MétaCan
Menu
Retour à la cohorte
Enregistrement W2141739264 · doi:10.1061/(asce)0733-9364(2008)134:4(253)

Efficient Repetitive Scheduling for High-Rise Construction

2008· article· en· W2141739264 sur OpenAlexaff
Tarek Hegazy, Ehab Kamarah

Notice bibliographique

RevueJournal of Construction Engineering and Management · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScheduling (production processes)ScheduleOperations researchIndustrial engineeringDistributed computingMathematical optimizationReal-time computingEngineering

Résumé

récupéré en direct d'OpenAlex

A new scheduling and cost optimization model for high-rise construction is presented in this paper. The model has been formulated with a unique representation of the activities that form the building’s structural core, which need to be dealt with carefully to avoid scheduling errors. In addition, the model has been formulated incorporating: (1) the logical relationships within each floor and among floors of varying sizes; (2) work continuity and crew synchronization; (3) optional estimates and seasonal productivity factors; (4) prespecified deadline, work interruptions, and resource constraints; and (5) a genetic algorithms-based cost optimization that determines the combination of construction methods, number of crews, and work interruptions that meet schedule constraints. A computer prototype was then developed to demonstrate the model’s usefulness on a case study high-rise project. The model is useful to both researchers and practitioners as it better suits the environment of high-rise construction, avoids scheduling errors, optimizes cost, and provides a legible presentation of resource assignments and progress data.

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 enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,280
Écart entre enseignants0,251 · 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

Citations71
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Construction Engineering and ManagementMême sujetResource-Constrained Project SchedulingTravaux en français237 207