MétaCan
Menu
Retour à la cohorte
Enregistrement W7077143210 · doi:10.1504/ijpqm.2025.148017

Enhancing garment manufacturing process efficiency: a DMAIC case study for process improvement

2025· article· en· W7077143210 sur OpenAlexaff

Notice bibliographique

RevueInternational Journal of Productivity and Quality Management · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésDMAICSix SigmaProcess (computing)ReworkQuality managementOriginal equipment manufacturerQuality (philosophy)Manufacturing processDenim

Résumé

récupéré en direct d'OpenAlex

This study applies the Six Sigma DMAIC methodology to reduce high defect rates in the stitching process of garment manufacturing. Focused on a leading firm producing 5-pocket denim jeans over 18 days, it systematically identifies and addresses defects like pleat/puckering, slip stitch, and uneven stitch, primarily caused by operator errors, machine malfunctions, and inadequate training. Using tools like Pareto charts and cause-and-effect diagrams, interventions such as operator training, machine maintenance, and process standardisation reduced the defect per million opportunities (DPMO) from 3363 to 228, raising the sigma level from 4.2 to 5.01. The project also improved worker safety, cost management, and operational efficiency. This successful implementation of DMAIC not only resolved immediate quality issues but also provided a scalable model for future improvements in garment manufacturing, demonstrating the economic benefits of defect reduction and process optimisation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,339
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Productivity and Quality ManagementMême sujetGeochemistry and Geologic MappingTravaux en français237 207