مدل‌سازی پویا و تحلیل حساسیت سیستم حفاری مکانیزه تمام مقطع جهت مدیریت پروژه‌های تونلی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 مدیر برنامه‌ریزی و کنترل پروژه؛ پروژه خط 2 و 3 قطار شهری شیراز

2 مسوول فنی؛ پروژه خط 2 قطار شهری شیراز

3 مسوول پیمان و رسیدگی؛ پروژه خط 2 قطار شهری شیراز

10.22044/tuse.2022.11226.1430

چکیده

امروزه استفاده از ماشین‌های حفاری مکانیزه تمام مقطع به‌منظور حفاری تونل‌های طویل و تحت شرایط زمین‌شناسی مختلف گسترش زیادی پیداکرده است. از طرفی در پروژه‌های تونلی و بخصوص پروژه‌های مترویی وضعیت حفاری مکانیزه به دلیل زمان‌بر بودن و هزینه بالا تعیین‌کننده راهبرد اصلی پروژه است. در این تحقیق با بهره‌گیری از رویکرد سیستمی به بررسی ارتباط پویای عوامل متعدد تأثیرگذار بر حفاری مکانیزه در پروژه‌های تونلی پرداخته ‌شده است.
این مدل شامل سه زیرسیستم تولید قطعات بتنی پیش‌ساخته کارخانه سگمنت، حفاری مکانیزه توسط دستگاه حفاری مکانیزه تمام مقطع و روند تخلیه مواد حاصل از حفاری در نظر گرفته‌شده و از داده‌های به‌دست‌آمده از دو دستگاه TBM در یک دوره 3 ساله استفاده ‌شده است.
نتایج کلی شبیه‌سازی تأثیرپذیری حفاری مکانیزه از عواملی مانند قطر حفاری، نرخ تولید قطعات پیش‌ساخته بتنی، نرخ تخلیه حوضچه حفاری، ظرفیت دپوی قطعات پیش‌ساخته بتنی و مشکلات متعدد مؤثر بر سرعت دستگاه حفار را نشان می‌دهند که درنهایت نیز مدل اعتبارسنجی شده و تحلیل حساسیت بر روی مدل صورت گرفته است.
با توجه به اعداد اولیه ورودی مدل، نتایج کمی چند سناریو در این مدل بیان می‌کند که چنانچه نرخ تولید قطعات پیش‌ساخته بتنی از 12 به 7 عدد در روز کاهش یابد حفاری مکانیزه 40 روز دیرتر به اتمام می‌رسید و در صورت تغییر تعداد شیفت کاری دستگاه حفاری مکانیزه از 2 شیفت به یک شیفت کاری در روز، مدت‌زمان حفاری از 397 روز به 823 روز می‌رسد و با تغییر تعداد شیفت کاری از 2 به 3 شیفت حفاری مکانیزه در روز و افزایش تعداد سرویس کامیون‌های تخلیه گل حاصل از حفاری از 55 به 75 سرویس، مدت‌زمان موردنیاز جهت حفاری مکانیزه از 397 روز به 277 روز کاهش می‌یابد. البته با توجه به شمول کلی مدل جهت تمامی سیستم‌های حفاری مکانیزه، با تغییر هر یک از متغیرهای مستقل مدل و تعریف سناریوهای مختلف می‌توان به بهترین نتیجه ممکن جهت مدیریت پروژه موردنظر دست‌یافت و راهبردهای پروژه را بر مبنای آن تدوین نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Dynamic modeling and sensitivity analysis of tunnel boring of the whole section system to manage tunnel projects

نویسندگان [English]

  • M. Jahanbani 1
  • K. Peykari 2
  • M. Setoodehpour 3
1 Shiraz University, Khatam-al Anbiya Construction Headquarters. Shiraz
2 Shiraz University of Technology- Khatam-al Anbiya Construction Headquarters
3 Azad Islamc University of Larestan- Khatam-al Anbiya Construction Headquarters
چکیده [English]

Today, the use of tunnel boring machines to drill long tunnels under different geological conditions has become widespread. On the other hand, in tunnel projects, especially subway projects, the situation of tunnel boring due to time consuming and high cost, determines the main strategy of the project. In this research, using a systemic approach, the dynamic relationship of the factor affected by tunnel boring machines in tunnel projects has been investigated and analyzed.
The system in this model includes three subsystems for the production of precast concrete parts, tunnel boring machine and the process of discharging drilling materials, in this model, the data obtained from two TBM machines in a period of 3 years have been used.
The simulation results show the effect of tunnel boring character from factors such as drilling diameter, production rate of precast concrete parts, discharge rate of drilling pool and various problems. Finally, the model is validated and sensitivity analysis is performed on the model.
According to the initial input numbers of the model, the quantitative results of the model indicate that if the production rate of precast concrete parts is reduced from 12 to 7 per day, tunnel boring will be completed 40 days later and If the number of shifts of tunnel boring machines changes from 2 shifts to one shift per day, the drilling time will increase from 397 days to 823 days.
By changing the number of shifts from 2 to 3 tunnel boring shifts per day and increasing the number of mud trucks serviced from 55 to 75 services, the time required for tunnel boring will be reduced from 397 days to 277 days.
Considering the general inclusion of the model for all tunnel boring systems, by changing each of the independent variables of the model and defining different scenarios, the best possible result can be achieved for project management and project strategies can be developed based on it.

کلیدواژه‌ها [English]

  • Tunnel boring machine
  • Segment
  • Precast concrete parts
  • Dynamic system
  • Simulation
  • Tunnel
Alvani, S. M. (1989). public Management (6 ed.). Ney.
Amini khoshalan, Hasel; Torabi, Seyed rahman; Sayf Panahi, Kiomars; Razifard, mahdi. (2017). Modeling the reliability, accessibility, maintenance of the electrical system of the Tunnel Boring Machine. Journal of Mineral Resources Engineering (JMRE), 2(2), 1-10. Retrieved from https://jmre.journals.ikiu.ac.ir/article_1133.html & https://www.sid.ir/fa/journal/ViewPaper.aspx?id=346072
Bohloli, M. A., Mosavi Haghighi, M. H., & Mosavi, S. N. (2020). Investigating and analyzing the trend of water consumption in urban green space and the shortage of municipal water resources with a system dynamics approach. Iranian Journal of Agricultural Economics and Development Research, 51(2), 553-564. doi: 10.22059/IJAEDR.2020.278023.668732
Eftekhari, S. M., Baghban, A. R., & Bagherpour, R. (2013). Investigation of the effect of machine performance parameters on its penetration rate using artificial neural networks - Case study of Zagros long tunnel. Tunneling & Underground Space Engineering (TUSE), 1(1), 29-42. doi: 10.22044/TUSE.2013.120
Eskandarzade Sabet, A., & Torkaman, K. (2020). Performance and cost management of machines using key indicators. Quarterly Journal of Construction Science and Technology, 1(1), 23-28. Retrieved from https://civilica.com/doc/676800 & https://journals.ihu.ac.ir/article_205654.html
Farshchian, M. M., & Heravi, G. R. (2012). Management of Tunnel Construction Projects with TBM: A System Dynamics Approach. 9th International Congress on Civil Engineering, Isfahan University of Technology (IUT). doi:COI: ICCE09_1262
Lang, & Liang. (2021). A study of system dynamics modelling andoptimization for food safety risk communication in China. Alexandria Engineering Journal, 60(60), 1917-1927. doi:https://doi.org/10.1016/j.aej.2020.11.039
Liu, D., Zhou, Y., & Jiao, K. (2010). TBM Construction Process Simulation and Performance Optimization. Transactions of Tianjin University, 16(3), 701-710. doi: 10.1007/s12209-010-0035-0
Mashayekhi, A. (2018). Systems Dynamics Volume One: A Systemic Perspective (3 ed.). Ariana Ghalam.
Mikayel, R., Jafar Shirzad, P., & Khademi Hamidi, J. (2017). Selection of a suitable Tunnel Boring Machine using the similarity method to the fuzzy ideal option (FTOPSIS), a case study: the second section of the Imamzadeh Hashem tunnel. Journal of Rock Mechanics, 1(2), 29-40. Retrieved from https://www.sid.ir/fa/journal/ViewPaper.aspx?id=468374
Mohammadi, A., Mosleh Shirazi, A., Abbasi, A., & Akhlaghpour, S. (2019). Scenario planning of factors affecting market capitalization of Tehran stock exchange using system dynamics approach. Journal of Financial Management Perspective, 26, 33-68. doi: 10.52547/JFMP.9.26.33
Norozian Maleki, P., Ezadbakhsh, H. R., & Ghanbar Tehrani, N. (2020). Predicting the demand for sustainable urban transportation in order to manage and improve the safety of the road network using the systems dynamics approach: A case study of Tehran. Journal of Resilient City (JRC), 2(8), 1-13. Retrieved from https://www.sid.ir/fa/journal/ViewPaper.aspx?id=526506
Ruwanpura, J., Abourizk, S., Er, K., & Fernando, S. (2011). Special purpose simulation templates for tunnel construction operations. Canadian Journal of Civil Engineering, 28(2), 222-237. doi: 10.1139/cjce-28-2-222
Shariat Alavi, H., Kakaei, R., Zorabadi, M., Alizadeh Sori, B., & Abdollahi, M. (2010). Calculation of efficiency coefficient and progress rate of Tunnel Boring Machine (TBM) in hard rocks, Case study: Plot 8 of Qamroud water transfer tunnel. Iranian Journal of Mining Engineering (IRJME), 5(9), 79-91. doi: 20.1001.1.17357616.1389.5.9.8.0
Sterman, J. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World (4 ed.). McGraw Hill.
Tabrizi, A., Askari, M., Atayi, M., & Khaloukakayi, R. (2007). Scheduling the transportation system of single track tunnels based on the TBM penetration rate – case study of Karaj-Tehran water tunnel. 3rd Iran Rock Mechanics Conf, (pp. 1011-1016). Tehran. Retrieved from https://civilica.com/doc/25045/
Touran, A., & Toshiyuki, A. (1987). Simulation of Tunneling Operations. Journal of Construction Engineering and Management, 113(4), 554-568. doi:https://doi.org/10.1061/(ASCE)0733-9364(1987)113:4(554)