A case productivity model for automatic climbing system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – Tight schedules in high-rise building construction force project managers to use the formwork even in a bad weather condition. Insufficient craning, which is typically the bottleneck in construction activities, and lack of space in confined sites make it hard to install the formwork on the ground. The Automatic Climbing System (ACS), a type of jump forms, solves these problems enabling the formwork to climb in various weather and height conditions. The aim of this paper is to discuss these issues. Design/methodology/approach – Current research focusses on the ACS, its application, and productivity assessment. Productivity and construction data are collected from a specialized company in such type of forms. A bracket productivity model has been developed to estimate floor construction cycle time and productivity. Findings – Results show that average productivity is four days/floor. The developed model is validated, which shows robust results 97.80 percent. Research limitations/implications – The implementation of the developed models are limited to only two projects. However, the developed models and framework is sound for future improvement. Practical implications – The developed methodology and model play essential roles in decision-making process. Originality/value – The developed methodology and model are beneficial to researchers, practitioners, and planners of construction projects. It provides practitioners with charts that assist in scheduling and managing resources for jump form application. In addition, it provides researchers with a floor cycle time model and framework of implementing jump forms to high-rise buildings.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle