MétaCan
Menu
Retour à la cohorte
Enregistrement W4401924783 · doi:10.18280/jesa.570402

The Impact of Concurrent Engineering Techniques on Assembly Line Redesign: An Applied Study

2024· article· en· W4401924783 sur OpenAlexvenueno aff
Ameer Jawad Kadhim Al-msary, Aymen Hadi Talib, Bushra Sabeeh Kadhim

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAssembly Line Balancing Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConcurrent engineeringAssembly lineLine (geometry)Systems engineeringEngineeringComputer scienceManufacturing engineeringMechanical engineeringOperations managementMathematics

Résumé

récupéré en direct d'OpenAlex

The research aims to use the latest technology, namely "Concurrent Engineering ", to redraw production and assembly lines to be more efficient and take less time in manufacturing and delivery.Which will help to earn more money, reduce the cost, achieve quality standards, and continue the production line in the assembly lines of the General Company for Mechanical Industries / Automotive Assembly Line, calculating the workstations and stages until the final production and presenting it to the customer.It was noted that there were multiple problems that led to losses on the assembly line as a result of the lack of distribution and timing of activities across the stages of the production line, causing bottlenecks in some workstations.This was reflected in a loss of about (398) minutes at a cost of about $3,900 per minute, which led to insufficient use of human or material resources (machinery and equipment).The current study presented a proposal through which the assembly line can be restructured and the implementation of some activities that are close in completion time can be synchronized, which in turn leads to reducing the total completion time from (937.5 to 772 minutes), that is, by 16.75%, in addition to maximizing working times and machine operating efficiency.And reduce wasted time at most stations.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,017
Tête enseignante GPT0,287
Écart entre enseignants0,270 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetAssembly Line Balancing OptimizationTravaux en français237 207