論文の概要: Evaluating the Impact of Lean and Green Practices on Operational Performance: A Real Data-Driven Simulation Case Study

• arxiv url: http://arxiv.org/abs/2506.17354v1
• Date: Fri, 20 Jun 2025 02:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.376094
• Title: Evaluating the Impact of Lean and Green Practices on Operational Performance: A Real Data-Driven Simulation Case Study
• Title（参考訳）: リーンとグリーンのプラクティスが運用パフォーマンスに与える影響を評価する: 実データ駆動シミュレーションケーススタディ
• Authors: Farah Altarazi,
• Abstract要約: 本研究では,リーンとグリーンのプラクティスが全体的なパフォーマンスに与える影響について検討する。 いくつかの改善シナリオが提案され、検査ワークステーションの統合と再配置が行われた。 どちらのシナリオも、現在の状態と比較してOEEE値が増加し、リードタイムが減少した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Global market-driven forces and customer needs are continuously changing. In the past, profitability and efficiency were the primary objectives of most companies. However, in recent decades, sustainable performance has emerged as a new competitive advantage. Companies have been compelled to adopt a concept that combines these evolving global interests with traditional goals resulting in the innovation of the lean and green approach. In this study, a research methodology that includes system analysis and modeling procedures to apply the lean and green concept, combined with a new evaluation metric, the Overall Environmental Equipment Effectiveness (OEEE) was used to investigate the effects of adopting lean and green practices on overall performance. A simulation model and energy value stream mapping were implemented, and the OEEE value was calculated to assess the current performance in terms of quality, availability, productivity, and sustainability. The current state production lead time was 329.1 minutes per batch, and the OEEE value was 13.1%. This result indicates existing issues in performance and sustainability, suggesting that improvement efforts should focus on enhancing these two aspects to increase the overall OEEE value. Several improvement scenarios were proposed, including combining and rearranging the inspection workstations as the first scenario, and using UV lighting for drying purposes at the framing workstation as the second. After applying these improvements, both scenarios showed increased OEEE values and reduced lead times compared to the current state. In the first scenario, the lead time decreased to 158.23 minutes, and the OEEE increased to 35%. In the second scenario, the lead time was reduced to 292 minutes, with the OEEE increasing to 24%.
• Abstract（参考訳）: グローバルな市場主導力と顧客ニーズは継続的に変化している。 かつては、利益率と効率性が、ほとんどの企業の主目的であった。 しかし、近年では、持続的なパフォーマンスが新たな競争上の優位性として浮上している。 企業は、これらの進化するグローバルな関心と伝統的な目標を組み合わせ、リーンとグリーンのアプローチの革新をもたらすコンセプトを採用するように強制されています。 本研究では, リーン・グリーンの概念を応用するためのシステム分析・モデリング手法と, 新しい評価指標と組み合わせて, 総合的環境対策効果(OEEE)を用いて, リーン・グリーンの実践が全体的な性能に与える影響について検討した。 シミュレーションモデルとエネルギー値ストリームマッピングを実装し,OEEE値を算出し,現在の性能を品質,可用性,生産性,持続可能性の観点から評価した。 現在の生産は1バッチあたり329.1分であり、OEEEの値は13.1%である。 この結果は、パフォーマンスと持続可能性に関する既存の問題を示し、改善の取り組みはOEEEの全体的な価値を高めるためにこれらの2つの側面を強化することに重点を置くべきであることを示唆している。 検査ワークステーションを第1のシナリオとして組み合わせて再配置することや、フレーミングワークステーションを第2のシナリオとして乾燥させるために紫外線照明を使用することなど、いくつかの改善シナリオが提案された。 これらの改善を適用した後、両方のシナリオでは、OEEE値が増加し、現在の状態と比較してリードタイムが短縮された。 最初のシナリオでは、リード時間は158.23分に減少し、OEEEは35%に増加した。 2つ目のシナリオでは、リードタイムは292分に短縮され、OEEEは24%に増加した。

関連論文リスト

• Predicting Estimated Times of Restoration for Electrical Outages Using Longitudinal Tabular Transformers [0.0]
  ETR予測の精度を向上させるために, 時系列更新とともに過去のイベントデータを活用する縦型タブラル変圧器(LTT)モデルを提案する。 モデルの性能は3つの主要ユーティリティー企業による34,000件以上の嵐関連障害イベントで評価された。
  論文  参考訳（メタデータ） (2025-05-01T00:25:43Z)
• VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks [49.0793012627959]
  本稿では,価値に基づくパラダイム内での推論モデルに適した新しいフレームワークVAPOを提案する。 VAPOは最先端のスコアが$mathbf60.4$に達する。 同じ実験条件下で直接比較すると、VAPOはDeepSeek-R1-Zero-Qwen-32BとDAPOの結果を10点以上上回っている。
  論文  参考訳（メタデータ） (2025-04-07T14:21:11Z)
• Energy-Efficient Green AI Architectures for Circular Economies Through Multi-Layered Sustainable Resource Optimization Framework [0.0]
  我々は、最先端の機械学習アルゴリズム、エネルギーを意識した計算モデル、最適化技術を統合する多層フレームワークとメタアーキテクチャを導入する。 リチウムイオン電池のリサイクルと都市ごみ管理システムによる実世界のデータセットを用いて,本フレームワークを検証した。
  論文  参考訳（メタデータ） (2025-03-28T16:09:43Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• LTPNet Integration of Deep Learning and Environmental Decision Support Systems for Renewable Energy Demand Forecasting [5.240979281331069]
  本稿では,ディープラーニング技術と環境意思決定支援システムを組み合わせた新しいアプローチを提案する。 このモデルはLSTMやTransformerなどの高度なディープラーニング技術とパラメータ最適化のためのPSOアルゴリズムを統合している。 結果から,本モデルが様々な指標で大幅な改善を達成できたことが示唆された。
  論文  参考訳（メタデータ） (2024-10-20T04:53:50Z)
• Energy Efficient Deep Multi-Label ON/OFF Classification of Low Frequency Metered Home Appliances [0.16777183511743468]
  非侵入負荷監視(Non-Inrusive Load Monitoring、NILM)は、単一計測点からアプライアンスレベルのデータを取得するプロセスである。 本稿では,NILMのマルチラベル分類を改良した新しいDLモデルを提案する。 最先端モデルと比較して、提案モデルではエネルギー消費を23%以上削減している。
  論文  参考訳（メタデータ） (2023-07-18T13:23:23Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Improving Load Forecast in Energy Markets During COVID-19 [5.128521783181427]
  新型コロナウイルスのパンデミック(COVID-19)の急激な流行は、2020年で最も重要な出来事であり、世界中で深刻な影響が続いた。 本稿では,新型コロナウイルスの感染拡大に伴う負荷予測性能の向上に有効なモデルや特徴を体系的に評価することで,研究ギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2021-10-01T02:55:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。