Adoption and risk of ERP systems in manufacturing SMEs: a positivist case study
Notice bibliographique
Résumé
Purpose In order to deepen the knowledge and further advance theory on enterprise resource planning (ERP) implementation in small‐ to medium‐sized enterprises (SMEs), this paper seeks to explore the following question: what can be done to minimize the risk of ERP system implementation, from the adoption stage onwards, in a small manufacturing firm? Design/methodology/approach The research method is based on a positivist holistic single‐case design in order to perform an initial test of a process model of ERP system adoption by SMEs. The unit of analysis selected by purposeful sampling is a small manufacturing business. Findings In attempting to minimize the risk of ERP implementation, the small manufacturing firm applied three principles, eight policies and ten specific practices in adopting ERP. Research limitations/implications The research design, based upon a single‐case study, imposes care in generalizing the results of the study. This design, however, allowed the identification and understanding of the risk of ERP from a managerial/practical standpoint, as opposed to a research/theoretical standpoint. Practical implications In managerial terms, the results show that highly formalized management is not necessary to minimize ERP implementation risk in the context of SMEs. Originality/value Few studies have focused on the adoption process within the ERP implementation cycle. The proposed model, as validated empirically in this study, adds to the understanding of this process in small‐manufacturing firms, especially as regards the minimization of implementation risk from the adoption stage onwards.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».