Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: resilience strategy

Sortuj według:

Ogranicz wyniki do:

Rethinking resilience: employee-organization relationships matter less in tourism MSMes

Sari Pinjung Nawang, Rosari Reni, Sitalaksmi Sari, Nastiti Tur, Nugroho Agus Dwi

Polish Journal of Management Studies

2025

Vol. 31, No. 1

264--279

Limited research has explored the role of employee-organization relationships (EOR) in fostering resilience in Indonesian tourism MSMEs. This study addresses this gap by examining how economic, social, human and physical capital contribute to organizational resilience, with EOR as a moderating factor. Data were collected from 132 tourism organizations across 14 sectors in Indonesia, with 543 responses analyzed using Hierarchical Linear Modeling (HLM). The findings show that economic, social, and human capital significantly enhance resilience, while physical capital and EOR play a limited role. This study introduces a novel perspective by emphasizing that, in tourism MSMEs, workforce adaptability and skill development are more valuable than long-term employee relationships for building resilience. The study's novelty lies in challenging the traditional view that strong employee-organization relationships are essential for resilience, instead highlighting the importance of external partnerships and resource flexibility. The study suggests that tourism MSMEs should focus on resource flexibility, strategic partnerships and financial sustainability rather than EOR.

Niewiele badań dotyczyło roli relacji między pracownikami a organizacjami (EOR) w budowaniu odporności indonezyjskich MŚP sektora turystycznego. Niniejsze badanie wypełnia tę lukę, analizując wpływ kapitału ekonomicznego, społecznego, ludzkiego i fizycznego na odporność organizacyjną, przy uwzględnieniu EOR jako czynnika moderującego. Dane zebrano od 132 organizacji turystycznych z 14 sektorów w Indonezji, a 543 odpowiedzi przeanalizowano przy użyciu hierarchicznego modelowania liniowego (HLM). Wyniki pokazują, że kapitał ekonomiczny, społeczny i ludzki znacząco zwiększają odporność, podczas gdy kapitał fizyczny i EOR odgrywają ograniczoną rolę. Niniejsze badanie wprowadza nową perspektywę, podkreślając, że w mikro-, małych i średnich przedsiębiorstwach turystycznych zdolność adaptacyjna pracowników i rozwój umiejętności są bardziej wartościowe dla budowania odporności niż długotrwałe relacje z pracownikami. Nowatorskość badania polega na podważeniu tradycyjnego poglądu, że silne relacje między pracownikami a organizacją są niezbędne dla odporności, a zamiast tego podkreśla się znaczenie partnerstw zewnętrznych i elastyczności zasobów. Badanie sugeruje, że MŚP z branży turystycznej powinny skupić się na elastyczności zasobów, partnerstwach strategicznych i stabilności finansowej, a nie na EOR.

A hybrid approach for enhancing grid restoration

Minaxi Minaxi, Saini Sanju, Tiwari Garima

Przegląd Elektrotechniczny

2024

R. 100, nr 9

80--84

Blackout restoration is crucial to energy security and infrastructure resilience. Black-start procedures must be used to restore a power grid methodically. Grid recovery requires selecting the correct unit black-start optimization methods. Each Dijkstra shortest path approach determines a unit's optimum recovery route after a large power loss. A full indication includes unit capacity, climbing rate, beginning power, recovery time, and route recovery capacitance. An exhaustive index. This index facilitates unit startup. We end with a unit black-start strategy using the optimal recovery route, unit start sequence, and unit start limitations. This method works in the IEEE30 node system simulation. Research suggests the black-start method may boost unit recovery and success. Black-start strategy performance is assessed for two prominent graph-based algorithms, Dijkstra and A*. Unit black-start analysis is assessed for Dijkstra and A* algorithms. Priorities include start sequence and recovery path optimization. Grid recovery efficiency and efficacy depend on performance measures. Optimization, route length, and calculation time improve process dependability and efficiency. Dijkstra's simple, reliable approach works well in certain situations. The heuristic A* algorithm works well in certain cases. Both strategies are used in this paper to improve system performance. Explaining the power system's peculiarities comparatively allows for selecting an algorithm.

Przywracanie po awarii ma kluczowe znaczenie dla bezpieczeństwa energetycznego i odporności infrastruktury. Procedury czarnego startu muszą być stosowane w celu metodycznego przywracania sieci energetycznej. Przywracanie sieci wymaga wybrania prawidłowych metod optymalizacji czarnego startu jednostki. Każde podejście Dijkstry do najkrótszej ścieżki określa optymalną trasę odzyskiwania jednostki po dużej utracie mocy. Pełne wskazanie obejmuje pojemność jednostki, szybkość wznoszenia, moc początkową, czas odzyskiwania i pojemność odzyskiwania trasy. Wyczerpujący indeks. Ten indeks ułatwia uruchamianie jednostki. Kończymy strategią czarnego startu jednostki, wykorzystując optymalną trasę odzyskiwania, sekwencję uruchamiania jednostki i ograniczenia uruchamiania jednostki. Ta metoda działa w symulacji systemu węzłów IEEE30. Badania sugerują, że metoda czarnego startu może zwiększyć odzyskiwanie i sukces jednostki. Wydajność strategii czarnego startu jest oceniana dla dwóch wybitnych algorytmów opartych na grafach, Dijkstry i A*. Analiza czarnego startu jednostki jest oceniana dla algorytmów Dijkstry i A*. Priorytety obejmują sekwencję uruchamiania i optymalizację ścieżki odzyskiwania. Efektywność i skuteczność odzyskiwania sieci zależą od miar wydajności. Optymalizacja, długość trasy i czas obliczeń poprawiają niezawodność i wydajność procesu. Proste, niezawodne podejście Dijkstry sprawdza się w pewnych sytuacjach. Heurystyczny algorytm A* sprawdza się w pewnych przypadkach. Obie strategie są używane w tym artykule w celu poprawy wydajności systemu. Wyjaśnienie osobliwości systemu energetycznego w sposób porównawczy pozwala na wybór algorytmu.