5。K. Kanafani,J。Magnes,S。M。Lindhard和M. Balouktsi,“建筑物建设阶段的碳排放:丹麦建筑工地的全面案例研究”,《可持续性》,第1卷。15,否。14,p。 10992,圣诞节。2023,doi:。10,3390/su151410992 6。K. Kanafani,J。Magnes,A。Garnow,S。M。Lindhard和M. Balouktsi,“建筑工地的资源消费:建筑物的气候执行阶段。',奥尔堡大学,奥尔堡,2023:14,2023。[在线]。可用:https://vbn.aau.dk/ws/portalfiles/portal/611626468/611626468/BUILD- RAPPORT- RAPPORT- RAPPORT_2023_14_RESOURTHOUND APPLIES_P_BBYGLADSEN.PDF 7。pdf 7。'IslenskMeðaltalsGildi| Húsnæðis-和Mannvirkjastofnun'。访问:Jun。27,2024。[在线]。可用:https://hms.is/mannvirki/lifsferilsgreining/islensk-me%C3%B0AltaltalSgildi lca 8。'建筑技术法规(TEK17),带有Wable入境”,建筑质量局。访问:Jun。30,2024。[在线]。可用:https://www.dibk.no/reglevverk/byggetKnisk-法规tek17
3D打印应用程序的移动机器人可以从工厂地板过渡到建筑工地。它们的显着灵活性和适应性支持了各种基于沉积的3D打印技术,这些技术利用从混凝土和地球进行挤出,喷涂或喷射的材料到金属,用于诸如电线弧添加剂制造之类的工艺。不仅限于新结构,因此它们的流动性可以利用纠正式建筑物维护,恢复,振兴和维修。他们彼此合作的能力允许在多机器人设置中部署,从而以速度的数字提供可扩展性。尽管具有有希望的潜力,但移动3D打印机器人也遇到了许多技术挑战。这些包括确保印刷结构的机械性能符合所需的建筑法规,设计强大的ME Chanical Systems用于大规模建筑项目,并将这些系统与现有的建筑规划工具无缝集成。此外,通过高级感应和控制技术增强这些机器人的精度和鲁棒性对于它们在建造制造中的有效应用至关重要。在本文中,我们详细介绍了当前的研究轨迹,并深入了解与现有环境中现场构造相关的当前挑战,开放问题和关键前景。为了丰富讨论,提供了对潜在的建筑应用程序方案的见解,以振兴,修复和加强建筑结构。这些挑战的复杂,跨学科的性质强调了对移动3D打印技术领域进行协作方法的需求。
可穿戴的脑电图(EEG)被认为是研究工作场所中个体的心理生理状况以减轻职业健康和安全的一种手段。在其他部门之后,建筑学者在过去十年中采用了这项技术,以加强基于证据的做法来改善工人的福祉。本研究介绍了脑电图的最新硬件,算法和应用程序作为一个平台,可帮助处理构建任务的风险易风险和复杂性。在总结了脑电图的背景及其在不同领域的研究范例之后,提供了对EEG支持的建筑研究的全面综述。首先,通过BIBLIO度量分析协助的宏观评论,绘制了研究流的全局。第二,进行了微观审查,以发现文献中的差距。确定的差距用于将未来的研究方向分类为理论,应用和方法论发展。
现今的系由董事会于 1968 年 8 月创建,最初名为建筑施工系。1994 年 4 月,董事会批准创建建筑施工理学硕士课程,标志着该系发展的一个重要里程碑。第一批研究生课程于 1994 年秋季开设,最初招收了 10 名研究生。此外,1994 年,该系与华盛顿大学推广部合作开发了建筑管理证书课程,进一步扩大了其课程范围。1996 年,董事会将该系更名为建筑管理系,授予建筑管理理学学士和理学硕士学位。第一个建筑管理理学硕士学位于 1997 年 6 月颁发。2002 年,该系与土木与环境工程系和华盛顿大学推广部合作开发了一个自给自足的在线研究生课程,展示了其适应性,这一举措预示了教育的未来。
马里兰州交通部州公路管理局 (MDOT SHA) 提议加速该州采用先进数字化施工管理系统 (ADCMS),改善与利益相关者的信息共享,并开展技术培训和劳动力发展,以便更好地管理项目的整个生命周期。ADCMS 可以提高施工区安全性、减少交通拥堵、改善公平性并支持可持续发展。MDOT SHA 将通过支持蒙哥马利县交通部 (MCDOT) 扩展其成功的交通基础设施精确三维测量和工程 (P3DSETI) 试点项目来推动 ADCMS 的采用。P3DSETI 是一个集成平台,具有存储目录或“存储桶”,用于存放交通资产的三维 (3D) 扫描图、设计中使用的 3D 模型、设施系统的二维 (2D) 线条图、竣工图以及管理交通基础设施的设计、施工、运营和维护所需的其他资产数据。提议的试点扩展活动包括建立和验证可由其他司法管辖区采用的标准、流程和工作流程;在平台和数据库扩展的同时,改进数据处理、存储和安全性;增加扫描设备,培训更多员工使用扫描设备,并教导员工处理和将他们的扫描加载到 P3DSETI 中;并在 MCDOT 和 MDOT SHA 之间传递知识。
近年来,建筑业机器学习的发展增加了充分的软件准备旨在为潜在的安全风险提供更好的解决方案施工环境中的危险和风险。然而,死亡和受伤在建筑工作中继续频繁发生,事故和伤亡人数很高,使建筑工作成为最危险的职业。本研究的目的是使用AHP方法分析人工智能(AI)在建筑安全中的优先事项和重要因素。选定建筑安全专业人员作为受访者。建立由五(5)个因素组成的层次结构,随后将其分为十二(12)个子因素。工作场所被确定为建筑行业中最重要的AI元素,占25.43%。其次是安全,占25.37%,人为错误占22.76%。当工人忽视工作场所安全时,优先考虑的子因素会传达给安全官员,占69.21%,云计算技术,检查,控制和培训。为 60.04%,而建筑安全领域的人工智能可以预测潜在问题的比例为 14.29%。这项研究的见解可以帮助软件开发人员确定在建筑工地安全方面使用人工智能的优先级。
1.1.1 适用范围 1.1.1.1 本部分适用于在本社入级并在 2006 年 4 月 1 日或以后签订建造合同(1)的长度为 150 m、L CSR-T 及以上的双壳油船。规范长度 L CSR-T 的定义见第 4 节/1.1.1.1。 1.1.1.2 通常,对于长度小于 150 m、L CSR-T 的双壳油船,应适用本社规范。 1.1.1.3 在本部分生效日前签订建造合同的船舶应符合本社规范。 注建造合同日期系指未来船东与造船厂签订船舶建造合同的日期。有关建造合同日期的更多详细信息,参见 IACS 程序要求(PR)第 29 号。