Enhancing Operational Performance of Indonesia Pine Chemical Industry Through Delivery Improvement
Notice bibliographique
Résumé
Pine chemical products, namely gum rosin and turpentine oil have become one of the main exported non-timber forest products (NTFPs) from Indonesia. As the biggest pine chemical producer in Indonesia, a State Owned Enterprise named Perum Perhutani is required to operate at its optimum capability. Hence, this study aims to identify and measure some dimensions of operational capability that have the most influence on increasing the export performance of Perhutani. The data are collected through online survey from 207 Perhutani employees who work in pine chemical production lines. Four-point Likert Scale questionnaires are employed to collect the data regarding respondent’s perception on seven dimensions of operational capability, namely Cost, Quality, Delivery, Flexibility, Service, Innovation, and Sustainability. R statistics software is selected to run the tests. By adopting Tukey HSD, a multiple pairwise-comparison technique, Delivery is rated as the most important dimension to enhance export performance. It is significantly proven to have the highest mean score. Another finding indicates that Delivery is found to have fair to moderate correlation to other dimension which directly involved in supply chain activities, i.e. Cost, Quality, Flexibility, and Service. Therefore, this study demonstrates a need for Perhutani top management to set minimum and expected targets of some key indicators of Delivery performance such as on-time delivery, delivery accuracy, length of lead-time, and safe inventory level. The higher the rate of on-time and in-full (OTIF) delivery fulfilled, the higher the opportunity to achieve a better export performance of pine chemical products.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».