MétaCan
Menu
Retour à la cohorte
Enregistrement W2397726616 · doi:10.1061/9780784479827.004

Design Change Time Ripple Effect Analysis Using a BIM-Based Quantification Model

2016· article· en· W2397726616 sur OpenAlexaff
Valeh Moayeri, Osama Moselhi, Zhenhua Zhu

Notice bibliographique

RevueConstruction Research Congress 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésScheduleScope (computer science)Computer scienceRippleRisk analysis (engineering)Plan (archaeology)Work (physics)Project managementFrame (networking)Operations researchSystems engineeringBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Changes arising from the addition, deletion, and/or modification of a project’s design frequently cause delays. Such changes may take many forms; however, owner-acknowledged change should receive more attention than other types of change, as it might present a risk to both owners and contractors. These changes, both individually and collectively, can have a ripple effect on what appears to be the unchanged scope of a project’s work plan, with varying impacts on project schedule. The efficient management of design changes requires a minimization of the time impacts of these changes. This paper presents a building information modeling (BIM)-based quantification model, developed to help design professionals quantify the ripple effect of contemplated design changes requested by owners after the completion of the design phase and before the commencement of construction. The developed model calculates the impact of changes on a project’s time frame. After analyzing the ripple effect of time, the model updates the project schedule accordingly. The developed model is expected to help owners and their agents make better decisions about approving or rejecting contemplated changes. The model has been applied to a case project to demonstrate its use and to illustrate its 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)0,003
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
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 Opus0,104
Tête enseignante GPT0,335
Écart entre enseignants0,231 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConstruction Research Congress 2016Même sujetBIM and Construction IntegrationTravaux en français237 207