MétaCan
Menu
Retour à la cohorte
Enregistrement W2810240330 · doi:10.5430/jms.v9n3p18

A Comparative Study of Shift Work: Days, Nights, and Weekends: Which Shift Yields Higher Output and Lower Defects

2018· article· en· W2810240330 sur OpenAlexvenueno aff
Keeley McConkey, Ekaterina Koromyslova

Notice bibliographique

RevueJournal of Management and Strategy · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityStatisticsConsistency (knowledge bases)Affect (linguistics)EconometricsRegression analysisMathematicsOperations managementDemographyPsychologyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to determine if there are statistically significant differences in the performance output for three different shifts in an electronic manufacturer. The primary focus of this paper will study day, night, and weekend shift and compare productivity using Analysis of Variance. The secondary focus of this paper is to understand if variables such as shift, number of changeovers, and management affect productivity and quality using Multiple Regression. By understanding if and what these differences are, manufacturing can be optimized to provide consistency across the different shifts.Statistical analysis indicated that there are differences in productivity among two value streams, while the remaining two indicated no differences. Furthermore, one value stream revealed that changeovers affect productivity while shift and management were insignificant factors for all value streams.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,276
Score d'incertitude au seuil0,615

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,311
Écart entre enseignants0,261 · 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 tête enseignante, 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and StrategyMême sujetSleep and Work-Related FatigueTravaux en français237 207