MétaCan
Menu
Retour à la cohorte
Enregistrement W2894668980 · doi:10.1108/978-1-78743-868-220181004

Fuzzy Simulation Techniques in Construction Engineering and Management

2018· book-chapter· en· W2894668980 sur OpenAlexaff
Mohammad Raoufi, Nima Gerami Seresht, Nasir Bedewi Siraj, Aminah Robinson Fayek

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicComputer scienceSystems engineeringProcess (computing)Discrete event simulationSimulation modelingIndustrial engineeringEngineeringControl engineeringSimulationArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Several different simulation techniques, such as discrete event simulation (DES), system dynamics (SD) and agent-based modelling (ABM), have been used to model complex construction systems such as construction processes and project management practices; however, these techniques do not take into account the subjective uncertainties that exist in many construction systems. Integrating fuzzy logic with simulation techniques enhances the capabilities of those simulation techniques, and the resultant fuzzy simulation models are then capable of handling subjective uncertainties in complex construction systems. The objectives of this chapter are to show how to integrate fuzzy logic and simulation techniques in construction modelling and to provide methodologies for the development of fuzzy simulation models in construction. In this chapter, an overview of simulation techniques that are used in construction is presented. Next, the advancements that have been made by integrating fuzzy logic and simulation techniques are introduced. Methodologies for developing fuzzy simulation models are then proposed. Finally, the process of selecting a suitable simulation technique for each particular aspect of construction modelling is discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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
GenreMéthodes

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

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBIM and Construction IntegrationTravaux en français237 207