MétaCan
Menu
Retour à la cohorte
Enregistrement W3106220855 · doi:10.5267/j.ijiec.2020.9.003

A multi-item batch fabrication problem featuring delayed product differentiation, outsourcing, and quality assurance

2020· article· en· W3106220855 sur OpenAlexvenueno aff
Yuan-Shyi Peter Chiu, Huei-Hsin Chang, Tiffany Chiu, Singa Wang Chiu

Notice bibliographique

RevueInternational Journal of Industrial Engineering Computations · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésPostponementOutsourcingQuality (philosophy)Quality assuranceComputer scienceProduction (economics)Product (mathematics)Order (exchange)Operations researchOperations managementBatch productionManufacturing engineeringReliability engineeringService (business)BusinessEngineeringEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

Variety, quality, and rapid response are becoming a trend in customer requirements in the contemporary competitive markets. Thus, an increasing number of manufacturers are frequently seeking alternatives such as redesigning their fabrication scheme and outsourcing strategy to meet the client’s expectations effectively with minimum operating costs and limited in-house capacity. Inspired by the potential benefits of delay differentiation, outsourcing, and quality assurance policies in the multi-item production planning, this study explores a single-machine two-stage multi-item batch fabrication problem considering the abovementioned features. Stage one is the fabrication of all the required common parts, and stage two is manufacturing the end products. A predetermined portion of common parts is supplied by an external contractor to reduce the uptime of stage one. Both stages have imperfect in-house production processes. The defective items produced are identified, and they are either reworked or removed to ensure the quality of the finished batch. We develop a model to depict the problem explicitly. Modeling, formulation, derivation, and optimization methods assist us in deriving a cost-minimized cycle time solution. Moreover, the proposed model can analyze and expose the diverse features of the problem to help managerial decision-making. An example of this is the individual/ collective influence of postponement, outsourcing, and quality reassurance policies on the optimal cycle time solution, utilization, uptime of each stage, total system cost, and individual cost contributors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0050,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,033
Tête enseignante GPT0,256
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Industrial Engineering ComputationsMême sujetManufacturing Process and OptimizationTravaux en français237 207