4.1.1. Node-Level PropertiesOne of

4.1.1. Node-Level Properties

One of the most commonly used SNA metrics is node centrality. Centrality refers to the relative importance or prominence of a firm in the SCS, where firms with higher levels of centrality are found to have more power and control overperipheral firms. There are many variants of the centrality measure, such as those based on direct ties (degree), shortest path (closeness), and others based on geodesic distance (betweenness or brokerage). Each captures a different aspect of firm power and influence in an SCS [Kim et al., 2011]. Studies have utilized several centrality measures to explain the various capabilities that central firms possess due to their network position [Yu et al., 2008; Li and Choi, 2009; Nair and Vidal, 2010; Kim et al., 2011]. In the context of complex product development, for instance, studies have used several centrality measures to evaluate task interactions and bring to light previously undetected trends and properties in the product development process [Collins, Yassine, and Borgatti, 2009; Gokpinar, Hopp, and Iravani, 2010; Bartolomei et al., 2012]. A well-known measure not yet exploited in operations and SCM literature is Bonacich power centrality, which will give
a higher score to a firm directly connected to several other well-connected entities, making this focal firm both central and powerful [Bonacich, 1987]. Another common node-level property used in the supply network literature is the clustering coefficient, defined as the proportion of its direct links that are also directly linked to each other. In the context of alliance-based networks, firms with dense clustering have been shown to experience greater collaboration, resource pooling, and problem solving because of factors such as increased trust within structurally embedded, dense cliques [Schilling and Phelps, 2007]. With the exception of Nair and Vidal’s [2010] study, there is a void of operations and SCM studies examining the linkage between clustering and firm or SCS performance. Another important SCS measure is embeddedness, which combines centrality and clustering.SCS entities (e.g., buyers)benefit more by evaluating and managing other SCS entities (e.g., suppliers) based on both their internal capabilities as well as their structural and relational embeddedness within the SCS [Autry and Griffis, 2008; Choi and Kim, 2008; Bernardes, 2010].

4.1.2. Network-Level Properties

At the network level, there are several key measures for describing SCS architecture. The first is network density, defined as the proportion of actual ties in the network over the maximum possible number of ties in the network. A highly dense SCS is not always desirable or beneficial, especially given the added coordination burden placed on network entities as well as a great deal of unnecessary and costly redundancy that may arise [Kim et al., 2011]. Another measure, centralization, measures the extent that one or more actors in the network are considerably more centrally connected than others, and can be used to identify the distribution of power and prestige across the SCS [Choi and Hong, 2002; Kim et al., 2011]. A third dimension, clustering, is sometimes calculated as the average clustering for each firm, and speaks to whole network modularity. In a less cohesive network (low overall clustering), power is centralized, information is concentrated, and there is a segmented structure and a good amount of inequality.
Network typologies can be used to classify SCS architecture and often highlight distinguishing factors of the different types of SCSs that can aid researchers and managers in understanding how SCSs function. Vereecke, Van Dierdonck, and De Meyer [2006] use network analysis to formulate a typology of four distinct roles that manufacturing plants occupy: the isolated plants, the receivers, the hosting network players, and the active network players. Harland and coworkers [Harland and Knight, 2001; Harland et al., 2001] discuss how different types of SCSs can be created and operated in great detail. Skilton and Robinson [2009] develop a typology portraying the effect of different types of complex SCS architecture on traceability of adverse SCS-related events.
Network topologies portray the overall structure or configuration of a network. Developing SCS topologies will help advance existing theories on SCS architecture [Borgatti and Li, 2009; Kim et al., 2011]. Random, small-world, and scalefree network topologies are commonly used to portray complex systems such as supply chains [Nair and Vidal, 2010; Xuan et al., 2011]. A random network exhibits low clustering and small average distance between nodes, and is the most widely used topology in modeling and empirical studies on complex networks and serves as a benchmark for sake of comparison for many modeling and empirical studies [Callaway et al. 2000]. Small-world networks have characteristics of high clustering and small average distance between nodes. Lastly, scale-free networks contain hubs and skewed, heavy tailed degree distributions, following a power law distribution of links [Strogatz, 2001]. This leads to SCSs characteristic of a small number of entities with the most power and control in the system, with the majority of entities lying on the system’s periphery with little influence on the behavior of other entities
and the entire SCS.
Another important network-level measure is SCS complexity. Complexity has been conceptualized and operationalized from numerous perspectives, such as vertical, horizontal, and spatial complexity [Choi and Hong, 2002; Danese, 2010], information-theoretic entropy of the system [Battini, Persona, and Allesina, 2007; Basole and Rouse, 2008], and the number of connections among SCS entities weighted according to their position in the network [Caridi et al., 2010]. For large-scale sociotechnical systems, such as SCSs, the structural embeddedness and interactions among components (e.g., suppliers,firms, suppliers, facilities, and customers) can significantly impact system complexity [Osorio, Dori, and Sussman, 2011]. Despite the ability of SNA tools to help quantify and depict SCS complexity—taking into account properties such as distribution of power and overall embeddedness—it is surprising that very few studies have actually adopted SNA metrics to enrich our understanding of SCS complexity. One notable exception is the work by Skilton and Robinson [2009], where they theorize and demonstrate that the level of SCS complexity and clustering influence the traceability of adverse events, using examples from food supply networks.

4.1.3. Link-Level Properties

Links in SCSs refer to the connections between system components. Connections can depict buyer-supplier relationships, material flow, and information exchange, among many others. Three key link-level properties include flow type, multiplexity (multiple ties), and tie strength. Several researchers have used the network lens to examine information, knowledge, physical, quality, research, and financial flow [Cox, Sanderson, and Watson, 2001; Kinder, 2003; Giannakis and Croom, 2004; Vereecke, Van Dierdonck, and De Meyer, 2006; Pedroso and Nakano, 2009; Kim et al., 2011]. Only a few studies have introduced tie strength into their models, finding a positive association between strength of ties and new product development project outcomes [Oke, Idiagbon- Oke, and Walumbwa, 2008; Oke and Idiagbon-Oke, 2010]. Other related studies incorporate tie strength factors such as relationship magnitude, quality, permanence, frequency, and duration to provide greater and often complementary insight into the intricacies within the SCS architecture and its relation to performance [Kotabe, Martin, and Domoto,. 2003; Golicic and Mentzer, 2006; Samaddar, Nargundkar, and Daley, 2006; Carter, Enram, and Tate, 2007; Autry and Griffis, 2008; Holweg and Pil, 2008].

4.1.4. Implications

An increasing number of studies across disciplines are adopting a network lens to understand the symbiotic relationship of a firm’s role and importance in the SCS and the implications of SCS architecture on firm behavior and performance [Borgatti and Li, 2009; Galaskiewicz, 2011; Kim et al., 2011]. Still, studies that explicitly use network theoretic tools and SNA metrics to model, analyze, and visualize SCS structure are fairly nascent. As illustrated in this section, there are a wide variety of SNA measures that are great fits for advancing existing theories on SCS complexity as well as on the topological and typological archetypes of SCSs. Table III lists the relevant literature and its primary focus in terms of SCS structure.

ผลลัพธ์ (ไทย) 1:

4.1.1 การโหนระดับคุณสมบัติหนึ่งวัด SNA ใช้บ่อยที่สุดคือเอกภาพโหน เอกภาพหมายถึงความสำคัญหรือความโดดเด่นของบริษัทในอันคุ้มค่า ซึ่งมีบริษัทระดับสูงของเอกภาพอยู่เพื่อมีอำนาจมากขึ้น และควบคุมบริษัท overperipheral มีตัวแปรหลายตัวของวัดแห่ง เช่นตามผูกโดยตรง (ปริญญา), เส้นทางที่สั้นที่สุด (ความใกล้เคียง), และอื่น ๆ ตามระยะทาง geodesic (betweenness หรือนายหน้า) ละจับด้านที่แตกต่างของบริษัทและมีอิทธิพลในอันคุ้มค่า [Kim et al., 2011] การศึกษาได้ใช้มาตรการระดับหลายแห่งอธิบายความสามารถต่าง ๆ ที่มีบริษัทกลางเนื่องจากตำแหน่งเครือข่ายของพวกเขา [Yu et al., 2008 หลี่และ Choi, 2009 Nair และ Vidal, 2010 คิม et al., 2011] ในบริบทของการพัฒนาผลิตภัณฑ์ที่ซับซ้อน เช่น ศึกษาใช้หลายมาตรการแห่งเพื่อประเมินงานโต้ตอบ และให้แสงแนวโน้มหายก่อนหน้านี้และคุณสมบัติในกระบวนการพัฒนาผลิตภัณฑ์ [คอลลินส์ Yassine และ Borgatti, 2009 Gokpinar, Hopp และ Iravani, 2010 Bartolomei et al., 2012] วัดรู้จักที่ยังไม่ สามารถดำเนินการและประกอบการ SCM คือ Bonacich อำนาจเอกภาพ ซึ่งจะทำให้คะแนนสูงกับบริษัทที่ติดต่อหลายแห่งเชื่อมต่อเอนทิตีอื่น ทำให้บริษัทนี้โฟกัสทั้งส่วนกลาง และมีประสิทธิภาพ [Bonacich, 1987] ทั่วไปโหนระดับคุณสมบัติอื่นใช้ในวรรณคดีเครือข่ายจัดหาสัมประสิทธิ์ระบบคลัสเตอร์ กำหนดเป็นสัดส่วนของการเชื่อมโยงโดยตรงที่เชื่อมโยงกันโดยตรงยังได้ ในบริบทของเครือข่ายพันธมิตรตาม ได้รับการแสดงบริษัทกับคลัสเตอร์หนาแน่นประสบการณ์มากกว่าความร่วมมือ ร่วมกันทรัพยากร และปัญหาเนื่องจากปัจจัยต่าง ๆ เช่นความน่าเชื่อถือเพิ่มขึ้นภายในฝัง structurally หนาแน่น cliques [Schilling และสาย 2007] ยกเว้นของ Vidal และ Nair [2010] ศึกษา มีการโมฆะของการดำเนินงานและห่วงการศึกษาตรวจสอบการเชื่อมโยงระหว่างคลัสเตอร์ และบริษัท หรือประสิทธิภาพอันคุ้มค่า วัดอันคุ้มค่าที่สำคัญอีกคือ embeddedness ซึ่งรวมเอกภาพและคลัสเตอร์ เอนทิตีอันคุ้มค่า (เช่น ผู้ซื้อ) ได้รับประโยชน์มากขึ้น โดยประเมิน และการจัดการอันคุ้มค่าตี (เช่น ซัพพลายเออร์) โดยใช้ทั้งความสามารถภายในตลอดจน embeddedness ความสัมพันธ์ และโครงสร้างภายในอันคุ้มค่า [Autry และ Griffis, 2008 Choi และคิม 2008 Bernardes, 2010]4.1.2. ระดับเครือข่ายคุณสมบัติในระดับเครือข่าย มีหลายมาตรการที่สำคัญในสถาปัตยกรรมอันคุ้มค่า แรกคือ ความหนาแน่นของเครือข่าย กำหนดเป็นสัดส่วนของความสัมพันธ์ที่เกิดขึ้นจริงในเครือข่ายจำนวนความสัมพันธ์ในเครือข่ายสูงสุดที่เป็นไปได้ อันคุ้มค่าความหนาแน่นสูงได้เสมอสมควร หรือ ประโยชน์ โดยเฉพาะอย่างยิ่งได้รับการประสานงานเพิ่มภาระไว้บนเอนทิตีเครือข่ายเป็นอย่างมากความซ้ำซ้อนไม่จำเป็น และค่าใช้จ่ายที่อาจเกิดขึ้น [Kim et al., 2011] วัดอื่น ชอบรวมศูนย์ วัดขอบเขตว่า นักแสดงอย่าง น้อยหนึ่งในเครือข่ายมากขึ้นกลางเชื่อมอื่น ๆ และสามารถใช้เพื่อระบุการกระจายอำนาจและศักดิ์ศรีข้ามอันคุ้มค่า [Choi และ Hong, 2002 คิม et al., 2011] มิติที่สาม คลัสเตอร์ บางครั้งคำนวณเป็นคลัสเตอร์ที่เฉลี่ยสำหรับแต่ละบริษัท และตรัสกับ modularity เครือข่ายทั้งหมด ในเครือข่ายน้อยควบ (ต่ำสุดโดยรวมคลัสเตอร์), พลังงานเป็นแบบรวมศูนย์ ข้อมูลจะเข้มข้น และมีโครงสร้างการแบ่งส่วนและจำนวนเงินดีของความไม่เท่าเทียมกัน Typologies เครือข่ายสามารถใช้เพื่อจัดประเภทสถาปัตยกรรมอันคุ้มค่า และมักเน้นปัจจัยที่แตกต่างของชนิดต่าง ๆ ของ SCSs ที่สามารถช่วยเหลือนักวิจัยและผู้จัดการในการทำความเข้าใจวิธี SCSs ฟังก์ชันได้ Vereecke, Van Dierdonck และ Meyer De [2006] ใช้เครือข่ายการกำหนดจำแนกบทบาททั้งสี่ที่ครอบครองผลิตพืช: พืชแยก ผู้รับ ผู้เล่นเครือข่ายโฮสต์ และผู้เล่นที่ใช้งานเครือข่าย Harland และเพื่อนร่วมงาน [Harland และอัศวิน 2001 Harland et al., 2001] หารือวิธีแตก SCSs สามารถสร้าง และดำเนินการในรายละเอียดมากขึ้น Skilton และโรบินสัน [2009] พัฒนาจำแนกขัดผลแตกต่างของสถาปัตยกรรมอันคุ้มค่าที่ซับซ้อนสามารถติดตามเหตุการณ์ที่เกี่ยวข้องอันคุ้มค่า เครือข่ายโทวาดภาพโครงสร้างหรือการกำหนดค่าของเครือข่ายโดยรวม พัฒนาอันคุ้มค่าโทจะช่วยล่วงหน้าทฤษฎีที่มีอยู่บนสถาปัตยกรรมอันคุ้มค่า [Borgatti และ Li, 2009 คิม et al., 2011] สุ่ม เล็กโลก และโท scalefree เครือข่ายโดยทั่วไปใช้ในการวาดภาพระบบที่ซับซ้อนเช่นห่วงโซ่อุปทาน [Nair และ Vidal, 2010 ซวน et al., 2011] เครือข่ายสุ่มจัดแสดงคลัสเตอร์ต่ำและขนาดเล็กระยะห่างเฉลี่ยระหว่างโหน และเป็นโครงสร้างที่ใช้กันอย่างแพร่หลายในโมเดล และผลการศึกษาบนเครือข่ายที่ซับซ้อนและทำหน้าที่เป็นเกณฑ์มาตรฐานเปรียบเทียบสำหรับในโมเดล for sake of และศึกษาประจักษ์ [Callaway et al. 2000] โลกเล็กเครือข่ายคลัสเตอร์สูงและขนาดเล็กระยะห่างเฉลี่ยระหว่างโหนได้ สุดท้ายนี้ เครือข่ายฟรีสเกลประกอบด้วยฮับ และเบ้ หนักหางปริญญากระจาย ตามกฎหมายกระจายอำนาจเชื่อมโยง [Strogatz, 2001] นี้นำไปสู่ SCSs ลักษณะจำนวนขนาดเล็กของเอนทิตี มีอำนาจมากที่สุดและการควบคุมในระบบ กับส่วนใหญ่ของเอนทิตีที่นอนยสปริงของระบบ มีอิทธิพลเล็กน้อยในการทำงานของเอนทิตีอื่นและอันคุ้มค่าทั้งหมดวัดระดับเครือข่ายอื่นที่สำคัญคือ ความซับซ้อนอันคุ้มค่า Conceptualized และ operationalized จากหลายมุมมอง เช่นแนวตั้ง แนวนอน และปริภูมิความซับซ้อน [Choi และ Hong, 2002 ความซับซ้อน Danese, 2010], ข้อมูล theoretic เอนโทรปีของระบบ [Battini ตัว และ Allesina, 2007 Basole และปลุกอารมณ์ 2008], และจำนวนการเชื่อมต่อระหว่างเอนทิตีอันคุ้มค่าถ่วงน้ำหนักตามตำแหน่งของตนในเครือข่าย [Caridi et al., 2010] สำหรับระบบ sociotechnical ขนาดใหญ่ เช่น SCSs, embeddedness โครงสร้างและการโต้ตอบระหว่างส่วนประกอบ (เช่น ผู้ผลิต บริษัท จำหน่าย สิ่งอำนวยความสะดวก และลูกค้า) สามารถอย่างมีนัยสำคัญส่งผลกระทบต่อระบบความซับซ้อน [Osorio ชาวเวอร์ดอริ และ Sussman, 2011] แม้ความสามารถของเครื่องมือ SNA กำหนดปริมาณ และแสดงถึงความซับซ้อนอันคุ้มค่า — เข้าบัญชีคุณสมบัติเช่นการกระจายอำนาจและรวม embeddedness ซึ่งก็น่าแปลกใจที่การศึกษาน้อยมากได้จริงรับรอง SNA วัดแก่เราเข้าใจความซับซ้อนอันคุ้มค่า หนึ่งข้อยกเว้นที่โดดเด่นคือ การทำงาน โดย Skilton และโรบินสัน [2009], ซึ่งพวกเขาตั้งทฤษฎี และแสดงให้เห็นว่า ระดับของความซับซ้อนอันคุ้มค่า และระบบคลัสเตอร์มีผลติดตามผลของเหตุการณ์ การใช้ตัวอย่างจากเครือข่ายการจัดหาอาหาร4.1.3 การระดับการเชื่อมโยงคุณสมบัติเชื่อมโยงใน SCSs หมายถึงการเชื่อมต่อระหว่างส่วนประกอบของระบบ การเชื่อมต่อสามารถแสดงความสัมพันธ์ของผู้ซื้อผู้จำหน่าย กระแสวัสดุ และแลก เปลี่ยนข้อมูล ในหมู่อื่น ๆ อีกมากมาย คุณสมบัติการเชื่อมโยงระดับสำคัญสามรวมกระแสชนิด multiplexity (หลายความสัมพันธ์), และผูกความแข็งแรง นักวิจัยหลายใช้เลนส์เครือข่ายเพื่อตรวจสอบข้อมูล ความรู้ ฟิสิกส์ คุณภาพ วิจัย และกระแสการเงิน [ค็อกซ์ Sanderson และวัต สัน 2001 เกี่ยวกับ 2003 Giannakis และ Croom, 2004 Vereecke, Van Dierdonck และเด Meyer, 2006 Pedroso และนากาโนะ 2009 คิม et al., 2011] เพียงไม่กี่ศึกษาได้แนะนำผูกความแข็งแรงในรุ่นของพวกเขา การหาความสัมพันธ์ในเชิงบวกระหว่างความแข็งแกร่งของความสัมพันธ์และผลิตภัณฑ์พัฒนาโครงการผลลัพธ์ใหม่ [โอคลอดจ์ Idiagbon - โอคลอดจ์ และ Walumbwa, 2008 โอคลอดจ์ก Idiagbon-โอคลอดจ์ 2010] อื่น ๆ ที่เกี่ยวข้องศึกษา incorporate ผูกปัจจัยความสัมพันธ์ขนาด คุณภาพ permanence ความถี่ และระยะเวลาเพื่อให้เข้าใจมากขึ้น และมักจะประกอบเป็น intricacies ภายในสถาปัตยกรรมอันคุ้มค่าและความสัมพันธ์ของผลการดำเนินงาน [Kotabe มาร์ติน และโตะสึโยะ ชิ, . 2003 Golicic และ Mentzer, 2006 Samaddar, Nargundkar และ Daley, 2006 คาร์เตอร์ Enram และ เท 2007 Autry และ Griffis, 2008 Holweg ก Pil, 2008]4.1.4 การผลหมายเลขที่เพิ่มขึ้นของการศึกษาในสาขาวิชาใช้เลนส์แบบเครือข่ายเพื่อให้เข้าใจความสัมพันธ์ symbiotic ของบริษัทมีบทบาทและความสำคัญในอันคุ้มค่าและผลกระทบของสถาปัตยกรรมอันคุ้มค่าในการทำงานของบริษัทและประสิทธิภาพ [Borgatti และ Li, 2009 Galaskiewicz, 2011 คิม et al., 2011] ยังคง ศึกษาที่ชัดเจนใช้เครือข่าย theoretic เครื่องมือและเครื่องมือวัด SNA รุ่น วิเคราะห์ และแสดงให้เห็นโครงสร้างอันคุ้มค่า ค่อนข้างก่อ ดังที่แสดงในส่วนนี้ มีความหลากหลายของมาตรการ SNA ที่พอดีกับที่ดีสำหรับความก้าวหน้าการทฤษฎีที่มีอยู่ ในความซับซ้อนอันคุ้มค่า พร้อมบุคลิกสากล topological และเฉพาะรายการตาราง III SCSs. วรรณกรรมที่เกี่ยวข้องและมาเป็นหลักในโครงสร้างอันคุ้มค่า

ผลลัพธ์ (ไทย) 3:

4.1.1 . คุณสมบัติ

ระดับโหนดหนึ่งที่ใช้บ่อยที่สุดคือเรื่องวัดโหนดศูนย์กลาง . ศูนย์กลางหมายถึงญาติความสำคัญหรือความโดดเด่นของบริษัทใน SCS , ที่ บริษัท ที่มีระดับที่สูงขึ้นของศูนย์กลางจะมีพลังงานมากขึ้นและการควบคุม บริษัท overperipheral . มีหลายสายพันธุ์ของศูนย์กลางวัดได้ เช่น บนพื้นฐานของความสัมพันธ์โดยตรง ( ปริญญา )เส้นทางที่สั้นที่สุด ( ใกล้ชิด ) , และคนอื่น ๆตามระยะทาง ( geodesic betweenness หรือนายหน้า ) แต่ละแง่มุมที่แตกต่างกันของ บริษัท รวบรวมพลังและอิทธิพลใน SCS [ Kim et al . , 2011 ) การศึกษาได้ใช้หลายมาตรการเพื่ออธิบายเรื่องต่างๆในศูนย์กลางที่ บริษัท เซ็นทรัล มีจากของเครือข่ายตำแหน่ง [ ยู et al . , 2008 ; ลี และ ชอย , 2009 ; และแนร์ วิดัล , 2010 ; Kim et al . ,2011 ] ในบริบทของการพัฒนาผลิตภัณฑ์ที่ซับซ้อน ตัวอย่าง การศึกษาได้ใช้มาตรการต่าง ๆเพื่อประเมินผลงานและความสำคัญของนําแสงแนวโน้มพบก่อนหน้านี้และคุณสมบัติในกระบวนการพัฒนาผลิตภัณฑ์ [ คอลลินส์ yassine และ borgatti , 2009 ; gokpinar ปป์ และ iravani , 2010 ; bartolomei et al . , 2012 ]ที่รู้จักกันดีวัดไม่ได้ใช้ประโยชน์ในการดำเนินงานและวรรณกรรม SCM คือ bonacich อำนาจศูนย์กลาง ซึ่งจะให้คะแนนสูงกว่า
บริษัทโดยตรงเชื่อมต่อกับหลาย ๆหน่วยงานที่เชื่อมต่อกับดี ทำให้บริษัทโฟกัสนี้ทั้งในส่วนกลางและ bonacich ที่มีประสิทธิภาพ [ 1987 ] อื่นทั่วไปโหนดระดับทรัพย์สินที่ใช้ในการจัดหาเครือข่ายวรรณกรรมคือการจัดกลุ่มค่าหมายถึงสัดส่วนของการเชื่อมโยงโดยตรงของที่ยังเชื่อมโยงโดยตรงกับแต่ละอื่น ๆ ในบริบทของการใช้เครือข่ายพันธมิตร บริษัท ที่มีการจัดกลุ่มหนาแน่นได้แสดงประสบการณ์มากกว่าความร่วมมือ ทรัพยากร ร่วมกัน และการแก้ไขปัญหา เพราะจากปัจจัยต่างๆ เช่น เพิ่มความไว้วางใจภายในโครงสร้างที่ฝังแน่นและ เฟลป์ส ชิลลิ่งแบ่งพรรคแบ่งพวก [ 2007 ]ด้วยข้อยกเว้นของแนร์ วิดาล [ 2010 ] ศึกษาและมีช่องว่างของการดำเนินงานและโปรแกรมการศึกษาการตรวจสอบความเชื่อมโยงระหว่างกลุ่มและ บริษัท หรือผ่านงาน อีกวัดที่สำคัญ คือ embeddedness SCS ที่ผสมผสานความเป็นศูนย์กลางและ clustering.scs นิติบุคคล ( ผู้ซื้อเช่น ) ได้รับประโยชน์มากขึ้น โดยการประเมินและการจัดการอื่น ๆผ่านองค์กร ( เช่นซัพพลายเออร์ ) ตามทั้งความสามารถภายในของตนเอง ตลอดจนโครงสร้างและความสัมพันธ์ภายในของ embeddedness SCS และ [ Autry กริฟฟิส , 2008 ; ชอย และ คิม , 2008 ; bernardes 2553 ] .

4.1.2 . ระดับเครือข่ายคุณสมบัติ

ในระดับเครือข่าย มีหลายมาตรการที่สำคัญในการอธิบายสถาปัตยกรรม SCS . อย่างแรกคือความหนาแน่นของเครือข่ายกำหนดสัดส่วนจริงความสัมพันธ์ในเครือข่ายมากกว่าจํานวนสูงสุดที่เป็นไปได้ของความสัมพันธ์ในเครือข่าย อย่างหนาแน่น SCS มักจะไม่พึงประสงค์ หรือประโยชน์ให้โดยเฉพาะการเพิ่มภาระอยู่ในองค์กรเครือข่าย ตลอดจนการจัดการที่ดีของที่ไม่จำเป็นและราคาแพง ) ที่อาจเกิดขึ้น [ Kim et al . , 2011 ) อีกหนึ่งวัด การรวมศูนย์อำนาจมาตรการระดับหนึ่งหรือมากกว่าหนึ่งนักแสดงในเครือข่ายจากส่วนกลางที่เชื่อมต่อมากขึ้นกว่าคนอื่น ๆและสามารถใช้ในการระบุการกระจายอำนาจ และศักดิ์ศรีใน SCS [ ชอย ฮอง , 2002 ; Kim et al . , 2011 ) 3 มิติ , การจัดกลุ่ม , บางครั้งคำนวณเป็นกลุ่มเฉลี่ยสำหรับแต่ละ บริษัท และพูดกับต้นแบบเครือข่ายทั้งหมดในเครือข่ายที่น่าสนใจน้อย ( ต่ำโดยการจัดกลุ่ม อำนาจส่วนกลาง , ข้อมูลเข้มข้น และมีโครงสร้างแบ่งเป็นจำนวนเงินที่ดีของความไม่เท่าเทียมกัน .
รูปแบบเครือข่ายสามารถใช้จำแนกสถาปัตยกรรม SCS และมักจะเน้นปัจจัยแตกต่างของประเภทที่แตกต่างกันของ scss ที่สามารถช่วยนักวิจัยและผู้จัดการในความเข้าใจว่า scss ฟังก์ชัน vereecke ,รถตู้ dierdonck และเดอเมเยอร์ [ 2006 ] ใช้วิเคราะห์เครือข่ายเพื่อกำหนดรูปแบบของ 4 บทบาทที่แตกต่างกันในการผลิตพืชครอบครอง : แยกพืช , ผู้รับ , โฮสติ้งและผู้เล่นผู้เล่นเครือข่าย เครือข่ายที่ใช้งานอยู่ ฮาร์แลนด์และเพื่อนร่วมงาน [ ฮาร์แลนด์และอัศวิน , 2001 ; ฮาร์แลนด์ et al . , 2001 ] กล่าวว่าประเภทของ scss สามารถสร้างและดำเนินการในรายละเอียดมากสกีลเติ้นโรบินสัน [ 2009 ] และพัฒนารูปแบบแสดงผลของประเภทที่แตกต่างกันของความซับซ้อน SCS สถาปัตยกรรมย้อนกลับทวน SCS
topologies เครือข่ายเหตุการณ์ที่เกี่ยวข้อง แสดงโครงสร้างโดยรวมหรือการตั้งค่าเครือข่าย การพัฒนารูปแบบ SCS จะช่วยให้ก้าวหน้าทฤษฎีที่มีอยู่บนสถาปัตยกรรม [ SCS borgatti และ Li , 2009 ; Kim et al . , 2011 ) สุ่มโลกขนาดเล็กscalefree topologies เครือข่ายและมักใช้ในการวาดภาพระบบที่ซับซ้อน เช่น การจัดหาและโซ่ [ แนร์ วิดัล , 2010 ; ซวน et al . , 2011 ) เครือข่ายแบบสุ่มแสดงการจัดกลุ่มและระยะทางเฉลี่ยต่ำขนาดเล็กระหว่างโหนและใช้กันอย่างแพร่หลายในการสร้างและการศึกษาเชิงประจักษ์ในโครงสร้างเครือข่ายที่ซับซ้อนและทำหน้าที่เป็นมาตรฐานเพื่อเปรียบเทียบและศึกษาเชิงประจักษ์รุ่นหลายแบบ [ et al . 2000 ] เครือข่ายโลกเล็ก ๆ มีลักษณะสูง clustering และมีระยะทางขนาดเล็กระหว่างโหนด ท้ายนี้ ไท - วัดเครือข่ายประกอบด้วยองค์กรและเบ้หนัก , การแจกแจงแบบหางยาวหรือตามอำนาจกฎหมายการกระจายการเชื่อมโยง strogatz [ 2001 ] นี้นำไปสู่การ scss ลักษณะของจำนวนเล็ก ๆของหน่วยงานที่มีอำนาจและการควบคุมในระบบ กับส่วนใหญ่ของหน่วยงานอยู่รอบนอกของระบบที่มีอิทธิพลต่อพฤติกรรมของอื่น ๆและหน่วยงาน

SCS ทั้งหมด การวัดระดับเครือข่ายที่สำคัญอีกคือ SCS ความซับซ้อนความซับซ้อนที่ได้รับแนวคิดจากมุมมอง และ operationalized จํานวนมาก เช่น แนวตั้ง แนวนอน และความซับซ้อนของพื้นที่และ [ ชอยฮง , 2002 ; danese 2010 ] , ข้อมูลทฤษฎีเอนโทรปีของระบบ [ battini บุคคลและ allesina , 2007 ; basole และปลุก 2008 ] , และจำนวนของการเชื่อมโยงระหว่างหน่วยงานตาม SCS ถัว ไปยังตำแหน่งของพวกเขาในเครือข่าย [ Caridi et al . ,2010 ] สำหรับระบบ sociotechnical ขนาดใหญ่ เช่น scss , โครงสร้างและ embeddedness ปฏิสัมพันธ์ระหว่างส่วนประกอบ ( เช่น , ซัพพลายเออร์ , บริษัท , ซัพพลายเออร์ , เครื่อง , และลูกค้า ) สามารถอย่างมากส่งผลกระทบต่อระบบความซับซ้อน [ โอโซริโอ , Dori และซัสแมน , 2011 ]แม้ความสามารถของเครื่องมือ SNA ช่วยหาพรรณนา SCS และความซับซ้อน จดลงในบัญชี คุณสมบัติเช่นการกระจายของพลังงานและ embeddedness โดยรวมมันน่าแปลกใจที่การศึกษาน้อยมากจริง ๆ ยอมรับเรื่องวัดเพื่อเพิ่มความเข้าใจของเราของ SCS ความซับซ้อน หนึ่งข้อยกเว้นที่น่าสังเกตคืองานและเดแลด์โรบินสัน [ 2009 ]ที่พวกเขานี้และแสดงให้เห็นระดับของความซับซ้อนและการจัดกลุ่ม SCS มีอิทธิพลต่อความสามารถของเหตุการณ์ไม่พึงประสงค์โดยใช้ตัวอย่างจากเครือข่ายการจัดหาอาหาร

4.1.3 . คุณสมบัติการเชื่อมโยงระดับ

ลิงค์ใน scss หมายถึงการเชื่อมต่อระหว่างระบบส่วนประกอบ การเชื่อมต่อที่สามารถแสดงถึงความสัมพันธ์ ผู้ซื้อ ผู้ผลิต การไหลของวัตถุดิบ และแลกเปลี่ยนข้อมูลในหมู่อื่น ๆอีกมากมายสามคุณสมบัติหลัก ได้แก่ ระดับการเชื่อมโยงการไหลชนิด multiplexity หลาย ( ความสัมพันธ์ ) , และ ผูก ความแข็งแรง นักวิจัยได้ใช้เลนส์หลายเครือข่ายเพื่อตรวจสอบข้อมูล , ความรู้ , กายภาพ , คุณภาพ , งานวิจัย , ไหล [ การเงิน คอกซ์ แซนเดอร์สัน วัตสัน , 2001 ; ใจดี , 2003 ; giannakis และ croom , 2004 ; vereecke , รถตู้ dierdonck และเดอเมเยอร์ , 2006 ; และ เปโดรโซนากาโนะ , 2009 ; Kim et al . , 2011 ]เพียงไม่กี่การศึกษาได้แนะนำให้ผูกแรงในรุ่นของตนเอง การหาความสัมพันธ์เชิงบวกระหว่างความแข็งแกร่งของความสัมพันธ์และการพัฒนาผลิตภัณฑ์ใหม่โครงการผล [ ดี , idiagbon - วง และ walumbwa , 2008 ; วง และวง idiagbon 2010 ] การศึกษาอื่น ๆที่เกี่ยวข้องรวมแรงต่างๆ เช่น ผูกความสัมพันธ์ ขนาด คุณภาพ ความทนทาน ความถี่และระยะเวลาให้มากขึ้นและมักจะเสริมความเข้าใจในความซับซ้อนภายในผ่านสถาปัตยกรรมและความสัมพันธ์ของประสิทธิภาพ [ ชิ โคตาเบะ มาร์ติน และ โดโมโตะ , . 2003 ; golicic และ mentzer , 2006 ; samaddar nargundkar และ Daley , 2006 ; คาร์เตอร์ enram และ Tate , 2007 ; ทรี และกริฟฟิส , 2008 ; holweg และพิล , 2008 ] .

4.1.4 . ความหมาย

การเพิ่มจำนวนของการศึกษาในสาขาวิชาต่างๆ จะใช้เครือข่ายของเลนส์ที่จะเข้าใจความสัมพันธ์ symbiotic ของของบทบาทและความสำคัญใน SCS และความหมายของสถาปัตยกรรม SCS พฤติกรรมและการปฏิบัติและ บริษัท borgatti [ Li , 2009 ; galaskiewicz 2011 ; Kim et al . , 2011 ) แต่การศึกษาที่ชัดเจน ใช้เครื่องมือวัดและทฤษฎีเครือข่าย SNA แบบ วิเคราะห์และเห็นภาพผ่านโครงสร้างค่อนข้างตั้งไข่ . ที่แสดงในส่วนนี้มีความหลากหลายของเรื่องมาตรการที่ยอดเยี่ยมเหมาะสำหรับ advancing ทฤษฎีที่มีอยู่ใน SCS ความซับซ้อนเช่นเดียวกับในรูปแบบเฉพาะและ archetypes scss . ตารางที่ 3 แสดงวรรณคดีที่เกี่ยวข้อง และเน้นหลักในแง่ของ SCS
โครงสร้าง .