Causes and consequences of bullwhip effect on the boutique industry of Dhaka city
Notice bibliographique
Résumé
The phenomenon of the bullwhip effect (BWE) has become a pressing concern in contemporary supply chain management. Every echelon of the supply chain faces the negative consequences of BWE somehow. So, it is crucial to determine the reasons responsible for the BWE to mitigate the consequences. The boutique industry in Bangladesh is a rapidly growing industrial sector. In this study, we focused on finding the reasons and consequences of the bullwhip effect on the boutique industry in Dhaka city. The main targets of this study are to examine the underlying reasons for the BWE, identify the most significant causes from the perspective of Dhaka city, and determine the major consequences of the bullwhip effect. Studies of previous literature and consultation with experts have identified sixteen common causes behind the bullwhip effect. This study uses a survey-based method; respondents are chosen through clustered sampling. Necessary data have been collected with a semi-organized inquiry form. Among all the 16 causes, six causes are found to be the most significant causes from the perspective of retailers and wholesalers. SPSS Version 26 has been used for statistical analysis to make the final decision. We also found ten consequences commonly faced by these two echelons of the boutiques' supply chain because of the bullwhip effect. These are high inventory costs, workforce wastages and higher labor costs, higher replenishment lead-time, higher transportation costs, tension in the buyer-supplier relationship, product unavailability, loss of profit, poor customer service, etc.
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 | 0,001 |
| 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) | 0,000 | 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 ».