Dynamic Allocation of Unionized Skilled Trades in Multi-Project Reactive Scheduling Context: Uber-Inspired Application Framework
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.
Notice bibliographique
Résumé
Concurrent construction projects are usually distributed across various geographical locations, each generating labor resource demand for various skilled trades over its project duration. Coupled with the limited and unpredictable availability of skilled trades, this creates a dynamic situation that necessitates reliable and adaptive resource-constrained project scheduling. The management of labor unions needs to cope with this challenge in allocating skilled trades per project demands while addressing constant changes that cause delays, cancellations, or idle time. Additionally, non-unionized workers from open shops who are ready to work can be scheduled to meet the demands. Uber, a ride-hailing service provider, has effectively tackled an analogous scheduling problem. Available drivers are driving in the city, waiting for calls, and signing out whenever they choose. Orders can be placed anytime, and trip information is unpredictable. With drivers’ statuses dynamically updated, Uber utilizes proprietary algorithms to assign orders to drivers based on specific optimization rules. Inspired by the Uber approach, this paper aims to develop a conceptual framework to support union managers in (1) updating the status of trades, projects, and activities; (2) setting various optimization objectives; and (3) rescheduling within a short timeframe. Three application scenarios are postulated to account for the decision support needs of union managers in project planning.
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 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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle