MétaCan
Menu
Retour à la cohorte
Enregistrement W2792123558 · doi:10.1080/17509653.2017.1387821

Investigating critical criteria for supplier quality development

2018· article· en· W2792123558 sur OpenAlexaff
Khosrow Noshad, Anjali Awasthi

Notice bibliographique

RevueInternational Journal of Management Science and Engineering Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Process managementSupplier relationship managementQuality managementOrder (exchange)Product (mathematics)BusinessQuality management systemProcess (computing)Computer scienceQuality policyRisk analysis (engineering)Operations managementSupply chain managementService (business)Supply chainMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

Identifying critical criteria for supplier quality development is vital for improving the performance of suppliers. In this paper, we determine critical criteria for supplier quality development based on review of literature and discussion with supplier quality experts from industry. The criticality of the criteria is determined based on: (a) Kano’s model (must haves, satisfiers, dissatisfiers); (b) Hill’s manufacturing strategy (order winners and order qualifiers); and (c) criteria weights. The results of the study yield the following as the must-be and order winning elements for supplier quality evaluation: price; delivery performance; service; environment; health and safety; ISO 9000; European Foundation for Quality Management; quality management policy; understanding of customer requirements; supplier product quality; process control; quality inspection programs; process for handling complaints; and a system for corrective action. For supplier quality development, the must-haves and order winning elements are: honoring outstanding suppliers; involving suppliers early in product and process development; and sending instructors and technical consultants to the supplier’s site. The proposed results have strong practical applicability and can be used by decision makers for supplier performance evaluation, setting targets for performance improvement, resource allocation for supplier quality development, and designing necessary operations for improving the performance of their suppliers.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
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 Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management Science and Engineering ManagementMême sujetQuality and Supply ManagementTravaux en français237 207