MétaCan
Menu
Retour à la cohorte
Enregistrement W2163340299 · doi:10.1139/l07-048

Equipment workspace analysis in infrastructure projects

2007· article· en· W2163340299 sur OpenAlexfundvenueaboutno aff
Amin Hammad, Cheng Zhang, Mohamed Al‐Hussein, Germain Cardinal

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWorkspaceBridge (graph theory)Computer scienceConstructiveKey (lock)Representation (politics)Construction engineeringFlexibility (engineering)Risk analysis (engineering)Systems engineeringEngineeringCivil engineeringRobotProcess (computing)BusinessComputer securityArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Workspace conflicts are one of the important problems that can delay construction activities, reduce productivity, or cause accidents that threaten the safety of workers. Workspace planning is particularly important in the case of large infrastructure projects, such as bridge construction, and rehabilitation projects where equipment with complex workspace requirement is required. This paper aims to extend the previous research on workspace representation and analysis in the case of large infrastructure projects focusing on the following issues: (i) specific representation of equipment workspaces using composite shapes, (ii) semiautomatic generation and analysis of workspaces, and (iii) development of a prototype system that can generate workspaces and detect spatiotemporal conflicts in a three-dimensional environment. The computational aspects of the proposed approach are discussed and demonstrated through the development of a prototype system, which has been applied in a case study of the deck replacement of Jacques Cartier Bridge in Montréal.Key words: workspace analysis, spatiotemporal conflicts, construction equipment, infrastructure projects, bridge redecking, constructive solid geometry.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,755

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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

Citations21
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

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