MétaCan
Menu
Retour à la cohorte
Enregistrement W2593568840 · doi:10.4018/ijisscm.2017040102

Path Analysis Model for Supply Chain Risk Management

2017· article· en· W2593568840 sur OpenAlexaff
Satyendra Kumar Sharma, Anil Bhat, Vinod Kumar, Aayushi Agarwal

Notice bibliographique

RevueInternational Journal of Information Systems and Supply Chain Management · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSupply chain risk managementSupply chainOperationalizationAutomotive industryBusinessRisk analysis (engineering)Risk managementSupply chain managementIndustrial organizationMarketingOperations managementService managementEconomicsFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to develop a model to understand the relationship of supply chain risk sources, risk drivers, and risk mitigation strategies to the overall risk exposure of the firm and to validate the model empirically. An attempt has been made to determine the major contributors of supply chain risk as viewed by automotive professionals in today's competitive market. This study empirically validates the effects of the three critical constructs on overall supply chain risk exposure. The limitations of this study can be seen in the use of perceptual data from single informants and the focus on automotive firms in a single country. The detailed operationalization of the constructs sheds further light on the major risk sources, drivers, and mitigation strategies in supply chain networks. Clear evidence of proactive strategies in mitigating risks provides managers with a business case to invest in such initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0010,000
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information Systems and Supply Chain ManagementMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207