MétaCan
Menu
Retour à la cohorte
Enregistrement W3145994978 · doi:10.1109/wsc48552.2020.9384105

Deploying Discrete-Event Simulation and Continuous Improvement to Increase Production Rate in a Modular Construction Facility

2020· article· en· W3145994978 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOperations Management Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésModular designDiscrete event simulationProduction (economics)Computer scienceEvent (particle physics)Modular constructionProduction rateIndustrial engineeringSimulationEngineeringOperating systemPhysics

Résumé

récupéré en direct d'OpenAlex

Aiming at continuous improvement, a modular construction company attained favorable results by implementing recommendations that were based on value stream mapping analysis. Yet, there is still a need to assess the production lines in a unified and integrated manner. As such, this study employed simulation to model five major production lines in the factory to evaluate their performance concurrently and suggest improvements. Bottlenecks were identified by tracking the waiting times at different stations, and an iterative and sequential approach was adopted. After eight suggested improvements and tested scenarios, results showed a 17.8% reduction in the unit cycle time and 22% increase in the weekly production rate. The study's major takeaway is the importance of studying improvements in an integrated manner to avoid shifting bottlenecks, achieving local improvements that do not guarantee global improvements, and underestimating the effect of minor changes on the overall process. Simulation modelling helped target these issues.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,406

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,064
Tête enseignante GPT0,365
Écart entre enseignants0,301 · 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

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetOperations Management TechniquesTravaux en français237 207