Параметарско проектирање за објекти со високи перформанси

Текстот е преземен, преведен и прилагоден од StructureMag.

Климатската криза ги смени приоритетите во сите сектори. За градежните конструктори (инженери), подобрувањето на перформансите, како што е намалувањето на емисиите на јаглерод од градежните материјали, може да го подобри проектот на зградата. Параметарското проектирање може да ги подобри тековните методи за проектирање на конструкциите со тоа што ќе им овозможи на проектантите полесно да ги истражуваат можностите за проектирање, просторот на достапните решенија за проектирање и да се оптимизираат решенијата во рамките на истиот за една или повеќе цели. Ова истражување може да открие решенија со високи перформанси или оптимални конструктивни решенија кои инаку може да се занемарат. Во последниве години многу архитекти веќе започнаа да користат параметарски методи за проектирање, но сепак постојат неискористени можности за градежните конструктори да користат такви пристапи со цел да ја подобрат соработката со архитектите и да имаат поактивна улога во процесот на проектирање. Оваа статија претставува и теоретска позадина и практични совети за градежните конструктори да спроведат параметарско проектирање во нивната работа.

Параметарско проектирање и имплементација

Параметарското проектирање е рамка која овозможува проектот да варира по различни квантитативни параметри, наречени проектни променливи. Идеално, овие проектни променливи го доловуваат обемот на сите можни решенија, исто така познат како проектен простор. На пример, со оглед на масата на зградата, растојанието помеѓу столбовите во конструкцијата може да биде параметар, при што секоја проектна променлива е ограничена со изводливи распони. Овие променливи може да бидат континуирани, како што е секој агол помеѓу 20 и 45 степени, или дискретни, како што е цел број на елементи кај решетката.

Вредноста на параметарската рамка во инженерството се состои во систематско споредување на проектни алтернативи според една или повеќе метрики за перформанси. На пример, метриката за перформанси може да вклучува населеност, стапка на проток на воздух или енергетски оптоварувања во проектот на зградата. Покрај тоа, специфичните конструктивни метрики за ефикасноста на материјалот може да вклучуваат волумен или вграден јаглерод во користените материјали.

Карактеристичниот инженерски работен тек веќе вклучува одреден степен на параметарско проектирање. На пример, повеќето инженерски табеларни пресметки следат параметарска рамка. Ќелиите што корисникот ги ажурира со податоците за проектот претставуваат проектни променливи, додека остатокот од табелата може да користи формули за пресметување на единственото инженерско решение поврзано со влезните променливи. Корисникот може рачно да го истражува проектниот простор со менување на променливите на проектот во границите на проблемот.

Архитектите сѐ повеќе користат алатки како Grasshopper за Rhino 3D или Dynamo for Revit за да создадат параметарски модели директно во фазите на проектирање и моделирање. Грасхопер и Динамо се визуелни алатки за програмирање што им овозможуваат на корисниците да дефинираат геометрија врз основа на квантитативни параметри и правила. Покрај тоа, и двете алатки можат директно да се поврзат со софтверот за конструктивна анализа за да пресметаат карактеристични вредности. Со стекнување знаење во овие параметарски алатки, градежните конструктори можат да ја подобрат соработката во раната фаза и да донесуваат одлуки заедно со архитектите што ги користат.

Параметарско проектирање и оптимизација

Просторот за параметарско проектирање, исто така, нуди можности за автоматизирана оптимизација, што придонесува кон најдобрата комбинација на проектните променливи според специфицирани метрички перформанси, наречени цели во рамки на оптимизацијата. Воспоставените методи за оптимизација на конструкцијата вклучуваат оптимизација на големината на елементите, обликот и топологијата, но параметарското проектирање и оптимизација генерално може да се применат на голем број типови на проблеми во градежништвото.

Не секогаш е практично да се избере теоретски оптимален проект. Може да има квалитативни или размислувања што тешко може да се квантифицираат кои што не биле земени предвид во објективните функции, како што се визуелните подесувања на архитектите. Секако, теоретски оптималното решение можеби не е компатибилно со сегашните методи на производство или изградба. Поради овие неизбежни ограничувања, водењето во проектниот простор нуди моќен начин флексибилно да се разгледа низа од проекти со подобри карактеристики на помалку автоматизиран начин. Покрај тоа, навигациските методи можат да вклучуваат повеќе цели, како што е оптимизацијата со повеќе цели, но и да понудат начини како инженерите и проектантите да комуницираат со генеративните алгоритми.

Простор за параметарско проектирање претставен за решетка, со приказ на вграден јаглерод поврзан со различни опции за геометрија и материјали.

Ова е практично бидејќи проектните решенија во споредлив опсег на оптимални решенија честопати се сеуште вредни инженерски решенија. На сликата е прикажан проектниот простор на челична решетка, натоварена во средиот јазол од долниот појас; и покрај определувањето на геометријата со која се достигнуваат минимални емисии, проектниот простор открива различни варијанти на решенија кои се во рамките на 15% од глобалната оптималност. Понатаму, ако се разгледаат алтернативни материјали за време на проектирањето во раната фаза, може да се види дека замената на дрвени елементи со притиснати елементи резултира со уште повеќе опции што го надминуваат оптималниот проект со челик. Ова истражување може да се направи пореално со додавање модел за економски и еколошки трошоци за врските, но второто обично е помало во однос на остатокот од конструкцијата.

Навигација во проектниот простор

Како се наоѓаат регионите со високи перформанси во проектниот простор? За ниско-димензионални проблеми, ова може да се направи со цртање на целните резултати во однос на различни групи на проектни променливи и пронаоѓање региони со променливи поставки што резултираат со повисоки перформанси, како што е покажано на сликата.

За посложени проблеми, достапни се понапредни алатки за истражување на проектниот простор. Една таква алатка е додаток (plug-in) развиен од Истражувачката група за дигитални конструкции на МИТ за Grasshopper, наречен „Проектен простор за истражување“ (Design Space Exploration-DSE). За даден параметарски модел во Grasshopper, компонентите на DSE може да се користат за земање примероци и снимање решенија во проектниот простор, создавање приближни сурогат модели, оценување на важноста на променливите и изнаоѓање оптимални решенија со автоматизирани, интерактивни и повеќенаменски пристапи. Оваа алатка е достапна бесплатно и е со отворен код (види Референци). Последните академски истражувања се обидуваат да ги подобрат овие методи преку новитетите во пресметувањето со помош на компјутерите, вклучувајќи виртуелна реалности и скицирање интерфејси, вклучување историски податоци за проектот и детално проучување на односите помеѓу променливите и перформансите (види Референци).

Моќта на параметарското проектирање

За градежно конструкторство кое е свесно за климатските промени, разбирањето на перформансите во концептуалниот проект на зградата е од критична важност. Истражувањето на проектниот просторот со параметарски пристап им овозможува на инженерите систематски да откријат решенија со релативно високи перформанси кои можеби не биле претходно разгледани. Покрај тоа, способноста да се понудат повеќе решенија во заедничкото проектирање во раните фази на проектот не е само предност за градежните конструктори насекаде, туку исто така може многу да го подобри полето на градежното конструкторство.

Референци

Fang, D. (2020). Timber joinery in modern construction: Mechanical behavior of wood-wood connections. M.S., Massachusetts Institute of Technology, Cambridge, MA, USA, 2020. https://dspace.mit.edu/handle/1721.1/127868

www.food4rhino.com/app/design-space-exploration

Brown, N. C., & Mueller, C. T. (2019). Design variable analysis and generation for performance-based parametric modeling in architecture. International Journal of Architectural Computing, 17(1), 36-52.

Danhaive, R. A. and Mueller, C. T. (2021). Design subspace learning: structural design space exploration using performance-conditioned generative modeling. Automation in Construction, 127. https://doi.org/10.1016/j.autcon.2021.103664