MétaCan
Menu
Retour à la cohorte
Enregistrement W2011994858 · doi:10.1080/00207540600857367

A case study in productivity-cost trade-off in the design of paced parallel production systems

2006· article· en· W2011994858 sur OpenAlexaff
Theodor Freiheit, Weili Wang, Patrick T. Spicer

Notice bibliographique

RevueInternational Journal of Production Research · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAssembly Line Balancing Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation
Mots-clésMachiningNumerical controlThroughputFlexibility (engineering)Production lineVolume (thermodynamics)Production (economics)ProductivityComputer scienceEngineeringManufacturing engineeringReliability engineeringMechanical engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper examines the investment and operational cost differences between high-volume serial CNC-based machining lines and parallel CNC-based machining lines. With the progress of CNC technology and their descending cost, more CNC machines have been used in high-volume production systems. CNC machines increase the flexibility and machining capability of production lines, greatly increasing the number of line configurations. Parallel configurations improve system throughput and have the same effect as adding buffers to a pure serial line but without additional work-in-process inventory. This analysis is performed through a case study of a CNC-based automotive cylinder head machining line. Examining machine reliability, line balance, configuration throughput, and cost yields insight into the cost-benefit tradeoff of implementing parallelism. It is found that even with large increases in investment in automated material handling, parallel configurations can yield significant annual cost savings over pure serial lines through reductions in capital investment, especially in CNC machines, and improvements in efficiency, and on a per unit capacity basis, parallel configurations are the least expensive.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,087
Tête enseignante GPT0,366
Écart entre enseignants0,279 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Production ResearchMême sujetAssembly Line Balancing OptimizationTravaux en français237 207