Interoperabilidade BIM-FM: Desenvolvimento de interface customizada para visualização IFC integrada a plataforma de gestão
Bibliographic record
Abstract
A adoção do Building Information Modelling (BIM) na fase operacional de edifícios ainda é restrita. Um dos fatores que dificultam a adoção da metodologia é a falta da implementação de capacidades BIM às plataformas de Facility Management (FM), tais como a visualização tridimensional dos edifícios a gerir. O presente artigo apresenta uma solução concebida em colaboração com a Câmara Municipal de Matosinhos, em Portugal, para viabilizar a gestão dos seus ativos através da metodologia BIM. O propósito da solução é integrar a atual plataforma de gestão utilizada pela câmara (Infraspeak) a recursos de visualização tridimensional, e permitir a consulta e manipulação de dados de operação de forma direta e integrada a esta visualização. Para a visualização dos ativos foi considerada a utilização de modelos de informação (modelos BIM) que sigam o esquema IFC (Industry Foundation Classes). Neste contexto, uma plataforma web integrada e personalizada foi desenvolvida com recurso à biblioteca IFCjs para manipular, investigar e visualizar ficheiros IFC. Além disso, a plataforma permite a conexão direta à base de dados do Infraspeak através da sua Application Programming Interface (API). No presente artigo o processo de desenvolvimento da plataforma de integração é detalhado, junto aos seus componentes-chave e a sua interoperabilidade com a Infraspeak. A solução desenvolvida é uma abordagem inovadora às limitações atuais na gestão de operação e dá suporte à adoção mais ampla do BIM para a área do FM.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".