MétaCan
Menu
Retour à la cohorte
Enregistrement W2236236829 · doi:10.1139/cjce-2015-0010

Supply chain cost model for prefabricated building material based on time-driven activity-based costing

2016· article· en· W2236236829 sur OpenAlexvenueno aff
Yong‐Woo Kim, Seung-Heon Han, June-Seong Yi, SooWon Chang

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOperations Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainActivity-based costingCost driverService managementTotal costProcess (computing)Supply chain risk managementBusinessSupply chain managementIndustrial organizationOperations managementRisk analysis (engineering)Environmental economicsComputer scienceEngineeringEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

The effect of ‘supply chain management’ can be leveraged when benefits of collaboration within and beyond the capacities of individual organizations are witnessed. One of the primary tasks in reducing total supply chain costs is to understand where the costs occur in a supply chain and how each activity impacts the total supply chain costs. Most supply chains in construction usually involve multiple entities, each one in a different process. A rebar supply chain is one example where many entities are involved in different processes. The supply chain coordinator needs a supply chain cost model, which shows how each activity impacts all supply chain costs to reduce the total costs. The research suggests a supply chain cost model using time-driven activity-based costing. The proposed cost model was applied to a building construction project, followed by sensitivity analysis identifying critical activities. This method can be adapted to analyze other fragmented material supply chains in the construction industry.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,040
Tête enseignante GPT0,286
Écart entre enseignants0,246 · 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

Citations56
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetOperations Management TechniquesTravaux en français237 207