Using Scan-to-BIM Techniques to Find Optimal Modeling Effort; A Methodology for Adaptive Reuse Projects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Using Scan-to-BIM Techniques to Find Optimal Modeling Effort; A Methodology for Adaptive Reuse Projects Mansour Esnaashary Esfahani, Ekin Eray, Steven Chuo, Mohammad Mahdi Sharif and Carl Haas Pages 772-779 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: With increased computing power to render 3D models and affordability of as-built data acquisition technologies, new techniques for enhancing the quality of pre-project planning of adaptive reuse projects can be investigated. The main objective of this research is to present a decision making methodology to select the optimum effort using 3D as-built point clouds to develop a BIM of an existing building. Three value proposition and risk reduction areas are investigated: (1) dimensional, (2) material, and (3) disassembly. To measure the cost and value of developing models with corresponding value propositions, a small case study is conducted. Three different Model Detail Levels (MDL) are defined for adaptive reuse projects, and corresponding models are developed for each of them. The value of each model is considered based on its ability to provide information about dimension, materials, and fixtures within an existing building. The cost of the scan-to-BIM process includes costs of purchasing 3D acquisition device, buying BIM modeling software license, scanning and registration, and developing BIM using scan-to-BIM techniques. Keywords: Adaptive reuse; Value of information; Pre-project planning; Scan-to-BIM; Modeling; Existing buildings DOI: https://doi.org/10.22260/ISARC2019/0104 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle