MétaCan
Menu
Retour à la cohorte
Enregistrement W3198155070 · doi:10.35261/barometer.v6i1.4480

Analisis Perencanaan Persediaan Suku Cadang dengan Metode ABC dan Metode Min-Max di Bagian Fields Service Engineer PT. Merck Chemicals and Life Science

2021· article· id· W3198155070 sur OpenAlexaff
Raihan Alif Maulana, Dene Herwanto, Wahyudin Wahyudin

Notice bibliographique

RevueBarometer · 2021
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Keberhasilan suatu perusahaan dicerminkan oleh kemampuan manajemen untuk memanfaatkan peluang secara optimal sehingga dapat menghasilkan penjualan dan laba sesuai dengan yang diharapkan. PT. Merck Chemicals and Life Science terdiri dari beberapa departemen yang saling terkait dan secara terpadu berusaha mewujudkan tujuan perusahaan. Terutama untuk perbaikan penggantian suku cadang, sangat dibutuhkan perencanaan suku cadang, agar pelanggan tidak harus menunggu dan pekerjaan terhenti karena stok suku cadang habis, dan juga tidak kelebihan stok yang menyebabkan kelebihan dalam pemesanan. Dengan begitu, penelitian ini dilakukan untuk menyelesaikan masalah persediaan suku cadang yang dihadapi PT. MCLS. Pada penelitian ini, pengendalian persediaan suku cadang akan menggunakan metode ABC, yang mana akan membagi suku cadang yang ada kedalam 3 kelompok berdasarkan nilai jual tertinggi diantara suku cadang yang lain dan tingkat kebutuhannya. Hasil dari penelitian ini menunjukan perencanaan persediaan suku cadang di PT. Merck Chemicals and Life Science sangat diperlukan, mengingat belum adanya perencanaan persediaan suku cadang di perusahaan. Dari hasil pengklasifikasian ABC pada hasil penjualan suku cadang, PT. MCLS dapat memprioritaskan untuk memesan suku cadang kelompok A dikarenakan kelompok suku cadang A bernilai 56% dari seluruh penjualan suku cadang dengan menjual 33% dari total permintaan suku cadang yang ada pada periode Juli 2018 hingga Maret 2020.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,009

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 Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,213 · 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'étudeSans objet
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBarometerMême sujetManagement and Optimization TechniquesTravaux en français237 207