Decrease The Level Of Complaints In A Company Of Air Compressors Through Lean Manufacturing Based On Dmaic Methodology
Notice bibliographique
Résumé
In the field of mining and construction, the machinery and equipment subsector face challenges in customer service quality due to repeated reprocessing caused by a lack of preventive maintenance.This research proposed a solution based on Lean Manufacturing by applying Total Productive Maintenance (TPM), following the steps of a DMAIC methodology, and conducting simulations using Arena software.The initiative focused on streamlining the rental process, reducing response times, and improving the reliability of compressors.Positive outcomes were anticipated, including increased equipment availability, reduced response times, a decrease in the failure rate, and improved customer satisfaction.Furthermore, simulation results revealed a significant transformation: the average customer service time decreased by 35.49% (from 1714.70 to 1106.03 minutes), and the average preparation time of a compressor before rental decreased by 32.81% (from 2750.53 minutes to 1847.86 minutes).In the economic analysis, the feasibility of the proposal was demonstrated using @risk software, with a Net Present Value (NPV) of $139,024 and an Internal Rate of Return (IRR) of 34.83%, surpassing the Cost of Capital (COK).This research aimed not only to enhance key performance indicators but also to position the company as a leader in efficiency and customer satisfaction in the competitive machinery and equipment sector.This holistic approach not only strengthened operational efficiency and cost reduction but also contributed to the sustainable development of the machinery and equipment sector.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».