Automatisation du procédé de béton projeté - Robotisation et optimisation
Bibliographic record
Abstract
Le domaine du génie civil subit en ce moment une transition technologique dans laquelle l'utilisation d'outils numérique et robotique permet l'amélioration des performances et l'optimisation de nombreux procédés. Le béton projeté ne fait pas exception à cette modernisation et c'est pourquoi il semble pertinent d'aller plus loin dans l'automatisation de ce procédé. Fort de ses connaissances en matière de béton projeté, le Laboratoire de béton projeté du CRIB de l'Université Laval a décidé de lancer la conception d'une technologie de béton projeté automatisé. Ce projet permettra d'aller plus loin dans la compréhension des phénomènes à l'œuvre lors de la projection de béton et aussi de développer une méthode innovante de fabrication de béton automatisée. La présente étude s'inscrit dans la continuité du développement d'une technologie de béton projeté réalisée à l'aide d'un bras robotisé et s'intéresse plus particulièrement à l'analyse des différentes stratégies de projection ainsi qu'à leur impact sur les phénomènes de rebond et la performance de mise en place. De plus, la réalisation d'une pièce bétonnée complexe à l'aide du système robotisé ainsi que la conception d'un module de vision numérique prototype a permis d'aller plus loin dans la conception et le développement de l'automatisation globale du système. Tout d'abord, l'utilisation du bras robotisé a permis de réaliser des campagnes d'essais visant à évaluer l'influence de l'angle de projection sur la quantité de rebonds, avec une répétabilité et une précision quasi impossible à atteindre manuellement. Les résultats fournis par ces essais ont permis d'étoffer les analyses précédentes portant sur l'impact des différents paramètres de projection sur le phénomène de rebond ainsi que de confirmer la pertinence de maintenir une orientation normale du jet de matériaux par rapport à la surface de projection afin de minimiser les pertes liées au rebond. La seconde étape de ce projet a consisté à réaliser de façon automatique un essai de certification de lancier normalisé à l'aide du bras robotisé. Pour cela, les efficacités de différentes stratégies de projection ont été explorées dans le but de remplir au mieux un panneau de certification contenant des barres d'armature. Une trajectoire spécifique a permis de valider l'essai en réalisant automatiquement un panneau où l'intégralité des barres d'armatures était correctement enrobée. Enfin, la fabrication autonome d'une pièce bétonnée à géométrie complexe a été menée à bien au cours d'un projet preuve de concept multidisciplinaire. Cette réalisation a permis de mettre en pratique de façon concrète les connaissances acquises lors des essais précédents, de prouver le potentiel de fabrication innovante de la technologie de béton projeté et enfin, d'amorcer les réflexions portant sur les étapes nécessaires à l'amélioration de l'automatisation du système. Le fruit de ces réflexions a mené à la conception préliminaire d'un outil de vision numérique ainsi qu'à une proposition du fonctionnement global du système et de l'organisation de ces différents modules.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".