MétaCan
Menu
Retour à la cohorte
Enregistrement W4394886140 · doi:10.5267/j.uscm.2024.2.016

The role of artificial intelligence on digital supply chain in industrial companies mediating effect of operational efficiency

2024· article· en· W4394886140 sur OpenAlexvenueno aff
Abdel‐Aziz Ahmad Sharabati, Heba Ziad Awawdeh, Samer Sabra, Hazem Khaled Shehadeh, Mahmoud Allahham, Ahmad Ali

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupply chainSupply chain managementOperational excellenceAgile software developmentService managementComputer scienceKnowledge managementProcess managementFlexibility (engineering)BusinessMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

The research aims to investigate the potential impact of Artificial Intelligence (AI) on the digital supply chain in light of extant literature on the Decision-Oriented Information (DOI) theory and the Technology-Oriented Enterprise (TOE) framework. The research further attempts to unpack the strategic implications of AI integration in supply chain management, and its association with operational excellence and business model innovation. The study is exploratory and employs a mixed-methods approach. We develop propositions that examine the decision-making processes within AI-enhanced supply chains based on an analysis of concepts central to the DOI theory. We also employ the TOE framework to develop further propositions regarding the technological infrastructure required for AI implementation. Empirical case studies encompassing AI applications in different industries (e.g. manufacturing, healthcare, and pharmaceuticals) are presented to gain a broad perspective of the impact of AI on the digital supply chain. AI technologies inherently make supply chains more agile, transparent, and responsive. Machine Learning algorithms allow for more accurate forecasting and demand management under conditions of supply chain risk and volatility. Robotics and automation, allow for greater flexibility and efficiency in executing operations and logistics. Additionally, the successful implementation of AI is heavily contingent on the organization’s current level of technological infrastructure and its alignment with its current and future business objectives. Furthermore, the DOI theory and TOE framework may serve as a blueprint for how one could evaluate AI implementation beyond the scope of supply chain management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,003
Communication savante0,0080,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,015
Tête enseignante GPT0,239
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations18
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetDigital Transformation in IndustryTravaux en français237 207