Strategic justification of integrated resource planning tools in organizations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This paper presents a novel multi-objective optimization model aimed at enhancing the success rate of resource planning (RP) implementation. The model optimization is developed based on the organizational structure types, fit-gap contingency analysis reports, uncertainty optimization problems on implementation schedule time and relative time and budget constraints. Design/methodology/approach Two pivotal strategies are employed: RP tools redesign through customization and organizational redesign. The synergistic integration of these strategies is essential, recognizing that RP tools implementation success hinges not only on technical aspects but also on aligning the system with organizational structure, culture and practices. In the analysis phase, a committee of experts identifies the initial gaps, which are evaluated through three conflicting objective functions: cost, time and penalty and running by the e-constraint method. In case of uncertainty nature time of RP tools implementation, the Activity-on-Arrow (A-O-A) method has been utilized. Findings The e-constraint method is utilized to derive the Pareto-optimal front, representing solutions effectively addressing identified gaps. A compromised solution is then proposed using the LP-metric method to strike a balance between conflicting objectives, ultimately improving RP tool implementation by reducing misfits. Originality/value To demonstrate and validate the model, a controlled case study is initially presented, illustrating its effectiveness. Subsequently, a real industry case study is provided, further validating the model’s applicability and practical relevance. This comprehensive approach offers valuable insights to optimize RP tool implementation outcomes, a critical concern for organizations undergoing technological transitions.
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.
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 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 découle