Lean Application and Efficiency of manufacturing firms: An empirical study of manufacturing firms in Rivers State, Nigeria
Notice bibliographique
Résumé
The increasing demand for speedy delivery of quality products at lower production cost have resulted to new trend in manufacturing to review the gap between input resources inventory and production output inventory. More so, creating competitive niche in the current market environment is now difficult for manufacturers than ever in meeting competitiveness. Consequently, many manufacturing firms are becoming flexible to catch up with the current challenges so as to simultaneously improve quality and productivity. This paper examined the relationship between lean manufacturing and efficiency of 53 manufacturing firms listed with the Manufacturers Association of Nigeria in Rivers State, Nigeria. The questionnaire was used to collect data from respondents and analysed using, mean scores, standard deviations and t-statistic in testing stated hypothesis. It was observed that lean manufacturing has a very strong positive and significant influence on efficiency of manufacturing firms. We recommend that: management of manufacturing firms should set up clear policies on lean implementation and communicate same to staff. Also, managers of manufacturing firms are encouraged to increase its resource commitment to staff training and development so as to inculcate in them skills and knowledge necessary to implement lean practices in within their organisations; therefore, professionalism should be encouraged at all levels of the organization. Again, manufacturing firms should pursue quality consciousness through capability surveillance, in having constant monitoring of suppliers/throughput process to ensure production outputs conforms to product specification and quality standards, should be constantly advocated.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».