MétaCan
Menu
Retour à la cohorte
Enregistrement W4296579871 · doi:10.1139/cjce-2022-0029

Enhanced repetitive scheduling formulation for meeting deadlines and resource constraints in linear and scattered projects

2022· article· en· W4296579871 sur OpenAlexaffvenue
Kareem Mostafa, Sayeeda Ojulari, Tarek Hegazy

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResource-Constrained Project Scheduling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésScheduling (production processes)Computer scienceLinear programmingScheduleCrewCritical path methodOperations researchMathematical optimizationDistributed computingIndustrial engineeringEngineeringSystems engineeringAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

The majority of civil infrastructure projects involve activities that are repeated across a number of linear units (e.g., highway sections) or scattered units (e.g., multi-bridge rehabilitations). For these projects, Critical Path Method (CPM)/line-of-balance (LOB) repetitive scheduling combines the benefits of CPM and LOB analyses to maintain work continuity across units, yet assumes simple sequential unit order and results in schedule delays for practical projects with non-identical units, constrained resources, and (or) strict deadlines. To improve CPM/LOB scheduling, this paper introduces powerful and easy-to-use enhancements, including (1) designed interruptions to reduce time gaps; (2) efficient resource-constrained first-come first-serve crew assignment; (3) crew adjustment loop to meet deadlines; and (4) representation of flexible unit sequence. These simplified enhancements computationally produce schedules that respect deadlines, individual resource limits, and desired sequence among units. Example projects are then presented to prove that the proposed enhancements offer flexible scheduling features that can meet the strict constraints of infrastructure 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,042
Tête enseignante GPT0,290
Écart entre enseignants0,248 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetResource-Constrained Project SchedulingTravaux en français237 207