MétaCan
Menu
Retour à la cohorte
Enregistrement W2533014223 · doi:10.2308/iace-51171

Logistics Costs Behavior and Management in the Auto Industry

2015· article· en· W2533014223 sur OpenAlexaff
Marcela Porporato

Notice bibliographique

RevueIssues in Accounting Education · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésProfitability indexVariable costBusinessFixed costAutomotive industryProfit marginProfit (economics)Cost accountingCost driverCost databaseOperations managementIndustrial organizationMarketingEconomicsFinanceAccountingMicroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This case, based on a real-life situation of how logistics costs function in daily operations, aims to provide students with the opportunity to understand how logistics costs are calculated and how the inter-organizational nature of these costs affects the profitability of two companies. The case hinges on understanding cost behavior (fixed and variable) and on management control systems design. Although logistics costs represent a small fraction of total costs in manufacturing companies, they can negatively affect the bottom line if left unattended. Students are presented with data relating to a three-year project in the automotive industry that shows that the project has been experiencing a sustained increase in costs that has eroded its profit margin. While it appears that logistics costs are the problem, it cannot be verified until the contracts are studied. In addition, the financial- and contract-related data provided are sufficient to extend the profitability analysis to the provider of logistics services. This case is suitable for management accounting courses at the master's or advanced undergraduate level; it has been tested and well received by students who want to gain a greater understanding of logistics costs—their nature, behavior, possible containment strategies, and inter-organizational effects. Data Availability: Some of the data are from public sources, but the logistics contracts and cost schedules are private; the confidentiality agreement with the two companies requires masking certain details and modifying the numeric data.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,073
Tête enseignante GPT0,387
Écart entre enseignants0,314 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssues in Accounting EducationMême sujetERP Systems Implementation and ImpactTravaux en français237 207