論文の概要: Simulation-Based Validation of an Integrated 4D/5D Digital-Twin Framework for Predictive Construction Control

• arxiv url: http://arxiv.org/abs/2511.03684v1
• Date: Wed, 05 Nov 2025 18:07:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 15:57:27.698549
• Title: Simulation-Based Validation of an Integrated 4D/5D Digital-Twin Framework for Predictive Construction Control
• Title（参考訳）: 予測構成制御のための統合型4D/5Dディジタルツインフレームワークのシミュレーションによる検証
• Authors: Atena Khoshkonesh, Mohsen Mohammadagha, Navid Ebrahimi,
• Abstract要約: 本研究では,ビルディング情報モデリングと自然言語処理を併用した4D/5Dデジタルツインフレームワークを提案する。 ダラス・フォートワース中間層プロジェクトの9ヶ月のケース実装では、精度と効率が測定可能な向上を示した。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Persistent cost and schedule deviations remain a major challenge in the U.S. construction industry, revealing the limitations of deterministic CPM and static document-based estimating. This study presents an integrated 4D/5D digital-twin framework that couples Building Information Modeling (BIM) with natural-language processing (NLP)-based cost mapping, computer-vision (CV)-driven progress measurement, Bayesian probabilistic CPM updating, and deep-reinforcement-learning (DRL) resource-leveling. A nine-month case implementation on a Dallas-Fort Worth mid-rise project demonstrated measurable gains in accuracy and efficiency: 43% reduction in estimating labor, 6% reduction in overtime, and 30% project-buffer utilization, while maintaining an on-time finish at 128 days within P50-P80 confidence bounds. The digital-twin sandbox also enabled real-time "what-if" forecasting and traceable cost-schedule alignment through a 5D knowledge graph. Findings confirm that integrating AI-based analytics with probabilistic CPM and DRL enhances forecasting precision, transparency, and control resilience. The validated workflow establishes a practical pathway toward predictive, adaptive, and auditable construction management.
• Abstract（参考訳）: 持続的なコストとスケジュールのずれは、決定論的CPMと静的文書ベースの推定の限界を明らかにするアメリカの建設業界において大きな課題である。 本研究では,ビルディング情報モデリング(BIM)と自然言語処理(NLP)に基づくコストマッピング,コンピュータビジョン(CV)による進捗測定,ベイズ確率的CPM更新,深層強化学習(DRL)リソースレベルを結合した4D/5Dデジタルツインフレームワークを提案する。 ダラス・フォートワース中間層プロジェクトの9ヶ月のケース実装では、見積もりの43%の削減、残業率の6%の削減、プロジェクト・バッファ利用率の30%の削減、P50-P80信頼境界内の128日間のオンタイム・フィニッシュを維持した。 デジタルツインサンドボックスは5D知識グラフを通じてリアルタイムの"What-if"予測とトレース可能なコストスケジュールアライメントを可能にした。 調査によると、AIベースの分析と確率論的CPMとDRLを統合することで、予測精度、透明性、レジリエンスが向上する。 検証されたワークフローは、予測、適応、監査可能な建設管理への実践的な経路を確立する。

関連論文リスト

• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• Accelerated Test-Time Scaling with Model-Free Speculative Sampling [58.69141724095398]
  STAND(Stochastic Adaptive N-gram Drafting)は,新しいモデルフリーな投機的デコード手法である。 従来の自己回帰復号法と比較して,STANDは推論遅延を60～65%削減することを示した。 モデルフリーのアプローチとして、STANDは追加のトレーニングなしで既存の言語モデルに適用できる。
  論文  参考訳（メタデータ） (2025-06-05T07:31:18Z)
• VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks [49.0793012627959]
  本稿では,価値に基づくパラダイム内での推論モデルに適した新しいフレームワークVAPOを提案する。 VAPOは最先端のスコアが$mathbf60.4$に達する。 同じ実験条件下で直接比較すると、VAPOはDeepSeek-R1-Zero-Qwen-32BとDAPOの結果を10点以上上回っている。
  論文  参考訳（メタデータ） (2025-04-07T14:21:11Z)
• EfficientPose 6D: Scalable and Efficient 6D Object Pose Estimation [4.595205112368888]
  本研究は,GDRNPPに基づく高速かつスケーラブルなポーズ推定器の開発に焦点をあてる。 本稿では,推定時間と精度のトレードオフを考慮したAMISアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-02-19T19:21:23Z)
• Optimizing Large Language Model Training Using FP4 Quantization [73.55459961002371]
  量子化トレーニングは、低ビット演算によるコスト削減を可能にすることで、有望なソリューションを提供する。 この研究は、大規模言語モデル(LLM)のための最初のFP4トレーニングフレームワークを紹介します。
  論文  参考訳（メタデータ） (2025-01-28T18:04:50Z)
• Weak Supervision Performance Evaluation via Partial Identification [46.73061437177238]
  Programmatic Weak Supervision (PWS) は、地上の真理ラベルに直接アクセスすることなく、教師付きモデルトレーニングを可能にする。 本稿では,モデル評価を部分的同定問題としてフレーミングすることで,この問題に対処する新しい手法を提案する。 提案手法は,従来の弱監督評価手法において,ラベル付きデータを必要とせず,重要な指標に信頼性のあるバウンダリを導出する。
  論文  参考訳（メタデータ） (2023-12-07T07:15:11Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Computer Vision for Construction Progress Monitoring: A Real-Time Object Detection Approach [0.0]
  建設進捗監視(CPM)は、効率的なプロジェクト管理、オンタイムおよび予算の納入を保証するために不可欠である。 従来のCPMメソッドは、しばしば手動による検査と報告に頼っている。 本稿では,最先端オブジェクト検出アルゴリズムを用いたCPMの自動検出手法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T12:27:42Z)
• Conformal Quantitative Predictive Monitoring of STL Requirements for Stochastic Processes [4.279881803310469]
  Signal Temporal Logic (STL) で与えられたプロセスと豊富な仕様をサポートする最初のPM法である textitquantitative predictive monitoring (QPM) を導入する。 QPMは、$phi$の量的(いわゆる頑健な)STLセマンティクスを予測することで満足度を定量的に測定する。 合成式を扱うために,我々のモニタをどのように構成的に組み合わせることができるかを示す。
  論文  参考訳（メタデータ） (2022-11-04T11:08:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。