MétaCan
Menu
Retour à la cohorte
Enregistrement W4248534089 · doi:10.32920/ryerson.14647761.v1

Integration Of Environmental Management Systems And Lean Concepts

2021· preprint· en· W4248534089 sur OpenAlexaff
Brian A. Lam

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Management Systems
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésProcess managementProcess (computing)Computer scienceSoftware deploymentLean manufacturingSystems engineeringRisk analysis (engineering)Management scienceBusinessEngineeringOperations managementSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Organizations around the world have been implementing environmental management systems (EMSs) as an effective means to manage environmental performance. However, successful deployment of EMSs requires the effective integration of EMS considerations into existing core business functions. This has typically been challenging for many firms, as many business functions are typically not well aligned with EMS objectives. Process improvement, namely Lean concepts, is an example. The objectives of Lean concepts are very different from the objectives of EMSs, and certain differences in both systems create the potential for conflict. This report further explores the potential to integrate EMSs with Lean concepts. This report summarizes EMSs and Lean concepts across several comparable aspects including objectives, drivers, benefits, and implementation. The standards for each system, ISO 14001 and the Shingo Prize Model respectively, are also presented. After careful analysis and comparison of Lean concepts and EMSs, eight strategies are proposed to effectively integrate the approaches and succeed against individual system weaknesses. An integrated toolset of Lean concepts and methods with EMS considerations are also provided. The integration strategies are lastly discussed with respect to ISO 14001 and Shingo Prize Model requirements.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,003
Communication savante0,0060,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,248
Écart entre enseignants0,221 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQuality and Management SystemsTravaux en français237 207