MétaCan
Menu
Retour à la cohorte
Enregistrement W1986999660 · doi:10.1139/l06-073

A hybrid approach for developing special purpose simulation tools

2006· article· en· W1986999660 sur OpenAlexvenueno aff
Yasser Mohamed, Simaan AbouRizk

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSimulation modelingKey (lock)Systems engineeringAutomationModeling and simulationIndustrial engineeringConstruction managementSimulationSoftware engineeringEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

The use of simulation techniques is an effective approach for modeling construction operations. Unfortunately, the high level of technical knowledge and development time required for building functional simulation models renders simulation modeling an impractical technology for many in the construction industry. Research in construction simulation tackles this conflict by providing modeling approaches that reduce the knowledge and time usually required for building simulation models of construction operations. Special purpose simulation (SPS) allows construction engineers with only minimal simulation knowledge to build practical simulation models. This paper presents a hybrid approach (HSPS) for effective and time-saving development of SPS tools. The approach utilizes visual, general purpose modeling elements to customize the simulation behaviors of new SPS elements, minimizing the programming effort required for developing these elements. This paper describes the theoretical background to the HSPS approach, its implementation, and a sample application successfully created subsequently. It also shows the results of an experiment quantifying the savings in development time achieved using this approach.Key words: automation, simulation models, computerized simulation, tunnel construction, construction management.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,183
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetBIM and Construction IntegrationTravaux en français237 207