Wyniki wyszukiwania - BazTech

1

Przegląd możliwości wykorzystania sztucznej inteligencji w modelowaniu BIM

Zima Krzysztof, Wieczorek Damian

Przegląd Budowlany

|

2024

|

R. 95, nr 3

59--65

PL

Dokonując przeglądu stanu wiedzy nt. modelowania informacji o budynku – BIM (ang. Building Information Modelling) można zauważyć, że technologia BIM nie poczyniła ostatnio znacznych postępów, ponieważ sztuczna inteligencja – AI (ang. Artificial Intelligence) nie jest jeszcze w pełni wykorzystana. Celem niniejszego artykułu jest zaprezentowanie możliwości wykorzystania sztucznej inteligencji – AI w modelowaniu BIM. Autorzy dokonali analizy trendów rozwoju sztucznej inteligencji, która jest obecnie wykorzystywana w modelowaniu BIM. W artykule przedstawiono również możliwości wykorzystania AI powiązanej z modelem BIM, a także omówiono wybrane przykłady wspomagania modelowania informacji o budynku z wykorzystaniem głównych czterech grup wybranych technik AI.

EN

When reviewing the state of knowledge on building information modeling (BIM), it can be noted that BIM technology has not made significant progress recently because artificial intelligence (AI) has not been fully used. The purpose of this article is to present the possibilities of using artificial intelligence – AI in BIM modeling. The authors analyzed the trends in the development of artificial intelligence, which is currently used in BIM modeling. The article also presents the possibilities of using AI related to the BIM model, and discusses selected examples of supporting building information modeling using the main four groups of selected AI techniques.

2

Optymalizacja położenia odwiertów wydobywczych ze względu na czas trwania plateau wydobycia

Łętkowski Piotr

Nafta-Gaz

|

2022

|

R. 78, nr 8

598--607

PL

Określenie optymalnego rozmieszczenia odwiertów eksploatacyjnych na złożu węglowodorów jest kluczowe dla jego efektywnej eksploatacji. Tak sformułowane zagadnienie stanowi złożony problem optymalizacyjny, którego rozwiązanie w postaci lokalizacji odwiertów zależy między innymi od sposobu zdefiniowania funkcji celu. W literaturze najczęściej występują dwie postacie funkcji celu: zysk bieżący netto (NPV) oraz sumaryczne wydobycie ropy naftowej. Rzadziej spotykana jest funkcja celu bazująca na równomierności sczerpania złoża. Artykuł jest poświęcony próbie zastosowania funkcji celu opartej na czasie wydobycia ropy ze stałą wydajnością (tzw. plateau). Optymalizację prowadzono dla sumarycznego wydobycia ropy oraz zysku bieżącego netto w czasie trwania fazy plateau. W tym celu zbudowano hybrydowy algorytm optymalizacyjny bazujący na optymalizacji rojem cząstek. Zastosowanie algorytmu hybrydowego łączącego trzy mechanizmy wynikało z jednej strony z konieczności poprawienia skuteczności podstawowej metody optymalizacyjnej, z drugiej zaś miało na celu ograniczenie tzw. przedwczesnej zbieżności. Cele te zostały zrealizowane poprzez wykorzystanie mapy potencjału produktywności oraz wprowadzenie mechanizmu mutacji. Optymalizację prowadzono dla dwóch różnych sposobów sterowania odwiertami: sterowania grupowego ze stałą wydajnością oraz sterowania indywidualnego. Zbudowany algorytm potwierdził efektywność, uzyskując wzrost wartości funkcji celu w stosunku do wartości pierwotnej od 40% do 300%. We wszystkich analizowanych przypadkach algorytm rozmieścił odwierty produkcyjne poprawnie, co do zasady. Odwierty zostały rozmieszczone w strefie ropnej w bezpiecznej odległości zarówno od kontaktu woda–ropa, jak i ropa–gaz, przy czym stwierdzono pewne różnice w zależności od przyjętej funkcji celu. Przeprowadzone symulacje potwierdziły możliwość zastosowania czasu trwania plateau jako funkcji celu dla optymalizacji położenia odwiertów produkcyjnych.

EN

Determining the optimal placement of production wells in a hydrocarbon reservoir is crucial for the effective exploitation. The problem formulated in this way is a complex optimization problem, the solution of which in the form of the location of the wells depends, inter alia, on the method of defining the objective function. Two forms of the objective function are most often found in the literature. These are the net pay value (NPV) and total oil production. The objective function based on the uniformity of the reservoir depletion is less common. The article is devoted to an attempt to apply the objective function based on the duration of oil production with a constant production rate (the so-called production plateau). The optimization was carried out for the total oil production and for the net pay value for the plateau period. The need to use a hybrid algorithm combining three mechanisms resulted, on the one hand, from the need to improve the effectiveness of the basic optimization method, and on the other hand, to reduce the so-called “premature convergence”. For this purpose, a hybrid optimization algorithm based on particle swarm optimization was built. These goals were achieved through the use of a productivity potential map and a mutation mechanism. Optimization was carried out for two different well control methods: group control with constant production rate and individual well control. The developed algorithm confirmed the effectiveness, obtaining an increase in the value of the objective function in relation to the original value from 40% to 300%. As a rule, the algorithm placed the production wells correctly in all analyzed cases. The well were located in the oil zone at a safe distance from both water-oil and oil-gas contacts, with some differences depending on the target function adopted. The simulations carried out confirmed the possibility of using the plateau duration as a function of the objective for optimizing the location of production wells.

3

Optymalizacja liczby i położenia odwiertów eksploatacyjnych z wykorzystaniem mapy potencjału produktywności

Łętkowski Piotr

Nafta-Gaz

|

2022

|

R. 78, nr 12

861--871

PL

Jednym z podstawowych elementów planu zagospodarowania złoża węglowodorów jest określenie liczby i położenia odwiertów eksploatacyjnych (produkcyjnych i zatłaczających). Należy jednak zauważyć, że zdecydowana większość prac poświęcona temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona zadana arbitralnie. Wynika to z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. W artykule przedstawiono modyfikację podstawowej metody optymalizacyjnej uwzględniającą zmianę liczby odwiertów w czasie optymalizacji, przy czym optymalizacja położenia i liczby odwiertów przebiega równocześnie. Podstawową metodą optymalizacyjną w skonstruowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod stochastycznych. Została ona zmodyfikowana dla potrzeb przyjętego problemu optymalizacyjnego poprzez zmianę postaci funkcji celu oraz wprowadzenie zmiennej progowej, co pozwoliło na operowanie zmienną liczbą odwiertów. W celu poprawienia zbieżności algorytm uzupełniono o mechanizm mutacji oparty na mapie potencjału produktywności. Testy zbieżności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą efektywność zaproponowanego rozwiązania. Algorytm potrzebował 150 iteracji i 750 wywołań funkcji celu, aby 2,5-krotnie zwiększyć początkową wartość NPV przy równoczesnej 3,5-krotnej redukcji liczby odwiertów produkcyjnych. Z kolei zastosowanie algorytmu do optymalizacji liczby i rozmieszczenia odwiertów zatłaczających przy zadanej liczbie konfiguracji odwiertów wydobywczych pozwoliło na zwiększenie zysku netto o 1/3 przy ponad 2-krotnej redukcji liczby odwiertów

EN

One of the basic elements of the hydrocarbon reservoir development plan is to determine the number and location of production and injection wells. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of exploitation wells assuming that it was an arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper presents modification of the basic optimization method taking into account the change in the number of wells during optimization. The optimization of the placement and number of wells run simultaneously. The basic optimization method in the constructed algorithm is particle swarm optimization (PSO) – one of the most effective methods of non-gradient optimization, belonging to the group of stochastic methods. It was modified for the needs of the adopted optimization problem by changing the form of the objective function and introducing the threshold variable which allowed to change the number of wells. In order to improve the convergence, the algorithm is supported by a mutation mechanism based on the productivity potential map. The convergence tests carried out based on the example of the PUNQ-S3 benchmark field showed the satisfactory effectiveness of the proposed solution. The algorithm took 150 iterations and 750 objective function calls to increase the starting NPV value by 2.5 times while reducing the number of production wells by 3.5 times. On the other hand, the use of the algorithm to optimize the number and placement of injection wells for a given number of production wells configuration allowed to increase the NPV value profit by 1/3 with a reduction of more than 2 times in the number of wells.

4

An Effective Integrated Metaheuristic Algorithm For Solving Engineering Problems

Alihodzic Adis, Delalic Sead, Gusic Dzenan

Annals of Computer Science and Information Systems

|

2020

|

Vol. 21

207--214

EN

To tackle a specific class of engineering problems, in this paper, we propose an effectively integrated bat algorithm with simulated annealing for solving constrained optimization problems. Our proposed method (I-BASA) involves simulated annealing, Gaussian distribution, and a new mutation operator into the simple Bat algorithm to accelerate the search performance as well as to additionally improve the diversification of the whole space. The proposed method performs balancing between the grave exploitation of the Bat algorithm and global exploration of the Simulated annealing. The standard engineering benchmark problems from the literature were considered in the competition between our integrated method and the latest swarm intelligence algorithms in the area of design optimization. The simulations results show that I-BASA produces high-quality solutions as well as a low number of function evaluations.

5

Optimization algorithm for number and wells placement

Łętkowski Piotr

Nafta-Gaz

|

2019

|

R. 75, nr 12

744--750

EN

Determination of the optimal number and placement of production wells is crucial for the effective depletion of the hydrocarbon reservoir. Due to the strongly non-linearity of the problem and the occurrence of multiple local minimums in the response function the non-gradient optimization methods in combination with reservoir simulations are most commonly used for its solution. However, it should be noted that most of the research works dedicated to this issue describe the process of placement optimization but not the number of drilling wells assuming that it was arbitrary set. This is partly due to the fact that known and used optimization methods operate on a fixed number of optimization parameters, therefore the number of production wells can not change during the optimization process. The paper is dedicated to the attempt to build an algorithm that allows simultaneous optimization of the number and position of production wells with respect to the discounted profit in a given period of operation. The basic optimization method in the presented algorithm is the Particle Swarm Optimization (PSO) – one of the most effective non-gradient optimization methods that belongs to the group of methods applying the swarm’s intelligence. Taking into account the number of drilling wells in the optimization process means that the algorithm operates on a variable number of parameters. The objective algorithm starts optimization from an arbitrarily set number of producers, reducing it gradually. Efficiency tests conducted on the sample reservoir PUNQ-S3 indicated a satisfactory convergence of the proposed method. The computing program created implements the mechanisms of convergence enhancement by improving the boundary conditions for the optimization method. The minimum separation distance control between production wells was also introduced at the initial stage of optimization process. Although the algorithm is characterized by satisfactory convergence it would be advisable to improve it by using a hybrid method to increase its effectiveness in the local optimization phase and to introduce minimum well spacing during the entire optimization process.

PL

Określenie optymalnej liczby i położenia odwiertów eksploatacyjnych jest kluczowe dla efektywnej eksploatacji złoża węglowodorowego. Ze względu na silnie nieliniowy charakter problemu oraz występowanie w funkcji odpowiedzi wielokrotnych minimów lokalnych do jego rozwiązania najczęściej wykorzystywane są bezgradientowe metody optymalizacyjne w połączeniu z symulacjami złożowymi. Należy jednak zauważyć, że większość prac poświęconych temu zagadnieniu opisuje proces optymalizacji położenia, a nie liczby odwiertów, przyjmując, że jest ona dana arbitralnie. Wynika to po części z faktu, że znane i stosowane metody optymalizacyjne operują na stałej liczbie parametrów optymalizacyjnych, w związku z czym liczba odwiertów wydobywczych nie może zmieniać się w trakcie procesu optymalizacji. Artykuł jest poświęcony próbie zbudowania algorytmu umożliwiającego równoczesną optymalizację liczby i położenia odwiertów wydobywczych ze względu na zdyskontowany zysk w zadanym okresie eksploatacji. Podstawową metodą optymalizacyjną w prezentowanym algorytmie jest optymalizacja rojem cząstek (ang. PSO) – jedna z najbardziej efektywnych metod optymalizacji bezgradientowej, należąca do grupy metod wykorzystujących inteligencję roju. Próby efektywności metody przeprowadzone na przykładzie złoża testowego PUNQ-S3 wskazały na zadowalającą zbieżność zaproponowanej metody, dla której na początkowym etapie zastosowano kontrolę minimalnej odległości pomiędzy odwiertami. Jakkolwiek algorytm charakteryzuje się zadowalającą zbieżnością, to jednak wskazane byłoby jego udoskonalenie poprzez wykorzystanie metody hybrydowej w celu zwiększenia jego efektywności w fazie optymalizacji lokalnej oraz wprowadzenie kontroli odległości minimalnej w trakcie całego procesu optymalizacji.

6

Optymalizacja procesu wiercenia otworów w elektronicznych płytach drukowanych przy użyciu algorytmu roju cząstek

Słowik A., Popławski M.

Przegląd Elektrotechniczny

|

2016

|

R. 92, nr 8

10--13

PL

W niniejszej pracy przedstawiono optymalizację procesu wiercenia otworów w elektronicznych płytach drukowanych. Do realizacji tego zadania zastosowano algorytm optymalizacji rojem cząstek w wersji dostosowanej do optymalizacji problemów kombinatorycznych. Opracowany algorytm przetestowano przy użyciu ogólnie dostępnych danych benchmarkowych z biblioteki VLSI Data Set. Biblioteka ta zawiera dane odnośnie przykładowych elektronicznych płyt drukowanych. Otrzymane wyniki porównano z wynikami otrzymanymi przy użyciu standardowego algorytmu rojowego przystosowanego do optymalizacji problemów o dyskretnych dziedzinach. Trasa ramienia wiercącego uzyskana przy użyciu proponowanego algorytmu jest krótsza od trasy uzyskanej standardowym algorytmem roju dla dziedzin dyskretnych.

EN

In this paper, the optimization of the drilling holes process in the electronic printed circuit boards is presented. The particle swarm optimization algorithm in the version dedicated to the optimization of the combinatorial problems is applied for this task realization. The algorithm elaborated in this paper was tested with the use of global accessible benchmark data sets with the VLSI Data Set library. This library contains the data of the exemplary electronic printed boards. The results obtained using proposed algorithm were compared with the results obtained using standard particle swarm optimization algorithm in the version dedicated for optimization of the problems with discrete domains. The route of drilling arm obtained using proposed algorithm was shorter than the route of drilling arm obtained using standard particle swarm optimization algorithm for discrete domains.

7

Zastosowanie hybrydowej metody optymalizacji rojem cząstek w procesie automatycznej kalibracji modeli złożowych

Łętkowski P.

Nafta-Gaz

|

2014

|

R. 70, nr 11

784--793

PL

W artykule przedstawiono hybrydowy algorytm kalibracji złożowych modeli symulacyjnych oparty na metodzie optymalizacji rojowej. W celu zapobiegnięcia zjawisku przedwczesnej zbieżności metodę podstawową – optymalizację rojem cząstek (PSO, ang. particle swarm optimization) połączono z metodą lotów Lévy’ego, otrzymując efektywną technikę optymalizacyjną. Tradycyjna metoda kalibracji polegająca na wielokrotnym powtarzaniu procedury: symulacja – analiza wyników – modyfikacja modelu jest czasochłonna i wymaga dużej wiedzy oraz doświadczenia. Algorytm podstawowy metody (optymalizacja rojem cząstek) opiera się na tzw. próbkowaniu stochastycznym i jest jedną z najbardziej efektywnych metod optymalizacji. W porównaniu z klasyczną optymalizacją rojem cząstek prezentowany algorytm charakteryzuje się odpornością na zjawisko przedwczesnej zbieżności oraz dużą efektywnością w przeszukiwaniu przestrzeni rozwiązań.

EN

The article presents the hybrid algorithm for history matching of reservoir simulation models based on swarm intelligence. To avoid the appearance of “premature” convergence, PSO algorithm was hybridized with Levy’s “flight” which gave an effective optimization method. The traditional method is based on multiple repetition of the same procedure of simulation – result analysis – model modification is time consuming and requires considerable knowledge and experience. The method presented is based on Particle Swarm Optimization which is one of the most effective optimization algorithm. The presented algorithm combines the strengths of classical PSO with the durability of “premature” convergence and efficiency in the exploring of “solutions space”.

8

Od inteligencji roju do wieloagentowych systemów do nawigacji robotów mobilnych

Mikołajewska E., Mikołajewski D.

Zeszyty Naukowe AON

|

2012

|

nr 4(89)

200-214

PL

Inteligencja roju jest uważana za złożone zachowania społeczne wyłaniające się z prostych interakcji pomiędzy prostymi agentami. Wywodzi się ona z kolektywnego zachowania wzorców naturalnych, takich jak kolonie mrówek, może być jednak zaadaptowana do systemów sztucznych. Stwarza to kolejne możliwości medycznego oraz militarnego wykorzystania technologii inteligencji roju np. do nawigacji mobilnymi robotami. Artykuł stanowi próbę oceny, w jakim stopniu wykorzystuje się możliwości w omawianym zakresie.

9

Identification of the thermal conductivity coefficient by using the Artificial Bee Colony algorithm

Hetmaniok E., Słota D., Zielonka A.

Hutnik, Wiadomości Hutnicze

|

2012

|

Vol. 79, nr 1

41--44

EN

Aim of this paper is to present the numerical method of identification of the thermal conductivity parameter of a material in course of the ingot cooling. Mathematical model of the direct problem is the heat conduction equation with boundary conditions of the second and third kind. Presented approach is based on application of the Artificial Bee Colony algorithm for minimizing the appropriate functional expressing the error of approximate solution. Proposed procedure is investigated with regard to the velocity of working and the precision of obtained results.

PL

Celem pracy jest prezentacja numerycznej metody identyfikacji współczynnika przewodności cieplnej materiału podczas stygnięcia wlewka. Modelem matematycznym zagadnienia bezpośredniego jest równanie przewodnictwa ciepła z warunkami brzegowymi drugiego i trzeciego rodzaju. Idea metody polega na wykorzystaniu algorytmu kolonii sztucznych pszczół (Artificial Bee Colony algorithm) do minimalizacji odpowiedniego funkcjonału, wyrażającego błąd rozwiązania przybliżonego. Proponowana metoda zbadana została ze względu na szybkość działania oraz dokładność uzyskanych wyników.

10

Application of swarm intelligence algorithms in solving the inverse heat conduction problem

Hetmaniok E., Słota D., Zielonka A.

Computer Assisted Methods in Engineering and Science

|

2012

|

Vol. 19, no. 4

361-367

EN

In the paper a proposal of using selected swarm intelligence algorithms for solving the inverse heat conduction problem is presented. The analyzed problem consist s in reconstructing temperature distribution in the given domain and the form of heat transfer coefficient ap pearing in the boundary condition of the third kind. The investigated approaches are based on the Art ificial Bee Colony algorithm and the Ant Colony Optimization algorithm, the efficiency of which are ex amined and compared

11

Identification of the Heat Transfer Coefficient in the Inverse Stefan Problem by Using the ABC Algorithm

Hetmaniok E., Słota D., Zielonka A.

Archives of Foundry Engineering

|

2012

|

Vol. 12, iss. 2s

27--32

EN

A procedure based on the Artificial Bee Colony algorithm for solving the two-phase axisymmetric one-dimensional inverse Stefan problem with the third kind boundary condition is presented in this paper. Solving of the considered problem consists in reconstruction of the function describing the heat transfer coefficient appearing in boundary condition of the third kind in such a way that the reconstructed values of temperature would be as closed as possible to the measurements of temperature given in selected points of the solid. A crucial part of the solution method consists in minimizing some functional which will be executed with the aid of one of the swarm intelligence algorithms - the ABC algorithm.

12

Improvements to Glowworm Swarm Optimization algorithm

Oramus P.

Computer Science

|

2010

|

Vol. 11

7-20

EN

Glowworm Swarm Optimization algorithm is applied for the simultaneous capture of multiple optima of multimodal functions. The algorithm uses an ensemble of agents, which scan the search space and exchange information concerning a fitness of their current position. The fitness is represented by a level of a luminescent quantity called luciferin. An agent moves in direction of randomly chosen neighbour, which broadcasts higher value of the luciferin. Unfortunately, in the absence of neighbours, the agent does not move at all. This is an unwelcome feature, because it diminishes the performance of the algorithm. Additionally, in the case of parallel processing, this feature can lead to unbalanced loads. This paper presents simple modifications of the original algorithm, which improve performance of the algorithm by limiting situations, in which the agent cannot move. The paper provides results of comparison of an original and modified algorithms calculated for several multimodal test functions.

PL

Algorytm Glowworm Swarm Optimization jest stosowany do równoczesnego odnajdywania wielu optimów funkcji multimodalnych. Algorytm używa zespołu agentów przeszukujących przestrzeń poszukiwań i wymieniających się informacjami o wartości funkcji przystosowania w danym położeniu. Funkcja przystosowania jest reprezentowana przez poziom emitującego światło pigmentu - lucyferyny. Agenci poruszają się w kierunku losowo wybranego sąsiada, który rozgłasza wyższą wartość poziomu lucyferyny. Niestety w przypadku braku sąsiadów agent nie porusza się wcale. Stanowi to niepożądaną cechę algorytmu ograniczającą jego wydajność. W przypadku przetwarzania równoległego cecha ta może prowadzić do niezrównoważenia obciążenia. Praca ta przedstawia proste modyfikacje oryginalnego algorytmu zwiększające jego wydajność poprzez ograniczanie liczby takich sytuacji, w których agent nie może się poruszyć. Przedstawione zostały wyniki porównania pracy oryginalnego i zmodyfikowanych algorytmów dla kilku funkcji testowych.

13

Application of swarm intelligence algorithms in control problems

Kacerka J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2009

|

z. 117

13-21

EN

An application of swarm intelligence algorithms to control problems which may be described as an optimisation task is analysed in the paper. A multi-purpose implementation of PSO algorithm allowing for optimisation requiring a reduced number of fitness function evaluations is presented. The conducted experiments show the effectiveness and efficiency of the proposed algorithms.

PL

W pracy przedstawiono analizę możliwości zastosowania algorytmów wykorzystujących inteligencję roju w problemach sterowania, które sprowadzić można do zadania optymalizacji. Opracowano uniwersalną implementację algorytmu PSO pozwalającą na przeprowadzenie skutecznej optymalizacji przy zmniejszonej ilości wykonywanych obliczeń funkcji celu. Proponowane rozwiązania obejmują adaptacyjną zmianę parametrów roju przy pomocy układu logiki rozmytej oraz budowę modelu funkcji celu na podstawie punktów uzyskanych we wcześniejszych iteracjach. Przedstawiono sposoby przystosowania algorytmu PSO do rozwiązania zadania identyfikacji parametrycznej modeli nieliniowych oraz strojenia regulatorów (gdzie zaproponowano ekstrapolację optymalizowanego kryterium po wykonaniu niepełnej symulacji lub pomiaru). Skuteczność proponowanego rozwiązania zbadano na stanowisku badawczym wyposażonym w procesor sygnałowy.

14

Application of Particle Swarm Optimization (PSO) in adaptive control systems

Kacerka J.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2005

|

z. 106

51-63

EN

This paper describes the basic postulates of Particle Swarm Optimization (PSO) and shows application of PSO to identify plant parameters and tune PID controller in an adaptive system. A construction of model-adaptive system is proposed, where model is dynamically identified by PSO and controller is tuned by PSO according to identified plant parameters. Results of PSO calculation in Matlab/Simulink are compared to a system tuned with traditional methods.

PL

W artykule opisano podstawowe założenia algorytmu wykorzystującego inteligencję roju (PSO) oraz pokazano jego zastosowanie do identyfikacji parametrów obiektu sterowania i do strojenia regulatora PID. Zaproponowano adaptacyjny układ sterowania z zastosowaniem PSO, w którym identyfikacja parametrów obiektu przeprowadzana jest z wykorzystaniem prezentowanej metody.