MétaCan
Menu
Retour à la cohorte
Enregistrement W2086865785 · doi:10.3846/13923730.2012.671279

UTILIZING RANDOM PERFORMANCE RECORDS IN THE BEST VALUE MODEL / ATSITIKTINE TVARKA PARINKTŲ VEIKLOS EFEKTYVUMO DUOMENŲ NAUDOJIMAS GERIAUSIOS VERTĖS MODELYJE

2012· article· en· W2086865785 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Civil Engineering and Management · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Selection (genetic algorithm)Computer scienceOperations researchOperations managementEngineering

Résumé

récupéré en direct d'OpenAlex

Most construction agencies have a quality management system in order to control and manage the quality of their final product. Once the project is over, the testing results are kept in archives in which they are rarely re-visited or utilized. Quality testing results carry much information about the contractor performance that could be useful during the contractor evaluation/selection process. Previous attempts to implement the Best Value (BV) used the average performance records as the expected performance, which was utilized to evaluate contractors. The objective of this research is to develop, based on random data obtained from the contractor's performance records, a methodology that provides decision makers with the level of confidence or risk associated with the contractor selection using the BV model. Simulation technique is used to develop the BV model and analysis. Field performance data have been used to obtain the Percentage Defective, which indicates the contractor's performance in the BV model. The analysis of data indicates that performance follows a normal distribution. Sensitivity analysis of the BV model illustrates the significance of the weights in the BV model, which demands special attention when selecting the parameters’ weights. The developed methodology provides the decision makers with the confidence and risk associated with their selection decision. Santrauka Dauguma statybos imonių galutinio produkto kokybę kontroliuoja ir valdo naudodamos kokybės vadybos sistemą. Projektui pasibaigus, patikrinimo rezultatai laikomi archyvuose ir retai peržiūrimi arba naudojami. Kokybės patikrinimo rezultatuose daug informacijos apie rangovo veiklos efektyvumą, kuri praverstų vertinant (renkantis) rangovą. Anksčiau mėginant diegti geriausios vertės (GV) modelį, veiklos efektyvumas buvo numatomas pagal vidutinius veiklos efektyvumo duomenis ir pagal tai būdavo vertinami rangovai. Šio tyrimo tikslas – pasitelkus atsitiktine tvarka atrinktus duomenis iš įrašų apie rangovo veiklos efektyvumą, sukurti metodiką, kuri sprendimus priimantiems asmenims suteikia pasitikėjimo arba mažina riziką, susijusią su rangovų atranka pagal GV modelį. Kuriant GV modelį ir atliekant analię taikomas imitacijos metodas. Naudojant faktinius veiklos duomenis apie efektyvumą buvo nustatyta procentinė defektų dalis (angl. Percentage Defective), kuri GV modelyje rodo rangovo veiklos efektyvumą. Duomenų analizė rodo, kad veiklos efektyvumas nenukrypsta nuo normaliojo skirstinio. GV modelio jautrumo analizė rodo, kad jame svarbūs reikšmingumai, taigi parametru reikšmingumus reikia rinktis itin atidžiai. Sukurta metodika sprendimus priimantiems asmenims suteikia pasitikėjimo ir mažina riziką, susijusią su pasirinkimo sprendimais.

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 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)0,005
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 enseignants0,112
Score d'incertitude au seuil0,637

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,052
Tête enseignante GPT0,292
Écart entre enseignants0,241 · 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