MétaCan
Menu
Retour à la cohorte
Enregistrement W577036922

Improving facilities lifecycle management using RFID localization and BIM-based visual analytics

2013· dissertation· en· W577036922 sur OpenAlex
Ali Motamedi

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueEspace ÉTS (ETS) · 2013
Typedissertation
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les TechnologiesConcordia University
Mots-clésInteroperabilityApplication lifecycle managementBuilding information modelingSystem lifecycleRadio-frequency identificationProcess (computing)Computer scienceAnalyticsInterdependenceIdentification (biology)Facility managementData managementSystems engineeringProcess managementData scienceEngineeringDatabaseWorld Wide WebSoftwareBusinessOperations managementComputer security
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Indoor localization has gained importance as it has the potential to improve various processes related to the lifecycle management of facilities, such as the manual search to find assets.In the operation and maintenance phase, the lack of standards for interoperability and the difficulties related to the processing of large amount of accumulated data from different sources cause several process inefficiencies.For example, identifying failure cause-effect patterns in order to prepare maintenance plans is difficult due to the complex interactions and interdependencies between different building components and the existence of the related data in multiple, fragmented sources.Building Information Modelling (BIM) is emerging as a method for creating, sharing, exchanging and managing the information throughout the lifecycle of buildings.Radio Frequency Identification (RFID), on the other hand, has emerged as an automatic data collection technology, and has been used in different applications for the lifecycle management of facilities.The previous research of the author proposed permanently attaching RFID tags to assets where the memory of the tags is populated with their accumulated lifecycle information taken from a standard BIM database to enhance various lifecycle processes.This thesis builds on this framework and investigates several methods for supporting lifecycle management processes of assets by using BIM, RFID iv and visual analytics.It investigates the usage of location-related data that can be retrieved from a BIM and are stored on RFID tags.It also investigates the usage of RFID technology for indoor localization of RFID-equipped assets using handheld readers.The research proposes using the location data saved on the tags attached to fixed assets to locate them on the floor plan.These tags also act as reference tags to locate moveable assets using received signal pattern matching and clustering algorithms.Additionally, the research investigates extending BIM to incorporate RFID information.It provides the opportunity to interrelate BIM and RFID data using predefined relationships.For this purpose, a requirements' gathering is performed to add new entities, data types, relationships, and property sets to the BIM.Moreover, the research investigates the potential of BIM visualization to help facilities managers make better decisions in the operation and maintenance phase of the lifecycle.It proposes a knowledge-assisted BIMbased visual analytics approach for failure root-cause detection in facilities management where various sources of lifecycle data are integrated with a BIM and used for interactive visualization exploiting the heuristic problem solving ability of field experts.v ACNOWLEDGEMENT My greatest appreciation goes to my supervisor, Dr. Amin Hammad for his intellectual and personal

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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,502
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,008
Tête enseignante GPT0,235
Écart entre enseignants0,226 · 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