MétaCan
Menu
Retour à la cohorte
Enregistrement W2296875920 · doi:10.7492/ijaec.2015.013

A Methodology to Ensure the Consideration of Flexibility and Robustness in the Selection of Facility Renewal Projects

2015· article· en· W2296875920 sur OpenAlexvenueno aff

Notice bibliographique

RevueInternational Journal of Architecture Engineering and Construction · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)Flexibility (engineering)Selection (genetic algorithm)Computer scienceOperations researchEngineeringOperations managementEngineering managementRisk analysis (engineering)Systems engineeringReliability engineeringBusinessManagementEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Facilities are built to provide an adequate level of service over long periods of time. During these long periods, the required levels of service from facilities can change significantly, and these changes cannot be predicted with certainty. Having facilities that can be easily modified, or whose use can be easily modified, can increase the net benefit of facilities for owners over these long periods of time. This flexibility and robustness, respectively, should be adequately taken into consideration when designing and maintaining facilities, along with the myriad of possible futures that may occur and their associated probabilities of occurrence. In this paper, a systematic methodology is proposed that facility managers can use to identify possible changes in the required levels of service of facilities over specified time periods, to generate possible renewal projects to execute now, and to evaluate these. The methodology is demonstrated by using it to determine possible projects to change a military barracks, to make it easier to use the barracks to accommodate future changes in the required amounts of space, and determining which of these yields the highest net benefit.

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 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)0,001
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: Empirique
Score de désaccord entre enseignants0,380
Score d'incertitude au seuil0,207

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,262
Écart entre enseignants0,227 · 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 tête enseignante, 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Architecture Engineering and ConstructionMême sujetBIM and Construction IntegrationTravaux en français237 207