MétaCan
Menu
Retour à la cohorte
Enregistrement W4296172102 · doi:10.29173/mocs274

A Fuzzy-AHP and House of Quality integrated approach for Lean Construction Concepts Assessment in Off-site Construction

2022· article· en· W4296172102 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Management Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLean project managementLean manufacturingValue stream mappingAnalytic hierarchy processLean constructionRanking (information retrieval)Pairwise comparisonHouse of QualityProcess (computing)Factory (object-oriented programming)Quality (philosophy)Computer scienceProcess managementManufacturing engineeringEngineeringRisk analysis (engineering)Operations researchBusinessService qualityConstruction engineeringConstruction industryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Lean Construction (LC) combines theoretical research and industry best practices in an off-site industrialized construction environment that adopts Lean Manufacturing (LM) concepts and the know-how to reduce waste in the end-to-end lean construction process. Off-site construction industries strive to implement lean manufacturing theory and application to maximize the allocation of their resources, reduce construction waste, and optimize processes to be economically competitive. However, decision-makers usually encounter barriers while selecting the best lean tools for successful integration. Those barriers are organizational priorities, mass customization, process limitation, and improvement consensus. As a result, lean practitioners tend to implement tools such as Value Stream Mapping (VSM), Process Activity Mapping (PAM), Root Cause Diagram (RCD), Failure Mode Effect Analysis (FMEA), Pareto Analysis (PA) to analyze and propose improvements to a manufacturing process effectively. However, the construction industry lacks a tool that can assess the effectiveness of the lean construction concepts implementation. Thus, this paper proposes an innovative approach to select and evaluate the appropriate lean concepts implemented in an off-site industrialized factory. Firstly, the assessment matrix utilizes Fuzzy-AHP in a pairwise comparison to determine the relationships and calculate the correlations between lean concepts based on the designed hierarchy structure. Secondly, the House of Quality (HoQ) matrix will be integrated to prioritize the selection criteria based on the company's strategic requirements and customer requirements. Finally, the proposed multi-criteria multi-decision ranking matrix is able to prioritize the top lean concepts and demonstrate their combinational impact by eliminating participant's subjectivity, bias, and preferences. The proposed assessment matrix was implemented in an off-site panelized construction case study to prove its effectiveness and validity. The results presented the synergies between different lean concepts combinations and their importance in a lean construction environment.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,347
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,262
Écart entre enseignants0,240 · 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