MétaCan
Menu
Retour à la cohorte
Enregistrement W86723469 · doi:10.22260/isarc2014/0034

Wood-Frame Wall Panel Sequencing Based on Discrete-Event Simulation and Particle Swarm Optimization

2014· article· en· W86723469 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProceedings of the ... ISARC · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésParticle swarm optimizationFrame (networking)Event (particle physics)Process (computing)DoorsComputer scienceTask (project management)AlgorithmEngineeringDiscrete event simulationSequence (biology)Real-time computingSimulationMechanical engineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

Wood-Frame Wall Panel Sequencing Based on Discrete-Event Simulation and Particle Swarm Optimization Mohammed Sadiq Altaf, Mohamed Al-Hussein, Haitao Yu Pages 254-261 (2014 Proceedings of the 31st ISARC, Sydney, Australia, ISBN 978-0-646-59711-9, ISSN 2413-5844) Abstract: In recent years off-site construction has become popular in North America due to the superior quality of the product, improved productivity, and reduced environmental impact. The panelized construction approach is one of the most readily utilized off-site construction methods. In a wood-frame panelized construction plant, wall panels are customized according to various design parameters such as length; height; number of studs, windows, and doors; panel type; and number of walls. These design parameters affect the processing time at each station in the plant, while the panel sequence affects the waiting time between stations. Due to this dynamic nature of the fabrication process, it is challenging to automatically generate an optimal panel sequence, as a result this task is performed manually in current practice. This paper focuses on integrating discrete-event simulation (DES) with an optimization algorithm in order to automate the panel sequencing process. Processing time at each station is calculated based on a task time formula which is a function of the design parameters of the panel, while delay is calculated based on a distribution derived from historical data. A particle swarm optimization (PSO) algorithm is integrated with the simulation model using a central database in order to generate an optimal panel sequence. The proposed method will eliminate the manual work required for panel sequencing, and is expected to reduce production time up to 10%. The proposed method is implemented in a wood-frame panelized construction plant as a case study. Keywords: Panelized construction, Discrete-event simulation, Particle swarm optimization, Panel sequencing DOI: https://doi.org/10.22260/ISARC2014/0034 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley

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 candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,407

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 Opus0,016
Tête enseignante GPT0,218
Écart entre enseignants0,202 · 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