MétaCan
Menu
Retour à la cohorte
Enregistrement W2153743706 · doi:10.5430/ijba.v4n3p61

Statistical Quality Control (SQC) and Six Sigma Methodology: An Application of X-Bar Chart on Kuwait Petroleum Company

2013· article· en· W2153743706 sur OpenAlexvenueno aff
Muwafaq Alkubaisi

Notice bibliographique

RevueInternational Journal of Business Administration · 2013
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAdvanced Statistical Process Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSix SigmaControl chart\bar x and R chartStatistical process controlControl limitsBar chartChartProcess capabilitySigmaProcess (computing)Bar (unit)Manufacturing engineeringStatisticsOperations managementComputer scienceQuality (philosophy)Control (management)MathematicsEngineeringWork in processArtificial intelligenceGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

An x-bar chart is a statistical device used for the study and control of a process. Control charts based on the three sigma limits were produced and have been used effectively for a long time. In today’s developed and developing countries, companies have introduced Six Sigma initiatives in their manufacturing processes which results in fewer defects, and identifies the causes of process variations. Companies employing Six Sigma initiatives are expected to produce 3.4 or less defects per million opportunities (DPMO) using the control limits suggested by Shewhart; then no point will fall outside the control boundaries because of reduction in variation. In this paper an attempt is made to construct a Six Sigma based on data collected from a petroleum company in Kuwait to produce an x-bar chart. Unfortunately, it seems there are some serious deficiencies in the production process since the value of Cp and Cpk are less than 1 which means the process is not capable of meeting its specifications.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
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 Opus0,180
Tête enseignante GPT0,485
Écart entre enseignants0,305 · 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'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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetAdvanced Statistical Process MonitoringTravaux en français237 207