MétaCan
Menu
Retour à la cohorte
Enregistrement W2478022240 · doi:10.1108/tqm-10-2015-0131

Employees factors importance in Lean Six Sigma concept

2016· article· en· W2478022240 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe TQM Journal · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensBombardier (Canada)
Organismes subventionnairesScience and Engineering Research BoardMinistarstvo Prosvete, Nauke i Tehnološkog Razvoja
Mots-clésSix SigmaStructural equation modelingKanbanBusinessSupply chainMultinational corporationSample (material)AbsenteeismLean Six SigmaMarketingProcess managementOperations managementBusiness administrationLean manufacturingComputer scienceControl (management)PsychologyMathematicsStatisticsEngineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,249
Écart entre enseignants0,217 · 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