MétaCan
Menu
Retour à la cohorte
Enregistrement W3169202935 · doi:10.29173/mocs152

Workspace Optimization for Modular Off-site Assembly

2015· article· en· W3169202935 sur OpenAlexvenueno aff
Hosang Hyun, Hyunsoo Lee, Moonseo Park, Jeoung-Hoon Lee, Min-Jung Kim

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Land, Infrastructure and Transport
Mots-clésModular designWorkspaceFactory (object-oriented programming)Process (computing)Unit (ring theory)Production lineManufacturing engineeringConstraint (computer-aided design)Computer scienceEngineeringProduction (economics)Object (grammar)Industrial engineeringOperations managementMechanical engineeringArtificial intelligenceMathematicsOperating system

Résumé

récupéré en direct d'OpenAlex

Modular construction is getting more prevalent than the past because it is environmentallyfriendly construction method and it can reduce construction period and cost by manufacturing in factory. Modular unit is produced through assembly line where the intensive manufacturing process is conducted. The manufacturing process is a complicated operation that integrates the production movement with a complex activity precedence network (procedure). Although modular unit production is a sum of the general construction activity superimposed on a production line in modular factory, the activities should be conducted on station for the optimal cycle time and many activities are carried out in the modular unit. So there is spatial constraint in the manufacturing process and modular construction manager suffers from existing limitations such as space, workers, materials which are caused by intensive process. If the manager doesn’t consider the workspace interference when establishing construction process, the efficiency of modular construction would be reduced. The object of this research is to suggest the method which optimize the number of workers for activities on the station and increase the productivity by inputting appropriate number of workers for minimum workspace interference.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,436
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetAdvanced Manufacturing and Logistics OptimizationTravaux en français237 207