دانلود مقاله ISI انگلیسی شماره 67789
ترجمه فارسی عنوان مقاله

فرمالیزم برای شناسایی پرس و جو و شناسایی منبع داده برای پشتیبانی از فیوژن داده برای نظارت بر بهره وری ساخت و ساز

عنوان انگلیسی
Formalisms for query capture and data source identification to support data fusion for construction productivity monitoring
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
67789 2011 10 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Automation in Construction, Volume 20, Issue 4, July 2011, Pages 389–398

ترجمه کلمات کلیدی
بهره وری، مدیریت ساخت و ساز، مدیریت اطلاعات، هستی شناسی، زبان کامپیوتر
کلمات کلیدی انگلیسی
Productivity; Construction management; Information management; Ontology; Computer language
ترجمه چکیده
نظارت بر بهره وری، که شامل نظارت و تجزیه و تحلیل مکرر فعالیت های ساخت و ساز در حال انجام است، کمک می کند تا در ارزیابی عملکرد پروژه و شناسایی فرصت های بهبودی کمک کند. این اغلب شامل پیدا کردن پاسخ برای پرس و جو کاربر های پویا است که نیاز به داده ها را از ترکیب های مختلف از منابع داده های ناهمگن که دارای سطوح مختلف جزئیات، نمایندگی ها و سیستم های مرجع هستند، متصل می شود. عناصر دیجیتال این منابع به صورت قریب به یقین گسترش می یابند و در عین حال همکاری و هماهنگ سازی و دستیابی به آنها یک مشکل چالش برانگیز است. در این مقاله، نویسندگان روش رسمی برای ضبط پرس و جو کاربرهای پویا و شناسایی مجموعه های قابل استفاده از منابع داده را از یک مجموعه داده ای از منابع داده موجود برای پاسخ دادن به چنین پرسش ها ارائه می دهند. این رویکرد یک گام مهمی است که امکان همگام سازی داده های چندگانه خودکار و کارآمد را فراهم می کند.

چکیده انگلیسی

Productivity monitoring, which involves frequent monitoring and analysis of on-going construction activities, helps in assessing a project's performance and in enabling identification of opportunities for improvement. It often involves finding answers for dynamic user queries that require data to be fused from different combinations of heterogeneous data sources having different levels of detail, representations and reference systems. Digital elements of these sources are expanding exponentially, and yet fusing and processing them manually remains a challenging problem. In this paper, the authors present a formal approach for capturing dynamic user queries and identifying applicable sets of data sources from a given set of available data sources to answer such queries. This approach is an important step to enable automated and efficient multi-source data fusion.