MétaCan
Menu
Retour à la cohorte
Enregistrement W7123360201 · doi:10.65221/0068

Production planning and capacity utilization in petrochemicals industry in Nigeria

2025· article· W7123360201 sur OpenAlexaff
Chinelo Nwagbala, Samuel Ejiogu, Musa David Edibo, Philip Kotler

Notice bibliographique

RevueAfrican Research Reports · 2025
Typearticle
Langue
DomaineDecision Sciences
ThématiqueOperations Management Techniques
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésProduction planningMaterial requirements planningProduction (economics)Work (physics)PopulationLean manufacturingCapacity planningPetrochemical

Résumé

récupéré en direct d'OpenAlex

This work investigated the impact of production planning on capacity utilization in Indorama Eleme Petrochemicals Limited, Rivers State, Nigeria. The work aims to determine the extent of the connection between inventory control and Labour Utilization Efficiency, Material Requirements Planning (MRP), and Output-to-Capacity Ratio in Indorama Eleme Petrochemicals Limited, Rivers State, Nigeria. The study was anchored on the Lean Production Theory, which emphasizes waste reduction and optimal resource use in production systems. A descriptive survey design was adopted. Data were collected using structured questionnaires distributed to 286 employees, determined through Taro Yamane’s formula from a total population of approximately 1,000 staff. The data were analyzed utilizing both descriptive and inferential statistics. The findings showed a significant and positive connection between effective production planning practices and improved capacity utilization; effective production planning significantly and positively impacts capacity utilization. It is recommended that industrial firms adopt advanced forecasting tools, modern inventory systems, and lean scheduling techniques to improve their operational effectiveness

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,312
Tête enseignante GPT0,504
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Research ReportsMême sujetOperations Management TechniquesTravaux en français237 207