Fuzzy Contingency Determinator<sup>&#x00A9;</sup> a fuzzy arithmetic-based risk analysis tool for construction projects
Notice bibliographique
Résumé
Construction companies always try to employ practical tools to assess risks and determine project contingency, yet the uncertain nature of risk makes it difficult to ensure that the assessment process is accurate or the agreed-upon project contingency is sufficient to deal with such uncertainty. This paper introduces a novel contingency determination procedure that employs fuzzy arithmetic in carrying out its computational steps. Fuzzy linguistic scales are used in this procedure to help experts assess the probability and impact of events using linguistic terms that are described by fuzzy numbers instead of inaccurate, single crisp values. The introduction of fuzzy logic helps experts use their own judgment-rather than relying on historical data-in determining contingency that deals with the shortcomings of applying the probabilistic risk analysis approaches in the absence of historical risk data. The paper also illustrates a new user-friendly software tool, namely, Fuzzy Contingency Determinator, which has been developed to carry out the steps of the procedure. The main contributions of this paper are (1) the introduction of a new contingency determination procedure, based on fuzzy logic, which can handle the subjective uncertainty of experts in assessing critical events leading to risk and opportunity and in determining contingency, and (2) the implementation of the procedure using a simple and user-friendly software tool.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».