MétaCan
Menu
Retour à la cohorte
Enregistrement W4389791672 · doi:10.31294/imtechno.v4i2.1975

Perbaikan Ulang Tata Letak Gudang Penyimpanan Barang Menggunakan Metode Dedicated Storage Di Pt. Intertek Utama Services

2023· article· id· W4389791672 sur OpenAlexaff
Nova Pangastuti, Sri Watmah, Agustian Waruwu

Notice bibliographique

RevueIMTechno Journal of Industrial Management and Technology · 2023
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

PT. Intertek Utama Services merupakan perusahaan yang menyediakan jasa pengujian produk dan komoditi serta pelayanan sertifikasi terbesar di dunia. Perusahaan yang bergerak di bidang jasa pengujian memiliki beberapa divisi dan cabang (site) dan juga memiliki satu tempat penyimpanan bahan baku yang nantinya akan disimpan dalam satu gudang. Dalam pengamatan yang dilakukan di gudang PT. Intertek Utama Services,memiliki permasalahan dalam penyimpanan dan penyusunan bahan baku material yang masih belum teratur atau bercampur dan juga menyimpan barang pada space kosong yang tersedia tanda memperhatikan apakah barang itu sama atau tidak. Sehingga hal ini menghambat alur aktivitas digudang sampai menyebabkan operator gudang sering mengalami kesulitan dalam mengambil dan menyimpan barang dan akan menghambat waktu proses pengiriman.Metode yang digunakan dalam penelitian ini adalah dedicated storage. tata letak gudang PT. Intertek Utama Services yang memberikan perbaikan dengan jarak tempuh yang paling kecil adalah tata letak Dedicated Storage. ukuran luas gudang = 840 m2, panjang = 25 m, lebar 24 m Hasil penerapan dalam usulan perbaikan dengan metode dedicate storage menghasilkan penyelesaian masalah antara lain, Throughput (Aktivitas) dengan total 74, Space Requirement (slot) 11 slot.Tata letak ini jika dibandingkan dengan tata letak awal menghasilkan penurunan jarak tempuh sebesar 24,6%, penurunan luas lantai terpakai untuk penyimpanan sebesar 531,36%, peningkatan kapasitas sebesar 15%, peningkatan fleksibilitas sebesar 27,27%, dan peningkatan produktivitas sebesar 11%.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0780,027

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 Opus0,021
Tête enseignante GPT0,237
Écart entre enseignants0,215 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIMTechno Journal of Industrial Management and TechnologyMême sujetManagement and Optimization TechniquesTravaux en français237 207