Enhancing the Manufacturing Process in Light-Gauge Steel Off-Site Construction Using Semiautomation
Notice bibliographique
Résumé
This study introduces a digitalized workflow for light-gauge steel off-site construction projects to reduce task duration, enhance data flow, and improve project cost assessment. With technological advancements, digitalization and building information modeling have become crucial in off-site construction to boost productivity. This research systematically integrates these technologies within the off-site construction framework, aiming to decrease manufacturing duration and enhance the accuracy of the bill of quantities for cost assessment during the manufacturing phase. The study addresses the knowledge and practice gap by presenting a comprehensive workflow tailored for light-gauge steel off-site construction projects. The study employs a design science research approach to develop the proposed workflow. The primary objectives are to assess whether a digitalized workflow can significantly reduce task duration and improve project cost assessment and to evaluate the financial feasibility of semiautomation in light-gauge steel off-site construction projects. A real modular project with 47 modules and a total gross floor area of 2,500 m2 is used to apply and evaluate the workflow. The effectiveness of the workflow is assessed by comparing task durations and bill of quantities accuracy before and after implementation. The economic feasibility is evaluated through a cost–benefit analysis referencing the case project. Three months of data postimplementation show a 66.67% reduction in task duration and a 45.39% improvement in bill of quantities accuracy. On average, the workflow resulted in a 38.11% reduction in production and assembly duration and a 10.77% improvement in measurement accuracy. The cost–benefit analysis indicates a payback period of 10 months and 26 days for the initial investment. The results are validated within the Canadian construction industry context. This paper focuses on the design and manufacturing phases, suggesting further studies should cover the installation and operation stages.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».