MétaCan
Menu
Retour à la cohorte
Enregistrement W7084404206 · doi:10.57922/dmr5c896

A Comparative Analysis of Design for Manufacturing And Assembly (DFMA) Implementation Challenges In On-Site Construction (ONSC) and Off-Site Construction (OSC)

2024· article· en· W7084404206 sur OpenAlexaff

Notice bibliographique

RevueUNB Conferences · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFungal and yeast genetics research
Établissements canadiensUniversité du Québec à MontréalÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésConstruction managementTransformative learningProductivityQualitative analysisDesign for manufacturabilityConstruction industry

Résumé

récupéré en direct d'OpenAlex

Design for Manufacturing and Assembly (DfMA) offers a transformative approach to enhance productivity in the construction industry. Although the benefits of DfMA are widely recognized, challenges remain in the integration of its principles throughout the different stages of construction projects, which include both off-site construction (OSC) and on-site construction (OnSC). This paper presents a focused analysis of the challenges encountered in integrating DfMA into construction projects, with a particular emphasis on OnSC projects. Through a qualitative comparative analysis (QCA) approach and by using the literature review and expert interviews, this study conducts a comparative analysis between the identified challenges in OnSC and those common in OSC. By identifying the complexities of DfMA implementation in OnSC projects and conducting a comparative assessment with DfMA challenges in OSC, this study illuminates the evolving nature of DfMA practices. It sheds light on how these practices are adapting in response to the unique demands and characteristics of both OSC and OnSC. The results of this study have the potential to provide organizations with guidance for the successful implementation of DfMA strategies across all project phases, resulting in increased productivity. In doing so, the research contributes insights to the fields of construction management and innovation

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,203

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,059
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0050,004
Communication savante0,0070,006
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,083
Tête enseignante GPT0,360
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNB ConferencesMême sujetFungal and yeast genetics researchTravaux en français237 207