A BIM-lean framework for digitalisation of premanufacturing phases in offsite construction
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 research introduces means for improving premanufacturing processes (design, procurement and bidding) by leveraging digitalisation in offsite construction. Specifically, this paper proposes a framework that provides measures for the planning and implementation of digitalisation in offsite construction by positioning building information modelling (BIM) as the key technology and lean principles to add value and reduce waste. Design/methodology/approach The paper follows the design science research approach to develop the proposed framework and attain the aforementioned objective. The developed framework includes data collection, value-stream mapping and simulation to assess current processes, develop and propose improvements. An empirical implementation is employed to demonstrate the applicability of both the framework and the measures used to evaluate the outcomes. Findings The application of the proposed three-stage framework resulted in 9.45%–23.33%-time reduction per year for the various improvement categories in premanufacturing phases. Employing simulation and applying the developed measures provide incentive for upper management to adopt the suggested improvements. Additionally, while the empirical implementation was tested on a modular construction company, the methods used indicate that the framework, with its generic guidelines, could be applied and customized to any offsite company. Originality/value While several studies propose that BIM-Lean integration offers an advantage in the context of production systems, this paper focuses on the initial design and planning phases, which are mostly overlooked in the literature. Moreover, the present study provides quantitative evidence of the benefits of data integration through BIM technology.
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