Managing highly flexible facilities: an essential complementary asset at risk
Notice bibliographique
Résumé
Purpose Twenty first century problems are increasingly being addressed by multi technology solutions developed by regional entrepreneurial and intreprepreneurial innovators. However, they require an expensive new type of fabrication facility. Multiple technology production facilities (MTPF) have become the essential incubators for these innovations. This paper aims to focus on the issues. Design/methodology/approach The authors address the lack of managerial understanding of how to express the value and operationally manage MTPF centers through the use of investigative case study methods for multiple firms in the study. Findings Owing to the MTPF centers' novelty and outward similarity to high volume semiconductor fabrication (HVF) facilities, they are laden with ineffective operation and strategic management practices. Metrics are the standard for both operational and strategic management of HVF facilities, yet their application to this new type of center is proving ineffectual. Research limitations/implications These new types of regional economic resources may be at risk. A new approach is needed. Practical implications The authors develop an operational and strategic metrics management approach for MTPFs that are based on these facilities' unique nature and leverages both the HVF and R&D metrics knowledge base. Social implications Innovations at the interface of micro technology, nanotechnology and semiconductor micro fabrication are poised to solve many of these problems and become a basis for job creation and prosperity. If a new management technique is not developed, then these harbingers of regional economic development will be closed. Originality/value While there is an abundance of research on metrics for HVF, this is the first attempt to develop metrics for MTPFs.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».