MétaCan
Menu
Retour à la cohorte
Enregistrement W2034983526 · doi:10.1155/2015/198385

Understanding Transferable Supply Chain Lessons and Practices to a “High‐Tech” Industry Using Guidelines from a Primary Sector Industry: A Case Study in the Food Industry Supply Chain

2015· article· en· W2034983526 sur OpenAlexaff
Adrián E. Coronado Mondragón, Etienne S. Coronado

Notice bibliographique

RevueThe Scientific World JOURNAL · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTraceabilitySupply chainBusinessFlexibility (engineering)Food industrySupply chain managementIndustrial organizationWork (physics)High techCommerceMarketingManufacturing engineeringComputer scienceEngineeringMechanical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Flexibility and innovation at creating shapes, adapting processes, and modifying materials characterize composites materials, a "high-tech" industry. However, the absence of standard manufacturing processes and the selection of materials with defined properties hinder the configuration of the composites materials supply chain. An interesting alternative for a "high-tech" industry such as composite materials would be to review supply chain lessons and practices in "low-tech" industries such as food. The main motivation of this study is to identify lessons and practices that comprise innovations in the supply chain of a firm in a perceived "low-tech" industry that can be used to provide guidelines in the design of the supply chain of a "high-tech" industry, in this case composite materials. This work uses the case study/site visit with analogy methodology to collect data from a Spanish leading producer of fresh fruit juice which is sold in major European markets and makes use of a cold chain. The study highlights supply base management and visibility/traceability as two elements of the supply chain in a "low-tech" industry that can provide guidelines that can be used in the configuration of the supply chain of the composite materials industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0050,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,368
Tête enseignante GPT0,365
Écart entre enseignants0,003 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific World JOURNALMême sujetQuality and Supply ManagementTravaux en français237 207