Improving Throughput and Cost Efficiency with Lean Tools: A Business Case Study on Value Stream Mapping
Notice bibliographique
Résumé
The single-minded pursuit of productivity and efficiency in the manufacturing industry has forced organizations to embrace lean tools, one of which is Value Stream Mapping (VSM). The study explains a real-world use of VSM in a pulley production plant, intended to reduce the manufacturing downtime, limit Non-Value-Added (NVA) operations, and improve the Overall Equipment Effectiveness (OEE). A major point of bottleneck was identified to exist between the transition stage between Vertical Machining Center (VMC) and drilling processes that had already caused a delay of 16 hours, physically segregated and reliant on a specific operator. The process flow was improved by using planned machinery repositioning and job merging. After intervention analysis showed an improvement in availability (84.1 to 90.9 percent), quality rate (93.8 to 96.4 percent), and OEE (78.9 to 87.6 percent). Moreover, the intervention supported the 68-minute daily recovery, the daily increase of 15 units, and the yearly saving of ₹180000 in labor costs. The research confirms that VSM is a cost-effective lean tool that has the potential of causing massive improvements even in small and medium sized companies (SMEs). These results are very informative to industries that strive to improve throughput and eliminate waste without involving a large amount of capital.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».