫۹۳۴	۰٫۰۰۰
سرعت ربات ∗ سرعت خزنده	۰٫۱۹۲	۰٫۸۹۲	۰٫۲۸۴
سرعت ربات ∗ نوع مکان	۰٫۵۵۳	۰٫۹۴۷	۰٫۰۰۰
سرعت خزنده ∗ نوع مکان	۰٫۹۰۵	۰٫۴۲۱	۰٫۰۰۰
تعامل ۳ طرفه	۰٫۹۷۶	۰٫۶۷۷	۰٫۷۲۱
سرعت ربات ∗ سرعت خزنده ∗ نوع مکان	۰٫۹۷۶	۰٫۶۷۷	۰٫۷۲۱

جدول ۷٫
ترکیب بهینه متغیرها برای به حداقل رساندن زمان شبیه سازی در ساعت برای طبقه ۱ ساختمان کوچک.

راه حل	سرعت ربات	سرعت خزنده	نوع مکان	زمان مناسب	مطلوبیت مرکب
۱	۰٫۳۵	۱٫۴	۲	۱۲٫۷۷۰۰	۱٫۰۰۰۰۰
۲	۰٫۳۵	۱٫۴	۱	۱۲٫۷۷۵۰	۰٫۹۹۹۸۰
۳	۰٫۳۵	۰٫۸۳	۲	۱۲٫۷۷۶۷	۰٫۹۹۹۷۳
۴	۰٫۳۵	۰٫۸۳	۱	۱۲٫۷۷۸۳	۰٫۹۹۹۶۶
۵	۰٫۳۵	۰٫۳	۲	۱۲٫۷۹۰۰	۰٫۹۹۹۱۸

جدول ۸٫
ترکیب بهینه متغیرها برای به حداقل رساندن زمان شبیه سازی بر حسب ساعت برای طبقه ۲ ساختمان کوچک.

راه حل	سرعت ربات	سرعت خزنده	نوع مکان	زمان مناسب	مطلوبیت مرکب
۱	۰٫۳۵	۱٫۴	۲	۱۲٫۵۴۵۰	۰٫۹۹۹۷۹۳
۲	۰٫۳۵	۱٫۴	۱	۱۲٫۵۵۰۰	۰٫۹۹۹۵۸۵
۳	۰٫۳۵	۰٫۸۳	۱	۱۲٫۵۵۰۰	۰٫۹۹۹۵۸۵
۴	۰٫۳۵	۰٫۸۳	۲	۱۲٫۵۵۳۳	۰٫۹۹۹۴۴۷
۵	۰٫۳۵	۰٫۳	۲	۱۲٫۵۶۳۳	۰٫۹۹۹۰۳۲

جدول ۹٫
ترکیب بهینه متغیرها برای به حداقل رساندن زمان شبیه سازی بر حسب ساعت برای طبقه استاندارد ساختمان بزرگ.

راه حل	سرعت ربات	سرعت خزنده	نوع مکان	زمان مناسب	مطلوبیت مرکب
۱	۰٫۳۵	۱٫۴	۲	۲۲۸٫۰۱۸	۰٫۹۹۹۹۵۵
۲	۰٫۳۵	۰٫۸۳	۲	۲۲۸٫۰۶۷	۰٫۹۹۹۶۹۳
۳	۰٫۳۵	۰٫۳	۲	۲۲۸٫۲۴۳	۰٫۹۹۸۷۳۷
۴	۰٫۳۵	۱٫۴	۱	۲۲۹٫۶۷۷	۰٫۹۹۰۹۸۲
۵	۰٫۳۵	۰٫۸۳	۱	۲۲۹٫۶۸۷	۰٫۹۹۰۹۲۸

جدول ۱۰٫
زمان ساخت ساختمان های مورد مطالعه با استفاده از AM ساخته شده است.

متغیرها	ساختمان کوچک		ساختمان بزرگ
کف	طبقه ۱	طبقه ۲	طبقه استاندارد
زمان در هر طبقه	۱۲٫۷۷ ساعت	۱۲٫۵۴۵ ساعت	۲۲۸٫۰۱۸ ساعت
کل زمان	۲۳٫۳۱۵ ساعت		۲۷۳۶٫۲۱۶ h

جدول ۱۱٫
زمان برای ساختن دیوارهای ساختمان کوچک به روش متعارف استفاده می شود.

فعالیت	مدت زمان
ساخت میلگرد	۱٫۰۶ روز
نصب میلگرد	۰٫۹۵ روز
قرار دادن قالب دیوار	۱٫۸۷ روز
بتن ریزی	۰٫۲۰ روز
زمان انتظار قبل از برداشتن قالب ها	۱٫۰۰ روز
کل مدت زمان	۵٫۰۸ روز

جدول ۱۲٫
زمان برای ساختن دیوارهای ساختمان بزرگ به روشی متعارف استفاده می شد.

فعالیت	مدت زمان
ساخت میلگرد	۴۵٫۲۷ روز
نصب میلگرد	۴۰٫۴۱ روز
قرار دادن قالب دیوار	۷۹٫۶۳ روز
بتن ریزی	۸٫۷۲ روز
زمان انتظار قبل از برداشتن قالب ها	۸٫۷۲ روز
کل مدت زمان	۱۸۲٫۷۴ روز

سلب مسئولیت/یادداشت ناشر: اظهارات، نظرات و داده های موجود در همه نشریات صرفاً متعلق به نویسنده (ها) و مشارکت کننده (ها) است و نه MDPI و/یا ویرایشگر(ها). MDPI و/یا ویراستار(های) مسئولیت هرگونه آسیب به افراد یا دارایی ناشی از هر ایده، روش، دستورالعمل یا محصولات اشاره شده در محتوا را رد می کنند.

© ۲۰۲۳ توسط نویسندگان. دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC BY) توزیع شده است (https://creativecommons.org/licenses/by/4.0/).

منابع:
۱- shahrsaz.ir , ساختمانها، جلد. ۱۳، صفحات ۱۳۹۰: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد
,۱۶۸۵۱۶۲۱۰۵
۲- https://www.mdpi.com/2075-5309/13/6/1390 | 2023-05-27 04:30:00

پایان نامه ساختمانها، جلد. ۱۳، صفحات ۱۳۹۰: تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی گسسته رویداد

تجزیه و تحلیل عملکرد فرآیندهای چاپ سه بعدی بتن از طریق شبیه سازی رویداد گسسته

خلاصه

۱٫ معرفی

۲٫ بررسی ادبیات

۲٫۱٫ ساخت و ساز ۴٫۰

۲٫۲٫ تولید افزودنی

۲٫۳٫ ۳DCP و استفاده از بازوهای رباتیک

۲٫۴٫ شبیه سازی فرآیندها

۲٫۵٫ شبیه سازی فرآیندهای AM

۳٫ روش شناسی

۳٫۱٫ مدل سازی پیکربندی های مختلف برای پرینت سه بعدی دیوارهای بتنی

۳٫۱٫۱٫ صادرات مدل ساختاری از Revit به AutoCAD

۳٫۱٫۲٫ تجزیه و تحلیل مکان های مختلف ممکن برای ربات موبایل

۳٫۱٫۳٫ شبیه سازی تنظیمات و مکان های مختلف در FlexSimTM

۳٫۲٫ طراحی تجربی

۴٫ تجزیه و تحلیل نتایج

۴٫۱٫ مکان های ربات

۴٫۲٫ نتایج طراحی آزمایشی

۴٫۲٫۱٫ برازش

۴٫۲٫۲٫ تحلیل عاملی و واریانس

۴٫۲٫۲٫۱٫ تحلیل عاملی سه عاملی

۴٫۲٫۲٫۲٫ تحلیل عاملی سه عاملی

۴٫۲٫۲٫۳٫ نمودارهای تحلیل عاملی

۴٫۲٫۲٫۴٫ بهینه سازی زمان شبیه سازی

۴٫۳٫ مقایسه روش های متداول ساخت و ساز و AM

۴٫۴٫ بحث

۵٫ نتیجه گیری ها

مشارکت های نویسنده

منابع مالی

بیانیه در دسترس بودن داده ها

قدردانی

تضاد علاقه

پیوست اول

ضمیمه B

منابع

لغو پاسخ

۳٫۱٫۳٫ شبیه سازی تنظیمات و مکان های مختلف در FlexSim^TM