Six sigma for gamma-distributed processes: a case study in oil and gas
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.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to study the relationship between reported sigma levels and actual failure rates (FRs) of gamma-distributed processes. The added complexity of the non-normality behavior of the gamma distribution is analyzed for the case of the cycle time (CT) of a real procurement process from the oil and gas industry. Then, recommendations and guidelines for the application of Six Sigma methodology for the case study are proposed. Design/methodology/approach Sensitivity analysis is conducted to study the relationship between gamma distribution parameters and FRs considering different quality levels. Then, adjustments for implementing Six Sigma programs for gamma processes are proposed. These adjustments consist of first determining the appropriate probability distribution, the standard CT and the due date, followed by setting performance zones and improvement strategies on target gamma parameters that yield the minimal FR. Findings For gamma-distributed processes, simply reporting the sigma level is not sufficient to capture the main characteristics of the process. These characteristics include process FR, mean setting, shape, spread and amount of variation reduction (i.e. improvement effort) required. That is why caution must be exercised when dealing with one-sided non-normal quality characteristics such as CT. Originality/value To the authors’ knowledge, this is the first time that the Six Sigma performance has been evaluated for gamma processes to analyze the link between Six Sigma FRs and gamma distribution parameters leading to the development of a modified Six Sigma methodology for non-normal processes.
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 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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle