Tracking major resources for automated progress monitoring of construction activities: masonry work case
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
Purpose The purpose of this study is to monitor the progress of construction activities in an automated way by using sensor-based technologies for tracking multiple resources that are used in building construction. Design/methodology/approach An automated on-site progress monitoring approach was proposed and a proof-of-concept prototype was developed, followed by a field experimentation study at a high-rise building construction site. The developed approach was used to integrate sensor data collected from multiple resources used in different steps of an activity. It incorporated the domain-specific heuristics that were related to the site layout conditions and method of activity. Findings The prototype estimated the overall progress with 95% accuracy. More accurate and up-to-date progress measurement was achieved compared to the manual approach, and the need for visual inspections and manual data collection from the field was eliminated. Overall, the field experiments demonstrated that low-cost implementation is possible, if readily available or embedded sensors on equipment are used. Originality/value Previous studies either monitored one particular piece of equipment or the developed approaches were only applicable to limited activity types. This study demonstrated that it is technically feasible to determine progress at the site by fusing sensor data that are collected from multiple resources during the construction of building superstructure. The rule-based reasoning algorithms, which were developed based on a typical work practice of cranes and hoists, can be adapted to other activities that involve transferring bulk materials and use cranes and/or hoists for material handling.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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