Spatial Parameterization of Non-Semantic CAD Elements for Supporting Automated Disassembly Planning
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.
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 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».