Instance-Based Model for Predicting Total Fabrication Duration of Industrial Pipe Spools
Notice bibliographique
Résumé
Industrial fabrication for modular installations has its own set of challenges that combine the environments of industrial manufacturing and off-site construction. This hybrid execution strategy means that fabricators need to look at both fields and adopt the best tools and techniques. This thesis presents an investigation into the improvement of delivery time estimates of industrial fabrication of a pipe spool fabrication shop in Alberta. The main contribution of the work is in the area of predicting the total fabrication duration to be expected in order to assist fabrication shop management in planning for appropriate workforce availability and material delivery date requirements. In order to address the objective of improving the prediction of fabrication durations, the spool manufacturing process has been modelled for simulation. However, the data required to validate this model was found to be time-consuming and cumbersome to capture at the required level of details. Alternatively, the development of a data-driven knowledge discovery experiment was pursued. The approach employed was to utilize the fabrication information that was already being captured by the manufacturing facility and evaluate it using instance-based classification. In addition, an effort towards the integration of manufacturing tracking and scheduling estimating is presented. This part of the work will ensure that the schedule is not consulted only at the beginning of a project, but throughout its completion. Updating a schedule with live fabrication progress data will allow production managers to update their completion date estimates and adjust the manufacturing plans to reflect existing issues such as material delivery and labor shortages or performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».