Simulating Wood-framing Wall Panels Production with Timed Coloured Petri Nets
Notice bibliographique
Résumé
Simulating Wood-framing Wall Panels Production with Timed Coloured Petri Nets Fabiano Correa Pages 1026-1033 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: The integration of design and construction processes remains, after decades of dedicated research, a great challenge. Even considering the specific context of pre-fabrication and modularization, it was just in recent years, with increasing adoption of Building Information Modeling (BIM) processes, that the challenge, albeit in a virtual environment, begins to be really addressed. With the advent of the Digitization phenomena in Construction, and the advances in Machine Learning techniques to cope with uncertainties of different natures in modelling real processes, it seems that the use of computational tools to simulate off-site production should be reconsidered. In this article, it is adopted an approach in viewing BIM as in a development stage to become an implementation of Product Lifecycle Management (PLM) for Construction. Towards this end, it is identified the lack of representation of the entire dynamics of production processes inside BIM models. The proposition of using Petri Nets with stochastic transitions to represent and simulate those processes are presented, altogether with the use of real RFID data, to adjust the model parameters, collected from a case study with a Brazilian company that pre-fabricate wood-framing houses. The probability distributions are derived based on the Mixture of Gaussians algorithm, and considers parameters of the design of wall panels so it could be used to extrapolated performance for new designs. Following the presented approach, it is expected that, with more data, the simulation process could be a good feedback to architects in evaluating the impact of its design options in production. Keywords: High-level Petri Nets; Building Information Modeling; Simulation; Wood-framing DOI: https://doi.org/10.22260/ISARC2019/0137 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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».