Advanced digital solutions for construction waste management: A 4D BIM integrated scenario analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Construction generates substantial material waste with environmental and economic impacts, yet current methods rarely integrate waste estimation with project schedules. This study develops and validates semi-automated 4D BIM framework that links element-level quantities to standardized resource specifications — CSI MasterFormat and the Iranian Cost Estimation Standard (ICES) — and propagates material-specific waste factors into a time-phased (Autodesk Navisworks Timeliner) analysis. Two custom applications (“Material-DB” and “Waste-Estimation”) import ICES items, map them to MasterFormat codes, compute waste by unit (area/volume/mass), and populate BIM parameters that are visualized over the construction programme. A municipal office project in Tehran ( ≈ 6800 m 2 , four floors) is used for validation. BIM-based estimates align with observed site waste within ≤ 17% deviation across key streams (e.g., concrete −7.6%, masonry −14.0%, tiles +8.0%, iron −16.7%), with concrete waste peaking early during foundations and primary envelopes. Five design/material scenarios demonstrate how the method supports fast scenario testing and cost appraisal; for example, Scenario 3 yields the lowest waste cost, whereas Scenarios 5 and 2 are highest. The framework enables schedule-aware waste planning, targeted design changes (e.g., exterior wall systems, stone/tile use), and routine waste audits, offering a replicable path towards time-cost-waste trade-off decisions in early project phases.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 découle