MétaCan
Menu
Retour à la cohorte
Enregistrement W4386976107 · doi:10.1061/jcemd4.coeng-13615

Project Schedule Acceleration Optimization Integrated with Energy Source–Based Assessment of Occupational Health and Safety Risks

2023· article· en· W4386976107 sur OpenAlexaff
Ayesha Siddika, Ming Lu

Notice bibliographique

RevueJournal of Construction Engineering and Management · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensUniversity of AlbertaPCL Construction (Canada)
Organismes subventionnairesnon disponible
Mots-clésScheduleDuration (music)Critical path methodRisk analysis (engineering)Computer scienceProject managementProject planningOperations researchScheduling (production processes)Project portfolio managementReliability engineeringTransport engineeringEngineeringSystems engineeringOperations managementBusiness

Résumé

récupéré en direct d'OpenAlex

This research devises a risk indexing method to assess the occupational health and safety (OHS) hazards associated with major sources of energy in the construction field, providing numerical inputs to project plan and schedule optimization. Further, the problem of “minimizing project schedule at lowest safety risks” (MPSLSR) is formalized to incorporate the concept of energy sources for OHS management in project planning and scheduling optimization. Instead of following commonly applied techniques to solve multiobjective optimization problems, the proposed research takes an alternative two-step approach to minimizing project duration and risk index, based on interpretation of path float in connection with the critical path method. This results in optimized project schedules that mitigate the substantial increment of OHS-related risks due to accelerating construction progress on projects through avoiding the incurrences of unnecessary activity time crashing and associated increases in OHS-related risks. The research application is demonstrated with (1) a tunnel construction project and (2) a made-up project featuring a large, complex network model.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,763
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,064
Tête enseignante GPT0,368
Écart entre enseignants0,304 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Construction Engineering and ManagementMême sujetRisk and Safety AnalysisTravaux en français237 207