Unraveling the dynamics of lean manufacturing enablers on operational performance
Notice bibliographique
Résumé
Purpose Lean manufacturing (LM) is essential for businesses to remain competitive in today’s global economy and to meet the needs of consumers from three separate perspectives: price, dependability and production schedules. A fundamental goal of this research is to how lean management in manufacturing organization may improve product value for the customer, address customer concerns, minimize costs and boost the firm’s profitability. Design/methodology/approach The extensive literature analysis identified a number of LM enablers and manufacturing industry factors that might favorably affect the organizations operational performance. Initially, 16 enablers of LM and 16 factors operational performance were identified, which were later reduced to 8 factors each. After that, Grey-DEMATEL technique was applied to investigate the relationships between the factors by categorizing elements into two groups (cause and effect) and ranking them within each category. Findings The results show that F4 (Work Force Development) and F7 (Six Sigma) were the key enablers of LM. Similarly, F12 (Maintain Better inventory control/optimize inventory level) and F14 (Reduce conversion cost) are the key effect factors of operational performance. It eliminates inefficiencies in the production process and internal storage requirements while retaining a high level of dependability and flexibility in response to customer demands. Originality/value LM has unquestionably been a popular method for improving the production efficiency of industrial sectors for the last two decades. Despite the fact that LM has helped several firms reduce waste and thereby improve a range of efficiency metrics, many businesses are still struggling to effectively transform into lean firms. While previous studies have explored LM’s significance and its influence on different aspects of organizational metrics in various industries, this research pioneers in probing into the nuanced relationship between LM enablers and OP in a critical and procedure-intensive industry.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».