Employees factors importance in Lean Six Sigma concept
Notice bibliographique
Résumé
Purpose – Lean management and Six Sigma concepts are derived from two different points of view, but it is evident that the role of employees is crucial in both concepts. The purpose of this paper is to survey which employees’ behaviour dimensions can lead organization to better concepts integration and how Lean Six Sigma activity contributes to employees’ performance. Design/methodology/approach – Research methodology is designed to empirically check, on large sample of companies in multinational company supply chain, if employees’ factors are both predictor and response variables of Lean Six Sigma concept. To check stated hypothesis factor, reliability and multiple regression analysis are used. Findings – The first finding of this study is that reward system and training are significant predictors of Lean Six Sigma activities. The second part of findings shows that Lean Six Sigma dimensions, such as Define, Measure, Analyze, Improve, and Control/Define, Measure, Analyze, Design, and Validate, 5S and Kanban positively influences employees’ performance, described by employee satisfaction, absenteeism, salaries and benefits, employees’ commitment and employee turnover rate. Research limitations/implications – Poka-Yoke application is not found as a significant predictor of employees’ performance. Accordingly, to explore that interesting finding, possible future research topic is more detailed analysis of Poka-Yoke application in similar supply chains. A longitudinal analysis using structural equation is possible direction of future work, too. Practical implications – This survey answers the need for Lean and Six Sigma unified methodology achievement in soft factors area and gives applicable results for companies in supply chain that produces low-volume, high-complexity products. Originality/value – Original and valuable conclusion is that employees’ factors are both predictor and response variables of Lean Six Sigma concept application.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,003 | 0,000 |
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.
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 ».