Enhancing socioeconomic sustainability in glass wall panel manufacturing: An integrated production planning approach
Notice bibliographique
Résumé
• Novel exploration of production planning complexities in labor-intensive industries. • Integration of social sustainability principles into scheduling models. • Development of a unique scheduling framework prioritizing worker well-being. • Validation of model efficacy through real-world production data analysis. • Comparative analysis reveals significant advantages of integrated socio-economic scheduling approach. While conventional production planning approaches prioritize short-term efficiency and economic gains, the sustainability development objectives emphasize a holistic perspective, integrating eco-friendly practices, social responsibility, and economic viability. Nevertheless, the existing literature overlooks a gap in understanding the role of socio-economic factors in labor-intensive production processes. In this regard, this research aims at investigating the impact of social factors, such as labor skill level and experience, on production planning, with a specific focus on glass wall panel manufacturing. The research integrates sustainability socioeconomics, as embodied by an empirically developed labor learning curve, with the MINLP (Mixed-Integer Nonlinear Programming) scheduling model. The results show that the integrated socio-economic scheduling approach outperforms traditional scheduling approach, reducing idle time up to 43% and promoting more balanced production distribution. Despite slightly higher upfront production costs, the integrated model offers long-term cost savings through reduced idle time and overtime, making it a viable option for companies seeking to improve productivity and worker satisfaction. The implementation of this work is recommended to maintain a sustainable, safe, and healthy work environment while also considering long-term economic benefits rather than short-term profits.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».