MétaCan
Menu
Retour à la cohorte
Enregistrement W2610780356 · doi:10.5539/ibr.v10n6p19

Target Days versus Actual Days of Finished Goods Inventory in Fast Moving Consumer Goods

2017· article· en· W2610780356 sur OpenAlexvenueno aff
Anthony Vaz, Shaheen Mansori

Notice bibliographique

RevueInternational Business Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransportation Systems and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessFast fashionFast-moving consumer goodsStock (firearms)Finished goodSupply chainPopulationCommerceProduct (mathematics)Order (exchange)MarketingHypermarketProfit (economics)ClothingIndustrial organizationEconomicsProduction (economics)MicroeconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

In a bid to maximize corporate profits, many multi-national corporations and even small medium enterprises create many products and place them on shelves at hypermarkets or supermarkets. We can observe an abundance of stock keeping units on shelves as well as observe a variety of such finished goods held by various fast moving consumer goods industries in the home appliance, beverage, canned food, clothes, soft-drinks, cordials and confectionery product ranges, just to name a few. From supplier, manufacturer, distributor, wholesaler and retailer, it appears that there is a constant flow of new products and stock keeping units held for these fast moving consumer goods. We can say that we humans are a rather wasteful species because a large proportion of products become obsolete or slow moving over time and organizations push products into the marketplace to gain competitive advantage and optimize profits. Hence, there is need to address this issue in the field of Supply Chain Management because resources on this planet are limited and we humans live in a very fragile planet. Yet, as population grows, we humans have become used to this over-abundance even though the resources within this planet are becoming more and more scarce. Consumption levels have increased with population growth and with capitalist thinking, virtually anybody can develop businesses that will create products to meet human needs. In the field of Supply Chain Management, managers set polices on when to order and how much to order and the average inventory that results from these inventory replenishment policies become targets. This paper attempts to compare target days of inventory with actual days of inventory held in warehouses for a single organization with many warehouses/ stock keeping units, in an attempt to understand further approaches that can be used to improve inventory waste within supply chains.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
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 savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 GPT0,349
Écart entre enseignants0,277 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetTransportation Systems and InfrastructureTravaux en français237 207