Wood-Frame Wall Panel Sequencing Based on Discrete-Event Simulation and Particle Swarm Optimization
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».