MétaCan
Menu
Retour à la cohorte
Enregistrement W4378965605 · doi:10.18280/jesa.560202

Critical Factors of Supply Chain Based on Structural Equation Modelling for Industry 4.0

2023· article· en· W4378965605 sur OpenAlexvenueno aff
Johanes Fernandes Andry, Hadiyanto Hadiyanto, Vincensius Gunawan

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueImpact of AI and Big Data on Business and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingSupply chainBusinessIndustrial organizationComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Industrial Revolution 4.0 encourages the digitalization of manufacturing, especially in terms of improving the supply chain processes.Currently, the development of information technology follows the principles of Industrial Revolution 4.0 in the form of interconnections/connections to communicate with machines, transparency, and technical assistance.The presence of a decision support system, COBIT 5, and ISO 9126 are expected to maximize business processes and technology.Thus, relationship analysis needs to be carried out on decision support systems, COBIT 5, and ISO 9126, to determine the relationship of each variable with the supply chain process.Relationship testing can be performed using statistical tool such as Structural Equation Modelling (SEM).The study focuses in analyzing influence of DSS COBIT 5 variables, ISO 9126 functionality, ISO 9126 reliability, and decision support systems on supply chain management.The primary data are based on questionnaires to employees of the furniture manufacturing industry.The results of this study are DSS COBIT 5, functionality ISO 9126, reliability ISO 9126, and decision support systems significantly affecting the supply chain management process.Thus, the industry needs to focus on implementing these factors so that business processes comply with the standards and principles of the industrial revolution 4.0.

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)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,305
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,186
Tête enseignante GPT0,387
Écart entre enseignants0,201 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetImpact of AI and Big Data on Business and SocietyTravaux en français237 207