MétaCan
Menu
Retour à la cohorte
Enregistrement W4394762557 · doi:10.3390/app14083244

The Development of an Automated System for a Quality Evaluation of Engineering BIM Models: A Case Study

2024· article· en· W4394762557 sur OpenAlexaffabout
Mojtaba Valinejadshoubi, Osama Moselhi, Ivanka Iordanova, Fernando Valdivieso, Azin Shakibabarough, Ashutosh Bagchi

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensÉcole de Technologie SupérieureConcordia University
Organismes subventionnairesnon disponible
Mots-clésBuilding information modelingVisualizationComputer scienceDatabaseSystems engineeringQuality (philosophy)Software engineeringEngineeringData miningOperations management

Résumé

récupéré en direct d'OpenAlex

The growing adoption of Building Information Modeling (BIM) within the architectural, engineering, and construction (AEC) sector raises questions about the quality of BIM data deliverables for project owners. Therefore, assessment and evaluation of such BIM data against relevant documents such as the BIM Execution Plan (BEP), the Level of Definition (LOD)/Level of Information (LOI) matrix, and quality control customized checklists become critical, especially in large construction projects. This study primarily aims to create an automated system for assessing the quality of 3D BIM model data, utilizing a proposed project quality control checklist. The automated system consists of four key elements: a BIM-based model, a Data Extraction and Analysis Module, a Data Storage Module, and a Data Visualization Module. The Data Extraction and Analysis Module extracts relevant information and parameters from BIM models to evaluate their quality against predefined checklists. Then, it transfers the information and stores the results in a database. The database is connected to an engineering project collaboration tool, ProjectWise, to automatically update and store the data in the cloud. The database is then connected to an interactive data visualization platform, Power BI, to enable automatic visualization of the generated quality assessment results of the BIM models’ data. This system was applied to a Canadian infrastructure construction project by its BIM department during the preliminary and detailed design phases. It demonstrated an average quality score (AQS) of 87.6% for the BIM models and significantly reduced failing items by around 30%. This study concludes that the system offers a robust, practical solution for enhancing the quality control process in BIM model data management, thereby aiding engineers in timely model adjustments to meet project requirements.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,139

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,082
Tête enseignante GPT0,342
Écart entre enseignants0,260 · 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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetBIM and Construction IntegrationTravaux en français237 207