MétaCan
Menu
Retour à la cohorte
Enregistrement W4404384074 · doi:10.21275/sr22425235646

A Case Study on Planning and Scheduling of a Project PIPLMC of a Package - 6A using Microsoft Project 2016

2022· article· en· W4404384074 sur OpenAlexaboutno aff

Notice bibliographique

RevueInternational Journal of Science and Research (IJSR) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBIM and Construction Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProject planningProject managementComputer scienceScheduling (production processes)Software engineeringEngineering managementEngineeringSystems engineeringOperations management

Résumé

récupéré en direct d'OpenAlex

There have been many case studies/review papers in area of project planning and scheduling from last few years. Various construction activities are managed to achieve the profit within limited funds, resources, and time. In project management there are many techniques are used for scheduling and coordinating the various resources by controlled method. Management techniques such as Critical Path Method (CPM), Program Evaluation and Review Techniques (PERT) have been successfully implemented prior to the 1970?s, in various construction projects in the countries like Canada, USA, Japan, Australia, etc. These techniques are helpful to manage in efficient and economic use of resources for completion of project objectives with limitless availability of resources, though it is observed that resources are limited in real time project scenario. While the focus of this paper will be on the project schedule of Polavaram Irrigation Project of Left Main Canal (PIPLMC) of Package-6A of 25.78KM from KM 111.000 to KM 136.780 (Part Work) by using MS Project 2016. This paper will briefly present an overview of the scheduling the project duration using software MS Project 2016. In this project, preparing an accurate and workable plan is very difficult. In this project by using project management technique like priority rule-based scheduling method used to resolve resource conflicts and useful in minimizing the project duration within limited availability of resources and time to make the project profitable and within project duration.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,189

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,115
Tête enseignante GPT0,418
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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Science and Research (IJSR)Même sujetBIM and Construction IntegrationTravaux en français237 207