MétaCan
Menu
Retour à la cohorte
Enregistrement W2741576914 · doi:10.2495/sdp-v13-n1-1-11

Building information modelling in operations of maintenance at the university of Alicante

2018· article· en· W2741576914 sur OpenAlexvenueno aff
Antonio Galiano-Garrigós, María Dolores Andújar-Montoya

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad de Alicante
Mots-clésCivil engineeringEnvironmental scienceComputer scienceTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The benefits derived from the use of building information Modeling (BIM) methodologies are a current issue in the field of research in both design and construction phase. However, the profits achieved in the maintenance stage are still an almost unexplored issue. This fact is especially relevant in public organizations, in particular on university campuses where the building assets are a value added service that must maintain their quality. In this connection, this paper aims to restructure the current maintenance operations at Alicante University and focus them towards BIM environments. It identifies the current building maintenance process on campus, determining the problems it faces since an incident occurs until it resolves. To this end, the research methodology includes semi structured surveys, interviews and benchmarking sessions with technical office staff, managers and maintenance workers at the University of Alicante together with relevant external stakeholders. Consequently, all the information obtained will enable a better procedure based on BIM for improving both preventive and corrective maintenance. The study case is focused on the renovation of the building Former Faculty of Education at The University of Alicante and the results confirm the potential of implementing BIM on campus through a more accurate access to information that optimizes and speeds up the maintenance process.

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: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil0,131

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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,193 · 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetBIM and Construction IntegrationTravaux en français237 207