MétaCan
Menu
Retour à la cohorte
Enregistrement W2394706375 · doi:10.1016/j.proeng.2016.04.056

Achieving Sustainable Structural Steel Design by Estimating Fabrication Labor Cost Based on BIM Data

2016· article· en· W2394706375 sur OpenAlexaff
Arash Mohsenijam, Ming Lu

Notice bibliographique

RevueProcedia Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésScheduleCost estimateEstimationEngineeringActivity-based costingProduction (economics)Matching (statistics)Set (abstract data type)Operations researchManufacturing engineeringComputer scienceBusinessEconomicsMarketingSystems engineering

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,216
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia EngineeringMême sujetBIM and Construction IntegrationTravaux en français237 207