MétaCan
Menu
Retour à la cohorte
Enregistrement W2726377482 · doi:10.1504/ijids.2017.10005874

A new model for estimation of project total cost in construction projects

2017· article· en· W2726377482 sur OpenAlexaff
Mohammad Mahdi Asgari Dehabadi, Mostafa Salari

Notice bibliographique

RevueInternational Journal of Information and Decision Sciences · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueValue Engineering and Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEstimationCost estimateComputer scienceProject managementCost overrunBusinessOperations managementOperations researchConstruction industryConstruction engineeringEconomicsSystems engineeringMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a new framework for the cost estimation of construction projects concerning the significant issues that contractors may face through the life cycle of the projects. The proposed approach is basically constructed on the basis of cost estimation process in the earned value management (EVM) technique. However, it attempts to resolve the present shortcomings in EVM estimation process and take into the consideration the cost-related issues so-called financial issues such as delay in client payment, and the time value of money. Furthermore, in order to cope with the uncertain conditions of real situations, the presented model takes the advantage of fuzzy sets theory which is a well-known method in dealing with the situations where the uncertainty arises. The proposed approach not only extends the theoretical framework of EVM but also gives a real insight into the project future performance. Finally, ten illustrative cases related to construction projects are provided to compare the obtained results of proposed model with the results of the EVM estimation process and to demonstrate how the model can be implemented in real projects.

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)0,004
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0040,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,049
Tête enseignante GPT0,336
Écart entre enseignants0,287 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information and Decision SciencesMême sujetValue Engineering and ManagementTravaux en français237 207