Risks Identification and Allocation in the Supply Chain of Modular Integrated Construction (MiC)
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
Modular integrated construction (MiC) is an offsite construction technique which can improve construction quality, the certainty of the project cost, provide value for money and reduce construction time, waste generation, and carbon emissions. However, MiC is associated with a unique business model, engineering, supply chain, and stakeholder composition, resulting in bespoke uncertainties and risks. Prominent among them is the uncertainties and risk events in its linked supply chain segments. However, risks identification and allocation in the MiC supply chain segments is not well-established. This research identified and assessed 28 risk events (REs) across the manufacturing, logistics and on-site assembly segments of the MiC supply chain. A principal component analysis generated 10, 6 and 12 REs within the modular manufacturing, logistics, and on-site assembly segments, respectively. A fuzzy synthetic evaluation (FSE) modeling revealed that the on-site assembly REs are the most critical set of risk events with a criticality index of 5.58, followed by the modular manufacturing risk events (5.28) and logistics risk events (5.08). These rankings and criticality assessment have profound implications for the practice and praxis MiC risks management. It is a source of relevant information to stakeholders and practitioners in understanding the MiC supply chain risk events and may prioritize the riskiest events to improve the performance of MiC projects. Again, the assessed REs contributes to the checklists of MiC risk events and may form the basis for future studies on the risk of MiC. Future studies may examine the assessed risk events in different countries using larger samples.
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 | 0,003 | 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 | 0,001 |
| 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 découle