MétaCan
Menu
Retour à la cohorte
Enregistrement W2760807156 · doi:10.5267/j.uscm.2017.8.001

Information flow in supply chain: A fuzzy TOPSIS parameters ranking

2017· article· en· W2760807156 sur OpenAlexvenueno aff
Farnoush Farajpour, Amir Yousefli

Notice bibliographique

RevueUncertain Supply Chain Management · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)Supply chainInformation flowTOPSISComputer scienceFlow (mathematics)Fuzzy logicBusinessOperations researchOperations managementEconometricsData miningMathematicsEconomicsArtificial intelligenceMarketing

Résumé

récupéré en direct d'OpenAlex

Flow of information in supply chain is as prominent as material and financial flows and among these three aspects of a supply chain, information flow could be of great importance since it provides a basis for a steady flow of goods and finance as well.To help managers control the flow of information in an effective way, first, the parameters which affect the flow of information should be determined.Then, if the parameters can be controlled carefully, the information will be shared correctly and in a timely manner among supply chain members.This paper identifies the influencing parameters on proper flow of information in supply chain and provides a list of parameters based on the literature as well as the industrial and academic experts' opinions.Afterwards, in order to define the degree of importance for each parameter from the experts' perspective, fuzzy TOPSIS method is employed and the parameters are ranked based on three criteria, namely "measurability", "being illustrative" and "parameters relevancy" to the issue of information flow.The research findings show that "Supply Chain Hardware Capabilities", "Supply Chain Network Infrastructure", "Information Software Capabilities", "Information Sharing Timeliness", "Information Recency" and "Organizational Rewards" received the highest priorities, while "Power of Internal and Inter-personal Communications", "Users' Trust" and "Users' Tendency" were standing at the bottom of this ranking.The results of this research could be employed as an input for strategy development process for supply chain information management activities.Thus, the awareness of each parameter's importance in proper flow of information, helps us make appropriate strategies to improve information management in the supply chain.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0160,016
Études des sciences et des technologies0,0020,001
Communication savante0,0080,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,266
Écart entre enseignants0,229 · 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'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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetBig Data and Business IntelligenceTravaux en français237 207