Productivity Analysis of Micro-Trenching Using Simphony Simulation Modeling
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
Micro-trenching is an innovative method for installing fiber optic cable in residential areas and business districts which minimizes surface scarring and potential negative social and environmental impacts. This method has three major steps including cutting a narrow trench in the pavement, cable installation and trench backfilling. This paper discusses a Simphony simulation model of the micro-trenching procedure and analyzes its productivity. Brief descriptions of the micro-trenching method and two field installations used to validate the model are included. A simulation model was developed for two different installation depths of 7.6 and 23 cm using two different methods. To provide an estimation of project duration, the impact of weather conditions on micro-trenching productivity was also considered. The developed model can be used for what if scenarios and for predicting the outcomes, which may be useful for studying the procedure and verifying if any productivity improvement can be achieved. The results indicate that the influence of installation depth is more significant than the impact of weather conditions. Reducing installation depth from 23 cm to 7.6 could improve productivity up to 50% while cold weather condition can reduce productivity by 18.8%. The simulation model demonstrates that the productivity can be improved up to 16% by overlapping two steps during the installation process: starting the cleaning procedure when a portion of cutting is completed. Doi: 10.28991/cej-2020-03091607 Full Text: PDF
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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