MétaCan
Menu
Retour à la cohorte
Enregistrement W2066305976 · doi:10.1108/01443570510599692

Antecedents and performance outcomes of advanced manufacturing systems sophistication in SMEs

2005· article· en· W2066305976 sur OpenAlexaffabout
Louis Raymond, Josée St‐Pierre

Notice bibliographique

RevueInternational Journal of Operations & Production Management · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésSophisticationBusinessContext (archaeology)Order (exchange)Industrial organizationKnowledge managementProcess managementSmall and medium-sized enterprisesMarketingOperations managementComputer scienceEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose – In order to deepen one's knowledge and further build theory on the implementation and use of advanced manufacturing systems (AMS) in small and medium‐sized enterprises (SMEs), the present research seeks to explore the following questions: What is the present level of AMS sophistication in SMEs? What characteristics of the SMEs' strategic, organizational and entrepreneurial context are associated with higher levels of AMS sophistication? And what are the operational and business performance impacts of this sophistication for small and medium‐sized manufacturers? Design/methodology/approach – A survey of 248 Canadian manufacturers was used to collect data that were analyzed by structured equation modeling. Findings – AMS sophistication significantly impacts both the operational performance and the business performance of SMEs. Antecedents of this sophistication include the education and experience of the owner‐manager, the strategic orientation of the firm, the type of production, and the commercial dependency of small manufacturers. Research limitations/implications – The nature of the sample and perceptual nature of certain measures impose care in generalizing the results of the study. Future research should examine environmental factors (e.g. environmental uncertainty) and structural factors (e.g. structural complexity) in particular for added explanatory power of AMS sophistication. Practical implications – Small business managers, wanting to increase their firm's manufacturing flexibility, reduce costs, improve quality, and eventually increase profitability, should look at the present level of AMS sophistication in conjunction with their strategic intent. Originality/value – Given the dearth of empirical knowledge in this regard, the present study has contributed to a better understanding of the nature and state of AMS sophistication in small manufacturing firms, and of the antecedents and outcomes of this sophistication.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations109
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Operations & Production ManagementMême sujetInnovation and Knowledge ManagementTravaux en français237 207