A comprehensive survey of contemporary supply chain management practices in charting the digital age revolution
Notice bibliographique
Résumé
A new era of supply chain management has been brought about by the digital age, which is completely changing the way companies organize, carry out, and maximize their operations. This survey report provides an in-depth analysis of supply chain management's present situation in this digital environment. Utilizing a comprehensive analysis of extant literature, papers, and studies, it pinpoints and investigates the pivotal patterns, obstacles, and prospects that enterprises encounter when adopting digital technology inside their supply chains. This article explores the range of digital technologies, including blockchain, artificial intelligence (AI), big data analytics, and the Internet of Things (IoT), that have transformed supply chain management. We provide a classified overview of the area by examining the data from many sources and emphasizing recurring elements that characterize the contemporary supply chain environment. We also take into account the effects of digitalization on corporate operations, such as the difficulties associated with data protection, the necessity of change management, and the possibility of increased productivity. Case studies of industry leaders who have successfully transitioned to the digital era shed light on best practices and offer useful insights. Looking forward, we offer a glimpse into the future of supply chain management, predicting and discussing emerging trends and technologies, such as 5G connectivity and sustainability initiatives. This paper concludes with a call to action, emphasizing the importance of staying ahead in the digital age for organizations seeking to remain competitive, agile, and resilient in an ever-evolving business landscape. It also suggests areas for future research and development, guiding further exploration in the field.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».