Quel niveau de connectivité pour votre chaîne logistique?
Bibliographic record
Abstract
Résumé La communication est un des principes clés de la gestion de la chaîne logistique. Elle permet d’obtenir chez les clients et les fournisseurs les informations et les connaissances qui favoriseront le déroulement des activités courantes de l’entreprise tout en supportant le développement accéléré des nouveaux produits et procédés. C’est ainsi qu’intervient la notion de connectivité dans la chaîne logistique, soit le recours à des mécanismes adéquats de partage des informations et des connaissances favorisant un transfert rapide en vue de soutenir les décisions associées à la gestion de la chaîne logistique et à la valorisation des connaissances qui y sont liées. Cet article présente les résultats d’une enquête visant à mesurer la connectivité dans la chaîne logistique des entreprises manufacturières canadiennes. Les données recueillies auprès de 509 participants nous amènent à conclure à une connectivité plutôt limitée. Les entreprises de notre échantillon partagent des informations de nature opérationnelle principalement, et le font à une fréquence relativement faible. Lorsqu’elles partagent des informations de nature stratégique véhiculant un savoir-faire, elles le font principalement avec leurs clients. En outre, les participants dosent leurs mécanismes d’échanges, lesquels se situent entre des approches très personnalisées et le recours aux technologies de l’information, en passant par le recours à des mécanismes hybrides.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".