MétaCan
Menu
Retour à la cohorte
Enregistrement W4285289908 · doi:10.5267/j.uscm.2022.5.006

How supplier relationship management and manufacturing flow management practices affect the firm financial performance: The mediating role of competitive advantage

2022· article· en· W4285289908 sur OpenAlexvenueno aff
Wannee Sutthachaidee, Nipawan Poojom, Swe Swe Zin, Peeraya Techakhu, Kittisak Jermsittiparsert

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessSupply chain managementSupply chainIndustrial organizationFlexibility (engineering)Supplier relationship managementCompetitive advantageProduction (economics)Product (mathematics)Supply chain risk managementService managementOperations managementMarketingEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The main objective of the current study is to investigate the impact of supplier relationship management and manufacturing flow management practices on the financial performance. Additionally, the study examines the mediating role of competitive advantage in the relationship between supplier relationship management and manufacturing flow management practices and financial performance. The firm’s growth is considered to have a significant influence by managing the supply base only rather than the complete performance. The important role of supply chain management has pointed out the requirement of the firm to efficiently develop the supply chain to get the maximum result in terms of its performance and business outcome. The production procedures include many functions inside the company and the further period of the producer in the supply chain. However, it depends upon the whole supply chain to develop a procedure of easy and all possible product movement, the same case occurred to gain the desirable flexibility.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,001
Science ouverte0,0010,004
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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