The Role of Sustainability for Enhancing Third-Party Logistics Management Performance
Notice bibliographique
Résumé
Technological development and globalization made the supply chain more complex in today’s business environment. In competitive market conditions, shippers tend to outsource most of their logistical activities to Third-Party Logistics (3PL) service providers. These activities have drawn attention of decision makers regarding sustainability concerns. This study examines sustainability initiatives which have been implemented particularly for the 3PL functions namely; transportation, warehousing and packaging services and their influence on performances. Empirical data have been collected through a worldwide online survey which has been sent to industrial experts working in logistics and supply chain management fields. The results were analyzed through the Structural Equation Modelling (SEM). The analysis indicated that, the 3PL functions significantly affect environmental, economic, social and operational performance, except packaging which had no significant impact on economic, operational and social performance, in addition to transportation which had no significant impact on social performance. Regarding the performance outcome and its impact on logistics efficiency, logistics effectiveness and competitiveness, empirical results indicated that there is no significant impact between the variables except, social performance which had a significant impact on logistics efficiency and competitiveness, operational performance which had a significant impact on logistics efficiency, logistics effectiveness and competitiveness. The proposed model and hypotheses developed give further understanding regarding 3PL industries thereby help decision makers in solving the problems related to 3PL sustainability initiatives.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».