MétaCan
Menu
Retour à la cohorte
Enregistrement W4392774052 · doi:10.4271/2023-01-5132

Proposal for Gemba-Kaizen Implementation to Enhance Efficiency in the Medium-Scale Bus Body Fabrication Industry

2024· article· en· W4392774052 sur OpenAlexaff
S. Balakrishnan, V. Rajkumar, J. Jerold John Britto

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésKaizenManufacturing engineeringComputer scienceScale (ratio)FabricationEngineeringLean manufacturing

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">The basic needs of people are met by the building, fabric, and farming sectors. In addition, the automobile industry significantly contributes to human mobility and is essential to India’s economic expansion. There are numerous research strategies available to improve the bus body building industries. Several investigative approaches for enhancing bus body building industries are available. However, several of these studies merely look at it from the perspective of shop floor activity. Accordingly, when it comes to the execution of process design approaches, there is little practical evidence for accepting Gemba kaizen’s attitude. Hence, the purpose of this article is to present a continuous improvement redesign framework tailored to a specific bus body building industrial sector. The proposed model is structured after a critical examination of Gemba and Kaizen. The results showed that by implementing the improvement initiatives, the number of process activities decreased from 44 to 25 (of which 43% were wasteful), and the cycle time decreased from an average of 112 hours to 68 hours, or 39% faster. The outcomes also show how the suggested model helped organizations reduce resource usage and enhance organizational effectiveness.</div></div>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,279
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetManufacturing Process and OptimizationTravaux en français237 207