MétaCan
Menu
Retour à la cohorte
Enregistrement W1679301285 · doi:10.1109/nafips-wconsc.2015.7284152

Fuzzy Contingency Determinator<sup>©</sup> a fuzzy arithmetic-based risk analysis tool for construction projects

2015· article· en· W1679301285 sur OpenAlexaff
Mohamed M. G. Elbarkouky, Nasir Bedewi Siraj, Aminah Robinson Fayek

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicContingencyComputer scienceProbabilistic logicFuzzy numberContingency tableFuzzy setData miningOperations researchMachine learningRisk analysis (engineering)Artificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,346
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConstruction Project Management and PerformanceTravaux en français237 207