Factors Potentially Influencing Productivity in Performance-Based Maintenance Contracts (PBMC)-- An International Study of Roads from Sweden
Notice bibliographique
Résumé
Measuring productivity of the maintenance contractors is extremely difficult and not practical under existing scenarios. It would be more advantageous to determine what factors potentially influence productivity of the maintenance contractors, especially with Performance-Based Maintenance Contracts (PBMC). Sweden commissioned this study to determine practices in progressive countries involved in PBMC and how productivity can be influenced. The objective was to determine what factors potentially influence the productivity of the maintenance contractors and what actions can clients (agencies) consider. Additionally, it was intended to find potential solutions and investigate better practices that affect or influence productivity. The study approach consisted of a literature review and semi-structured interviews in six different countries consisting of Sweden, Finland, The Netherlands, England, Ontario, Canada, and the Virginia Departments of Transportation, in the USA. Each country responded to questionnaires concerning productivity factors. The results show that no clients included in the study measure the contractor’s productivity in PBMC. Competition for maintenance services is the primary factor to influence productivity and by using a performance based approach in a hybrid-type PBMC. Other factors identified include a more balanced risk approach, longer term agreements, bundling services, optimized service area, and using as much performance requirements as possible. The study showed that productivity of the maintenance contractor’s is complex and difficult to assess, but can be influenced indirectly by various factors. Also, there are options that practitioners can possibly adapt to help improve the productivity and efficiency by seeking solutions elsewhere.
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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».