MétaCan
Menu
Retour à la cohorte
Enregistrement W4293762666 · doi:10.24928/2022/0213

Framework for Using LPS in Design on IPD Projects

2022· article· en· W4293762666 sur OpenAlexaff
Negar Mansouri Asl, Nazanin Najafizadeh, Mahboobeh Fakhrzarei, Ahmed Hammad, Farook Hamzeh

Notice bibliographique

RevueAnnual Conference of the International Group for Lean Construction · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Design in nature is an iterative and interdependent process.Previous research shows that in some projects, 50% of this process contains waste.The Last Planner System (LPS) proved its efficiency in planning and controlling the execution phase.However, due to the nature of the design process, implementing LPS at this stage contains many constraints.Results show that the Integrated Project Delivery (IPD) and LPS together can significantly improve design workflow, still some issues remain that do not let the IPD project achieve the full potential of LPS in managing a design process.In this research the main constraints are studied and divided into five categories.Recently, many researchers studied the benefits of implementing LPS and how to optimize this method, especially in the execution phase, but there is no integrated framework that contains the available tools and techniques for overcoming constraints in using LPS at the design process.This study indicates that multiple strategies need to be adopted for increasing the applicability of LPS at the design process of a construction project.This paper proposes an integrated framework for addressing design constraints and optimizing the applicability of LPS in the design process on IPD projects.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,002
Communication savante0,0060,005
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,058
Tête enseignante GPT0,270
Écart entre enseignants0,212 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Conference of the International Group for Lean ConstructionMême sujetBIM and Construction IntegrationTravaux en français237 207