Achieving Sustainable Structural Steel Design by Estimating Fabrication Labor Cost Based on BIM Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Structural steel is heavily utilized in the construction industry from residential and commercial buildings to oil and gas projects. For steel fabrication companies as suppliers of steel structures, submitting competitive project bids requires substantial knowledge of the company's practices on the shop floor and extensive experience to interpret that into credible cost estimations. Being able to make reliable estimates would contribute to the company's competitiveness in the long run. In this study, the total quantity of worker-hours or man-hours required for each major subdivision of a project is considered as the variable of interest in estimating a steel fabrication project, mainly because of the labor-intensive nature of steel fabrication. In collaboration with a partner company, three years of project data, were collected by matching the company's building information modeling (BIM) system with their labor costing system resulting in over 3,000 records, each representing the quantity takeoff for 46 design features and the worker-hours expended in shop fabrication. Stepwise regression and error analysis are used to recognize the most crucial design features in estimating project worker-hours, allowing discovery of the minimized set of inputs for estimating worker-hours and characterization of the estimation uncertainties. This labor cost estimation benefits estimators and shop production planners in that they can configure labor resources to deploy, schedule shop floor production, and recognize estimates’ associated errors, based on the company's historical data. This study is an example of using BIM data and providing tools for structural engineers to consider steel fabrication and possibly achieve more sustainable designs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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