Real-time activity duration extraction of crane works for data-driven discrete event simulation
Visualitza/Obre
WSC_2022_Jungmann_et_al (1).pdf (953,6Kb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/378494
Tipus de documentText en actes de congrés
Data publicació2022
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
The construction industry is struggling with low productivity rates because of a low level of digitalization, dynamic interactions, and uncontrollable circumstances on sites, which make the planning process complex. Usage of the digital twin construction paradigm enables to facilitate construction management and leverage the sector’s unexploited potential. This research addresses current shortcomings by real-time discrete event simulation. During crane operations, kinematic data were collected, which were classified by machine learning algorithms for activity recognition and duration extraction. Based on the identified durations, Goodness-of-Fit techniques determined suitable probability density functions. The resulting probability density functions were used as input parameters in stochastic discrete event simulations. It was shown that with enriched data collection, probability density functions have to be updated. The data-driven discrete event simulation facilitates decision-making processes by providing more reliable real-time information for the planning of upcoming construction works. Thus, data-based instead of experience-based management can be enabled.
CitacióJungmann, M. [et al.]. Real-time activity duration extraction of crane works for data-driven discrete event simulation. A: Winter Simulation Conference. "Proceedings of the 2022 Winter Simulation Conference". 2022, p. 1-12.
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
WSC_2022_Jungmann_et_al (1).pdf | 953,6Kb | Accés restringit |