Research on Evaluation of Intelligent Manufacturing Capability and Layout Superiority of Supply Chains by Big Data Analysis

نویسندگان

چکیده

With the rise of cloud computing, big data and Internet Things technology, intelligent manufacturing is leading transformation mode industrial upgrading industry, becoming commanding point a new round global competition. Based on literature review supply chain, total factor production cost model for its formal expression are proposed. analysis model, 12 first-level indicators 29 second-level line, workshop/factory, enterprise collaboration proposed to evaluate capability chain. This article also further studies layout superiority spatial agglomeration characteristics providing useful reference support enterprises policy makers in decision-making.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

a study on insurer solvency by panel data model: the case of iranian insurance market

the aim of this thesis is an approach for assessing insurer’s solvency for iranian insurance companies. we use of economic data with both time series and cross-sectional variation, thus by using the panel data model will survey the insurer solvency.

a genre analytic study of research papers written by bilingual writers and their beliefs: a case of persian-english writers

تحقیق حاضر گزارشی است از تحلیل بخش مقدمه دو دسته از مقالات که عبارتند از: 11 مقاله از دو نویسنده دوزبانه فارسی زبان, که شامل مقدمه 4 مقاله به زبان انگلیسی و چاپ شده در مجلات بین المللی, مقدمه 3 مقاله به زبان انگلیسی و 4 مقاله به زبان فارسی چاپ شده در مجلات داخلی می شود؛ و 12 مقاله از محققان خارجی که در مجله applied linguistics به چاپ رسیده است. مبنای تئوری این تحلیل ها نظریه سوئلز (1990) یا هما...

15 صفحه اول

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Journal of Global Information Management

سال: 2022

ISSN: ['1533-7995', '1062-7375']

DOI: https://doi.org/10.4018/jgim.294903