MétaCan
Menu
Retour à la cohorte
Enregistrement W4413017399 · doi:10.22215/etd/2025-16511

(Im)perfect Precision: Design for Manufacturing and Assembly (DfMA) Workflows for Exterior Retrofit Wall Panels using Industrial Robotics

2025· dissertation· en· W4413017399 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkflowRoboticsEngineeringManufacturing engineeringEngineering drawingDesign for manufacturabilitySystems engineeringArtificial intelligenceMechanical engineeringComputer scienceRobotDatabase

Résumé

récupéré en direct d'OpenAlex

In Canada, a large stock of buildings built before the introduction of national energy codes are deteriorating, leading to poor energy performance. Current research on retrofit solutions explores various ways to manually prefabricate exterior insulation panels to improve building envelopes. In parallel, but not related to retrofits, significant research in integrating robotics into construction workflows exists, but primarily focuses on new construction. This thesis proposes an alternative panelized retrofit solution by investigating Design for Manufacturing and Assembly workflows using robotics for highly deformed existing buildings. Issues with traditional panelized retrofits are addressed including the difficulty of existing building deformation, bespoke surface openings, and long on-site timelines. This research assesses appropriate software tools; explores the relationship between scale, fabrication processes, and materiality; examines the role of robotics in architectural conservation projects; tests methods of building complex panel geometries; and proposes a design and robotically assisted construction technique for retrofit wall panels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,080
Tête enseignante GPT0,293
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 source (Gemma direct ou Codex distillé), 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
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'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207