دوره جامع بهینه سازی سازه ها

در سال‌های اخیر، با پیچیده‌تر شدن پروژه‌های عمرانی و افزایش محدودیت‌های اقتصادی و اجرایی، استفاده از روش‌های بهینه‌سازی در طراحی سازه به یکی از نیازهای مهم مهندسی سازه تبدیل شده است. هدف از بهینه‌سازی تنها کاهش وزن یا مصرف مصالح نیست؛ بلکه رسیدن به طرحی است که در عین تأمین الزامات آیین‌نامه‌ای و عملکرد مناسب، از نظر هزینه، ایمنی و بهره‌وری نیز بهترین نتیجه را ارائه دهد.
برای مهندسین سازه، آشنایی با روش‌های بهینه‌سازی این امکان را فراهم می‌کند که فراتر از روش‌های طراحی متداول عمل کنند و با استفاده از ابزارهای محاسباتی و الگوریتم‌های نوین، به راهکارهای دقیق‌تر و اقتصادی‌تر دست یابند. امروزه روش‌های بهینه‌سازی در طراحی سازه‌های فولادی و بتنی، انتخاب مقاطع، کاهش هزینه ساخت، کنترل پاسخ سازه و همچنین مسائل پژوهشی و صنعتی کاربرد گسترده‌ای دارند.
در این دوره تلاش شده است تا مفاهیم بهینه‌سازی از مبانی کلاسیک تا روش‌های پیشرفته و هوشمند به‌صورت گام‌به‌گام آموزش داده شود. شرکت‌کنندگان علاوه بر آشنایی با مفاهیم تئوری، نحوه استفاده از الگوریتم‌های مختلف در حل مسائل واقعی سازه‌ای را نیز فرا خواهند گرفت. در طول دوره، مثال‌های کاربردی، بررسی مقالات پژوهشی و پیاده‌سازی مسائل با استفاده از زبان برنامه‌نویسی پایتون ارائه می‌شود.

چرا مهندسین سازه باید بهینه‌سازی یاد بگیرند؟
– کاهش هزینه‌های پروژه: دستیابی به طرح‌هایی اقتصادی‌تر با مصرف بهینه مصالح و کاهش هزینه‌های اجرا
– افزایش بهره‌وری طراحی: کاهش زمان صرف‌شده برای آزمون و خطا و رسیدن سریع‌تر به گزینه‌های مناسب طراحی
– بهبود عملکرد سازه: یافتن طرح‌هایی که علاوه بر تأمین الزامات آیین‌نامه‌ای، رفتار مناسب‌تری در برابر بارهای مختلف داشته باشند
– انتخاب هوشمندانه مقاطع و مصالح: تعیین بهترین ترکیب مصالح و مقاطع با در نظر گرفتن محدودیت‌های اجرایی و فنی
– حل مسائل پیچیده مهندسی: توانایی تحلیل و حل مسائل چندمتغیره که با روش‌های سنتی به‌سختی قابل بررسی هستند
– آشنایی با ابزارهای نوین مهندسی: استفاده از الگوریتم‌های هوشمند، روش‌های فراابتکاری و رویکردهای مبتنی بر هوش مصنوعی
– افزایش توانایی پژوهشی و تخصصی: ایجاد زمینه مناسب برای انجام پروژه‌های تحقیقاتی و فعالیت در حوزه‌های نوین مهندسی سازه
– افزایش توان رقابتی در بازار کار: تسلط بر روش‌های جدید طراحی و تحلیل، مهندس را برای پروژه‌های پیشرفته و فرصت‌های شغلی تخصصی آماده می‌کند.
– ارتباط با برنامه‌نویسی و اتوماسیون طراحی: امکان توسعه فرآیندهای خودکار طراحی و کاهش فعالیت‌های تکراری مهندسی
– آمادگی برای آینده مهندسی عمران: روندهای جدید صنعت ساختمان به سمت طراحی هوشمند، تحلیل داده و استفاده از الگوریتم‌های بهینه‌سازی در حال حرکت است و آشنایی با این حوزه به یک مزیت تخصصی مهم تبدیل شده است.

مزیت رقابتی تسلط بر بهینه سازی طرح سازه ها برای مهندسین در بازار کار:

• تمایز نسبت به سایر مهندسین: بسیاری از مهندسین با نرم‌افزارهای طراحی و تحلیل آشنا هستند، اما تعداد کمتری توانایی حل مسائل با رویکرد بهینه‌سازی و الگوریتم‌های هوشمند را دارند. این مهارت می‌تواند یک مزیت رقابتی مهم ایجاد کند.
• توانایی ارائه طرح‌های اقتصادی‌تر: شرکت‌ها و کارفرمایان همواره به دنبال راهکارهایی هستند که ضمن حفظ ایمنی و کیفیت، هزینه‌های پروژه را کاهش دهد. مهندس مسلط به بهینه‌سازی می‌تواند چنین راهکارهایی ارائه کند.
• افزایش فرصت‌های شغلی تخصصی: تسلط بر بهینه‌سازی، برنامه‌نویسی و روش‌های هوشمند می‌تواند مسیر ورود به حوزه‌هایی مانند طراحی پیشرفته سازه، پژوهش، تحلیل داده، اتوماسیون طراحی و پروژه‌های تحقیق و توسعه (R&D) را فراهم کند.
• توانایی انجام پروژه‌های پیچیده‌تر: پروژه‌های بزرگ و خاص معمولاً نیازمند تحلیل‌های پیشرفته و بررسی گزینه‌های متعدد طراحی هستند. مهندسان آشنا با بهینه‌سازی برای این نوع پروژه‌ها آمادگی بیشتری دارند.
• ورود به حوزه هوش مصنوعی در مهندسی عمران: صنعت مهندسی در حال حرکت به سمت روش‌های مبتنی بر داده، یادگیری ماشین و طراحی هوشمند است و آشنایی با بهینه‌سازی می‌تواند نقطه شروع مناسبی برای ورود به این حوزه‌ها باشد.
• افزایش سرعت و بهره‌وری کاری: استفاده از برنامه‌نویسی و فرآیندهای خودکار می‌تواند زمان انجام پروژه‌ها را کاهش دهد و امکان مدیریت پروژه‌های بیشتر را فراهم کند.
• ارزش‌آفرینی بیشتر برای شرکت‌ها: مهندسی که بتواند علاوه بر طراحی، فرآیندها را بهینه و خودکار کند، معمولاً نقش مؤثرتری در تیم‌های فنی خواهد داشت.
• تقویت مسیرهای دانشگاهی و پژوهشی: در بسیاری از پایان‌نامه‌ها، مقالات علمی و پروژه‌های تحقیقاتی روز، مباحث بهینه‌سازی و الگوریتم‌های هوشمند نقش کلیدی دارند و تسلط بر آن‌ها یک مزیت جدی محسوب می‌شود.
• آمادگی برای آینده بازار کار: مسیر مهندسی سازه به سمت طراحی هوشمند، اتوماسیون و تصمیم‌گیری مبتنی بر داده حرکت می‌کند و مهندسینی که امروز این مهارت‌ها را یاد بگیرند، برای نیازهای آینده آماده‌تر خواهند بود.

سرفصل ها :

1- بهینه سازی کلاسیک

2- بررسی بهینه سازی مقید و غیر مقید

3- بهینه سازی توسط روش برنامه ریزی ریاضی خطی به همراه حل یک مثال سازه‌ای

4- بهینه سازی توسط روش برنامه ریزی ریاضی غیر خطی به همراه حل یک مثال سازه‌ای

5- معرفی و کاربرد الکوریتم ژنتیک

6- بررسی کاربرد الگوریتم ژنتیک برای حل مسایل بهینه سازی

7- بررسی چند مقاله پیرامون بهینه سازی سازه‌ها توسط الگوریتم ژنتیک

8- حل یک مسئله‌ی بهینه سازی سازه‌ای توسط الگوریتم ژنتیک

9- معرفی الگوریتم‌های ابتکاری و فرا ابتکاری برای حل مسائل بهینه سازی

10- معرفی الگوریتم های مبتنی بر ازدحام و غیر مبتنی بر ازدحام

11- الگوریتم بهینه سازی ازدحام ذرات به همراه بررسی یک مقاله و حل یک مثال

12- الگوریتم بهینه سازی رقابت استعماری  به همراه بررسی یک یک مقاله و حل یک مثال

13- الگوریتم بهینه سازی خفاش به همراه بررسی یک یک مقاله و حل یک مثال

14- الگوریتم بهینه سازی زنبور عسل به همراه بررسی یک یک مقاله و حل یک مثال

15 – الگوریتم بهینه سازی کرم شب‌تاب همراه بررسی یک یک مقاله و حل یک مثال

16- الگوریتم بهینه سازی جستجوی فاخته همراه بررسی یک یک مقاله و حل یک مثال

17- الگوریتم بهینه سازی کلونی مورچه‌ها همراه بررسی یک یک مقاله و حل یک مثال

18- الگوریتم بهینه سازی لیگ قهرمانی همراه بررسی یک یک مقاله و حل یک مثال

19- الگوریتم بهینه سازی انعکاس صدای دلفین‌ها همراه بررسی یک یک مقاله و حل یک مثال

20 – الگوریتم بهینه سازی انفجار بزرگ همراه بررسی  یک مقاله و حل یک مثال

21- الگوریتم بهینه سازی تبرید شبیه سازی شده همراه بررسی  یک مقاله و حل یک مثال

22- الگوریتم بهینه سازی ذرات باردار همراه بررسی  یک مقاله و حل یک مثال

23- الگوریتم بهینه سازی جستجوی هارمونی همراه بررسی  یک مقاله و حل یک مثال

24- الگوریتم بهینه سازی طوفان ‌ذهنی همراه بررسی  یک مقاله و حل یک مثال

25 – معرفی روش منطق فازی و کاربرد آن در حل مسائل بهینه سازی

26-بررسی یک مقاله پیرامون کاربرد روش منطق فازی در حل مسائل بهینه سازی سازه ای به همراه حل یک مثال

27 – مقدمه ای بر روش های یادگیری ماشین و کاربرد آن در حل مسائل بهینه سازی

28 – مقدمه ای بر روش های یادگیری عمیق و شبکه های عصبی مصنوعی و کاربرد آن در حل مسائل بهینه سازی

سرفصل های بخش کدنویسی و آموزش API نویسی در Etabs

۱- آموزش اصول برنامه نویسی در نرم افزار Flowghoritms

۲- مثال ۱ : برنامه نویسی برای محاسبه‌ی ظرفیت خمشی تیرهای بتنی که در چند ردیف میلگرد گذاری شده‌اند در نرم افزار Flowghoritms

3- مثال 2: برنامه نویسی برای حصول منحنی اندرکنش ستون‌های بتنی در نرم افزار Flowghoritms

4- مثال  : برنامه نویسی برای طراحی اتصالات جوشی مفصلی به روش مرکز آنی دوران در نرم افزار Flowghoritms

5- مثال 4: برنامه نویسی برای طراحی اتصالات پیچی مفصلی به روش مرکز آنی دوران در نرم افزار Flowghoritms

6- معرفی و آموزش مبانی پایه‌ زبان برنامه نویسی Python

7- مثال 5: برنامه نویسی برای محاسبه‌ ی ظرفیت خمشی تیرهای بتنی که در چند ردیف میلگرد گذاری شده‌اند با زبان برنامه نویسی Python

8- مثال 6: برنامه نویسی برای حصول منحنی اندرکنش ستون‌های بتنی  با زبان برنامه نویسی Python

9- مثال 7: برنامه نویسی برای طراحی اتصالات جوشی مفصلی به روش مرکز آنی دوران با زبان برنامه نویسی Python

10- مثال 8: برنامه نویسی برای طراحی اتصالات پیچی مفصلی به روش مرکز آنی دوران با زبان برنامه نویسی Python

11- آشنایی با برخی ساختارها و دستورات کاربردی زبان برنامه نویس Python

12- آشنایی با کتابخانه‌ ی Numpy

13- آشنایی با کتابخانه ‌ی Scipy

14- آشنایی با کتابخانه ‌ی Matplotlib

15- آشنایی با کتابخانه‌ ی Pandas

16- آشنایی با کتابخانه ‌ی Sympy

17- آشنایی با مفهوم برنامه نویسی شی گرا OOP

18- معرفی و آموزش API ETABS

19- مثال 9: کدنویسی توسط زبان برنامه نویسی Python  و API ETABS  برای اعمال ضرایب همپوشانی تیر و دال برای اصلاح وزن و جرم لرزه ای

20- مثال 10: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای بارگذاری خودکار مدل

21- مثال 11: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای اعمال حالت بار Mass  و اصلاح جرم و وزن لرزه‌ای به صورت خودکار

22- مثال 12: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای محاسبه‌ ی خودکار ضریب اصلاح سخنی پیچشی تیرهایی که تحت لنگر پیچشی همسازی قرار می گیرد

23- مثال 13: کدنویسی توسط زبان برنامه نویسی Python ی و ETABS API برای محاسبه‌ ی خودکار سختی طبقه

24- مثال 14: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای تعریف میلگردهای اجرایی به جهت کنترل برش چشمه اتصال و تیر ضعیف و ستون قوی

25- مثال 15: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای محاسبه‌ی ضریب نامعینی قاب خمشی بتی بر اساس ویرایش 5 استاندارد 2800

26- مثال 16: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای محاسبه‌ی مقادیر دقیق ضرایب ترک خوردگی تیرها و ستون‌ها

27- مثال 17: کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای شناسایی ستون‌های کم فشار و پرفشار در قاب‌های خمشی ویژه بتنی

28- مثال18 : کدنویسی توسط زبان برنامه نویسی Python  و ETABS API برای همپایه سازی تحلیل طیفی به تحلیل استاتیکی

29- مثال 19: کدنویسی توسط زبان برنامه نویسی Python و PyPDF  و Pyautocad  برای طراحی یک اتصال مفصلی به همراه تولید خودکار دفترچه محاسبات و نقشه های کارگاهی

30- بررسی و تشریح   API  نرم افزار SAP2000

31- بررسی و تشریح API  نرم افزار SAFE

های یادگیری عمیق و شبکه های عصبی مصنوعی و کاربرد آن در حل مسائل بهینه سازی

زبان برنامه نویسی مورد استفاده : پایتون

پیش نیاز این دوره چیست؟

آشنایی با روند و مبانی طراحی سازه بر اساس آئین‌نامه‌ ها

در این دوره در کنار نرم افزار ETABS  و API  آن از نرم افزار OpenSees  استفاده می شود

مدرس این دوره چه کسی است؟

مهندس کسری ناصری

کارشناسی ارشد مهندسی زلزله از دانشگاه امیرکبیر

متخصص در طراحی و بهسازی ساختمان‌های فولادی، بتنی و بنایی