案例式推理(Case-Based Reasoning, CBR)系统求解问题时，主要是利用过去求解案例中所获得的经验，用来推测目前求解问题结果。虽然此工具在研究上广受使用，但是目前仅有少数研究进行改善CBR系统于数值预测研究。所以本研究发展一套新的索引方法，并且应用简单的变数加权方式，改善CBR系统对于数值预测的准确性与效率。本研究所提出CBR系统，借由数个UCI(University of California-Irvine)资料集合，进行预测的准确性与效率之比较。然而，本研究所提出的CBR系统也应用于求解交期指派的问题，实验模拟于一个动态的晶圆制造工厂，并观察系统于实务问题中能否达到预期的优势效果。
建筑资讯模型(Building Information Modeling，BIM)近来广泛应用，台湾外已有诸多文献指出BIM於工程上的效益，包含工程成本减少、工期缩短、整合工程界面、预先发现问题，另外许多研究也提出分析BIM效益的方法，如KPI法(Key Performan...
详细信息
建筑资讯模型(Building Information Modeling，BIM)近来广泛应用，台湾外已有诸多文献指出BIM於工程上的效益，包含工程成本减少、工期缩短、整合工程界面、预先发现问题，另外许多研究也提出分析BIM效益的方法，如KPI法(Key Performance Indicators )、资料包络分析法(Data Envelopment Analysis，DEA)、ROI法(Return on Investment)及自建BIM模型等方式，然而KPI法权重设定过於主观，资料包络分析法要求输入变数复杂且需十分精确，ROI法仅能分析有明确量化的案例，自建模型法则需耗费诸多时间与人力，无法计算大量BIM案例，此外工程专案具有单一性与无法重复性，将应用BIM与未应用BIM之工程专案进行比较时，其评估基准不同。有鉴於此，本研究以案例式推理之「最近邻居回归法」建置计算引擎使不同工程专案可於相同或接近相同基准下进行应用BIM之效益比对，提供快速客观评定BIM应用效益之模式。
暂无评论