MétaCan
Menu
Retour à la cohorte
Enregistrement W2727512282 · doi:10.1061/9780784480793.005

Commercial Considerations for Contemporary Geotechnical Grouting Projects

2017· article· en· W2727512282 sur OpenAlexaff
James Cockburn, Donald A. Bruce

Notice bibliographique

RevueGrouting 2017 · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensNorth York General Hospital
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingEngineeringBoreholeCivil engineeringConstruction engineeringScheduling (production processes)Computer scienceOperations managementGeotechnical engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

The state of the art of geotechnical grouting projects has advanced considerably in the last decade. Notable achievements include the use of computer-aided grouting systems, balanced stable grouts, automated batching, measurement while drilling, borehole digital mapping and deviation measuring tools. When new tools and techniques are employed on projects it is inevitable that older practices that are thought were serving well now prove to be detrimental to overall project success. There are two areas that are significant contributing factors for failure that have not evolved in step with the technical advancements to date. These areas are budget costing (pricing, data and measurement) and scheduling (planning, sequence and effort). This paper examines the costing side of the modern grouting project referencing scheduling only as required. The structure of how a project is priced has a significant effect on a project’s chance for success. New techniques and equipment must be integrated into the whole project costing equation to optimize success for all stakeholders. This has not been the case in many projects in the past few years because for all the successes there appear to have been significant failures also. The simple fact that most geotechnical grouting projects cannot be precisely defined at the onset is a fundamental flaw if commercial requirements are not created to accommodate this variability for all stakeholders’ best interests.

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)0,002
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: aucune
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,159
Tête enseignante GPT0,350
Écart entre enseignants0,191 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGrouting 2017Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207