MétaCan
Menu
Retour à la cohorte
Enregistrement W4246995314 · doi:10.1109/wsc.2012.6465160

Towards the smart construction site: Improving productivity and safety of construction projects using multi-agent systems, real-time simulation and automated machine control

2012· article· en· W4246995314 sur OpenAlexafffund
Amin Hammad, Faridaddin Vahdatikhaki, Cheng Zhang, Mohammed Mawlana, Ahmad Doriani

Notice bibliographique

RevueProceedings Title: Proceedings of the 2012 Winter Simulation Conference (WSC) · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensConcordia University
Organismes subventionnairesConcordia University
Mots-clésProductivityBuilding information modelingControl (management)Computer scienceConstruction site safetySystems engineeringConstruction industryConstruction managementRisk analysis (engineering)EngineeringConstruction engineeringCivil engineeringArtificial intelligenceOperations management

Résumé

récupéré en direct d'OpenAlex

With the increasing complexity of construction projects grows the challenge of securing safety and achieving desirable productivity as the chief priorities of the construction industry. Addressing these issues requires robust mechanisms for on-site real-time data capturing, information processing and decision-making. The current research aims to further investigate the concept of the Smart Construction Site where workers, equipment, and materials are continuously tracked, and the collected information is processed in near real time to update the design model and the simulation of upcoming tasks, and to provide navigation guidance and safety warnings in case of potential collisions. The objective of our research is to improve the productivity and safety of heavy construction projects by integrating 3D design models (e.g. highway models) with the managerial and operational processes of heavy construction using advanced agent technology and multi-agent systems, real-time simulation, and automated machine control.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,622

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 Opus0,023
Tête enseignante GPT0,245
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations16
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings Title: Proceedings of the 2012 Winter Simulation Conference (WSC)Même sujetBIM and Construction IntegrationTravaux en français237 207