MétaCan
Menu
Retour à la cohorte
Enregistrement W2792131322 · doi:10.1080/15732479.2018.1433692

Value of information-based decision analysis of the optimal next inspection type for deteriorating structural systems

2018· article· en· W2792131322 sur OpenAlexafffund
Shane Haladuick, Markus R. Dann

Notice bibliographique

RevueStructure and Infrastructure Engineering · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Calgary
Mots-clésValue of informationValue (mathematics)Reliability engineeringDecision analysisComputer scienceEngineeringOperations researchStatisticsMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Deteriorating infrastructure systems require inspections and maintenance to ensure safe operation. System operators are often required to decide the optimal type of inspection to perform, where some inspections are of higher accuracy, and correspondingly higher cost. Life cycle analysis is typically used to determine the optimal inspection type. While life cycle analysis is effective at determining the optimal inspection type, it is also inefficient, requiring analysis of the entire decision sequence throughout the system life cycle. This paper presents an efficient methodology to approximate the decision of the optimal next inspection type without performing a life cycle analysis. This methodology determines the range of the value of information provided by only the next inspection. When the inspection cost is outside the range of the value of information then this method yields the decision of which inspection type to choose, negating the need for life cycle analysis. When the inspection cost for some inspection types lies within the bounds then a subsequent life cycle analysis is required, but perhaps some inspection types can be eliminated, simplifying the life cycle analysis. Thus, this method is complimentary to life cycle analysis, functioning as a quick preliminary assessment. The methodology is demonstrated through a numerical example of a corroding pipeline.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · 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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStructure and Infrastructure EngineeringMême sujetProbabilistic and Robust Engineering DesignTravaux en français237 207