A hierarchical model for critical success factors in apparel supply chain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Supply chain management plays an important role in sustaining businesses in today's competitive environment. Therefore, industrial managers are focusing on exploring the key performance improvement attributes of supply chain management to achieve a better position in the global market. Aimed at ensuring best supply chain management practices, this study presents the key performance improvement attributes, known as critical success factors (CSFs), within the context of the apparel supply chain of Bangladesh. Design/methodology/approach In this paper, the interpretive structural modeling method (ISM) has been applied to develop a structural framework to analyze the contextual relationship among the factors under consideration. MICMAC (Matriced' Impacts Croise´s Multiplication Applique´e a´ unClassement) analysis has also been performed to define the classification of the CSFs in terms of their driving and dependence power. Findings The research findings reveal that supply chain collaboration/partnership and customer satisfaction are of crucial importance to success in the context of supply chain management of the readymade (RMG) garments industry of Bangladesh. Further evidence suggests that these, along with other success factors, can assist in achieving a competitive advantage and better market position. A number of theoretical and managerial implications have been provided for managers and practitioners, and for further evaluation of the study. Originality/value This paper considers a new supply chain problem which identifies and evaluates critical success factors. This paper also develops a new structural model for evaluating critical success factors.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle