Utilizing Value Management to Increase Project Competitiveness
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
With the current economic pressures being faced by the oil and gas sector, organizations are increasingly required to become more competitive on their capital projects. Enbridge has implemented the practice of Value Management (VM) to help achieve the needs and expectations of stakeholders with the least possible resources. VM is a systematic approach that is used by a multidisciplinary team to improve the value of a project (or aspects of a project) through the analysis of its functions, and is most effective when applied at the planning and development stages. A value study enables the expected performance (i.e. the desired functions) of a project to be clearly identified at the onset, and assesses a range of possible solutions/alternatives against the functions required by the owner. While VM is commonly used in the manufacturing industry, as well as on transportation and municipal projects, few examples of its application in the oil and gas sector were found. Enbridge researched a variety of VM best practices and created a framework that compliments existing company practices. This paper also highlights how the value methodology was recently applied to a capacity expansion project at the Front End Engineering and Design (FEED) stage. Our approach to the various elements of a value study will be discussed, including pre-workshop activities, the VM workshop, and post-workshop activities. Enbridge has seen significant benefits from the VM studies completed on projects to-date. Given the broad applicability of the value methodology, it is believed that our approach can also be successfully applied in other areas (e.g. improving business processes).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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