Investigating the relationship between supply chain finance and supply chain collaborative factors
Notice bibliographique
Résumé
Purpose It is important to understand the factors that are significant in supply chain (SC) collaboration decision making and whether supply chain collaborative factors that are considered in the literature are still valid. To date, SC collaboration has not been extensively studied in the literature with supply chain finance (SCF) factors to evaluate SCF performance. Therefore, in this paper, the authors investigate the interrelationships between SCF and supply chain collaborative (SCC) factors for achieving SCF performance. The authors identified the most important factors from the literature on SCF and SCC and with inputs from experts in the textile industry in Pakistan. Design/methodology/approach The authors employed the Gray-Decision Making Trial and Evaluation Laboratory approach to help examine the cause-and-effect relationship between the factors and identify the influence of each factor on the others. Findings The findings showed that the most prominent factors of the study are “level of digitalization”, “information sharing”, and “collaborative communication”, and “most effect factors of this study are incentive alignment” and “information quality”. Furthermore, the “Level of digitalization” was identified as the factor with the central role and most significant correlation with other factors. Research limitations/implications The major implication of the study is that textile industries should effectively develop their supply chain decisions after analyzing their internal and external factors, which will help in developing strategies that will facilitate better management of SCF relationships. The limitations of the study are that only 15 SCF and supply chain collaborative factors were considered, and time and scope are also limited. This study is only applied in the textile industry, so generalization may be limited. Originality/value To date, this study is the only one that has taken into consideration SCC with SCF factors to evaluate supply chain performance. This paper therefore makes this initial attempt and original contribution to this discussion, which can be helpful for those working to enhance supply chain performance, such as practitioners and policymakers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».