MétaCan
Menu
Retour à la cohorte
Enregistrement W4409645037 · doi:10.1016/j.dajour.2025.100577

Multi-criteria decision making to explore the relationship between supply chain mapping and performance

2025· article· en· W4409645037 sur OpenAlexafffund
Md Ainul Kabir, Sharfuddin Ahmed Khan, Angappa Gunasekaran, Muhammad Shujaat Mubarik

Notice bibliographique

RevueDecision Analytics Journal · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversity of Regina
Organismes subventionnairesUniversity of Regina
Mots-clésSupply chainChain (unit)Process managementComputer scienceBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

In today’s highly dynamic and volatile business environment, the performance of a supply chain significantly depends on its structure, technological capabilities, and the adaptability of its constituent stages. Supply chain mapping, an approach to represent complex supply chain networks, is crucial for enhancing supply chain performance by identifying critical linkages, flows, and relationships. Despite its strategic importance, the specific impacts of supply chain mapping attributes on various performance indicators remain underexplored. Addressing this research gap, this study investigates the relationships between key supply chain mapping attributes ( e.g ., information flow, lead-time, mode of transportation) and supply chain performance indicators ( e.g ., reliability, responsiveness, agility). To achieve this, the study employs a multi-step analytical approach: first, relevant attributes are identified through a systematic literature review; second, these attributes are validated using the Delphi method involving international supply chain experts; finally, the Grey Decision-Making Trial and Evaluation Laboratory (Grey-DEMATEL) technique is applied to establish interrelationships among the attributes. Findings reveal that information flow is the most influential supply chain mapping attribute, significantly impacting multiple performance indicators, especially supply chain responsiveness. The novelty of this research lies in its integrative use of Delphi and Grey-DEMATEL methods, providing practitioners with actionable insights into effectively leveraging supply chain mapping to achieve strategic performance improvements. • Analyze the relationship between supply chain mapping and performance using decision analytics. • Identify information flow as the most critical factor influencing supply chain performance. • Utilize the Delphi method and Grey-DEMATEL technique for structured decision-making. • Highlight transportation mode and material flow as key drivers of operational efficiency. • Provide practical insights for managers to enhance supply chain responsiveness and strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,035
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0110,008
Études des sciences et des technologies0,0020,002
Communication savante0,0060,003
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,356
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDecision Analytics JournalMême sujetQuality and Supply ManagementTravaux en français237 207