MétaCan
Menu
Retour à la cohorte
Enregistrement W647211775

Performance-Specified Maintenance Contracts: Canadian Case Study

2007· article· en· W647211775 sur OpenAlexaboutno aff
Lori Schaus, Susan Tighe

Notice bibliographique

RevueTransportation Research Board 86th Annual MeetingTransportation Research Board · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésServiceability (structure)International Roughness IndexPlanned maintenanceTransport engineeringEngineeringComputer scienceOperations researchCivil engineeringReliability engineeringSurface finish
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recently there has been a shift in the techniques used to manage and maintain transportation related assets. Transportation agencies are implementing the use of alternative methods for the construction, monitoring, maintenance, and rehabilitation of their road networks through performance specified maintenance contracts (PSMC). Performance specified contracts can assist in improving the overall condition of the road network while controlling costs. The objective of this paper is to provide an introduction into performance specified maintenance contracts including: history, advantages, and disadvantages. It analyzes some typical Canadian highway network data to illustrate how performance models and roughness can assist in determining service lives of network sections. This paper investigates the pavement serviceability through the International Roughness Index as well as the pavement condition using a Pavement Condition Index. Various initial International Roughness Indices were analyzed to illustrate the importance of initial values. Optimization of the activity costs and initial IRI values are critical in order for contractors to maintain the serviceability and remain within the acceptable limits set forth by the owner.

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)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
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 Opus0,041
Tête enseignante GPT0,338
Écart entre enseignants0,297 · 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.

Devis d'étudeObservationnel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 86th Annual MeetingTransportation Research BoardMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207