dr inż. Marcin Gajzler Politechnika Poznańska, Wydział Budownictwa i Inżynierii Środowiska
mgr inż. Aneta Kończak Politechnika Poznańska, Wydział Budownictwa i Inżynierii Środowiska

Autor do korespondencji e-mail : Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.

DOI: 10.15199/33.2016.06.33

Przedmiotem artykułu jest analiza zależności wybranych parametrów sprężonych płyt prefabrykowanych na czas ich realizacji oraz budowamodelu pozwalającego szacować czas produkcji. Stwierdzono zależnośćm.in. stopnia złożoności kształtu elementu, jego objętości, ilości zbrojenia, liczby akcesoriów, cykliczności wykonania elementu jednego rodzaju na czas wykonania płyty. Zaprezentowano próbę wykorzystaniamożliwości modelu neuronowego, który pozwala na modelowanie zjawisk o różnymstopniu złożoności.Wykorzystano symulator SNN Statistica Statsoft, w ramach którego zastosowano sieci perceptronowe. Sformułowanownioski dotyczącemożliwościwykorzystania sieci neuronowych w budowie systemu wspomagającego planowanie produkcji sprężonych elementów prefabrykowanych.

Słowa kluczowe: prefabrykacja betonowa, wspomaganie decyzji, symulacja, zależności czasowe, model neuronowy.

* * *

Analysis of the timing in the production technology of prestressed precast slabs

The article is based on an analysis of selected parameters of components and the duration of the production process of slabs with the construction of model to estimate the time of production of slabs assuming specific design characteristics.Acorrelation was found between the complexities of the shape of the item, its volume, the amount of reinforcement, the amount of accessories, cyclicality ofmaking a single type of on-time performance element.The article presents an attempt to exploit the neuralmodel,which allows under certain conditions, to model phenomena of varying complexity. SNN Statistica Statsoft simulator was used, underwhich perceptron network were applied. Conclusions were drawn about usefulness of neural network in building support systemin production planning of precast concrete slab.

Keywords: prefabricated concrete, decision support, time dependencies, neural model.

Literatura

[1] Gajzler Marcin. 2011. „Neural networks in the advisory system for repairs of industrial concrete floors”.ComputerAssistedMechanics and Engineering Sciences 18 (4): 255 – 263.
[2] Gajzler Marcin. 2014. „Analysis of knowledge sources and processing in the construction area”. Technical Transactions 1-B (5): 137 – 144.
[3] Kończak Aneta, Jerzy Pasławski. 2014. „Hybrid approach in learning from examples in construction process design”. Technical Transactions 2-B (6): 21 – 30.
[4] Kończak Aneta, Jerzy Pasławski. 2013. „Decision support in production planning of precast concrete slabs based on simulation and learning from examples”. Procedia Engineering (57): 583 – 588, DOI: 10.1016/j.proeng.2015.10.010.
[5] Książek Mariola, Paweł Nowak, Jerzy Rosłon. 2014. „Decision making with use of ahp method in construction”.TechnicalTransactions2-B(6):31–39.
[6] Plebankiewicz Edyta. 2014. „Modelling decision- making processes in bidding procedures with the use of the fuzzy sets theory”. International Journal of Strategic Property Management 18 (3): 307 – 316. DOI: 10.3846/1648715X.2014.943332.
[7] Pinińska Anna, Maciej Majcherek. 2014. „Zastosowanie symulacji do analizy procesów budowlanych – przykład linii produkcyjnej płyt stropowych”. Pracamagisterska. Politechnika Poznańska.
[8] Waszczyszyn Zenon, Marek Słoński. 2009. „Selected problems of artificial neural networks development”. In Waszczyszyn Z. [Ed.]. Advances of soft computing in engineering: 237–316. Springer. DOI: 10.1007/978-3-211-99768-0_5.
[9] Zain Muhammad Fauzi, Hassan Basri. 2005. „An expert system for mix design of high performance concrete”. Advances in Engineering Software 36 (5): 325 – 337. DOI: 10.1016/j.advengsoft. 2004.10.008.

Otrzymano: 13.04.2016 r.

Przeczytaj cały artykuł >>

 

Materiały Budowlane 06/2016, str 77-78 (spis treści >>)