MétaCan
Menu
Retour à la cohorte
Enregistrement W2061323651 · doi:10.1080/01446190410001673571

Accelerating linear projects

2005· article· en· W2061323651 sur OpenAlexaff
Ahmed Hassanein, Osama Moselhi

Notice bibliographique

RevueConstruction Management and Economics · 2005
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBusinessEngineeringConstruction engineeringProcess managementSystems engineering

Résumé

récupéré en direct d'OpenAlex

Scheduling linear repetitive construction projects, such as highways and pipelines, poses unique challenges due to maintaining crew work continuity. An efficient method is presented, developed to accelerate the delivery of this class of projects so as to meet a specified deadline with least associated cost. The method is simple and ensures crew work continuity. An iterative approach is employed, where, in each iteration, the project schedule is analysed and an activity is identified as the controlling activity. A controlling activity is an activity that if accelerated, would reduce project duration at least additional cost. Upon its identification, the method selects an expediting strategy that would reduce project duration, and the project is rescheduled. Several expediting strategies are considered, including working overtime, double shifts and weekends. The method is implemented in a prototype software that operates in a Windows® environment, providing a user‐friendly graphical interface. It has an open architecture, enabling the user to actively participate in tailoring the generated schedule to suit the requirements of the project at hand. The proposed method accounts for incentives and liquidated damages to aid users in identifying the most cost‐efficient schedule. A relational database model is implemented in Microsoft Access® to store typical crews and their associated productivity, as well as their availability dates. A project, drawn from the literature, is analysed to demonstrate the basic features of the proposed method and highlight its capabilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,123
Tête enseignante GPT0,327
Écart entre enseignants0,204 · 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

Citations26
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Management and EconomicsMême sujetResource-Constrained Project SchedulingTravaux en français237 207