From Digital Integration to Performance: The Critical Role of Orchestration Capability and the Boundary Conditions of External Enterprise Systems Integration
Notice bibliographique
Résumé
Although organizations have heavily invested in digital platforms to enhance supply chain visibility and partner connectivity, many still struggle to respond rapidly and coherently during disruptions. This study explains why enterprise systems integration does not automatically generate agility or performance and identifies the organizational capability that activates the value of digital systems. Drawing on dynamic capability theory, we conceptualize Supply Chain Orchestration Capability (SCOC) as the coordinated decision-activation mechanism through which digital integration is transformed into unified operational execution. We further propose that External Enterprise Systems Integration (EESI) follows a nonlinear inverted U-shaped pattern, whereby moderate external connectivity enhances orchestration, but excessive connectivity generates information overload and coordination friction, weakening execution rather than strengthening it. We position Supply Chain Agility (SCA) as the operational expression of orchestration and theorize that the value of orchestration and agility is amplified under Environmental Complexity (EC). Data were collected over three longitudinal waves from 268 manufacturing SMEs in the United States and Canada and analyzed using PLS-SEM, including nonlinear and moderated mediation effects. The study advances understanding of digital supply chain transformation by showing that enterprise systems create digital potential, but orchestration unlocks that potential, and agility expresses it operationally. The insights offer strategic guidance for firms seeking to convert digital investments into sustained performance advantages.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».