MétaCan
Menu
Retour à la cohorte
Enregistrement W2136062440 · doi:10.5555/1351542.1351908

Process flowcharting and simulation of house structure components production process

2007· article· en· W2136062440 sur OpenAlexaff
Haitao Yu, Mohamed Al‐Hussein, Reza Nasseri

Notice bibliographique

RevueWinter Simulation Conference · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)FlowchartProduction (economics)Manufacturing engineeringLean manufacturingFactory (object-oriented programming)Computer scienceConstruct (python library)ProductivityProcess managementChartPlan (archaeology)Process modelingWork in processEngineeringIndustrial engineeringSystems engineeringOperations management

Résumé

récupéré en direct d'OpenAlex

Stimulated by the success of management innovation in the manufacturing industry - culminating in lean production, many homebuilders attempt to model the construction process on manufacturing. Currently, much of the focus has been on the use of factory-built structural components, which reflects the inherent characteristics of the residential construction industry that medium and large homebuilders construct high volumes of houses with a similar structure. However, many such attempts failed due to operation management problems. This paper presents a hybrid approach that combines process flowcharting and simulation for helping prefabricators analyze and improve their production process. In the research, the process flowchart and process activity chart are used to identify opportunities for process improvement, and simulation models are built in Simphony, a special purpose simulation (SPS) tool, to do what-if analysis and to predict productivity. The results of this study indicate that process flowcharting coupled with simulation is an effective way to plan process improvement.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,021
Tête enseignante GPT0,270
Écart entre enseignants0,250 · 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

Citations9
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWinter Simulation ConferenceMême sujetBIM and Construction IntegrationTravaux en français237 207