Utilisation du BIM pour l’étude de conformité de maquettes numériques dans l’industrie de la construction en bois massif
Bibliographic record
Abstract
Depuis une dizaine d'années, les nouvelles constructions en bois se multiplient au Québec, notamment celles en bois massif. Les panneaux de CLT et colonnes de lamellé-collé qui constituent les structures en bois massif sont préfabriquées hors-site à l’usine. Cela rend l’approche de travail par modélisation des données du bâtiment, Building Information Modeling (BIM) particulièrement adapté. Utiliser le BIM permet de gagner en efficacité, notamment à l’étape de vérification du modèle qui consiste à étudier sa conformité aux différentes exigences. Dans le cas des constructions hors-site, il faut notamment tenir compte de la capacité manufacturière de l'usine de préfabrication. De façon générale, l’étape de vérification de modèle basée sur le BIM a été étudiée de manière assez spécifique seulement: étude de conformité d’un modèle selon un code, degré d’automatisation de la vérification. Aujourd'hui, il manque une méthode générale qui synthétise les possibilités offertes par la vérification de modèle basée sur le BIM de façon général. Il y a aussi un manque de travaux de recherche concernant l'étude de conformité des maquettes numériques en bois massif en particulier. \n \nL'objectif de notre recherche est de fournir une méthode générale, supportée par des outils, résumant étape par étape le processus d'étude de conformité des modèles numériques. Pour mener à bien ce travail de recherche, nous avons d’abord réalisé des entrevues avec des professionnels de l'industrie de la construction en bois massif. Ensuite, nous avons développé par itération la méthode supportée par des outils et nous l'avons validée avec trois études de cas de vérification de modèles. La méthode comprend cinq étapes: premièrement, spécifier le besoin de vérification ; deuxièmement, s'assurer d'avoir un environnement numérique BIM adéquat; troisièmement, déchiffrer le contenu de l'exigence à vérifier ; quatrièmement, effectuer le calcul pour étudier la conformité ou la non-conformité du modèle ; et la dernière étape, analyser les résultats de la conformité ou non. Les études de cas réalisées ont consisté à étudier trois scénarios différents de vérification de modèles en appliquant pas à pas la méthode proposée. \n \nDans ce travail de recherche, nous avons abordé plusieurs aspects de la vérification de modèles. Nous constatons notamment que les logiciels dédiés au model-checking sont nombreux et prometteurs. Ils permettent beaucoup et ont un grand potentiel pour rentabiliser l'étape de vérification grâce à l'approche BIM. Cependant, les obstacles rencontrés montrent que le BIM, pour être efficace, doit être réalisé sur des modèles avec une haute qualité de l’information, ce qui n'est pas assez souvent le cas.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".