MétaCan
Menu
Retour à la cohorte
Enregistrement W3118045864 · doi:10.5267/j.uscm.2020.10.001

The effect of manufacturing agility competencies on lean manufacturing in increasing operational performance

2020· article· en· W3118045864 sur OpenAlexvenueno aff
Budianto Budianto, Surachman Surachman, Djumilah Hadiwidjojo, Rofiaty Rofiaty

Notice bibliographique

RevueUncertain Supply Chain Management · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLean manufacturingBusinessStructural equation modelingProcess managementManufacturing engineeringManufacturingProcess (computing)Manufacturing processLean laboratoryOperations managementComputer scienceMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

This study aims to assess the success of implementing Lean Manufacturing (LM) practices in food companies in Indonesia through the mediating role of Manufacturing Agility Competencies (MAC) to improve Operational Performance (OP). The method used is survey method. The study uses a positivist paradigm to see the effect of Lean manufacturing on operational performance. Testing used Structural Equation Modeling (SEM) by the Partial Least Square (PLS) approach. Finding of this study reveals that lean manufacturing practices have no positive effect on operational performance in Indonesian food industries. Meanwhile, the mediating role of Manufacturing Agility Competencies has succeeded in increasing the effect of Lean Manufacturing on operational performance. The originality of the research lies in the process of forming Manufacturing Agility Competencies as a strategy with a long process based on the experiences and observations made in food companies in Indonesia.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,274
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,209 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetQuality and Supply ManagementTravaux en français237 207