MétaCan
Menu
Retour à la cohorte
Enregistrement W31635993 · doi:10.1016/j.urolonc.2019.08.008

Analisa keseimbangan lintasan untuk kelancaran produksi dengan menggunakan promodel di C.V. Sinar Badja Electric

2000· dissertation· en· W31635993 sur OpenAlexfundno aff
Benny Alexander Subrata

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesKidney Foundation of Canada
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Salah satu aplikasi atau pemanfaatan dari ditemukannya waktu baku atau waktu standard adalah berguna untuk menyeimbangkan lintasan produksi (the balancing of production lines). Dan keseimbangan lintasan merupakan salah satu faktor penting dalam perencanaan hasil produksi. Dengan lintasan produksi tidak seimbang, maka hasil produksi tidak bisa optimal yang menyebabkan target produksi yang sudah direncanakan tidak dapat tercapai. Perencanaan keseimbangan lintasan produksi yang dilaksanakan di C.V. Sinar Badja Electric dalam pembuatan tugas akhir ini adalah bertujuan untuk menganalisa kebutuhan waktu, meminimalkan waktu menganggur (idle time) pada lintasan assembly (produksi), pembagian stasiun kerja dan menentiikan jumlah operator yang diperlukan dalam suatu stasiun kerja agar supaya target produksi yang telah direncanakan dapat tercapai. C.V. Sinar Badja Electric memproduksi alat elektronik yaitu loud speaker dan saat ini terdapat kurang lebih 3000 jenis speaker yang dihasilkan. Perancangan keseimbangan lintasan yang dilakukan adalah dengan cara mengelompokkan operasi-operasi kerja dalam stasiun kerja dengan metode keseimbangan lintasan 'COMSOAL' yang dioperasikan melalui Software Quantitative System. Setelah itu membuat model simulasi dari lintasan perakitan speaker baik pada lintasan perakitan sebelum dilakukan keseimbangan lintasan maupun setelah dilakukan keseimbangan lintasan. Hasil yang didapat dari perancangan keseimbangan lintasan tersebut adalah adanya rata-rata peningkatan efisiensi lintasan yang sebanding dengan rata-rata penurunan balance delay sebesar 5.84% dan pengurangan operator sebanyak 7 (tujuh) orang.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,005

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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManagement and Optimization TechniquesTravaux en français237 207