MétaCan
Menu
Retour à la cohorte
Enregistrement W2131926104 · doi:10.1139/cjce-2013-0194

An evolutionary optimization method to determine optimum degree of activity accelerating and overlapping in schedule compression

2014· article· en· W2131926104 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.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueProduct Development and Customization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésScheduleComputer scienceReworkCapital costProcess (computing)Evolutionary algorithmOperations researchVariety (cybernetics)Risk analysis (engineering)Mathematical optimizationReliability engineeringEngineeringMachine learningArtificial intelligenceBusinessMathematics

Résumé

récupéré en direct d'OpenAlex

Compressing project schedule using activity accelerating and overlapping requires that an intensive time–cost trade-off analysis be carried out, to determine costs and benefits for each day of compression. However, the cost elements and implications of compression techniques differ significantly, since activity accelerating imposes extra direct cost whereas activity overlapping adds a risk of changes and rework. Such a trade-off becomes even more complicated in capital projects comprised of a large number of schedule activities and relationships. The variety of combinations of accelerating and overlapping of different activities in these complex networks can offer numerous possibilities for compression with various costs and potential risks. The lack of a reliable analytical tool for performing a precise cost-benefit analysis causes this critical task to be performed in a subjective manner during the planning stage of projects. The purpose of this paper is to present an advanced method using a multi-objective evolutionary optimization tool seeking the optimum degree of accelerating and overlapping during the schedule compression process. This optimization technique would be beneficial in maximizing project benefits while meeting the intended target dates.

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)0,001
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: aucune
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,020
Tête enseignante GPT0,217
Écart entre enseignants0,197 · 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