A Conceptual Approach for the Knowledge-Based Computational Design of Prefabricated Façade Panels Using Constructability Features
Notice bibliographique
Résumé
The use of parametric models in the architecture, engineering, and construction (AEC) industry has made it possible to create complex and creative building designs. However, this design complexity creates major constructability issues, especially in projects that incorporate prefabricated façade panels. Computational design methods can solve some of these issues; however, such methods do not necessarily include the systematic approach to integrating domain knowledge, which results in inefficiencies in the design and construction processes. This paper introduces how constructability knowledge can be incorporated into computational design process using feature-based modeling (FBM). An ethnographic case study of a high-rise building with complex façade design is presented in this paper. The research identifies the critical geometric constraints that affect constructability and introduces a new three-level taxonomy (Micro, Meso, Macro) for classifying these constraints. The suggested taxonomy is then applied to inform developing a conceptual knowledge-based computational design approach that enables incorporating the insights of domain experts into the design process. Moreover, the research provides a range of external examples to validate the proposed taxonomy. The findings demonstrate the potential of FBM to streamline the design and fabrication of prefabricated façade panels, improving constructability without compromising architectural intent. This study provides a structured methodology that can be applied to enhance design efficiency and reduce construction risks in similar projects.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».