MétaCan
Menu
Retour à la cohorte
Enregistrement W2396081891 · doi:10.1061/9780784479827.157

Multi-Tiered Database Schema for Integrated Municipal Asset Management

2016· article· en· W2396081891 sur OpenAlexaff
Ibrahim Bakry, Hany Elsawah, Osama Moselhi

Notice bibliographique

RevueConstruction Research Congress 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAsset managementComputer scienceDatabase schemaDatabaseSchema (genetic algorithms)Data managementUSableDatabase designWorld Wide WebInformation retrievalBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Municipality Engineers and decision makers have to consult and utilize large data sets to make informed management decisions concerning individual and/or integrated infrastructure assets. Such data is gathered and processed more than once, by different users; furthermore, it is usually stored in different repositories and in different formats. This reality necessitates the design and utilization of databases that are specially structured to facilitate the management of such massive volumes of interrelated data. This paper presents a multi-tiered database schema for integrated infrastructure management. The schema is multi-tiered to be usable by different size municipalities; adopting different approaches for asset management. The presented schema comprises a basic tier for managing basic data of separate assets through running common asset management processes, a second tier for running advanced asset management models, and a final tier for managing special data required for specific usage. The database schema can be utilized for managing basic data of separate assets, and its full scale implementation allows managing integrated assets using data generated by different up-to-date asset management tools. The database schema is implemented in ArcGIS and applied to a municipal database containing data for water, sewer and road networks to demonstrate its applicability and essential features.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0060,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,065
Tête enseignante GPT0,329
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2016Même sujetWater Systems and OptimizationTravaux en français237 207