Clash Avoidance in BIM Based Multidisciplinary Coordination: A Literature Overview
Notice bibliographique
Résumé
In recent years there has been a significant amount of research aiming to increase the efficiency of Building Information Modelling (BIM) based multidisciplinary coordination process.However, unanticipated increases in cost and delays in construction projects are still visible.According to the literature, one of the principal factors affecting the efficiency of BIM-based multidisciplinary coordination and construction process is the conflict between the systems of different design disciplines.Recent years have seen a surge of automatic clash detection tools and strategies.These have provided clear benefits to the construction process by helping to reduce the number of errors discovered on-site, but the significance of this effect is hindered by the inefficiency of the clash resolution process due to the vast number of identified clashes and the resources needed to resolve them.Researchers have started focusing on devising strategies for clash avoidance during the design process to address this phenomenon.Our work is an attempt to present a literature overview of these clash avoidance strategies that range from shared situational awareness to supervised and hybrid machine learning frameworks.This work identified that the most prominent causes of clashes directly occur during the preliminary phases of multidisciplinary coordination which are generating the specialty models and federated models.Additionally, the lack of studies on proper standardized documentation of lessons learned in BIM-based multidisciplinary coordination is also recognized in this study which points toward future research directions for developing such guidelines.
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 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 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».