MétaCan
Menu
Retour à la cohorte
Enregistrement W3044999828 · doi:10.1139/cjce-2020-0032

Hybrid fuzzy system dynamics model for analyzing the impacts of interrelated risk and opportunity events on project contingency

2020· article· en· W3044999828 sur OpenAlexaffvenue
Nasir Bedewi Siraj, Aminah Robinson Fayek

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicRisk analysis (engineering)Computer scienceRisk assessmentContingencyJudgementWork (physics)Operations researchManagement scienceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Traditional risk analysis techniques are ineffective for capturing the dynamic causal interactions and subjective uncertainties involved in assessing risk and opportunity events since they treat risks independently and rely on the availability of sufficient historical data. In this paper, a hybrid fuzzy system dynamics (FSD) model is developed to analyze the impacts of interrelated and interacting risk and opportunity events on work package cost to determine work package and project contingencies using expert judgement and subjective assessment. A fuzzy decision-making trial and evaluation laboratory (DEMATEL) method is employed to structure and analyze the causal interactions among risk and opportunity events. This paper provides the following contributions: (1) a systematic risk assessment and prioritization procedure; (2) a structured method for defining the dynamic causal relationships among risk and opportunity events and quantifying their impact on work package and project contingencies using FSD; and (3) a method for representing linguistic variables and applying fuzzy arithmetic in FSD.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,054
Tête enseignante GPT0,280
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetConstruction Project Management and PerformanceTravaux en français237 207