Structurele optimalisatie wordt al enkele decennia onderzocht, met als motivatie het besparen van materiaal en ingenieurstijd bij het ontwerp van de draagstructuur van een bouwwerk. Hoewel de methodes in de wetenschappelijke literatuur erg veelbelovend zijn, blijft de toepassing ervan in de praktijk uit. In dit onderzoek wordt de haalbaarheid van een gewichtsminimalisatie in een realistische context nagegaan d.m.v. een representatieve ‘case study’.
Mag het ietsje meer zijn?
Meer dan een kwart van de jaarlijks geproduceerde hoeveelheid staal wordt gebruikt voor de constructie van gebouwen. Wetenschappelijk onderzoek toont aan dat het staal in gebouwen gemiddeld tot minder dan de helft van zijn draagvermogen wordt benut en dat dus een aanzienlijk deel van het gebruikte materiaal overbodig is. Dit is het gevolg van enig nattevingerwerk en gemakzucht bij het dimensioneren van draagstructuren. In tijden van toenemend milieubewustzijn is de materiaalverspilling ten gevolge van het over-dimensioneren steeds moeilijker te verantwoorden. De zoektocht naar een goede materiaalverdeling vergt echter heel wat ingenieurswerk. Het is een tijdsintensief proces waarin verschillende iteraties van een ontwerp achtereenvolgens moeten worden getest en beoordeeld. Door een beroep te doen op optimalisatietechnieken zou dit werk automatisch kunnen verlopen, wat zowel een besparing van tijd als van materiaal zou betekenen.
25 jaar achterstand
Hoewel de methodes voor structurele optimalisatie al enkele decennia uitvoerig worden beschreven en de evolutie naar een automatische werkwijze vanzelfsprekend lijkt, blijft de toepassing ervan in de bouwsector beperkt tot theoretische voorbeelden. Reeds 25 jaar geleden werd een kloof opgemerkt tussen structurele optimalisatie in de wetenschappelijke literatuur en het gebruik ervan in de praktijk. Ondertussen duiken optimalisatietechnieken wel geregeld op in de auto- en vliegtuigindustrie, maar voor de bouwindustrie lijkt de kloof enkel maar gegroeid. Het is niet langer de vraag of het mogelijk is om de algoritmes te gebruiken om tonnen materiaal weg te rekenen, maar wel: Welke obstakels zien we nog over het hoofd voor de toepassing ervan in de dagdagelijkse ingenieurspraktijk?
De Stadshal: 230 ton staal
Om de haalbaarheid van optimalisatietechnieken in de praktijk te kunnen achterhalen wordt in het onderzoek een realistische ontwerpsituatie nagebootst. Het gewicht van de staalstructuur van de Stadshal in Gent wordt geminimaliseerd zodanig dat het voldoet aan alle relevante bouwvoorschriften. Om de nauwkeurigheid van het rekenmodel te verzekeren wordt er samengewerkt met de ingenieurs van BAS, het studiebureau dat bij het ontwerp van de Stadshal verantwoordelijk was voor het structureel concept.
De Stadshal op dieet
De stalen staven van de structuur worden handmatig ingedeeld in een beperkt aantal groepen en per groep kiest een optimalisatiealgoritme vervolgens een gepast staalprofiel. Het beperken van de variatie aan profielen in het ontwerp is van belang voor de uitwerkingskost en de bouwbaarheid van het geheel. De optimalisatie wordt uitgevoerd met een genetisch algoritme, een populaire strategie die gebaseerd is op het concept van natuurlijke selectie. Het algoritme is erg gebruiksvriendelijk, maar enkel geschikt voor optimalisatieproblemen met een beperkt aantal variabelen. Door de groepering van de staven blijft het aantal variabelen hier klein. Het onderzoek toont aan dat in het geval van de Stadshal besparingen tot 20% kunnen worden bekomen na enkele uren rekenen op een doorsnee computer.
Gewichtsminimalisatie voor de massa
De strategie die wordt toegepast in het onderzoek is gebaseerd op een publicatie uit 1992 en lijkt erg bruikbaar in de praktijk. Hoe komt het dan dat een soortgelijke aanpak niet in de stabiliteitsbureaus van vandaag terug te vinden is? Het zou kunnen dat de ingenieurs gewoonweg niet voldoende op de hoogte zijn van de kracht of werking van dit soort technieken. Daarnaast bieden de bestaande ingeburgerde rekenprogramma's nog geen ingebouwde functionaliteit voor optimalisatie. Meer kruisbestuiving tussen het wetenschappelijk onderzoek en de praktijk is nodig voor de ontwikkeling van gebruiksvriendelijke optimalisatietools. We hoeven echter niet te wachten op de trage evolutie van commerciële software. Om te starten met structurele optimalisatie heb je nodig:
In programmeertalen als MATLAB of Julia kan er vlot gerekend worden zonder in te boeten aan de leesbaarheid van de code. In heel wat ingenieursbureaus is men echter onvertrouwd met programmeren. Visuele programmeeromgevingen waarin een aantal functionele modules verbonden worden met draadjes bieden een goede tussenoplossing. Dit soort 'spaghetti-code' is populair in ontwerpbureaus, maar is enigszins trager en onoverzichtelijk.
Door de juiste aannames te maken kan een draagstructuur sneller worden doorgerekend.
Er zijn heel wat opties beschikbaar die vaak erg gelijkaardig werken. Een algoritme met eenvoudig te interpreteren parameters krijgt hier de voorkeur.
Wordt de ingenieur overbodig?
Het feit dat een staalstructuur door een computer kan worden geoptimaliseerd betekent niet dat alle stabiliteitsingenieurs binnenkort zonder werk zitten. Het is geen goed idee om blind te vertrouwen op de computergegenereerde resultaten, aangezien de kwaliteit hiervan sterk afhangt van de parameters, het opgestelde rekenmodel en de gebruikte optimalisatietechnieken. De ingenieur moet dus een beroep doen op zijn ervaring en intuïtie bij de interpretatie van de resultaten en de optimalisatie bijsturen indien nodig.
Gouden raad voor een efficiënte structuur
De grootste materiaalbesparing kan over het algemeen worden bekomen door vanaf de start van het ontwerpproces na te denken over hoe een gebouw lasten zal afdragen. Door een tijdige samenwerking tussen de ingenieurs en de architecten kan een vruchtbare wisselwerking ontstaan en kan de vorm van een ontwerp van in het begin bijgestuurd worden. Bovendien kunnen optimalisatietechnieken in een vroegere ontwerpfase snel tot nieuwe inzichten leiden en kunnen ze een beeld scheppen van de impact van een bepaalde ontwerpbeslissing op het gewicht van de constructie.
[1] Eurocode 3 : Ontwerp en berekening van staalconstructies - deel 1-1 : Algemene regels en regels voor gebouwen (geconsolideerde versie, inclusief ac:2009). NBN (Bureau voor Normalisatie), 2015.
[2] Eurocode 3 : Calcul des structures en acier - partie 1-1 : Règles générales et règles pour les bâtiments - annexe nationale. NBN (Bureau voor Normalisatie), 2018.
[3] Eurocode 3 : Ontwerp en berekening van staalconstructies - deel 1-1 : Algemene regels en regels voor gebouwen - nationale bijlage. NBN (Bureau voor Normalisatie), 2018.
[4] J. S. Arora. Chapter 17 - nature-inspired search methods. In Introduction to Optimum Design, pages 739 – 769. Academic Press, Boston, fourth edition, 2017.
[5] J. S. Arora and M.-W. Huang. Discrete structural optimization with commercially available sections. Doboku Gakkai Ronbunshu, (549):1–18, 1996.
[6] R. J. Balling. Optimal steel frame design by simulated annealing. Journal of Structural Engineering, 117(6):1780–1795, 1991.
[7] C. Blum and A. Roli. Metaheuristics in combinatorial optimization: Overview and conceptual comparison. ACM computing surveys (CSUR), 35(3):268–308, 2003.
[8] N. Boissonnade, G. R, M. Kettler, A. Lechner, F. B, L. J, J.-P. Jaspart, B. E, W. K, Z. C, and O. R. SEMI-COMP: Plastic member capacity of semi-compact steel sections – A more economic design. 01 2009.
[9] Buildsoft. Diamonds reference manual. URL: http://downloads.buildsoft.eu/pdf/en/Diamonds%20reference%20manual.pdf, laatst nagekeken op 07/05/2019.
[10] Buildsoft. Ontwerp en berekenen van staalconstructies volgens 1993-1-1. URL: http://downloads.buildsoft.eu/pdf/nl/EN%201993.pdf, laatst nagekeken op 07/03/2019.
[11] M. Cohn and A. Dinovitzer. Application of structural optimization. Journal of Structural Engineering, 120(2):617–650, 1994.
[12] F. Flager, G. Soremekun, A. Adya, K. Shea, J. Haymaker, and M. Fischer. Fully constrained design: A general and scalable method for discrete member sizing optimization of steel truss structures. Computers & Structures, 140:55–65, 2014.
[13] C. Fleury. Conlin: an efficient dual optimizer based on convex approximation concepts. Structural Optimization, 1:81–89, 1989.
[14] P. Fourie and A. A. Groenwold. The particle swarm optimization algorithm in size and shape optimization. Structural and Multidisciplinary Optimization, 23(4):259–267, 2002.
[15] D. E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA, 1st edition, 1989.
[16] M.-W. Huang and J. Arora. A self-scaling implicit sqp method for large scale structural optimization. International journal for numerical methods in engineering, 39(11):1933–1953, 1996.
[17] M. C. Moynihan and J. M. Allwood. Utilization of structural steel in buildings. Proceedings of the Royal Society of London A:Mathematical, Physical and Engineering Sciences, 470(2168), 2014.
[18] S. Rajan. Sizing, shape, and topology design optimization of trusses using genetic algorithm. Journal of Structural Engineering, 121(10):1480–1487, 1995.
[19] S. Rajeev and C. S. Krishnamoorthy. Discrete optimization of structures using genetic algorithms. Journal of Structural Engineering-ASCE, 118, 05 1992.
[20] P. J. Rousseeuw and K. V. Driessen. A fast algorithm for the minimum covariance determinant estimator. Technometrics, 41(3):212–223, 1999.
[21] M. Schevenels, S.McGinn, A. Rolvink, and J. Coenders. An optimality criteria based method for discrete design optimization taking into account buildability constraints. Structural and Multidisciplinary Optimization, 50(5):755–774, 2014.
[22] M. A. Serna, A. López, I. Puente, and D. J. Yong. Equivalent uniform moment factors for lateral–torsional buckling of steel members. Journal of Constructional Steel Research, 62(6):566 – 580, 2006.
[23] K. Socha. Aco for continuous and mixed-variable optimization. In International Workshop on Ant Colony Optimization and Swarm Intelligence, pages 25–36. Springer, 2004.
[24] K. Sörensen. Metaheuristics – the metaphor exposed. International Transactions in Operational Research, 22(1):3–18, 2015.
[25] B. Support. Design (steel). URL: http://buildsoftsupport.com/wp-content/uploads/2018/08/DesignSteel.pdf, laatst nagekeken op 07/03/2019.
[26] S. E. Support. Scia engineer help: Theoretical background. URL: https://help.scia.net/webhelplatest/en/, laatst nagekeken op 06/05/2019.
[27] K. Svanberg. The method of moving asymptotes – a new method for structural optimization. International journal for numerical methods in engineering, 24(2):359–373, 1987.
[28] V. Toropov and S. Mahfouz. Design optimization of structural steelwork using a genetic algorithm, fem and a system of design rules. Engineering Computations, 18(3/4):437–460, 2001.
[29] R. Vierlinger, A. Hofmann, and K. Bollinger. Emergent hybrid prefab structures in dwellings. In Proceedings of the IASS Symposium, Wroclaw, Poland, September 2013.