Les déterminants de l’excellence manufacturière au sein des PME : vers la disparition des arbitrages traditionnels
Bibliographic record
Abstract
Les nouvelles règles de la compétition obligent de plus en plus les entreprises à maîtriser simultanément plusieurs aspects de la performance manufacturière. Cette réalité diffère de la vision traditionnelle selon laquelle les organisations doivent choisir entre des objectifs tels que la réduction des coûts, la qualité ou la flexibilité. Une étude auprès d’entreprises manufacturières québécoises a été menée afin d’évaluer le degré de résolution de ces arbitrages traditionnels. Des facteurs relatifs à différentes pratiques manufacturières ont été examinés en fonction de diverses priorités de compétition au sein d’un échantillon de 250 PME. Les résultats ont notamment dévoilé qu’un bon nombre de celles-ci ont su résoudre les arbitrages traditionnels et qu’un degré élevé de résolution est associé à une meilleure performance financière. Ces PME les plus performantes se caractérisent par ailleurs par des compétences distinctes liées au processus de développement de nouveaux produits et le recours à une main-d’œuvre plus flexible.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".