Supply Chain Risk Mitigation: Modeling an Approach for Greater Visibility in Moroccan Automotive Industry
Notice bibliographique
Résumé
Managing the customer-supplier relationship in procurement has always been characterized by its complexity, especially during crises.Large enterprises manage to mitigate risk thanks to their ability to adopt high-performance tools that ensure real-time visibility across their entire supply chain (SC).In contrast, small and medium-sized firms struggle to adapt.This study examines visibility enhancement strategies in emerging automotive markets taking the Moroccan model as a leading example, revealing that there are effective technological tools that are not accessible or widely adopted by most companies.To fill this gap, this study presents a conceptual architecture of a decision support tool that will assist manufacturers and researchers alike in achieving better visibility of their supply chain and identifying capacity risks based on the trilogy of customer, Tier I, and Tier II suppliers.Findings reveal that managing risk in the supply chain requires a multifaceted approach.Firstly, it identifies crucial measures such as establishing backup suppliers and planning overtime based on stakeholders' responsibilities, which are essential for mitigating risk.Secondly, the study proves that risk localization within the supply chain is feasible, enabling companies to target their risk management efforts more effectively.Finally, it underscores the significance of monitoring supplier performance through a dedicated key risk indicator (KRI) called supplier risk follow-up (SRF-U), ensuring that suppliers meet performance standards.These findings collectively provide a comprehensive strategy for improving supply chain resilience (SCR) and efficiency.This study implements a short-term solution, increases visibility, and responds quickly to complicated crises.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».