Infrastructure Asset Management System Optimized Configuration: A Genetic Algorithm–Complex Network Theoretic Metamanagement Approach
Notice bibliographique
Résumé
An effective infrastructure asset management (AM) system is crucial for utilities, city officers, government agencies, and other asset-owning organizations to facilitate navigating the numerous challenges associated with operating and managing infrastructure assets. In this paper, the AM system itself is represented as a complex network (comprised of nodes and links) that describes the major components necessary for its operation within an organization and the information connections between such components. ISO 55001, a widely accepted international standard, specifies the requirements for an effective AM system and outlines the criticality levels of different system components—reflected in the corresponding network by the link weights. The main challenges facing managing an AM system (i.e., metamanagement) pertain to (1) information asymmetry (i.e., not relying on consistent information for decision making) between AM system components; and (2) information overload (i.e., excessive information undermining decision making) within the AM system components. These challenges cause systemic risks (possibility of dependence-induced disruptions) within the system network due to the connectedness of system components. Systemic risks can be mitigated through built-in network resilience by restructuring the system component connections. Such network reconfiguration presents a complex nonconvex optimization problem with multiple potential solutions depending on the number of new connections to be added to the AM system, the length of those connections, and the target risk mitigation level. Through this metamanagement (managing the management system) lens, a genetic algorithm approach was employed to explore the optimal AM network configurations considering different objective functions. These objective functions were based on different complex network measures including the betweenness-, closeness-, and eigenvector-centrality, as well as the vulnerability index. The devised objective functions were employed to the cases of adding 1 to 15 links only to limit network overconnectedness (i.e., information overload). Considering all objective functions evaluated, adding a small number of links (fewer than five) provided a significant reduction in systemic risk (18% to 49%). Finally, managerial insights are presented to explain how to employ the developed approach to mitigate the systemic risks within an organization’s AM system based on different metrics valuations and stakeholder inputs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».