MétaCan
Menu
Retour à la cohorte
Enregistrement W4412435817 · doi:10.1016/j.jobe.2025.113452

Automation and optimization tool for efficient shear steel connection design

2025· article· en· W4412435817 sur OpenAlexafffund
Eric Duong, Ali Sadrara, Ali Imanpour, Robert G. Driver

Notice bibliographique

RevueJournal of Building Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of AlbertaCanadian Institute of Steel Construction
Mots-clésConnection (principal bundle)AutomationShear (geology)EngineeringMechanical engineeringStructural engineeringComputer scienceEngineering drawingMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

This study proposes an efficient optimization tool for five commonly used shear steel connections. Using metaheuristic algorithms, the tool evaluates numerous design options for all shear connections in a structure, suggesting the most economical design options considering material and fabrication costs, as well as constructability constraints. Implemented in Tekla Structures, a commonly used building information modeling software in the steel fabrication industry, this tool automates the design and optimization of a broad range of shear connections. It allows for adjustments based on user preferences and customization for different steel fabrication practices. To assess the tool's effectiveness against real-world designs, two case studies were conducted on 2- and 5-storey steel buildings. These studies showcased the tool's potential to generate more economical connections in significantly shorter time frames, confirming its applicability, efficiency, and potential as an alternative to conventional connection design procedures in the steel industry.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,594

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,214 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Building EngineeringMême sujetTopology Optimization in EngineeringTravaux en français237 207