Developing a model to estimate the productivity of ready mixed concrete batch plant

• Published in: Journal of Engineering Vol. 26; no. 10; pp. 80 - 93
• Main Authors: al-Musawi, Husayn Thamir, Burhan, Abbas Muhammad
• Format: Journal Article
• Language: English
• Published: Baghdad, Iraq University of Baghdad, College of Engineering 01.10.2020; University of Baghdad
• Subjects: productivity, ready mixed concrete batch plant, Artificial Neural Network, construction projects; المشاريع الإنشائية; خلاطات الخرسانة
• ISSN: 1726-4073; 2520-3339
• DOI: 10.31026/j.eng.2020.10.06

يعد تخمين إنتاجية الخباطة المركزية للخرسانة الجاهزة للخلط أداة أساسية لإنجاز عملية البناء بنجاح. حيث يتم تعريف الإنتاجية على أنها ناتج النظام لكل وحدة زمنية. غالبا ما تكون القيم الإنتاجية الفعلية لمعدات البناء في الموقع غير متوافقة مع القيم الاسمية. لذلك، من الضروري إجراء تقييم شامل للإنتاجية الاسمية للمعدات المتعلقة بالعوامل المتأثرة ثم إعادة تقييمها وفقًا للقيم الفعلية. في هذا البحث، تم استخدام نظام التنبؤ باستخدام تقنية الذكاء الاصطناعي (AI) و التي تمثلها الشبكة العصبية الاصطناعية (ANN) لإنشاء النموذج المتوقع لتقدير إنتاج مصنع الخرسانة الجاهزة الرطبة (WRMC) و مصنع إنتاج الخرسانة الجاهزة الجافة (DRMC)، بالإضافة إلى تحديد العوامل التي اثرت في تقليل الانتاجية عما هو مصمم لها. أظهرت النتائج إن الشبكة العصبية للذكاء الاصطناعي هي تقنية فعالة لتقدير إنتاجية مصنع خلط الخرسانة الجاهزة الجافة و الرطبة عن طريق تقديم نموج تنبؤي للإنتاجية و أظهر نموذج شبكة العصبية نتائج مرضية في الاختبار في كل من مجموعة التدريب و مجموعة البيانات الخارجية ضمن نطاق مجموعة البيانات التدريب و النتائج السيئة مع البيانات التي تتجاوز نطاق التدريب وأن مهارات المشغلين و الفشل المتكرر للخرسانة و نقص مواد البناء كانت أهم العوامل التي أثرت على الإنتاجية. Productivity estimating of ready mixed concrete batch plant is an essential tool for the successful completion of the construction process. It is defined as the output of the system per unit of time. Usually, the actual productivity values of construction equipment in the site are not consistent with the nominal ones. Therefore, it is necessary to make a comprehensive evaluation of the nominal productivity of equipment concerning the effected factors and then re-evaluate them according to the actual values. In this paper, the forecasting system was employed is an Artificial Intelligence technique (AI). It is represented by Artificial Neural Network (ANN) to establish the predicted model to estimate wet ready mixed concrete (WRMC) plant production and dry ready mixed concrete (DRMC) plant production, in addition to determining the factors affecting productivity. The results showed that the artificial intelligence neural network is an effective technique to estimate the productivity of the dry and wet ready mixed concrete batch plant. The ANN model showed satisfying results of validation for both training and external datasets with the range of training dataset and poor results with the data that exceeds the range of training. At the same time, the skills of the operators, frequent failure of concrete, and lack of construction materials were the most important factor that affected productivity.