The extent of logistics outsourcing among small and medium-sized manufacturing enterprises in Nairobi
Notice bibliographique
Résumé
Background: Small and medium-sized manufacturing enterprises (manufacturing SMEs) can facilitate economic growth and development by creating employment and spurring economic activities at low levels of the economy. The performance of SMEs in Kenya has, however, been poor, despite their significance. This poor performance is attributed to the high costs of logistics operations in the country. Manufacturing SMEs can, however, improve the performance of their logistics operations by adopting appropriate logistics outsourcing strategies.Aim: The purpose of this study is to determine the extent of logistics outsourcing among manufacturing SMEs in Nairobi.Setting: Manufacturing SMEs in Nairobi operate from the industrial zones of the Nairobi City County. The enterprises’ logistics operations are characterised by long cycle times, high transportation costs and limited resources. The high operational costs experienced by the SMEs threaten their survival, and they are therefore required, among other things, to manage their logistics more efficiently to improve overall performance.Method: A quantitative research design was used in this study. Data were collected from 163 manufacturing SMEs using a structured questionnaire. Descriptive statistics and (a one-way analysis of variance) ANOVA were used to analyse the data.Results: Most (94%) of the manufacturing SMEs opted to outsource their logistics operations, although the extent of outsourcing was limited (1% – 50% of logistics operations were outsourced). Logistics outsourcing by the SMEs is intended to reduce logistics costs and supplement the limited in-house capabilities. In addition, there were significant differences in the extent of outsourcing of operational, information processing and value-added categories of logistics activities.Conclusion: The results motivate SME owners and managers to acquire logistics resources and capabilities that are lacking in-house through logistics outsourcing to achieve the required efficiencies. Although the majority of SMEs have embraced logistics outsourcing, the low extent of its usage within the enterprises might have limited the ability to achieve high efficiencies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».