این پایان‌نامه با تمرکز بر یکی از مهم‌ترین چالش‌های صنعت ساخت‌وساز، یعنی برآورد دقیق کربن نهفته (Embodied Carbon) در مراحل اولیه طراحی سازه، رویکردی نوین برای کاهش اثرات زیست‌محیطی ساختمان‌ها ارائه می‌دهد. با توجه به اینکه صنعت ساختمان سهم قابل توجهی از انتشار گازهای گلخانه‌ای جهان را به خود اختصاص داده و بخش مهمی از این انتشار ناشی از تولید، حمل‌ونقل و اجرای مصالح ساختمانی است، تصمیم‌گیری صحیح در نخستین مراحل طراحی می‌تواند تأثیر بسیار زیادی بر کاهش انتشار کربن در کل چرخه عمر ساختمان داشته باشد. در سال‌های اخیر، هم‌زمان با افزایش نگرانی‌های جهانی درباره تغییرات اقلیمی و رشد سریع شهرنشینی، توجه پژوهشگران و مهندسان به مفهوم کربن نهفته افزایش یافته است. پیش‌بینی می‌شود با افزایش جمعیت شهری تا سال ۲۰۵۰، سهم کربن نهفته در مقایسه با کربن بهره‌برداری ساختمان‌ها به‌طور چشمگیری افزایش یابد؛ ازاین‌رو توسعه ابزارهایی که بتوانند در همان ابتدای فرآیند طراحی میزان انتشار کربن را با دقت مناسب تخمین بزنند، به یک ضرورت تبدیل شده است.

در این پژوهش ابتدا تاریخچه و مبانی علمی مفهوم کربن نهفته (Embodied Carbon) بررسی شده و روش‌های مختلف محاسبه آن بر پایه ارزیابی چرخه عمر (Life Cycle Assessment یا LCA) معرفی می‌شوند. همچنین پایگاه‌های داده ضرایب انتشار کربن برای مصالح ساختمانی، تفاوت میان سیستم‌های سازه‌ای فولادی، بتن‌آرمه و چوبی، و تأثیر هر یک بر میزان انتشار دی‌اکسیدکربن معادل (CO₂e) مورد مطالعه قرار گرفته است. نویسنده نشان می‌دهد که اگرچه در سال‌های اخیر ابزارهای متعددی برای محاسبه کربن نهفته توسعه یافته‌اند، اما اغلب آن‌ها یا بر داده‌های آماری کلی متکی هستند و دقت کافی ندارند، یا برای عملکرد صحیح نیازمند اطلاعات کامل مصالح و مدل نهایی ساختمان هستند؛ اطلاعاتی که معمولاً تنها در مراحل پایانی طراحی در دسترس قرار می‌گیرند. همین موضوع سبب می‌شود امکان اصلاح تصمیمات طراحی در زمانی که بیشترین تأثیر را دارند، از بین برود. بنابراین مسئله اصلی این پایان‌نامه، توسعه مدلی است که بتواند بدون نیاز به جزئیات کامل اجرایی، میزان کربن نهفته سازه را با دقت بالا در همان مراحل اولیه طراحی پیش‌بینی کند.

برای دستیابی به این هدف، پژوهش حاضر مدل‌های پارامتریک (Parametric Models) پیشین را توسعه داده و یک سامانه هوشمند برای تولید خودکار مدل سازه‌ای ساختمان ارائه می‌دهد. این سامانه قادر است تنها با دریافت اطلاعات اولیه‌ای مانند شکل کلی ساختمان، تعداد طبقات، فاصله ستون‌ها، فاصله تیرها، ارتفاع طبقات، بارهای وارد بر سازه، نوع مصالح و مشخصات کلی سیستم سازه‌ای، مدل سه‌بعدی سازه را تولید کرده و مقدار تقریبی کربن نهفته اجزای مختلف ساختمان شامل دال‌ها، تیرها، ستون‌ها، دیوارهای سازه‌ای و پی را محاسبه کند. برخلاف بسیاری از ابزارهای موجود که تنها برای ساختمان‌های با پلان‌های ساده کاربرد دارند، مدل توسعه‌یافته در این پایان‌نامه قادر است ساختمان‌هایی با هندسه‌های پیچیده را نیز مدل‌سازی کند و امکان مقایسه سناریوهای مختلف طراحی از نظر نوع مصالح، ابعاد دهانه‌ها و آرایش اجزای سازه را فراهم آورد.

در بخش گردآوری داده‌ها، اطلاعات چهار ساختمان واقعی شامل دو ساختمان آموزشی ـ آزمایشگاهی و دو ساختمان مسکونی از طریق مدل‌های اطلاعات ساختمان (Building Information Modeling یا BIM) تهیه شده است. این اطلاعات شامل فایل‌های Revit، خروجی نرم‌افزار Tally، مشخصات فنی سازه، بارگذاری‌ها و اطلاعات مربوط به سیستم‌های سازه‌ای و پی ساختمان‌ها بوده است. پژوهشگر با استخراج مقادیر واقعی کربن نهفته هر ساختمان و همچنین تفکیک سهم اجزای مختلف سازه، یک مجموعه داده معتبر برای ارزیابی عملکرد مدل ایجاد کرده است. استفاده از ساختمان‌های واقعی به‌عنوان مرجع سبب شده است نتایج مدل صرفاً مبتنی بر شبیه‌سازی نباشد و بتوان دقت آن را در شرایط عملی نیز سنجید.

در ادامه، روش تحقیق بر پایه نرم‌افزارهای Rhino3D و Grasshopper توسعه یافته است. مدل ابتدا هندسه ساختمان را ایجاد می‌کند، سپس با استفاده از تحلیل سازه‌ای و بهره‌گیری از افزونه Karamba3D ابعاد بهینه اعضای سازه را تعیین می‌کند. پس از مشخص شدن ابعاد تیرها، ستون‌ها، دال‌ها، دیوارها و پی، مقدار کربن نهفته هر عضو بر اساس ضرایب انتشار مصالح محاسبه می‌شود. در این فرآیند اثر مقاومت بتن، میزان آرماتور مصرفی، نوع فولاد، چوب، بارهای ثقلی، بار باد و شرایط خاک نیز در محاسبات لحاظ شده است تا نتایج به واقعیت نزدیک‌تر باشند. همچنین امکان انتخاب سیستم‌های مختلف سازه‌ای نظیر فولادی، بتنی، چوبی یا ترکیبی فراهم شده است تا طراح بتواند اثر تغییر مصالح را بر میزان انتشار کربن بررسی کند.

برای ارزیابی عملکرد مدل، چهار ساختمان نمونه چندین مرتبه با سطوح مختلف اطلاعات ورودی مدل‌سازی شده‌اند. ابتدا تنها از مقادیر پیش‌فرض استفاده شده و سپس به‌تدریج اطلاعات واقعی مانند فاصله ستون‌ها، ضخامت دال‌ها، ارتفاع طبقات، مقاومت بتن، تعداد هسته‌های سازه‌ای و سایر ویژگی‌ها وارد مدل شده است. نتایج نشان می‌دهد که هرچه اطلاعات اولیه دقیق‌تر باشد، پیش‌بینی مدل نیز به مقدار واقعی نزدیک‌تر خواهد شد. با این حال حتی در مراحل ابتدایی طراحی و با اطلاعات محدود نیز مدل توانسته است تخمین مناسبی از میزان کربن نهفته ارائه دهد که این موضوع ارزش کاربردی آن را برای تصمیم‌گیری‌های اولیه طراحی اثبات می‌کند.

از مهم‌ترین یافته‌های پژوهش می‌توان به این نکته اشاره کرد که مدل پیشنهادی در مقایسه با مقادیر واقعی ساختمان‌ها حداکثر حدود ۱۰ درصد خطا داشته است. این میزان دقت برای مرحله‌ای که هنوز بسیاری از جزئیات طراحی مشخص نیستند، بسیار قابل قبول محسوب می‌شود. همچنین نتایج نشان می‌دهد انتخاب نوع سیستم سازه‌ای، فاصله ستون‌ها، ضخامت دال‌ها، مقاومت بتن و جنس مصالح بیشترین تأثیر را بر میزان کربن نهفته دارند. پژوهش همچنین نشان می‌دهد که سیستم‌های چوبی در بسیاری از شرایط کمترین میزان انتشار کربن را دارند، اما در برخی پروژه‌ها سیستم‌های فولادی یا بتنی نیز می‌توانند با هزینه کمتر به نتایج مشابهی دست یابند و بنابراین تصمیم‌گیری باید هم‌زمان بر اساس معیارهای اقتصادی و زیست‌محیطی انجام شود.

در مجموع، این پایان‌نامه نشان می‌دهد که استفاده از مدل‌های پارامتریک هوشمند و تحلیل سازه‌ای در مراحل اولیه طراحی می‌تواند شکاف میان ابزارهای ساده برآورد کربن و نرم‌افزارهای دقیق اما وابسته به اطلاعات کامل اجرایی را از بین ببرد. مدل ارائه‌شده علاوه بر افزایش سرعت تصمیم‌گیری، امکان بررسی گزینه‌های متعدد طراحی را پیش از آغاز طراحی تفصیلی فراهم می‌کند و به مهندسان کمک می‌کند ساختمان‌هایی با ردپای کربنی کمتر طراحی کنند. نتایج این پژوهش بیانگر آن است که توسعه چنین ابزارهایی می‌تواند نقش مهمی در تحقق اهداف توسعه پایدار، کاهش انتشار گازهای گلخانه‌ای، بهبود فرآیند طراحی سازه و حرکت صنعت ساختمان به سمت ساخت‌وساز کم‌کربن ایفا کند و زمینه را برای طراحی نسل جدید ساختمان‌های پایدار فراهم سازد.
“`html

 

فهرست مطالب

سرفصل شماره صفحه
چکیده 3
سپاسگزاری 4
1. مقدمه و مرور ادبیات 7
1-1. انگیزه پژوهش 7
1-2. مرور ادبیات 8
1-2-1. کربن نهفته (Embodied Carbon) 8
1-2-2. ابزارهای کنونی برآورد کربن نهفته (Embodied Carbon Estimation Tools) 11
1-2-3. روش‌های پیشرفته برآورد کربن نهفته (Advanced Embodied Carbon Estimation Techniques) 13
1-3. هدف پژوهش 16
2. گردآوری داده‌ها (Data Collection) 18
3. روش‌شناسی (Methodology) 25
3-1. تولید هندسه (Geometry Generation) 25
3-2. تحلیل سازه (Structural Analysis) 27
3-3. محاسبه کربن نهفته (Embodied Carbon Calculation) 31
4. نتایج (Results) 34
4-1. مدل‌سازی ساختمان‌های مطالعه موردی (Modeling Case Study Buildings) 34
4-2. بحث و بررسی (Discussion) 45
5. نتیجه‌گیری (Conclusions) 49
6. منابع (References) 51
پیوست A 54
پیوست B 56
پیوست C 57

“`

چگونه می‌توان ردپای کربنی ساختمان را قبل از ساخته شدن پیش‌بینی کرد؟ روشی که طراحی سازه را متحول می‌کند

ساختمان‌ها تنها هنگام بهره‌برداری انرژی مصرف نمی‌کنند؛ بخش بزرگی از اثرات زیست‌محیطی آن‌ها حتی قبل از افتتاح پروژه و در فرآیند تولید مصالح، حمل‌ونقل و اجرای سازه ایجاد می‌شود. مشکل اینجاست که اغلب مهندسان زمانی از میزان کربن نهفته یک ساختمان مطلع می‌شوند که طراحی تقریباً به پایان رسیده و تغییرات اساسی بسیار پرهزینه یا حتی غیرممکن است.

این پژوهش دقیقاً برای حل همین مسئله انجام شده است. در ادامه، مهم‌ترین و جالب‌ترین دستاوردهای آن را مرور می‌کنیم.


کربن نهفته؛ هزینه‌ای که قبل از ساخت پرداخت می‌کنیم

وقتی درباره آلودگی ساختمان صحبت می‌کنیم، معمولاً مصرف برق، گرمایش یا سرمایش به ذهن می‌رسد. اما بخش قابل توجهی از انتشار گازهای گلخانه‌ای، پیش از بهره‌برداری ساختمان اتفاق می‌افتد؛ از استخراج مواد اولیه گرفته تا تولید فولاد، بتن، حمل مصالح و اجرای سازه.

نکته مهم این است که با سبزتر شدن منابع انرژی، سهم کربن نهفته در سال‌های آینده بیشتر هم خواهد شد. بنابراین اگر قرار باشد صنعت ساختمان واقعاً پایدار شود، باید تصمیم‌های اصلی از همان ابتدای طراحی گرفته شوند.


مشکل ابزارهای امروزی چیست؟

ابزارهای موجود معمولاً در یکی از دو گروه قرار می‌گیرند:

  • ابزارهای ساده که تنها یک تخمین کلی ارائه می‌دهند.
  • نرم‌افزارهای دقیق که برای محاسبه، به مدل کامل ساختمان و مقدار دقیق تمامی مصالح نیاز دارند.

اینجاست که یک تناقض شکل می‌گیرد؛ زمانی که اطلاعات کامل وجود دارد، طراحی تقریباً نهایی شده و فرصت بهینه‌سازی از دست رفته است.

این پایان‌نامه تلاش می‌کند این فاصله را از بین ببرد و ابزاری ارائه دهد که در همان مراحل اولیه طراحی نیز بتواند برآورد نسبتاً دقیقی از کربن نهفته ارائه کند.


یک مدل پارامتریک که قبل از ساخته شدن ساختمان، آینده آن را پیش‌بینی می‌کند

مهم‌ترین نوآوری پژوهش، توسعه یک مدل پارامتریک است که تنها با چند ورودی اولیه مانند:

  • شکل کلی ساختمان
  • تعداد طبقات
  • فاصله ستون‌ها
  • فاصله تیرها
  • نوع مصالح
  • بارهای سازه‌ای

می‌تواند مدل سازه را تولید کرده و میزان کربن نهفته اجزای مختلف ساختمان را تخمین بزند.

جالب‌تر اینکه این مدل فقط برای ساختمان‌های مستطیلی طراحی نشده و قادر است ساختمان‌هایی با هندسه‌های پیچیده را نیز تحلیل کند؛ قابلیتی که در بسیاری از روش‌های قبلی وجود نداشت.


چهار ساختمان واقعی؛ آزمون سخت برای مدل

اعتبار هر مدل به میزان تطابق آن با دنیای واقعی بستگی دارد.

برای همین، پژوهشگر از اطلاعات چهار ساختمان واقعی استفاده کرده است. مدل‌های BIM، فایل‌های Revit و خروجی‌های نرم‌افزار Tally به‌عنوان مرجع در اختیار پژوهش قرار گرفتند تا نتایج مدل با مقادیر واقعی مقایسه شوند.

این موضوع باعث شده نتایج صرفاً یک شبیه‌سازی تئوری نباشد و در عمل نیز قابل ارزیابی باشد.


دقتی که فراتر از انتظار بود

شاید مهم‌ترین نتیجه پایان‌نامه همین باشد.

پس از مقایسه مدل با ساختمان‌های واقعی، بیشترین اختلاف مشاهده‌شده تنها حدود ۱۰ درصد بود.

برای مدلی که در مراحل اولیه طراحی و بدون داشتن جزئیات کامل پروژه کار می‌کند، چنین دقتی بسیار قابل توجه است و نشان می‌دهد می‌توان قبل از آغاز طراحی تفصیلی نیز تصمیم‌های آگاهانه گرفت.

«مدل توسعه‌یافته نشان داد که می‌تواند در مراحل اولیه طراحی، کربن نهفته ساختمان را با دقت مناسبی پیش‌بینی کرده و مبنایی برای اصلاح طراحی فراهم کند.»


مصالح واقعاً تفاوت ایجاد می‌کنند

یکی از یافته‌های جالب پژوهش این است که تغییر نوع سیستم سازه‌ای می‌تواند اثر چشمگیری بر میزان انتشار کربن داشته باشد.

مدل امکان مقایسه سازه‌های فولادی، بتنی و چوبی را فراهم می‌کند تا طراح بتواند قبل از اجرای پروژه، پیامدهای زیست‌محیطی هر گزینه را مشاهده کند.

پژوهش نشان می‌دهد سازه‌های چوبی معمولاً ردپای کربنی کمتری دارند، اما در برخی پروژه‌ها سازه‌های فولادی یا بتن‌آرمه نیز می‌توانند با هزینه کمتر به عملکردی نزدیک دست پیدا کنند. بنابراین بهترین انتخاب همیشه به شرایط پروژه وابسته است.


هنوز یک چالش مهم باقی مانده است

هرچند مدل از نظر دقت عملکرد موفقی داشته، اما سرعت اجرای آن هنوز برای استفاده روزمره در پروژه‌های بزرگ ایده‌آل نیست.

هر بار تحلیل ممکن است از چند ده ثانیه تا چند دقیقه زمان ببرد. نویسنده پیشنهاد می‌کند در آینده با استفاده از مدل‌های جانشین (Surrogate Models)، یادگیری ماشین یا بازنویسی نرم‌افزار در زبان‌هایی مانند C#، این زمان به میزان قابل توجهی کاهش یابد.


جمع‌بندی

این پایان‌نامه نشان می‌دهد که آینده طراحی سازه فقط به مقاومت، هزینه یا زیبایی محدود نخواهد بود؛ بلکه ردپای کربنی نیز به یکی از معیارهای اصلی تصمیم‌گیری تبدیل می‌شود.

مدل ارائه‌شده ثابت می‌کند که می‌توان پیش از آنکه اولین بتن‌ریزی انجام شود، اثرات زیست‌محیطی یک ساختمان را با دقت مناسبی پیش‌بینی و طراحی را اصلاح کرد. اگر چنین ابزارهایی بیش از پیش توسعه پیدا کنند، شاید در آینده ساختمان‌هایی بسازیم که نه‌تنها ایمن و اقتصادی باشند، بلکه سهم بسیار کمتری در تغییرات اقلیمی داشته باشند.

و شاید مهم‌ترین سؤال برای آینده این باشد:

اگر بتوانیم اثر زیست‌محیطی یک ساختمان را پیش از ساخت بدانیم، آیا دیگر دلیلی برای طراحی سازه‌های پرکربن باقی می‌ماند؟

 

 

 

بسیار سریع و ساده می توانید اصل این پایان نامه را به صورت فایل PDF در اختیار داشته باشید.

پس از دریافت پایان‌نامه، کلیه اطلاعات کتاب‌شناختی موردنیاز برای استناد علمی، از جمله نام دانشگاه، عنوان پایان‌نامه، نام پژوهشگر، سال دفاع و سایر مشخصات مرتبط، جهت ارجاع‌دهی صحیح مطابق با استانداردهای رایج، در اختیار شما قرار خواهد گرفت.