بررسی پروژه New Orleans Superdome
ZELUS درباره ی بازسازی SUPERDOME نیواورلئان توضیح می دهد. SUPERDOME در اصل در دهه ۱۹۷۰ ساخته شد و به یکی از نمادین ترین استادیوم های ورزشی در ایالات متحده تبدیل شده است. این سازه، همچنان بزرگترین سازه گنبدی ثابت در جهان است.
ویژگی های پروژه چیست؟
Superleome نیواورلئان ، واقع در منطقه تجاری مرکزی نیواورلئان ، لوئیزیانا ، در دهه ۱۹۷۰ ساخته شد و رسماً در سال ۱۹۷۵ افتتاح شد. این ورزشگاه به یکی از نمادین ترین استادیوم های ورزشی کشور تبدیل شده است و بزرگترین سازه گنبدی ثابت در آن باقی مانده است. (شکل ۱).
این ساختار شامل ۲۰۰۰۰ تن فولاد است و تقریباً ۲٫۶ میلیون فوت مربع وسعت دارد. این گنبد به تنهایی مساحتی معادل ۹٫۷ هکتار دارد و ۲۷۳ فوت بالاتر از سطح زمین قرار گرفته است. نیازی به گفتن نیست ، این ساختمان پیچیده است.

در سال ۲۰۱۹ ، برنامه های مرحله اول برای بازسازی چند ساله و چند مرحله ای که توسط معماران Trahan اجرا می شود ، تصویب شد. اولین مرحله کار معماران Trahan در سال ۲۰۲۰ آغاز شد و عمدتا بر بازسازی گسترده داخلی متمرکز بود تا کیفیت تجربه تماشاگران را افزایش دهد.
برنامه های اصلی نرم افزاری مورد استفاده در این پروژه چه بود و چگونه استفاده می شد؟
به دلیل وسعت این پروژه همراه با تعداد ذینفعان درگیر ، بسیار مهم بود که همه از یک پلفترم عمل کنند. BIM 360 پایه و اساس آن را فراهم کرد.
تیم ZELUS برای اسکن لیزری، با تمرکز بر سیستم های معماری ، سازه ای و مکانیکی ، به نیواورلئان سفر کرد (شکل ۲). با استفاده از اسکنرهای RTC360 و FARO و کار شبانه روزی ، ما توانستیم اسکن ها را در عرض یک ماه به پایان برسانیم (شکل ۳).


ZELUS فایلهای ابر نقطه بازپرداخت و مدلهای Revit را به طور کامل در عرض چهار ماه تحویل داد (شکل ۴ و ۵)




آیا پروژه رویکرد یا روش خاصی برای کاربرد فناوری AEC داشت؟
این پروژه به دلیل شکل منحنی ساخت از نظر نیازهای MEP و ساختار متراکم بود. این امر ما را ملزم کرد تا برخی از عناصر ساخت را در قطعات جداگانه مدل کنیم تا شکل را با دقت ۰٫۵ اینچ برای نشان دادن شرایط موجود ایجاد کنیم.
علاوه بر این ، ما مجبور شدیم بیش از ۳۰۰۰۰۰ شی را در یک جدول زمانی بسیار فشرده اسکن کنیم. برای دستیابی به این هدف ، ما هشت اسکنر را در محل کار کردیم که ۲۴/۷ کار می کنند تا اسکن لیزری را تکمیل کنند. از آنجا که این مدل سه بعدی قرار بود توسط ذینفعان زیادی مورد استفاده قرار گیرد ، ما یک فرآیند QA/QC فشرده را اجرا کردیم که شامل گروه طراحی M3 ، طراحی یک به یک و Studio Cicada (که در مجموع به عنوان Tri-Corp شناخته می شود) بود. ZELUS 70 درصد مدل سازی و TriCorp 30 درصد باقی مانده را تکمیل کرد. برای انجام موثر این کار ، ما یک گردش کار QA/QC ایجاد کردیم و در مورد مدل های یکدیگر بازخورد ارائه دادیم.
ما همچنین از BIM 360 برای ایجاد همکاری آسان از راه دور استفاده کردیم. استفاده از اسکنرهای RTC360 نیز برای ما تازگی داشت. این همان چیزی است که ما را قادر می سازد به همان سرعتی که داشتیم اسکن کنیم. پس از ثبت ، این داده ها سپس در داخل نرم افزار پردازش ابر نقطه ای ، Cyclone ثبت می شوند (شکل ۶).

آیا این پروژه را نمونه ای از استفاده از فناوری پیشرفته می دانید؟ اگر چنین است، چگونه و چرا؟
استفاده از BIM برای این پروژه حیاتی بود. ما توانستیم این پروژه را تنها در عرض چند ماه و با دقت فوق العاده بالا به اتمام برسانیم که تقریباً برای پروژه ای در مقیاس بزرگ غیرممکن است.
همچنین ، با استفاده از ۳۶۰ (شکل ۷) ، هزینه را به میزان قابل توجهی کاهش دهیم.

عمده ترین چالش هایی که در اجرای فناوری AEC در این پروژه با آن روبرو شدید چیست؟
اندازه بزرگ ورزشگاه ، تعداد اسکنرهایی که باید به کار ببریم و اندازه تیم برخی از چالش های سازمانی را به همراه داشت. اشیاء زیادی برای اسکن وجود داشت و با تعداد زیادی از افرادی که روی آن کار می کردند ، باید مطمئن می شدیم که همه آنها را به طور موثر ضبط کرده ایم و تلاش های تکراری را انجام نداده ایم. اما با ایجاد گردش کار مناسب و استفاده از اسکنرهای RTC360 ، ما توانستیم کل ورزشگاه را در شش هفته اول اسکن کنیم (به طور متوسط تقریباً ۱۰۰ اسکن در روز).
با این حال ، این منجر به چالش دوم شد. ما تقریباً ۳۰۰۰۰۰ مورد را مستقیماً از ابر نقطه ای جمع آوری کرده بودیم ، که بیش از ۲ ترابایت داده تولید می کرد. ما باید راهی پیدا می کردیم که بتوانیم این فایل های داده عظیم را به راحتی بارگذاری کرده و با همه افراد درگیر به اشتراک بگذاریم.
علاوه بر این ، به دلیل شکل SuperDome ، ما مجبور شدیم برخی از عناصر را در قطعات جداگانه مدل کنیم تا شکل را با دقت ۰٫۵ اینچ برای نشان دادن شرایط موجود ایجاد کنیم.
آیا الزاماتی در مورد این پروژه وجود داشت که توسط فناوری های موجود در نظر گرفته نشده باشد؟
خوشبختانه ، ما یک بخش تحقیق و توسعه داریم که به ما امکان می دهد راه حل های خلاقانه ای برای مسائل خاص پیدا کنیم. یک مورد ابر هوشمند، و کاهش ابرهای نقطه ای Point cloud بود. این امر برای تبدیل این نقاط داده به مدل موجود و سبک تر شدن داده ها ضروری بود. هیچ نرم افزاری برای این کار وجود ندارد ، بنابراین ما آن را ایجاد کردیم (شکل ۸).

دیدگاهتان را بنویسید
برای نوشتن دیدگاه باید وارد بشوید.