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 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

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,042
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