MétaCan
Menu
Retour à la cohorte
Enregistrement W4409732436 · doi:10.1108/intr-03-2024-0333

Process for achieving digital sustainability in smart manufacturing transformation: a case study of a Chinese steel manufacturer

2025· article· en· W4409732436 sur OpenAlexaff
Chenxi Li, Jing Chen, Xiaoxue Hu, Chun‐Qing Li

Notice bibliographique

RevueInternet Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)SustainabilityBusinessDigital transformationTransformation (genetics)Manufacturing engineeringProcess managementSmart manufacturingManufacturing processIndustrial organizationComputer scienceEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to explore how firms can achieve digital sustainability (DS) in smart manufacturing transformation. Design/methodology/approach This study uses techniques drawn from grounded theory to analyze onsite interview data and secondary data collected from a representative Chinese steel manufacturer with a focus on smart manufacturing and constructs a theoretical foundation for this topic. Consequently, this work presents a typology of DS capabilities and a process model for their development. Findings To achieve DS, manufacturing firms should develop three types of DS capabilities (i.e. DS production capability, DS management capability and DS environmental governance capability). The following three key challenges must be overcome in developing DS: the efficiency-oriented legacy infrastructure, the lack of metrics for incorporating sustainability goals into data-driven decision-making and the lack of standardization and corresponding approaches to navigating the regulatory landscape. Manufacturers must implement three processes (i.e. structuring, optimizing and scaling) to address these challenges and develop these three types of DS capabilities. The key subprocesses associated with each process are also identified. Originality/value This study responds to the recent call for DS research by enriching the existing conceptualization of this notion as a singular theoretical concept. It provides a typology of DS capabilities and a process model that can support their development. It thus contributes to the literature on digital transformation by identifying key challenges and relevant solutions in smart manufacturing transformation.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,036
Tête enseignante GPT0,371
Écart entre enseignants0,335 · 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'étudeQualitatif
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternet ResearchMême sujetDigital Transformation in IndustryTravaux en français237 207