MétaCan
Menu
Retour à la cohorte
Enregistrement W2954062416 · doi:10.29173/mocs93

Risks Identification and Allocation in the Supply Chain of Modular Integrated Construction (MiC)

2019· article· en· W2954062416 sur OpenAlexvenueno aff
Ibrahim Yahaya Wuni, Qiping Shen

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesHong Kong Polytechnic University
Mots-clésSupply chainRisk managementBusinessRisk analysis (engineering)Identification (biology)Supply chain risk managementFailure mode, effects, and criticality analysisBespokeModular designRisk assessmentStakeholderInterdependenceSupply chain managementOperations managementComputer scienceService managementEngineeringReliability engineeringMarketingFinance

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,294
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetConstruction Project Management and PerformanceTravaux en français237 207