Assessing supply chain performance through the interplay among success drivers
Notice bibliographique
Résumé
This study examines the success drivers of Supply Chain Performance (SCP). This study aims to examine the interrelationships among various proposed success drivers of SCP that were analyzed individually or collectively in some previous studies. Four proposed forces have been identified in this study including organizational culture, SC relationships, SC integration, and SC innovation. SC integration is seen as a mediating factor between SC relationships and SCP. Using a deductive and quantitative approach that is based on collecting data from (17) companies in the field of logistics using an online survey, the study focuses on four success drivers including organizational culture, SC innovation, SC relationships, and SC integration. Smart PLS 3 software was applied to analyze the data based on the use of Structural Equation Modelling (SEM). The findings confirm that organizational culture and SC innovation have a direct significant impact on SCP. Regarding the mediating role of SC integration, the finds confirmed that SC integration mediates the relationship between SC relationships and SCP. A set of implications and recommendations for decision-makers and researchers are proposed based on the empirical findings of the current study. SC managers must first consider organizational culture and try to create positive supportive cultural attributes. A culture that encourages openness to change, sharing of knowledge, and collaboration seems a necessity to further improve SCP. Additionally, as the study findings emphasized the significant impact of SC innovation, SC managers should encourage innovative initiatives and behavior.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».