Spatial Parameterization of Non-Semantic CAD Elements for Supporting Automated Disassembly Planning
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
Digital data and associated semantics play a fundamental role in supporting the vision of Construction 4.0. Advancements in digitization workflows such as scan-to-BIM and automated meta-data generation are being used for data-driven decision making. A challenge with collecting and processing raw, non-semantic data is the process of integrating intelligence into and characterizing data automatically. This paper demonstrates how spatial parameterization (i.e., extracting, modifying and analysing parameters that define the spatial properties of a component) can be used as a method for automating steps in disassembly planning for buildings. The potential use cases of disassembly planning include adaptive building reuse, robotic assembly programming, reconfigurable prefabricated assemblies and selective disassembly for rehabilitation and repairs. This paper presents spatial parameterization in a framework to disassemble building components via a rule-based algorithm that comprises three dimensional Cartesian properties and clash detection between non-semantic CAD elements. Demonstration of the framework is carried out using a case study where the interior wall of a building on the University of Waterloo campus was disassembled for adaptive reuse purposes. Comparison of the case study results to the actual disassembly sequence demonstrates how spatial parameterization is effective for automating key steps in disassembly planning. A discussion is provided to identify key barriers to increased automation which relate to modelling accuracy, Level of Development (LOD) for Building Information Modelling (BIM), and global spatial constraints for disassembly.
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 | 0,000 | 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 | 0,000 | 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