MétaCan
Menu
Retour à la cohorte
Enregistrement W2898745996 · doi:10.5267/j.uscm.2018.8.002

Supplier service quality in supply chains of Indian SMEs: A dual direction dyadic perspective

2018· article· en· W2898745996 sur OpenAlexvenueno aff
Surjit Kumar Gandhi, Anish Sachdeva, Ajay Gupta

Notice bibliographique

RevueUncertain Supply Chain Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDual (grammatical number)BusinessPerspective (graphical)Supply chainService qualityQuality (philosophy)Service (business)Industrial organizationMarketingOperations managementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the role played by service quality at supplier-manufacturer dyad in small-medium manufacturing units, and presents a model to establish that contribution of both the supplier and manufacturer towards service quality could lead to satisfaction followed by loyalty. The research design for this study includes a combination of literature survey, exploratory interviews with practitioners, and a questionnaire survey conducted through interview schedule from 120 respondents working in different small-medium manufacturing units of North India. Structural equation modeling (SEM) is used for data analysis. The paper develops dual directional scales to evaluate service quality at supplier-manufacturer dyad and tests a set of four propositions. A model showing linkages of manufacturer (manufacturing unit's) service quality with supplier service quality leading to satisfaction and loyalty is also developed. The model is empirically tested and is found to be fit. This study would be of interest to SME managers particularly engaged in 'purchase' function and researchers working on inter-firm supply chains in such units. This study recommends forming strong collaborative relationships with suppliers to achieve a win-win situation.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,275
Écart entre enseignants0,257 · 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.

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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207