MétaCan
Menu
Retour à la cohorte
Enregistrement W4313891040 · doi:10.3390/buildings13010163

Digital Technologies in Offsite and Prefabricated Construction: Theories and Applications

2023· article· en· W4313891040 sur OpenAlexafffund
Zhuo Cheng, Shengxian Tang, Hexu Liu, Zhen Lei

Notice bibliographique

RevueBuildings · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNew Brunswick Innovation Foundation
Mots-clésEmerging technologiesCurrent (fluid)Focus (optics)Computer sciencePrefabricationArchitectural engineeringDigital transformationConstruction engineeringConstruction industrySystems engineeringEngineeringManufacturing engineeringCivil engineeringWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Due to its similarity to industrialized products, the offsite construction industry is seen as a focus for the transformation of Construction 4.0. Many digital technologies have been applied or have the potential to be applied to realize the integration of design, manufacturing, and assembly. The main objective of this review was to identify the current stage of applying digital technologies in offsite construction. In this review, 171 related papers from the last 10 years (i.e., 2013–2022) were obtained by collecting and filtering them. They were classified and analyzed according to the digital twin concept, application areas, and specific application directions. The results indicated that there are apparent differences in the utilization and development level of different technologies in different years. Meanwhile, the introduction, current stages, and benefits of different digital technologies are also discussed. Finally, this review summarizes the current popular fields and speculates on future research directions by analyzing article publication trends, which sheds light on future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations48
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetBIM and Construction IntegrationTravaux en français237 207