Benchmarking criteria for evaluating third-party logistics providers in South Africa
Notice bibliographique
Résumé
Background: In South Africa, deemed the ‘gateway to Africa’, there is limited evidence of the existence of a survey ranking third-party logistics providers (3PLs). This lack of comparative information of the major 3PLs based on key outsourcing and ranking criteria complicates the selection process for companies that intend to contract 3PLs.Objective: The purpose of this article was to determine the critical selection and ranking criteria for the creation of an index to evaluate 3PLs in South Africa for developing a 3PL benchmarking index.Method: Survey data were collected from 103 of the Top 500 Companies in Africa that use 3PLs and operate within the sectors that mostly outsource logistics services in South Africa. A factor analysis method was employed.Results: Three factors for 3PLs selection converged: service quality, information management and compliance, and collaboration. The top three ranked categories for 3PLs selection are cost and price structure, service delivery and the relationship with the 3PL provider. Most respondents (90%) confirmed a need for a 3PLs index in South Africa.Conclusion: The results help managers with the strategic selection of 3PLs as these critical logistics outsourcing selection criteria can be used to evaluate and rank 3PLs prior to contracting. Based on the selection criteria for logistics outsourcing identified and ranked in this article, a ranking index for 3PLs in South Africa can be developed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».