Adoption and risk of ERP systems in manufacturing SMEs: a positivist case study
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 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 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 découle