Lean Manufacturing in greater Montreal : Maturity level and IoT based system for operationilization
Notice bibliographique
Résumé
La productivité des entreprises manufacturières de la province du Québec est encore inférieure à celles de l’Ontario et même à la moyenne canadienne en général. Cependant, le lean manufacturing bien connu des milieux manufacturiers est un ensemble de pratiques techniques et non techniques dont la pertinence pour l’amélioration de la productivité est incontestée. Mais très curieusement, il est encore difficile pour plusieurs entreprises manufacturières de l’opérationnaliser. Le lean manufacturing dépend des personnes directement impliquées pour son application. Donc si dans une équipe de travail les membres ne sont pas sensibilisés à ses pratiques, cette équipe sera naturellement moins productive. Ce travail porte d’abord sur l’élaboration du portrait des pratiques du lean manufactuing d’un échantillon d’entreprises manufacturières de la région métropolitaine de Montréal ensuite, sur le développement d’un système d’opérationnalisation basé sur les objets connectés pour améliorer l’acquisition des compétences en pratiques du lean manufacturing par les membres des équipes de travail. La méthode utilisée correspond à une démarche hypothético-déductive. Deux groupes d’hypothèses ont été formulés et testés. Le premier groupe est relatif au lien entre les profils des entreprises manufacturières et les niveaux de maturité en pratiques du lean manufacturing. Le deuxième groupe est relatif aux effets de l’utilisation du système sur l’acquisition des compétences en pratiques du lean manufacturing par les membres des équipes de travail. Le premier groupe d’hypothèses a été testé avec les données provenant d’une enquête auprès d’un échantillon de 42 entreprises. Le deuxième groupe d’hypothèse a été testé avec les données provenant des expériences réalisées dans les laboratoires académiques manufacturiers.Les résultats du sondage analysés par la classification ascendante hiérarchique et le test exact de Fisher indiquent que le niveau de maturité en pratiques techniques de l’échantillon d’entreprises étudié est mitigé (score moyen de 51%) et est liée à la taille des entreprises (p-value = 0.001), mais pas statistiquement liée à leurs régions administratives d’implémentation (p-value = 0.057). Cependant, le niveau de maturité en pratiques non techniques est élevé (score moyen de 71%) et n’a pas de lien avec la taille des entreprises (p-value = 0.093) et encore moins avec la région administrative d’implantation (p-value = 0.494). Le système d’opérationnalisation développé est capable de détecter les temps d’attente, la surproduction, le surstockage, les mouvements inutiles et les déplacements inutiles soit, cinq des sept types de gaspillages. Il a également le potentiel de détecter la non-qualité pour le cas des industries de fabrication mécanique. L’expérimentation de ce système indique qu’il favorise l’acquisition des compétences en pratiques techniques (p-value = 0.004) et en pratiques non techniques (p-value = 0.003).La réalisation de ce travail qui se situe aux frontières du lean manufactuirng et de l’Internet des objets permet de recontextualiser le lean manufacturing. Il a le potentiel d’impacter positivement la productivité des entreprises manufacturières et les inciter au passage à l’industrie 4.0. Sur le plan académique, il peut servir à l’actualisation de l’enseignement du lean manufacturing.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».