Preventing supplier non-conformance: extending the agency theory perspective
Notice bibliographique
Résumé
Purpose The supply chain management literature and agency theory suggest that preventing supplier non-conformance—a supplier's failure to conform to the requirements of the buyer—requires monitoring supplier behavior. However, case studies collected to explore how buyers monitored suppliers revealed an unexpected empirical phenomenon. Some buyers believed they could prevent non-conformance by either trusting their suppliers or relying on a third party, without monitoring their behavior. The purpose of this article is to examine conditions when buyers should monitor supplier behavior to prevent non-conformance. Design/methodology/approach This article employs a mixed-method design by formulating an agent-based simulation grounded in the case-study findings and agency theory to reconcile observed unexpected behaviors with scholarly suggestions. Findings The simulation results indicate that buyers facing severe consequences from non-conformance should opt to monitor supplier behavior. Sourcing from trusted suppliers should only be reserved for buyers that lack competence and have a small number of carefully selected suppliers. Moreover, buyers facing minor consequences from non-conformance should generally favor sourcing from trusted suppliers over monitoring their behavior. The results also suggest that having a third-party involved in monitoring suppliers is an effective path to preventing non-conformance. Originality/value By combining a simulation with qualitative case studies, this article examines whether buyers were making appropriate decisions, thereby offering contributions to theory and practice that would not have been possible using either methodological approach alone.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».