Multi-tier sustainable supply chain management: a case study of a global food retailer
Notice bibliographique
Résumé
Purpose Implementing sustainable practices in multi-tier supply chains (MTSCs) is a difficult task. This study aims to investigate why such endeavours fail and how MTSC partners can address them. Design/methodology/approach A single-case study of a global food retail company was used in this study. Semi-structured interviews with the case firm and its first- and second-tier suppliers were used to collect data, which were then qualitatively analysed using thematic analysis. Findings Major barriers impeding the implementation of sustainability in multi-tier food supply chains were revealed such as the cost of sustainability, knowledge gap, lack of infrastructure and supply chain complexity. Furthermore, the findings reveal five possible solutions such as multi-tier collaboration and partnership, diffusion of innovation along the chain, supply chain mapping, sustainability performance measurement and capacity building, all of which can aid in the improvement of sustainability practices. Research limitations/implications Future research should investigate how specific barriers and drivers affect specific aspects of sustainability, pointing practitioners to specific links between the variables that can aid in tailoring sustainability oriented investment. Practical implications This research supports managerial comprehension of MTSC sustainability, pointing out ways to improve sustainability performance despite the complex multi-tier system of food supply chains. Originality/value The research on MTSC sustainability is still growing, and this research contributes to the debate about how MTSCs can become more sustainable from the perspective of the triple bottom line, particularly food supply chains which face significant sustainability challenges.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».