IntroductionOver the last few decad

Introduction
Over the last few decades, the advancement of sensor technology and the ability to analyze large datasets have enabled innovative data-driven maintenance functions within a number of industrial sectors. Whilst these advances have been theoretically tested, and practically imbedded in some service and industrial sectors, other sectors such as the built environment have failed to embrace these developments. For example, Randall, 2011; Heng, et al. 2009; and Al-Najjar and Alsyouf, 2004 review and comment on case studies in a range of industrial settings and sectors, but do not mention applications in the built environment sector. For example, airplane performance has been optimized through advanced statistical analyses of in service performance and lifecycle data. This analysis is subsequently applied to maintenance programs to identify the optimum maintenance intervals to ‘ensure safe, reliable, and costeffective airplane performance’. This is demonstrated practically and empirically by Boeings’ Statistical Analysis for Scheduled Maintenance Optimisation (SASMO) tool (McLoughlin et
al, 2011)

Kết quả (Việt) 1:

Giới thiệuTrong vài thập kỷ qua, sự tiến bộ của công nghệ cảm biến và khả năng phân tích datasets lớn đã kích hoạt chức năng sáng tạo hướng dữ liệu bảo trì trong một số ngành công nghiệp. Trong khi những tiến bộ đã được thử nghiệm lý thuyết và thực tế nhúng trong một số dịch vụ và các ngành công nghiệp, các lĩnh vực khác như môi trường xây dựng đã thất bại để nắm lấy những phát triển. Ví dụ, Randall, năm 2011; Heng, et al. 2009; và Al-Najjar và Alsyouf, năm 2004 xem xét và bình luận về trường hợp nghiên cứu trong nhiều lĩnh vực và cài đặt công nghiệp, nhưng không đề cập đến các ứng dụng trong lĩnh vực môi trường xây dựng. Ví dụ, hiệu suất máy bay đã được tối ưu hóa thông qua phân tích thống kê cao cấp của dịch vụ hiệu suất và dữ liệu vòng đời. Phân tích này sau đó được áp dụng để bảo trì chương trình để xác định khoảng thời gian bảo trì tối ưu để 'đảm bảo an toàn, đáng tin cậy, và hiệu suất máy bay costeffective'. Điều này được thể hiện thực tế và empirically bằng cách phân tích thống kê Boeings' cho công cụ tối ưu hóa bảo trì theo lịch trình (SASMO) (McLoughlin etAl, 2011)

Kết quả (Việt) 2:

Giới thiệu
Trong vài thập kỷ qua, sự tiến bộ của công nghệ cảm biến và khả năng phân tích dữ liệu lớn đã kích hoạt chức năng bảo trì dữ liệu theo định hướng đổi mới trong một số ngành công nghiệp. Trong khi những tiến bộ này đã được thử nghiệm về mặt lý thuyết, thực tế và gắn vào một số lĩnh vực dịch vụ và công nghiệp, các ngành khác như xây dựng môi trường đã thất bại trong việc nắm lấy những phát triển. Ví dụ, Randall, 2011; Heng, et al. 2009; và Al-Najjar và Alsyouf năm 2004 xem xét và bình luận trên các nghiên cứu trường hợp trong một loạt các cài đặt công nghiệp và các ngành, nhưng không đề cập đến các ứng dụng trong lĩnh vực môi trường xây dựng. Ví dụ, hiệu suất máy bay đã được tối ưu thông qua phân tích thống kê tiên tiến trong hoạt động của các dịch vụ và vòng đời dữ liệu. Phân tích này sau đó được áp dụng cho các chương trình bảo trì để xác định khoảng thời gian bảo trì tối ưu để "đảm bảo hiệu suất máy bay an toàn, đáng tin cậy, và costeffective '. Điều này được chứng minh thực tế và thực nghiệm bằng cách phân tích thống kê máy bay Boeing 'cho công cụ Scheduled Maintenance Optimisation (SASMO) (McLoughlin et
al, 2011)