The human-machine interface enables collaborative decision-making and supply chain flexibility to boost operational performance
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
Using technology, such as human-machine interfaces, can enhance operational performance processes and increase the flexibility of the supply chain. Human-machine interfaces can produce operational control systems quickly and accurately. The research aims to explore the impact of human-machine interface on operational performance through collaborative decision making and supply chain agility. The sample criteria are the manufacturing companies with over 20 employees in Indonesia. The questionnaires were distributed offline (76 respondents) and online through Google Forms (427 respondents), so 503 questionnaires were valid—data processing using SmartPLS software version 4.0. The study results showed that the human-machine interface technology positively affects collaborative decision-making, supply chain flexibility, and operational performance with coefficients of 0,559, 0,490, and 0,340, respectively. Collaborative decision-making involving customer partners in planning decisions and communicating decisions with external partners influences supply chain flexibility by a coefficient of 0.375 and operational performance by 0.149. Moreover, supply chain flexibility with flexible planning and production processes and flexible labor placement influences operational performance by a coefficient of 0.381. The practical contribution of research enlightens company managers to build integrated systems and automation. It encourages top management and owners to think about investing in machines with high automation in the economy. Besides, these findings enrich the theoretical background in supply chain management and the resource-based view.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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