Quality cost of material procurement in construction projects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Material procurement constitutes a large share of the overall cost of construction projects. Understanding the factors influencing the cost of quality (COQ) in the procurement process could help identify opportunities for lowering quality cost without compromising quality. The paper aims to discuss these issues. Design/methodology/approach In this paper, a COQ model for the construction material procurement process is developed using the traditional prevention–appraisal–failure (PAF) approach. Using data from a $4bn aluminum smelter construction project, the authors conducted a simulation of the COQ model to evaluate various quality assurance policies. Findings This paper confirms that raising the prevention cost leads to a drop in failure cost as well as COQ for the project studied. While the authors are unable to provide blanket recommendations as the results are derived from a single project case study, it does suggest that construction material procurement processes would benefit from a higher prevention expenditure. And for certain cases where the authors observe a deviation from the traditional Juran’s model of COQ – the high appraisal cost in the procurement process – reduction of appraisal expenditure may in fact be more beneficial than its increase. Originality/value The research results suggest that appraisal expenditure should be tailored to each purchase order in order to maximize the total benefits. Additionally, this paper presents the first COQ model developed for the construction material procurement process. Another unique feature of the model is its inclusion of supplier-side costs, which are excluded in the conventional COQ analysis.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle