Appraisal of Logistics Management Issues in the Agro-Food Industry Sector in Ghana
Notice bibliographique
Résumé
Logistics management in the Agro-food industries involves coordination of all activities in the value-chain of transporting goods and services to local, regional and international consumers. There are a lot of logistics related challenges facing agro-food industries in developing countries despite the fact that efficiency in logistics management contributes significantly to the competitiveness of agro-industries worldwide. This study investigates the existing logistics management practices in 20 selected agro-food enterprises in Ghana. Using in-depth case studies methodology, the paper addresses logistics related issues such as transportation and fleet management, infrastructure and equipment, quality of customer service and order management as well as level of ICT usage. Challenges facing small scale enterprises understudied include capital investment to replace old equipment with new ones, inadequate cold storage facilities and lack of training in logistics management among others. For the medium-large scale enterprises, logistic related challenges include inadequate financial support, high cost of fuel to support power generation, inadequate cold vans and poor road networks. Lessons learnt from the large scale agro-food enterprises understudied include (i) efficient planning of logistics needs by short, medium and long term requirements, (ii) maintaining good relationship with customers (iii) outsourcing of some logistics needs as much as possible, like raw material supplies, transportation services and other inbound needs but had in place systems for quality assurance and safety management and (iv) pre-processing activities close to the raw material source. Interventions in the agro-food industries were then examined for potential solutions to the challenges raised by the agro-food enterprises.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».