Design rules to improve efficiency in the steel construction industry
Notice bibliographique
Résumé
In steel construction projects, 88% of total decisions impacting cost are made during the design phase.These decisions are made by design professionals, who have neither the knowledge nor the experience of manufacturing operations.In manufacturing engineering, collaboration between designers and manufacturers is well established and formalized through different methods and design rules such as design for manufacturing and assembly (DFMA).These rules provide designers with essential knowledge to reduce the cost and time of manufacturing and assembly of parts during their design, while increasing customer satisfaction Building Information Modeling (BIM) and TFV Theory (Transformation Flow and Value) provide to the construction industry, tools and processes to improve collaboration between design and manufacturing phases while reducing waste during projects.However, BIM and TFV theory do not formalize collaboration between designers and manufacturers of steel structures.Yet, the lack of collaboration between these two phases causes lot of rework, lot of waste of time and material during projects.The aim this research is to develop design rules to overcome some of these issues.These rules use the information taken from the BIM model of 1000 steel structures from a steel manufacturer, to reduce the manufacturing time.These information are grouped and classified according to criteria evaluated using a neural network algorithm.In addition, the recent integration of artificial intelligence in construction projects provides industry with methods to draw from previous projects, essential knowledge for better decision-making.The research shows the strong dependence of the manufacturing time of the steel structures on the quantities of complete cuts and weld in full penetration and on the number of beams that do not come in right angles in the connections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».