MétaCan
Menu
Retour à la cohorte
Enregistrement W3163210510 · doi:10.1061/(asce)me.1943-5479.0000914

Causes of Defects Associated with Tolerances in Construction: A Case Study

2021· article· en· W3163210510 sur OpenAlexaff
Saeed Talebi, Lauri Koskela, Patrícia Tzortzopoulos, Chris Rausch, Faris Elghaish, Mani Poshdar

Notice bibliographique

RevueJournal of Management in Engineering · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Identification (biology)Empirical researchDamage toleranceRisk analysis (engineering)Management scienceOperations managementKnowledge managementEngineeringComputer scienceBusinessGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Defects associated with dimensional and geometric variations (tolerance issues) are among the most costly and recurring defects in construction projects, yet the identification and mitigation of the causes of tolerance issues appear to be lacking in the construction industry. To enable the development of widely acceptable solutions for the perennial challenge of tolerance management, a more in-depth understanding of the causes of tolerance issues should be established. The aim of the research presented in this paper is to identify the potential causes of tolerance issues in construction based on a literature review and empirical studies. This research uses a case study approach. The empirical data are collected through direct observations, group interviews, semistructured interviews, and document reviews. Having triangulated the findings, a list of 18 potential causes was derived for the 11 observed tolerance issues in two case study projects. The contribution of this paper to knowledge in engineering management is fourfold: (1) the limitations of prior studies on causes of tolerance issues are revealed, (2) the empirical studies led to not only verifying and refining the causes collected from the literature by considering them in the context of the identified tolerance issues, but also finding new causes in the context of tolerance management when compared to literature, (3) the identified causes provide insight into reasons behind the recurrence of tolerance issues across the industry, and (4) it investigates the causes of tolerance issues while balancing managerial and engineering views. The findings of this study provide a pivotal basis for construction practitioners to develop effective solutions for tolerance management whereby tolerance risks can be identified and mitigated in a prescient manner, which can result in a significant amount of savings.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0050,002
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 Opus0,046
Tête enseignante GPT0,315
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management in EngineeringMême sujetConstruction Project Management and PerformanceTravaux en français237 207