Optimizing digital transformation paths for industrial clusters: Insights from a simulation

转化(遗传学) 计算机科学 过程(计算) 上游(联网) 数字化转型 星团(航天器) 产业组织 生产力 业务 政府(语言学) 过程管理 工业工程 电信 万维网 经济 工程类 化学 操作系统 程序设计语言 宏观经济学 哲学 语言学 基因 生物化学
作者
Yuanyang Teng,Jianzhuang Zheng,Yicun Li,Dong Wu
出处
期刊:Technological Forecasting and Social Change [Elsevier]
卷期号:200: 123170-123170 被引量:12
标识
DOI:10.1016/j.techfore.2023.123170
摘要

Digital technologies have revolutionised industrial clusters, implementing digital transformation without careful consideration can lead to higher risks and ineffective investments. However, the existing research often focuses on enterprises in a specific position, whereas the entire supply chain or end-to-end research is rarely conducted. To fill this gap, this study proposes a sectoral innovation system. It conducts a simulation model to study the digital transformation process by considering the behaviour, knowledge learning, and innovation of upstream and downstream enterprises in different cluster types. The simulation dynamically presents production and productivity changes during the transformation process of the entire industrial cluster. The results reveal that an orderly transformation path is the most effective for Marshallian clusters, whereas a simultaneous transformation works best for central satellite clusters. In addition, the social network simulation before and after the digital transformation of the two industrial clusters shows that enterprises in central-satellite clusters communicate more frequently during digital transformation, which is ultimately conducive to a better performance of the digital transformation of industrial clusters. These findings emphasise the need for tailored digital transformation strategies based on cluster type to maximise benefits, underscoring the importance of leading firms in industrial clusters. It also guides the government's industrial policy formulation and management enlightenment regarding the digital transformation of enterprises.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
我唉科研完成签到,获得积分10
1秒前
情怀应助可耐的尔白采纳,获得10
1秒前
CC2026_crazywind完成签到,获得积分10
1秒前
许鸽完成签到,获得积分10
2秒前
齐阳春完成签到 ,获得积分10
2秒前
5秒前
hbchenlibing完成签到,获得积分10
5秒前
Hilda007发布了新的文献求助10
6秒前
hao完成签到 ,获得积分10
7秒前
momo应助科研通管家采纳,获得10
7秒前
ding应助科研通管家采纳,获得10
7秒前
今后应助科研通管家采纳,获得10
8秒前
8秒前
华仔应助科研通管家采纳,获得10
8秒前
大个应助科研通管家采纳,获得10
8秒前
英姑应助科研通管家采纳,获得10
8秒前
Hello应助科研通管家采纳,获得10
8秒前
浮游应助科研通管家采纳,获得10
8秒前
上官若男应助科研通管家采纳,获得10
8秒前
敬老院N号应助科研通管家采纳,获得30
8秒前
JamesPei应助科研通管家采纳,获得10
8秒前
在水一方应助科研通管家采纳,获得10
8秒前
xxfsx应助科研通管家采纳,获得10
8秒前
8秒前
CodeCraft应助科研通管家采纳,获得10
8秒前
Jasper应助科研通管家采纳,获得10
8秒前
充电宝应助科研通管家采纳,获得30
8秒前
LYSM应助科研通管家采纳,获得10
8秒前
肥小耗发布了新的文献求助10
8秒前
summer应助科研通管家采纳,获得10
8秒前
共享精神应助科研通管家采纳,获得10
8秒前
Orange应助科研通管家采纳,获得10
8秒前
领导范儿应助科研通管家采纳,获得10
9秒前
9秒前
李健应助科研通管家采纳,获得10
9秒前
9秒前
9秒前
烟花应助科研通管家采纳,获得10
9秒前
9秒前
高分求助中
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
Questioning sequences in the classroom 700
Microbially Influenced Corrosion of Materials 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
Rural Geographies People, Place and the Countryside 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5379616
求助须知:如何正确求助?哪些是违规求助? 4503889
关于积分的说明 14016933
捐赠科研通 4412719
什么是DOI,文献DOI怎么找? 2423913
邀请新用户注册赠送积分活动 1416795
关于科研通互助平台的介绍 1394372