Simulation model for packaging time optimation using Lean Manufacturing
Notice bibliographique
Résumé
Today, the consumption of wheat flour in Peru is 2 million tonnes per year, but the country does not produce enough wheat for this demand, therefore, imports cover around 92% of this requirement, the main suppliers being Canada, the United States and Argentina. All this indicates that the flour industry will continue to grow, as is the case of the company GRUPO INGENIA-T, one of the few successful Peruvian industries of milling, dosing and packaging of wheat and other raw materials for consumption. However, when monitoring and analysing the manufacturing conditions and total process flows, production problems were detected and simulated in the Anylogic software where the Lean Manufacturing methodology was applied to remedy the bottleneck, giving us the working time of the staff, which is 8 hours and 10 minutes. Then, the present study aims to implement a simulated model to optimise production times in accordance with the criteria and requirements offered by the Theory of Constraints, which is why it was essential to establish a flow diagram of the industry’s processes. Finally, we have as a result that the production of 70 bags well packed and sealed was given in a time of 1 to 2 seconds for the inspection and cleaning of the same, without the coupling of the proposed system would not be possible to reach such a quantity because the people in charge of this procedure need to rest because the work they do is done manually, therefore, we conclude that the machine complies with reducing time and increasing production.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».