Understanding product lifecycle management and supporting systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study attempts to expand knowledge of product lifecycle management (PLM) and supporting systems. Its objective is threefold: first, to identify and assess the impact of two key PLM building blocks on new product performance. Second, to use the aforementioned PLM building blocks to highlight the distinctive nature of PLM and closed‐loop PLM systems. Third, to demonstrate that the closed‐loop PLM system provides more new product benefits than the PLM system and that the usage of the closed‐loop PLM system is positively related to new product development. Design/methodology/approach The research hypotheses were tested on data collected from 87 manufacturers in the transportation equipment manufacturing industry in one Canadian province. Findings The findings show that only ten manufacturers have adopted a closed‐loop PLM system. As expected, the results show that the two key PLM building blocks, namely operational integration and information system (IS) usage, are positively related to new product development. Findings also show that the level of forward operational integration is similar in the closed‐loop PLM system and in the PLM system, while the level of backward operational integration, the usage of the PLM system and new product development are higher in the closed‐loop PLM system. Finally, the results demonstrate that the usage of the closed‐loop PLM system is positively related to new product development. Originality/value This contribution should give academics and practitioners alike a better understanding of the role and benefits of PLM and its supporting systems (the PLM system and the closed‐loop PLM system).
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle