Integrating Building Information Modeling and Life Cycle Assessment to Enhance the Decisions Related to Selecting Construction Methods at the Conceptual Design Stage of Buildings
Notice bibliographique
Résumé
The construction industry, which is responsible for nearly 40% of global carbon emissions, is facing increasing pressure to adopt sustainable practices. Traditional construction methods often escalate resource depletion and waste generation, highlighting the need to prioritize sustainability. Life cycle assessment (LCA) is a significant tool for evaluating the environmental impacts of materials across different life cycle stages, yet its application is hindered by data complexities and uncertainties, particularly during the early design phases. Building Information Modeling (BIM) offers a transformative solution by centralizing and automating multidisciplinary data, thus streamlining LCA processes. This study addresses those existing gaps by proposing a structured methodology that integrates BIM with LCA to enhance their applicability during early design. The model leverages BIM’s capabilities to automate data extraction and enable real-time impact assessments by providing precise environmental evaluations of different construction methods. Focusing on modular prefabrication, 3D concrete printing, and conventional construction, this model comparatively evaluates environmental performance across different life cycle phases, highlighting distinct strengths and improvement areas. The Whole Building LCA reveals clear environmental differences, emphasizing modular construction’s substantial opportunities for enhancement to reduce critical impacts such as climate change and fossil depletion. This model supports decision-making, promotes circular economy principles, and aids the construction industry’s transition toward more sustainable practices.
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 | 0,002 | 0,004 |
| 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) | 0,000 | 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 ».