The influence of supply chain integration on firm performance through lean manufacturing, green supply chain management and risk management
Notice bibliographique
Résumé
The rapid development of technology has enabled companies to integrate internal and external partners working together in the supply chain network. Supply chain integration allows fast information to facilitate real-time and reliable decision-making. This study investigates the role of supply chain integration on firm performance through adopting lean manufacturing, green supply chain management, and risk management. The study surveyed manufacturing companies implementing ISO 14000 to represent green supply chain management and integrated information technology as a form of integration. The questionnaires were distributed using a Google form, and 93 valid responses were obtained. Data analysis employed a partial least square approach with SmartPLS software 4.1 version. The data processing results found that supply chain integration increased lean manufacturing by 0.684, green supply chain management by 0.451, and supply chain risk management by 0.333. Lean manufacturing companies using a continuous process control system and process improvements significantly improve green supply chain management by a path coefficient of 0.477, supply chain risk management by 0.206, and firm performance by 0.370. Green supply chain management significantly impacts supply chain risk management by a coefficient of 0.416 and firm performance by 0.189. Supply chain risk management with a system for detecting operational process risks and emergency procedures in overcoming changes in customer orders affects the increase in firm performance by 0.354. The practical contribution of research provides insight for practitioners to invest in information technology and adopt ISO 14000 implementation. Theoretical contributions in developing resources-based view theory in adopting green supply chain management and lean manufacturing.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».