Usulan Perbaikan Kualitas WD-190H dengan Metode Six Sigma untuk Mengurangi Defect di PT. KAS
Notice bibliographique
Résumé
Persaingan yang semakin ketat pada industri alat-alat rumah tangga, menuntut setiap perusahaan yang bergerak dalam industri ini untuk selalu meningkatkan kualitas produksinya. Six Sigma merupakan suatu pendekatan dalam peningkatan kualitas dengan mengurangi defect (cacat) secara maksimal. Dalam penelitian ini, Six Sigma diterapkan dalam mengurangi defect pada produk WD-190H di PT. KAS. Tujuan penelitan ini adalah untuk mengidentifikasi karakteristik kualitas pada WD-190H, mengukur tingkat kualitas WD-190H, mengidentifikasi faktor-faktor yang menyebabkan defect pada WD-190H, upaya apa yang telah dilakukan oleh perusahaan serta menghasilkan rekomendasi untuk meningkatkan kualitas WD-190H. Pengolahan data dilakukan dalam beberapa tahapan DMAIC yaitu Define, Measure, Analyze, Improve dan Control. Penyebab cacat paling dominan pada WD-190H adalah tipe cacat D1 (Body Renggang) yang secara keseluruhan menyebabkan 66.1% dari cacat yang terjadi. Berikutnya adalah tipe cacat D2 (warna pucat) menyebabkan 21.2% cacat. Dan tipe cacat berikutnya adalah D3 (Body Bintik) yang menyebabkan 12.7% cacat. Sedangkan faktor-faktor utama yang berpengaruh pada kecacatan proses produksi WD-190H adalah terbagi atas 5M yaitu faktor material, manusia, mesin, metode dan media (lingkungan).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».