MétaCan
Menu
Retour à la cohorte
Enregistrement W2997608257 · doi:10.1002/9781119300762.wsts0178

Water Infrastructure and Asset Management

2019· other· en· W2997608257 sur OpenAlexaff
Golam Kabir, Solomon Tesfamariam, Rehan Sadiq

Notice bibliographique

RevueEncyclopedia of Water · 2019
Typeother
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésBusinessAsset (computer security)Asset managementProsperityRisk analysis (engineering)Environmental economicsWater supplyService (business)Environmental resource managementEnvironmental planningFinanceComputer scienceEnvironmental scienceComputer securityEconomicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Health, safety, and economic prosperity of the citizens of any country are ensured with services provided by core public infrastructures such as water, roads, transit, bridges, and wastewater. The water infrastructures are linear systems, among the most important and expensive municipal infrastructure assets. Maintaining integrity and reliability of water infrastructures is the primary goal of water utilities, governmental agencies, and other stakeholders. It has been quite challenging to maintain the integrity and reliability of water infrastructures because of the aging, aggressive environmental factors, climate change, improper maintenance and renewal, and resource shortages. In this article, the asset management framework for the water infrastructures has been discussed. The main objective of the asset management framework is to provide a desired level of service at a minimum cost. The asset management framework will provide the water utility with the capacity to make informed decisions based on the current and anticipated future performance of the asset. This framework will also help the water utility to improve strategic, tactical, and operational planning‐level decisions considering different dimensions of analysis such as performance, risk, and cost 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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,944

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,002
Tête enseignante GPT0,162
Écart entre enseignants0,160 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEncyclopedia of WaterMême sujetWater Systems and OptimizationTravaux en français237 207