A preliminary study of the factors affecting the cost escalation of construction projects
Notice bibliographique
Résumé
An interview survey of Alberta-based construction contractors was conducted in July and August 1998. The purpose of this survey was to elicit information on the factors that cause unanticipated project cost escalation during construction, from the contractor's perspective. This paper presents the findings of this survey and a proposed method of modeling the factors identified. The majority of factors identified impact labour productivity, which is a major source of cost overruns. A combination of subjective, objective, and secondary indicators are used to measure these factors and to assess their impact on project performance. The main conclusion of this survey is that many of the factors affecting the cost of construction are evaluated in subjective and imprecise terms and are difficult to quantify. This paper presents a method of modeling these factors using fuzzy membership functions, which capture the imprecision and subjectivity associated with the measurement of these factors. It discusses a basis for the definition of these membership functions and a method of calibrating these functions to make them more widely applicable to suit different contexts. These membership functions are being incorporated in a set of expert rules, which reason about the factors affecting costs, their impact on the project, and the appropriate corrective actions. These expert rules are being developed as part of a fuzzy expert system for construction project monitoring and control. A method of calibrating membership functions to suit individual contexts is currently being developed, which would be a significant advancement in the area of fuzzy logic. Key words: construction, costs, expert systems, fuzzy logic, project control, survey.
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 | 0,000 | 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 ».