The process management triangle: An empirical investigation of process trade‐offs
Notice bibliographique
Résumé
Abstract Advancing theory and understanding of process management issues continues to be a central concern for operations management research and practice. While an insightful body of knowledge – based primarily on studies at the process‐level – exists on the management of capacity and inventory, the dynamism characterizing most operating and competitive systems poses an ongoing challenge for managers having to mitigate the impact of variability across different levels of operating systems (e.g., production processes, facilities, and supply chains). This paper builds on a conceptual framework, derived from queuing theory and termed the “process management triangle”, to explore the extent to which fundamental trade‐offs between capacity utilization, variability and inventory (CVI) generalize to complex operations and business systems. To do so, empirical analyses utilizing comparatively unique data for the study of these process management issues – and collected from two distinct, vastly different levels of analysis – are presented. First, a simulation‐based facility‐level analysis using teaching case study data is presented. Second, an industry‐level analysis employing archival economic data spanning three multi‐year periods is considered. Collectively, these empirical analyses provide exploratory support for the generalization and extension of analytical insights on CVI trade‐offs to both complex operations and business systems, although with decreasing explanatory power. The implications of these studies for furthering process management theory and understanding are framed around additional research propositions intended to guide future investigation of CVI trade‐offs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».