MétaCan
Menu
Retour à la cohorte
Enregistrement W4411025022 · doi:10.1016/j.autcon.2025.106311

Advancing polymer composites in civil infrastructure through 3D printing

2025· article· en· W4411025022 sur OpenAlexaff
Sachini Wickramasinghe, Allan Manalo, Omar Alajarmeh, Charles Dean Sorbello, Senarath Weerakoon, Tuan Ngo, Brahim Benmokrane

Notice bibliographique

RevueAutomation in Construction · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesUniversity of Southern Queensland
Mots-clés3D printingCivil infrastructureComposite materialMaterials sciencePolymerEngineeringCivil engineeringConstruction engineering

Résumé

récupéré en direct d'OpenAlex

Polymer composites (PCs) are increasingly used in civil infrastructure and construction due to their high strength, lightweight properties, and durability. When combined with automated manufacturing technologies such as 3D printing, they enable the efficient fabrication of complex engineering structures while minimizing material waste. As construction moves toward sustainable, automated, and digitally driven methods, understanding the potential of 3D-printed polymer composites becomes essential. This review addresses this emerging need by offering a civil-infrastructure specific synthesis of polymer composites in additive manufacturing as a pathway to a more sustainable and resilient built environment. The paper presents a comprehensive overview of the use of PCs in automated construction, highlighting key 3D printing techniques and printable polymer-based materials applied in building and infrastructure projects. It also discusses recent developments, current challenges, and emerging opportunities in PC-based 3D printing for civil engineering, supported by case studies, innovative construction methodologies, and future research directions.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,003
Tête enseignante GPT0,225
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutomation in ConstructionMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207