Quantifying the Monetary Impact of Schedule and Cost Risks in Construction Projects
Notice bibliographique
Résumé
The competitive nature of construction projects coupled with the tight budgets and limited resources make them good candidates for failure if not managed properly.This is in addition to the complex, fragmented, and multidisciplinary nature of projects involving thousands of tasks and details and many participants.These immanent facts promote the emergence of risks in every single construction project.These risks should be effectively managed to mitigate their impact and avoid or reduce delays and cost overruns.While risk management is a difficult and challenging task and requires careful considerations throughout the life cycle of a project, it is important to be proactive and have a risk management plan to tackle this crucial issue by regularly monitoring risk events with an effective communication mechanism among the various project stakeholders, despite the high cost associated with the risk managing process.The majority of research efforts focused on the identification and assessment of risk events with limited efforts addressing the issue of quantifying the effect of these risk events and suggesting effective responses to them.This paper focusses on the use of the program evaluation and review technique (PERT) and the earned value analysis to quantify the impact of the severity of risk events and estimate the expected cost at completion.The study also suggests practical responses to mitigate the impact of risk events.A spreadsheet is developed to help project managers manage risk events and estimate their monetary impact on the project's duration and cost.The developed spreadsheet is expected to help construction contractors mitigate risks in construction projects and be more competitive.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».