MétaCan
Menu
Retour à la cohorte
Enregistrement W2062801531 · doi:10.1680/mpal.11.00049

Simulation of scheduling logic using dynamic functions

2013· article· en· W2062801531 sur OpenAlexaff
Adel Francis, Jacques Bibaï, Edmond T. Miresco

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Management Procurement and Law · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceCritical path methodProbabilistic logicInterdependenceScheduling (production processes)ScheduleDynamic priority schedulingFunction (biology)Mathematical optimizationDistributed computingSystems engineeringEngineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Since the late 1950s, researchers have studied the soft logic of scheduling, in particular the precedence constraint between activities used to compute the critical path. However, by proposing only external constraints and simulating work production through lags, the precedence logic lacks precision. These gaps diminish the reliability of the schedule and impair the internal monitoring of activity interdependencies. Chronographic logic addresses such limitations by introducing the internal division and proposing internal monitoring as a function of production. This paper proposes the concept of probabilistic production-based dynamic functions which would replace internal divisions with a mathematical function that permits the tracking of the dynamic interdependencies between two in-progress activities. A case study compares the overall schedule calculation using traditional precedence logic with the dynamic production-based function. This simulation was designed to investigate the overall impact on the critical path and the criticality of each activity. The result is a new method of implementing scheduling logic that takes into account the impact of the internal changes of workload and allows the use of internal margins. These self-adaptations provide a better simulation of construction-site conditions which help to produce more realistic results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Management Procurement and LawMême sujetBIM and Construction IntegrationTravaux en français237 207