MétaCan
Menu
Retour à la cohorte
Enregistrement W2936733265 · doi:10.29173/mocs7

Optimum Assembly Planning for Modular Construction Using BIM and 3D Point Clouds

2016· article· en· W2936733265 sur OpenAlexaffvenue
Mohammad Nahangi, Christopher Rausch, Carl T. Haas

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReworkModular designPoint cloudComponent (thermodynamics)Computer scienceMatching (statistics)Point (geometry)Engineering drawingSystems engineeringIndustrial engineeringReliability engineeringEngineeringEmbedded systemMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Geometric and dimensional deviations often create challenges for component aggregation in the assembly of interchangeable components in modular construction. Although the components are designed interchangeably, once they are fabricated, there are inevitable discrepancies between the designed and built states. Such discrepancies create problems for fitting interchangeable modular components. This paper presents a framework for optimally planning the assembly of interchangeable components based on their as-built state. A 3D point cloud model is captured and the critical interfaces between modules are compared to the original state, integrated in the building information models (BIM), as 3D drawings. The optimization framework is implemented based on two different approaches: (1) minimization of the total deviation for minimizing rework, and (2) intervention of rework by finding the best matching component for each investigated slot. Results show that the method can be effectively used for reducing rework in modular construction by optimum assembly planning.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil0,910

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 technologies0,0010,000
Communication savante0,0000,001
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 Opus0,024
Tête enseignante GPT0,229
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations4
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujet3D Surveying and Cultural HeritageTravaux en français237 207