MétaCan
Menu
Retour à la cohorte
Enregistrement W2135181737 · doi:10.1061/(asce)co.1943-7862.0000212

Critical Path Segments Scheduling Technique

2010· article· en· W2135181737 sur OpenAlexaff
Tarek Hegazy, Wail Menesi

Notice bibliographique

RevueJournal of Construction Engineering and Management · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCritical path methodComputer sciencePath (computing)Scheduling (production processes)Computer networkOperations managementEngineeringEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

While the critical path method (CPM) has been useful for scheduling construction projects, years of practice and research have highlighted serious drawbacks that hinder its use as a decision support tool. This paper argues that many of CPM drawbacks stem from the rough level of detail at which the analysis is conducted, where activities’ durations are considered as continuous blocks of time. The paper thus proposes a new critical path segments (CPS) mechanism with a finer level of granularity by decomposing the duration of each activity into separate time segments. Three cases are used to prove the benefits of using separate time segments in avoiding complex network relationships, accurately identifying all critical path fluctuation, better allocation of limited resources, avoiding multiple-calendar problems, and accurate analysis of project delays. The paper discusses the proposed CPS mechanism and comments on several issues related to its calculation complexity, its impact on existing procedures, and future extensions. This research is more beneficial to researchers and has the potential to revolutionize scheduling computations to resolve CPM drawbacks.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,003
Tête enseignante GPT0,194
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Construction Engineering and ManagementMême sujetManufacturing Process and OptimizationTravaux en français237 207