Pemodelan Building Information Modeling Bangunan Rumah Sakit Untuk Pengecekan Volume dan Bentrokan
Notice bibliographique
Résumé
Digital konstruksi sudah menjadi kebutuhan dalam perencanaan dan pelaksanaan sebuah proyek, dan hal ini sudah menjadi keharusan untuk kelas bangunan tertentu, dengan munculnya Peraturan Pemerintah no. 16 tahun 2021. Perencana bangunan masih banyak yang mempergunakan cara konvensional, dengan menggunakan gambar CAD 2 dimensi, yang dimana cara ini banyak menghadapi permasalahan dalam pelaksanaan. Diantaranya ketidak sesuai volume dalam material dan pekerjaan tambah karena terjadinya benturan antar bidang atau disiplin. Penggunaan Building Information Modeling diharapkan dapat mengurangi permasalahan tersebut. Dalam penelitian ini perencanaan rumah sakit di daerah Madura, Jawa Timur yang telah selesai dilakukan perencanaan, dimodelkan ulang dengan menggunakan Autodesk Revit® 2020. Kemudian model tersebut diambil data untuk Bill of Quantity, serta dilaukan pengecekan Clash Detection, menggunakan perangkat lunak Autodesk Navisworks®. Hasilnya dapat diketahui bahwa terjadi selisih yang cukup besar untuk volume dan benturan yang cukup banyak. Maka degan menggunakan BIM dapat menghasilkan perhitungan volume yang lebih baik dan meminimalkan pekerjaan tambah saat pelaksanaan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».