Quality improvement through export item rejection reduction using the implementation of statistical quality control (SQC) tools: a case study
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.
Notice bibliographique
Résumé
Garment sector is one of the industrial sectors in Ethiopia. In this sector the final products are always with defect(s) which reduces attraction from customers and economic benefit from the business. With this intention, quality enhancement of shirt products through defect(s) rejection reduction using SQC tools was a vital task of this research. The study applied Pareto Analysis and Cause-and-effect diagrams for detailed examination of top defects. From the Pareto-analysis six top defect types; cuff assembly seam slip out, sleeve hemming, button slip out, side seam puckering, button missed, and placket seam out have been identified. These defects contributed 81.68% of all defects happening in the case company. Then root-cause analyses for these top defect types have been done and solutions have been suggested to overcome causes to reduce rejected shirts. Finally, the suggested solutions have been practically implemented through the organized implementation team from different departments of the case company including the researcher. This has given remarkable results of almost 67.3%, 2222 shirts, of export rejected shirts have been saved. These saved shirts have been exported additionally to the international market in line with the defect free products of that month and increased the income of the case company by 444,400 ETB to 555,500 ETB per month.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle