MétaCan
Menu
Retour à la cohorte
Enregistrement W2585603905 · doi:10.5430/jms.v8n1p1

Impact Analysis of Complexity Drivers in the Supply Chain of Prefabricated Houses

2017· article· en· W2585603905 sur OpenAlexvenueno aff
Benjamin S. Stroebele, Andreas J. Kiessling

Notice bibliographique

RevueJournal of Management and Strategy · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityStatus quoSupply chainModular designProduction (economics)Order (exchange)BusinessExploitPrefabricationSupply chain managementIndustrial organizationValue (mathematics)Operations managementRisk analysis (engineering)EngineeringComputer scienceMarketingCivil engineeringEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

The lack of living space has recently increased particularly in urban centers. This deficiency cannot be remedied with the productivity status quo in the construction industry. One opportunity to significantly increase the productivity of the construction industry is the industrial modular construction. In order to achieve increased productivity, the value chain must act across the entire organization. A supply chain management is required to exploit the potential of the prefabricated construction. In order to develop a specific supply chain management, the corresponding complexity factors along the value chain must be known. The aim of the study is to quantify the essential factors which influence the value chain for prefabricated houses and form a basis for the future development of a supply chain management. The results of this scientific work clearly show that although an industrial modular production is carried out, the highest complexity drivers are still found on the construction site as well as in the logistics from the module production to the construction site. In addition, it is also apparent that special requirements as well as the size of the modules are decisive factors and as such need to be considered during the future development of the supply chain management concept.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,030
Tête enseignante GPT0,269
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and StrategyMême sujetBIM and Construction IntegrationTravaux en français237 207