Assessing the role of green supply chain management on operational performance: mediating role of information technology infrastructure, internal and external integration Indonesian manufacturing
Notice bibliographique
Résumé
Manufacturing companies constantly strive to build sustainable performance to survive fierce business competition. Besides, the company should be committed to protecting the environment by paying attention to the role of supply chain members. Companies should collaborate with external partners, enabling them to fulfill customers' needs for environmentally friendly products. This study explores the effect of green supply chain management on operational performance with the mediating role of information technology infrastructure, internal integration, and external integration. This study surveyed manufacturing companies in Indonesia using structured questionnaires designed with a five-point Likert scale. The questionnaire is designed using Google Forms, and the links are distributed to respondents through email, WhatsApp, and other social media. As many as 245 responses were obtained and valid for analysis. The data processing used SmartPLS software version 4.0. The hypothesis test results found that green supply chain management influences information technology infrastructure, internal integration, external integration, and operational performance. Information technology infrastructure impacts improving internal integration, external integration, and operational performance. Internal integration has an impact on external integration and operational performance. External integration has an impact on improving operational performance. The research contributes to managerial practice by adopting the ISO 14001 standard in green supply chain management. for companies to make improvements. These findings also enrich the current research in supply chain management theories.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| 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 ».