A simulation-based statistical method for planning modular construction manufacturing
Notice bibliographique
Résumé
Modular construction is a promising alternative to conventional construction; offering improved productivity, quality, and safety. To realize these benefits, sequencing the module fabrication process in a manner that ensures efficient allocation of labor resources is essential. However, the varying sizes and design specifications of modules lead to high variation in process times at workstations, ineffective utilization of resources, and imbalanced production lines. To address these challenges, this paper proposes a simulation-based statistical method to plan the sequencing of module fabrication and the allocation of workers at workstations for such that productivity and control are improved. The method consists of four processes: (i) data collection to obtain historical and near real-time data; (ii) identification of significant impact factors affecting process times at workstations along the production line; (iii) development of a predictive model for forecasting process times at workstations using statistical analysis and probability distribution function; and (iv) planning the sequencing of module fabrication in a manner that ensures efficient labor allocation (i.e., crew size). The developed method is validated using data captured from a light gauge steel wall panel production line operated by a modular fabricator in Edmonton, Canada. The industrial partner produces both interior and exterior light gauge steel wall panels on a production line consisting of multiple workstations. First, five significant impact factors for each workstation among the design factors that highly influence the process times were identified in order to develop cycle time formula as a predictive model. The simulation model developed and implemented in conjunction with cycle time formula (CTF) in this case study was deemed to be a reliable predictive model (i.e. 89.39% accuracy), which can be used to improve productivity. The method is shown to be capable of assisting in decision-making by enabling production managers to better understand the effects of proposed changes to the production line prior to implementation. In this way, production managers can plan effectively and thereby reducing non-productive idle time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».