Estimating post- and pre-mitigation contingency in construction
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
Contingency is necessary to mitigate and control risk associated with construction projects. Successful contingency estimation and risk mitigation strategies can help project managers to effectively control cost and schedule. Some practitioners mitigate risk by transferring it to another party with less effort and minimum cost. However, this may lead to undesirable results such as; useless depletion of contingency, cost overrun, and project delay. This paper differentiates between two types of project contingency; pre-mitigation, and post-mitigation. It also proposes a new estimation method for pre-mitigation and post mitigation contingencies using fuzzy set theory. The proposed pre-mitigation contingency estimation makes use of qualitative and quantitative assessment of risks associated with projects. Post mitigation contingency (POSTMC) estimation makes use of newly introduced planned efficiency factor (PEF). That factor is calculated using mitigation strategy cost, pre-mitigation contingency (PREMC) and several sub-factors such as; mitigation efficiency on probability (MEFP), mitigation efficiency on consequences (MEFC), and mitigation efficiency (MEF). This paper provides a decision support tool; expected to help project managers in estimating and evaluating pre-mitigation and post mitigation contingencies using a set of strategies during project life cycle. The evaluation of post mitigation efficiency allows user to update the risk mitigation plan (i.e. risk response plan) for future projects. In addition to that, it allows users to maximize profit and minimize cost without compromising the efficiency of the selected risk mitigation strategies. Numerical example is presented to illustrate the application and capabilities of proposed method in estimation the pre-mitigation and post mitigation contingency. It also
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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