MétaCan
Menu
Retour à la cohorte
Enregistrement W3128757296 · doi:10.1061/(asce)ae.1943-5568.0000459

Application of Multiagent Simulation for Maintenance Workflow Management and Resource Allocation in Hospital Buildings

2021· article· en· W3128757296 sur OpenAlexaff
Zahra Yousefli, Fuzhan Nasiri, Osama Moselhi

Notice bibliographique

RevueJournal of Architectural Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésWorkflowResource allocationProcess (computing)Computerized maintenance management systemDiscrete event simulationPreventive maintenanceComputer scienceComponent (thermodynamics)Predictive maintenanceResource (disambiguation)Proactive maintenanceProcess managementOperations researchOperations managementRisk analysis (engineering)Systems engineeringEngineeringReliability engineeringSimulationBusiness

Résumé

récupéré en direct d'OpenAlex

Facility managers of hospitals face complex maintenance decisions as they deal with a multitude of maintenance requests in an environment of limited resources and segmented information. Responding to a growing demand for maintenance, on one hand, and lack of proper maintenance management systems, on the other, has led to delays in repair and maintenance of the building components and systems in hospitals. Such delays could cause significant distress to patients and health care personnel. This paper introduces a new method for facility managers to address these challenges. The multimethod simulation approach is developed to integrate segmented information at different levels of maintenance management, with the aim of minimizing maintenance delays in hospital buildings. The developed simulation model consists of two components: a status tracking system (STS) and a resource allocation system (RAS). A discrete event simulation (DES) is used to simulate the maintenance process flow while a multi-agent system (MAS) is used to simulate the process of allocating resources for maintenance activities in hospital buildings. The STS simulation is a DES process that registers, arranges, and distributes maintenance tasks (orders) to the appropriate resources. For the RAS component, a multi-agent resource allocation system (MARAS) is developed to simulate different resource allocation scenarios, accounting for interactions among various agents (decision-makers) in the maintenance process. A case example is presented to demonstrate the essential features of the developed method. The simulation results show that the implementation of MARAS significantly reduces maintenance delays in the case study.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,196
Écart entre enseignants0,192 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Architectural EngineeringMême sujetBIM and Construction IntegrationTravaux en français237 207