The effect of learning, forgetting, fatigue, and recovery on the performance of dual-resource constrained (DRC) systems
Notice bibliographique
Résumé
Dual-Resource Constrained (DRC) systems consist of two resources: workers and machines (stations). DRCs have become common in manufacturing and service firms that emphasise flexibility, where workers perform different tasks. Although having a flexible workforce is beneficial, it comes at a cost. When workers alternate between different jobs the productivity of the system is affected. On one hand the system becomes more responsive to changes (internal/external), and on the other hand worker productivity and system throughput deteriorate because of the loss of knowledge and workers’ fatigue. This subjects workers to conflicting phenomena. When workers are performing a task they are learning but also accumulating fatigue, which may result in error or injury. When transferred to another task, or on a break, workers may forget what they have learnt but at the same time recover from fatigue, either fully or partially. In particular, forgetting and fatigue are interesting to be considered as they directly affect the quality of products. This research investigates the effects of workers’ learning-forgetting and fatigue-recovery on DRC systems. First, it modifies a known learning-forgetting model by accounting for fatigue and recovery. Second, it assumes that the quality of a production process may deteriorate and generate defective items that require rework. Third, a human error model is developed that considers human learning-forgetting and fatigue-recovery in producing defective items. Fourth, a comprehensive model is developed that integrates learning, forgetting, fatigue, and recovery into a DRC system with quality consideration. This model is investigated for different transfer and flexibility policies. Numerical results provide insights and guidelines that may help operations managers with decisions on how to improve a system’s performance and throughput, while considering worker welfare. Results indicate that it is important to consider workers capabilities and limitations when designing manufacturing systems. They also suggest that ignoring human restrictions and abilities results in unrealistic production planning and erroneous cost estimation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».