MétaCan
Menu
Retour à la cohorte
Enregistrement W2141452637 · doi:10.5555/2675983.2676355

Utilizing simulation derived quantitative formulas for accurate excavator Hauler fleet selection

2013· article· en· W2141452637 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

RevueWinter Simulation Conference · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensCanadian Natural ResourcesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésExcavatorEarthworksGranularityComputer scienceSelection (genetic algorithm)Discrete event simulationField (mathematics)Production (economics)Duration (music)Industrial engineeringOperations researchEngineeringSimulationCivil engineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Discrete event simulation (DES) produces models of greater granularity and higher accuracy in analysis of heavy construction operations than classic quantitative techniques; specifically utilizing average production rates for determining the fleet required for and duration of earthmoving operations. Nonetheless, the application of DES is not readily applied beyond academic work for high level analysis in the heavy construction industry. Field level planners default to the use of average production rates, which can be easily applied with simple spreadsheet tools and allows quick recalculations to be performed when existing input data is changed or more data becomes available. To aid in fleet selection and determination of the duration of site grading earthworks operations where one fleet is applied, this research presents a new approach by developing quantitative formulas from DES analysis. The approach simplifies DES application and reduces the barrier to access simulation-generalized and field-applicable knowledge, while providing greater accuracy than simply relying on average production rates.

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)0,000
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 enseignants0,723
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,055
Tête enseignante GPT0,300
Écart entre enseignants0,245 · 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