Development and calibration of the cross-laminated timber Roof Assembly Moisture and mould (CRAMM) risk assessment tool
Notice bibliographique
Résumé
Moisture accumulation and limited drying potential in cross-laminated timber (CLT) roof assemblies can compromise long-term durability through cracking, de-lamination, and mould growth – risks that affect both the durability of CLT and adjacent materials and occupant health. This paper introduces the CLT Roof Assembly Moisture and Mould Risk Assessment (CRAMM) Tool, a calibrated, one-dimensional, simulation-based framework design to support decision-making during the design and construction of mass timber buildings. Implemented in this study using WUFI® Pro and the WUFI Bio and VTT plug-ins and calibrated with in-situ data from a mass timber building in Toronto, Canada, the CRAMM Tool evaluates the effectiveness of both proactive design investment strategies and reactive moisture control and mitigation strategies under observed or predicted exposure conditions. By simulating the hygrothermal response and mould risk of CLT roof assemblies, the tool provides an accessible, scalable risk assessment that enables designers, contractors, and building envelope professionals to better manage the impacts of high-moisture events such as extreme weather, roof ponding, roof leaks, or trapped construction moisture. • Development and validation of novel CRAMM Tool to assess CLT roof moisture control strategies • Calibrated CRAMM Tool using field data from mass timber building during construction • Application CRAMM Tool comparing findings of the effectiveness of moisture control and mitigation strategies • During construction, heat in tented CLT roofs during construction dried CLT faster than ventilation alone • During service, modest ventilation above CLT in service delayed mould onset; higher rates gave less benefit
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».