工业工程专业毕业外文翻译Word文档格式.docx
- 文档编号:19274411
- 上传时间:2023-01-05
- 格式:DOCX
- 页数:17
- 大小:42.12KB
工业工程专业毕业外文翻译Word文档格式.docx
《工业工程专业毕业外文翻译Word文档格式.docx》由会员分享,可在线阅读,更多相关《工业工程专业毕业外文翻译Word文档格式.docx(17页珍藏版)》请在冰豆网上搜索。
(1)合作,它的定义是非正式的行为基础上的资源和信息共享;
(2)协商,强制性的,需要个人接触的双向互动等;
(3)信息交流,即正式的,有条理的,记录在案的相互作用,但不涉及个人接触。
另外一些学者,比如Larson(1994年,第155页),指出组织间整合是“衡量
(1)消费和主要供应商公司各部门的合作行为,和
(2)合作的态度”。
第二类的学者,例如Dawe(1994年),Gustin和Daugherty(1995年)和Lee和Whang(2000年),他们的重点放在信息共享和信息的可用性上,IS(信息共享)作为整合的迹象之一,是系统的跨部门或跨组织的迹象一体化。
Frohlich和Westbrook(2001年)采取了类似的方法,评估整合的水平。
他们通过整合活动,如获得规划系统,共享生产计划,联合EDI(电子数据交换)接入/网络等,但他们还包括共同使用第三方物流,标准化后勤设备或容器,包装定制。
包装方面的列入是罕见的整合研究。
传统上,特别是在企业对企业中,包装只被看作是一个保护零件,而不是整个供应链中可以创造价值的部分。
虽然整合的重要性是毫无疑问的,但是关于如何包装的文献缺乏一个全面的研究。
更重要的是,共同的信息界面的包装,通过整合供应链的内容和外部的职能,可以提高生产和分销效率。
为了实现整合,一个关键组成部分,是通过实现整合的包装是利用唯一标识的物品。
唯一标识可以通过例如标签,条码或无线射频识别(RFID)标签等手段实现,他们都可以用于包装。
条形码和RFID标签可改为使用自动数据收集,这往往和人类可读的标签相比。
人工录入数据的错误率据报告是1/300,而相应的自动数据的水平则是大幅度降低的(Smith和Offodile,2002年)。
除了增加信息的准确性,自动数据收集也可减少数据输入时间和减少书面工作(Singer,1998年)然而,然而,自动数据收集技术的特点是不同的。
在性能上,RIFD技术比起条形码有很多优势。
例如,它不要求视线,阅读距离可以更长,阅读速度快,RIDF可以同时读取和写入。
比起手动扫描的条形码,RIDF额外的好处是节约劳动力成本,并减少库存,通过RIDF提供的更高的灵敏度减少滞销和脱销情况(LeeandOzer,2007)。
另一方面,条形码有了一个非常重要的优势,他们通常较RIDF标签更便宜。
唯一标识可用于不同层次的包装;
初级包装(通常是销售单位或商品一级),二级包装(如盒子)和高级包装(如托盘批量处理的货物)。
无论包装水平如何,利用唯一识别一定要辅以信息系统和基础设施,用记录的标识和存储数据,获取供应链整合的代表,用学者的知识的精华,探讨一种新的方法,一个可为供应链整合提供新的见解的方法。
因此,本文探讨利用唯一识别(通过RIDF技术,条形码和“人工可读的”标签),以应用于瑞典制造业的包装和运输。
该文件的目的是调查利用背后的推动力量,以及改进的理解和未来2-5年的前景。
他还涉及使用不同的方法来阅读标识,供应链的地点识别和如何利用信息。
该文件的结构如下。
首先,我们提供的方法,包括调查文书,回答和数据收集过程。
然后,调查的结果和数据分析,包括不同类型的公司的描述性统计,整合的水平,改进后勤和信息共享,以及展望未来。
接着,我们从一个更宽泛的角度,讨论我们的研究结果。
最后,我们为我们强调的主要结果及其影响得出结论,并为未来的研究提出建议。
2方法论
为了确保对使用唯一识别能有全面看法,对瑞典制造企业进行了跨越多个行业的邮政调查。
2.1工具
调查工作是分四个阶段进行。
在第一阶段,审查关于供应链整合和RFID技术的文字记录。
本次审查协助确定调查的重点领域。
供应链整合是选定的,因为使用惟一标识的商品供应链可被视为一种整合的标志。
RFID技术,另一方面,被学者们认为能在当前物流著作中发挥关键作用,便于获得货物的唯一识别。
因此,当前关于RFID技术的著作介绍了许多唯一识别潜在的好处,这有助于调查的进行。
在第二阶段,一个有14个未知领域的调查表草案已经生成。
为了获得关于调查表的结构和清晰度的反馈,它需要一组学者的预测。
在反馈的基础上,调查表将被修改;
有一些问题将被修改,补充或删除。
修订后的问卷调查,将被用于测试一批代表行业。
这也造成了进一步的修改;
这项统计调查是在重组,有几个问题将被删除,一些问题将被修改。
最终版本的调查文书包括14个调查领域,每个领域有3到19个问题。
最初的问题考虑唯一识别的类型和记录地点。
其他问题以利克特五点量表为基础,覆盖了通过唯一识别获取的人口数据,信息共享,结果和前景。
选择将替代强烈反对或强烈同意,以中立替代。
2.2问卷
这项调查是针对瑞典制造业的物流管理人员。
被选定的几个行业对使用唯一识别产生了广泛的认识,制造业公司被选中,是因为它们都有复杂的内部和外部的物质流动。
为了限制研究,只有不到100名员工的小公司并没有考虑。
在总数中包括715家公司,跨越9个不同的制造行业,他们都有100名或更多的雇员。
针对不同类别的公司和行业的样本大小和分布,将用于专家的讨论与统计。
这导致的结论是,公司的规模和行业的类型可能会影响到调查的结果。
因此,分层抽样,可以避免使用中的不平衡。
根据规模大小,公司分为3组,小型,中型和大型企业(见表一)。
所有的大公司,即那些拥有500或更多的员工的公司,包括在该样本中。
然后,对百分之四十的中型公司,即有200-499员工的公司,进行了系统的选择。
对四分之一的小公司,即有100-199员工的公司,进行了系统地选定。
这样,样本包括了一个系统的,大约有分层抽样的分组。
共有310个企业被选中,这等于占总数(制造业)43%的样本大小。
2.3数据收集
数据收集工作在2008年2月和3月进行。
选定的公司的物流经理都受到了邮件,以及解释文件和为回信预付的邮资。
回信解释了这项研究,它要求受访者尽量完成调查,并承诺迅速复制研究结果,以鼓励参与(Frohlich,2002年)。
每一个调查表都附有一个惟一的代码,以便于采取后续行动。
使用代码的方法必须向受访者解释,信件必须做到对受访者信息进行保密。
第一份调查表被寄出两个星期后,包括相同的包裹的提醒信件被送往非受访者。
提醒邮件寄出的一个星期后,要打后续电话,以获得进一步的答复。
共收到152个回复,占总数的49.0%。
所有的回复中,只有一个可用于随后的数据处理。
表一提供了雇员人数和行业数量的频率分布。
在后续电话环节中,大多数非受访者收到电话。
为没有回复列举的理由往往是时间不够,其次是公司的政策。
若要检查不答复的理由,将早期的第一个回复和后期得到的答复进行比较,发现他们并无显着差异,这表明没有非反应偏差(ArmstrongandOverton,1977)。
表I统计数据
产业\雇员数量
100-199
200-499
499以上
回复
样本
总数
化学品和化工产品制造业
3
9
5
17
32
83
电气设备,计算机,电子和光学制造业
1
6
7
40
金属制品制造业
8
10
35
82
202
食品和饮料制造业
4
14
22
43
家具和其他制造业
2
37
机械和设备制造业
25
55
117
汽车,拖车,半拖车和其他运输设备制造业
13
50
纸浆,纸和纸产品
52
橡胶和塑料产品制造业
20
51
68
152
310
715
91
86
133
368
214
3结果
通过四个步骤对这些数据进行分析。
首先,个别问题的描述性统计需要回顾。
利用图形数据分析法来分析受访者使用唯一识别的经验和结果。
图形说明了所有变量的同方差,即变量显示相同水平的差额。
第二,进行因素分析,以确定使用唯一识别背后的推动力量。
然后进行集中分析,分组分析受访者在执行中的驱动程序。
最后,集中评估和分析差异。
3.1描述性统计
调查表中的最初的问题,是关于公司是否在产品或运输设备上采用唯一识别。
在受访者中,有57个认为他们没有。
表II显示了使用独特的身份与公司规模的关系。
不出所料,相对于小公司,大公司使用惟一识别更为常见。
试验结果表明,各组之间的差异有统计学意义,其可信度为百分之九十五。
基于唯一识别的使用,数据材料可以分为两部分。
这一节的其余部分,除非另有说明,都是基于使用唯一识别的分组的数据。
受访者中的71%使用唯一识别,他们认为唯一识别主要用于初级包装或者产品水平,67%的受访者将唯一识别用于二次包装或包装盒,而66%的受访者将之应用于高级包装或运输设备的水平。
33%的受访者认为,他们将唯一识别应用在所有三个层次的包装上。
条形码是最常使用的方法(84%),它用于指定包装上惟一的识别,通过”人类可读的”文本或数字字符串(56%)实现。
只有七个受访者(7%)指出,他们在产品和包装上使用RFID标签,以达到唯一识别。
另有23%的受访者(152个)认为,他们正考虑在未来实施RFID,并且8%的受访者说,他们已对使用RFID技术进行了详细的研究。
唯一识别被记录和阅读的位置也应该进行评估(图1)。
可见下游利用唯一识别比上游使用更为常见。
内部使用似乎占主导地位,特别是对于追踪产成品存货。
类似的模式可以在执行唯一识别的驱动程序中看到。
改进跟踪分数最高的,同时减少了盗窃或假冒似乎更被受访者关注(表III)。
改进后的数据更能减少错误和大大提高效率评分,以及改进库存控制和运输服务。
再次,内部协调比起外部,似乎是更重要的。
与客户协调似乎比和供应商协调更重要。
表II使用唯一识别的公司
公司规模\惟一的标签
YES
NO
TOTAL
小型(100-199)
16
中型(200-499)
29
23
大型(499以上)
18
95
57
图I唯一识别的产品和运输设备的记录结构
3.2驱动程序的因子和群体分析
为了辨别不同大小的数据资料,对驱动程序变量进行因子分析。
变量,一个主成分分析的结果是KMO(Kaiser-Meyer-Olkin)值0.825,它的特点是有功的(Kaiser,1974).。
此外,相关矩阵的一致性似乎不可能,因为Bartlett的测试明显是大规模的。
所有的变量在分析时都是可用的,因为这个群体不会透露任何极端值(表4)。
相关矩阵显示所有的变量,除了一个,它和至少一种其他的变量相关,相关系数为0.3(显著水平为0.01)。
最后的变量和另一个变量相关,相关系数为0.2。
不在任何其他的因素中包含这个变量,我们让它保持现状,因为我们怀疑,对于产品群,这可能是最重要的变量。
一个详细计划表明它涉及到使用六个因素。
对循环的组成部分的解释导致了下列驱动因素矩阵(表4):
(1)更有效的库存控制和改进的送货服务。
(2)改进协调物料流动。
(3)使产品回报和产品回收的执行更有效。
(4)改进的可追溯性。
(5)为客户和政府等外部的要求。
(6)减少伪造或偷窃。
对于实行唯一识别的公司,供应链整合是一个关键的机会。
然而,这取决于执行背后的驱动力量,整合的水平和类型是不同的。
整合其实是一个广泛的概念,并没有单一的方式来衡量。
为了利用这个概念,我们不得不评估供应链中使用唯一识别的地点的数量。
这个测试是符合服务于研究的包装视角的。
这种概念是,在越多的地方使用相同的识别,供应链整合度越高。
表IV基于驱动变量的因素的循环组成部分
因子导入
特征值
差异比例
累积比例
方差
因素1:
更有效的库存控制和改进的送货服务
5.23
40.25
改良库存管理
减少人力成本
改进运输服务
减少数据收集时的错误
更高效的数据收集
0.790
0.751
0.734
0.782
0.723
0.771
0.713
0.830
0.707
0.837
因素2:
改进协调物料流动
1.48
11.35
51.60
改进和顾客相关的物料流
改进供应商的物料流
改进内部物料流
0.870
0.795
0.691
0.640
0.562
0.697
因素3:
使产品回报和产品回收的执行更有效
1.17
8.99
60.59
改进产品回收
提高计划的应变能力
0.784
0.813
0.622
0.724
因素4:
改进的可追溯性
0.99
7.57
68.16
改进可追溯性
0.888
0.846
因素5:
为客户和政府等外部的要求
0.88
6.79
74.95
来自顾客和政府的外部要求
0.964
0.948
因素6:
减少伪造和盗窃
0.62
4.74
79.69
减少伪造和盗窃的危险
0.918
0.929
注:
提取方法:
主成分分析。
循环方法:
最大方差法
3.4 不同的集群的改善
唯一识别的标签的实施为受调查公司提供了改进。
为了识别数据资料的结果,要进行主成分分析方法对结果变量进行分析(表七),这是一个至关重要的因素分析。
表V各集群整合驱动力量的单因子变异数分析
平方和
df
均方
F
Sig.
逆向整合
集群间
35.925
11.975
6.438
0.001
集群内
169.275
1.860
205.000
94
内部整合
28.841
9.614
6.926
0.000
126.317
1.388
155.158
正向整合
15.329
5.110
3.125
0.030
148.776
1.635
164.105
表VI集群驱动力量的整合水平(均值)
集群
1物料流的协作
高(3)
2产品回收和可追溯性
低
(1)
中
(2)
3外部要求
4减少伪造和盗窃
注:
分值:
0—没有整合;
4—完全整合
4个评估结果表明,所有变量的单因素分析是合适的。
首先,巴特利特的球体检验显著性够大。
第二,KMO值为0.883(可信)。
第三,提取的群体不会导致任何极端值(表七),最后,相关矩阵显示,所有变量至少和一个其他变量有关,相关系数的值为0.4(显着性水平0.01)。
一个详细计划表明四到六个因素应该被使用。
为了指定逻辑标签,使用了6个因子(见表7)。
这些因素解释了78.3%的结果变量的差异。
为了区分从四个集群驱动力量获得的改进,需要进行一个基于这6个结果因子的判别分析。
循环结构矩阵和群体中心表明了各组改善的差异。
这种分类法预测了各组公司的改善比例,集群1(55%),集群3(75%)和集群4(69%),但集群2中只有14%的公司被正确分类。
总共有52.6%的公司正确分类(46.3%有效),而先前的比例是25%。
比较表明:
*旨在协调物料流动(集群1)的公司,已经在库存管理上,提高生产率和交货质量上,获得更多改善,超过了其他公司。
*旨在提高产品的收益和可追溯性(集群2)的公司,有迹象改善了交货质量以及次品率和废品率,但该群的公司关于改善有极大的差异。
*有外部的要求去实施唯一识别的公司(集群3)在所有的方面取得的改进是最少的。
*旨在减少伪造或偷窃的公司(集群4),在次品率和废品率上获得更多的改进。
在提高库存管理、生产力和交货质量上,他们的改进高于平均水平。
上面的差异有统计学意义,99%的可信度。
在因素”人力成本”和”与顾客和供应商的合作”上,并没有统计学差异,有95%的可信度。
数据表明,为了获得唯一识别的改进,信息共享的范围和频率是必要的。
因此,需要对这些问题进行阐述。
3.5.1信息共享的范围
为了提高信息共享的水平
,必须发现信息共享的参与者。
与顾客和供应商的信息共享都在潜在的增加。
目前,很有可能是公司与他们的最重要的客户分享信息(平均3.2)。
与最重要的供应商(2.7),绝大多数的客户信息共享(2.5),且供应商(2.1)范围比较狭窄的。
集群间的差异已经发现。
一个单因子变异数分析测试,描述性统计和×
2测试表,表明集群3中的公司在信息共享方面,有相同的水平。
但几乎没有与他们的供应商实现共享。
交叉表和×
2测试表也显示了其他的不同。
该群的公司比起其他群的公司,他们能和大多数的顾客分享信息,比供应商要多。
比起其他的公司,在集群2中的公司与他们的重要顾客(平均2.71)分享信息较少。
在群1、4的公司与他们的供应商和最重要的绝大部分客户分享更多的信息。
然而,我们应该记住,尽管有差异,各群信息共享的水平都较低。
3.5.2信息共享的频率
与客户和供应商的信息共享的频率变化范围很大,但有些集群显著特征被识别(表VIII)。
在集群1中公司的中值显示,多数的这些公司分享信息的水平,取决于使用唯一识别。
使用频率表分析集群间的公司。
他们显示,在集群1一半的公司在日常中共享信息,异常情况下有25%的公司分享信息。
在集群2公司分享信息的频率是一周,但大多数的公司以一天为频率。
在集群3中绝大多数的公司在特殊情况下才分享信息。
在集群4中的公司的信息共享很高。
表VII基于结果变量的因素的循环组成部分
库存管理
9.40
49.47
改良库存周转率
减少库存水平
减少交货时间
更低的库存点
减少库存空间
提高服务水平
0.852
0.917
0.847
0.921
0.699
0.768
0.633
0.772
0.608
0.625
0.580
1.55
8.18
57.66
改进产能利用率
减少换模时间
0.886
0.788
0.851
0.692
0.767
交货质量
1.20
6.31
63.97
减少交货错误
减少交货成本
提高信息质量
0.747
0.700
0.683
0.687
0.749
与顾客和供应商的合作
1.08
5.68
69.65
面向顾客的物料流的合作
0.793
0.785
来自供应商的物料流的合作
0.677
0.736
改进产品回收的运行
0.642
损耗和报废
0.96
5.05
74.70
更低的损耗
0.794
0.812
更低的报废
0.781
0.815
人力成本
0.68
3.59
78.29
0.745
0.808
消除重复工作
0.731
0.834
3.6前景
在确定了实施的驱动力量,整合程度,其他改进,信息资源共享,改进的局限条件后,我们得到了使用唯一识别的公司的未来前景。
在所有的驱动因素分组中,这些是很相似。
然而,集群与其他不同。
单因子变异数分析测试显示,集群3在很多变量上明显和其他不同。
一般情况下,这个方法明显偏低。
2实验表明,在集群3的公司认为,在2~5年内,,关于存货水平、库存空间、服务水平,交货时间减少,降低运输成本,协调与顾客和供应商的物料流等方面,他们将获得有限的提高。
而其他集群并非如此。
表VIII信息共享频率的中值
分组
信息共
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 工业 工程 专业 毕业 外文 翻译
![提示](https://static.bdocx.com/images/bang_tan.gif)