ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Purpose This study aims to develop a data-driven circular supply chain management (CSCM) hierarchical model under an extended resource-based view–ecological modernization theory (RBV-EMT), as CSCM requires the restructuring and modification of various resources while focusing on improving technological capabilities and achieving the harmonious integration of economic and environmental practices through enhanced policies and institutional development. Design/methodology/approach Grounded in an extended RBV-EMT framework, this study employs a hybrid approach incorporating data-driven analysis, the entropy weighted method, the fuzzy Delphi method, the fuzzy synthetic evaluation-decision-making trial and evaluation laboratory, and goal programming to identify valid CSCM attributes and develop a valid CSCM hierarchical model under uncertainty. Findings The findings identify valid CSCM attributes under the extended RBV-EMT framework, with technological capabilities and eco-efficient supply chain processes from technological and economic perspectives as the highest-priority resources. In practice, the cooperation and support of stakeholders, resource recovery systems, environmental policies, industrial symbiosis and artificial intelligence are essential for optimizing resource utilization and reducing waste across supply chain stages for improved CSCM. Originality/value Prior studies have failed to provide exhaustive and sufficient CSCM attributes, particularly those that simultaneously account for technological capabilities and external institutional factors. This study fills this gap by developing a data-driven CSCM hierarchical model under an extended RBV-EMT, incorporating eco-efficient supply chain management and technological capabilities as a measurable dimension, offering practitioners and policymakers a validated framework for operationalizing CSCM, particularly within the Indonesian manufacturing industry.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 89/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Sustainable Supply Chain Management · Supply Chain Resilience and Risk Management · Food Waste Reduction and Sustainability
บทบาทของนักวิจัยและสถาบันไทย
Ming K. Lim · Kanchana Sethanan · Ming‐Lang Tseng · Khon Kaen University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง