MétaCan
Menu
Retour à la cohorte
Enregistrement W2883145524 · doi:10.1080/00207543.2018.1498986

Investing in lean manufacturing practices: an environmental and operational perspective

2018· article· en· W2883145524 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

RevueInternational Journal of Production Research · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensConcordia University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPerspective (graphical)Lean manufacturingManufacturing engineeringEngineeringBusinessOperations managementProcess managementComputer science

Résumé

récupéré en direct d'OpenAlex

Lean manufacturing practices (LMPs) and corporate environmental sustainability are becoming inextricably linked. Throughout the lean and green debate, many organisations have recognised that LMPs have implications for their sustainable development and competitive positioning. Not only LMPs are complex on their own, but when perceived from an environmental sustainability perspective, the decision to implement an LMP can become even more intricate. Although general tools exist, the lack of effective decision-making tools to help in the implementation of LMPs with an environmental sustainability dimension is palpable. Thus, this study tackles the aforementioned decision problem by incorporating environmental and operational performance outcome expectations as these expectations are viewed in light of the ease of implementation of various LMPs. A novel multi-criteria decision-making (MCDM) model for evaluation of LMPs is developed in this respect. The model integrates a three-parameter interval grey number with rough set theory and the TODIM method. The model is run using empirical data from six manufacturing organisations. The findings facilitate the identification of a ‘locus of investments’ for a better selection of LMPs. The robustness of the decision support model developed is assessed through sensitivity analysis.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,214
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
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 Opus0,095
Tête enseignante GPT0,391
Écart entre enseignants0,296 · 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