A Study on Asset Valuation Method for Bridge Asset management
Notice bibliographique
Résumé
효율적인 교량의 유지관리를 위해서는 우선순위를 고려한 유지보수비용 예측과 전략적인 예산배분이 가능한 자산관리시스템의 구축이 필요하다. 본 연구는 이를 돕기 위한 교량의 자산가치 평가방법 연구를 통해 국내 실정에 적합한 실효성 있는 자산가치 평가방법의 제안을 주목적으로 하였다. 우선 국내외 교량시설물의 자산가치 평가 적용사례를 조사하여 그 장단점을 파악하고 국내 실정에 적합한 교량자산가치 평가 방법을 고찰하였다. 이를 바탕으로 취득원가에 의한 자산가치 평가방법과 대체원가를 활용한 가치평가 방법을 제안하고 교량의 가치평가를 위한 모델을 정립하였다. 또한 제안된 두 가지 자산가치 평가방법을 활용하여 국내에서 공용중인 교량의 가치평가를 수행하였다. 회계적 목적의 자산가치 평가 지원을 위해서는 초기건설비용에 근거한 취득원가를 고려한 자산가치 평가방법이 바람직한 것으로 분석되었으며, 유지관리 의사결정의 목적을 위해서는 보다 다양한 의사결정 인자의 고려가 가능한 감가상각 후 대체원가방법을 활용하는 것이 적합한 것으로 분석되었다. For efficient maintenance management of bridges, an establishment of asset management system is necessary which helps prediction of maintenance cost and strategic allocation of budget in consideration of top priority. The main purpose of this study is to suggest asset valuation method, which is practical in conformity with domestic situations, through researches on asset valuation method of bridges. This study has researched asset valuation method of bridge, which is appropriate for domestic situations by finding out advantages and disadvantages through investigating domestic and foreign application examples of asset valuation method for bridge facilities. In this study, asset valuation method by historical cost and replacement cost were suggested and a valuation model for bridges was established. In addition, two suggested valuation methods were applied to actual bridges which is used in Korea. As the result, it was analyzed that bridge asset valuation method in consideration of historical cost is desirable for the accounting purpose. And, it was analyzed that valuation method utilizing depreciated replacement cost(DRC), which could consider various factors, is desirable for the maintenance decision supporting purpose.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».