MétaCan
Menu
Retour à la cohorte
Enregistrement W4316660801 · doi:10.1109/tem.2023.3234050

Manufacturer's Contexts, Supply Chain Risk Management, and Agility Performance

2023· article· en· W4316660801 sur OpenAlexaff
Mohsin Jat, Muhammad Shakeel Sadiq Jajja, Attique ur Rehman, Sami Farooq

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésSupply chainDynamismBusinessKnowledge managementRisk analysis (engineering)Process managementSupply chain risk managementEmpirical researchIsolation (microbiology)Supply chain managementComputer scienceService managementMarketing

Résumé

récupéré en direct d'OpenAlex

The dynamism of the current business environment emanates significant challenges and disruption risks for supply chains. These vulnerabilities in contemporary supply chains have motivated a substantial academic focus on supply chain risk management (SCRM). In the empirical literature on SCRM, a firm's external environment is conceptualized as a source of risk, and various organizational and technological factors are discussed as influencers of SCRM. However, the factors studied in the literature are generally narrow and analyzed in isolation, which has resulted in a fragmented and inconsistent understanding of the role of organizational and technological setups in SCRM. This study offers a systematic understanding of the antecedents and consequences of effective SCRM by investigating the associations between a manufacturer's environmental, organizational, and technological contexts, SCRM, and agility. The study employs the information processing view as the primary theoretical lens and relies on large-scale multi-industry and multicountry survey data for empirical analysis. In contrast to the threat-rigidity thesis, the findings of this study suggest that manufacturers seek collaborative and flexible work settings to respond to environmental challenges. Besides increasing efficiency, such organizational settings and enhanced technological setups can increase information processing capability to enable SCRM and agility. These findings challenge the suggestions that initiatives taken for efficiency can increase the risk factor and deteriorate performance. The study provides novel insights into the underlying information processing mechanisms for effective SCRM and highlights the importance of organizational and technological setups in enhancing these core mechanisms.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207