MétaCan
Menu
Retour à la cohorte
Enregistrement W2937473149 · doi:10.29173/mocs17

Measuring and Tracking Externalized Work to Support Industrialized Construction

2016· article· en· W2937473149 sur OpenAlexvenueno aff
Perry Daneshgari, Heather Moore, Hisham Said

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrefabricationTacit knowledgeWork (physics)Explicit knowledgePredictabilityComputer scienceControl (management)IndustrialisationRisk analysis (engineering)ExternalizationKnowledge managementIndustrial engineeringOperations researchEngineeringBusinessArtificial intelligenceEconomicsCivil engineering

Résumé

récupéré en direct d'OpenAlex

The same principles that have made other skilled-trade-based industries more efficient are being deployed in construction through Industrialization, which requires understanding skilled trade work and segregating/externalizing the work from the jobsite. The construction industry still relies heavily on skilled trades and their tacit knowledge, while most of the information available at the points of installation is not passed on. A significant increase of work externalization requires a measuring and tracking method that can: 1) tap into this tacit knowledge as the basis for work planning and control; and 2) understand, quantify, and minimize the manipulation effort done onsite for the prefabricated assemblies. As such, this paper presents a planning and control framework for industrialized construction operations that integrates information entropy and the novel concept of work manipulations to monitor and measure the expected performance outcomes, in a more sophisticated approach beyond measuring äóìhoursäó� and äóìquantitiesäó� of the work. The development of the proposed framework is based on the analysis of a set of case studies that illustrate the impact of information predictability manipulation strategies on construction prefabrication decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,206
Écart entre enseignants0,181 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetBIM and Construction IntegrationTravaux en français237 207