MétaCan
Menu
Retour à la cohorte
Enregistrement W3103483807 · doi:10.18280/ijsdp.150709

Implementation of Value Engineering in Optimizing Project Cost for Sustainable Energy Infrastructure Asset Development

2020· article· en· W3103483807 sur OpenAlexvenueno aff
Sarmad Dashti Latif, Fathoni Usman, Bilal M. Pirot

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueValue Engineering and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue engineeringCeiling (cloud)Asset (computer security)Quality (philosophy)Architectural engineeringComputer scienceOperations managementConstruction engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to optimize costs by analyzing a case study of the Energy Utility Company (EUC) project in Malaysia and building the main electric distribution station (MEDS) project specifically. In order to achieve this objective, Value Engineering (VE) technique as one of the proven tools was selected, and three alternatives were applied. The first alternative was to reduce the room sizes of the building. The second alternative was to replace the plaster painting with normal painting, and the last one was to replace painting up to 1.5 meters with 1 meter of the high of walls from the floor. Results approved that the implementation of VE has successfully reduced the cost of the project without compromising the quality of the materials. For the first alternative, 17.1% of the cost was saved. Regarding the second alternative, 69.8% of the total cost for ceiling painting was saved, and for the third alternative, 41.6% of the total cost of walls from the floor was saved. The findings of this research may serve as a guide for engineers, scholars, and constructors to reduce the cost of the building project.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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'étudeSans objet
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetValue Engineering and ManagementTravaux en français237 207