MétaCan
Menu
Retour à la cohorte
Enregistrement W2783414237 · doi:10.5555/3242181.3242381

Criticality visualization using 4D simulation for major capital projects

2017· article· en· W2783414237 sur OpenAlexaff
Michel Guévremont, Amin Hammad

Notice bibliographique

RevueWinter Simulation Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensConcordia UniversityHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésCriticalityVisualizationCritical path methodComputer scienceCoding (social sciences)Scheduling (production processes)Float (project management)Failure mode, effects, and criticality analysisDimension (graph theory)Graphical user interfaceIndustrial engineeringDistributed computingReal-time computingOperations researchData miningSystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

In construction, major capital projects are in need of a visualization method for scheduling and integrating the spatial dimensions with the time dimension. Traditional scheduling methods are limited to the time dimension, and can be used to visualize the critical path of schedules and to compare the criticality of activities. However, they do not consider the spatial constraints. This paper describes a method for developing 4D simulation to visualize the criticality of project activities considering the requirements of the levels of detail. The 4D visualization interface shows the criticality of activities linked to components with color coding based on the total float of each activity. Important benefits can be achieved in supporting decision-making associated with understanding the spatio-temporal constraints related to multiple contracts. Furthermore, the proposed method is useful for filtering, viewing critical and near critical activities, and comparing schedules. The method is tested in a hydroelectric powerhouse case study.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,077
Tête enseignante GPT0,352
Écart entre enseignants0,275 · 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 revueWinter Simulation ConferenceMême sujetBIM and Construction IntegrationTravaux en français237 207