Measuring resilience and robustness through a supply chain resistance index

Abstract

As cadeias globais de suprimentos enfrentam desafios significativos decorrentes de persistentes guerras comerciais, volatilidade econômica, eventos climáticos e a recente pandemia global, o que evidencia a necessidade de modelos avançados que conciliem resiliência e robustez. As pesquisas atuais tratam esses conceitos de forma separada, o que pode contribuir para uma lacuna conceitual na gestão abrangente de disrupções. Este estudo busca abordar essa lacuna por meio do desenvolvimento do Índice de Resistência da Cadeia de Suprimentos (Supply Chain Resistance Index? SCRESISIndex), uma métrica integrada apoiada por tecnologias da Indústria 4.0. A metodologia adotada segue uma estrutura configurada em três fases: desenvolvimento conceitual mediante revisão da literatura, modelagem computacional utilizando simulação híbrida (combinando eventos discretos e abordagem baseada em agentes), fundamentada nos princípios conceituais dos gêmeos digitais; portanto não implementado em sua forma operacional completa; e aplicação empírica com dados históricos do setor eletrônico, com foco nas regiões da Asia, América do Norte e América Latina, avaliados por redes neurais artificiais. A tese está estruturada como uma coletânea de três artigos científicos, cada um alinhado a uma fase específica da metodologia proposta. Foram testadas três configurações de rede: Clássica, Cruzada e Sincronizada. Os resultados indicam que a rede Cruzada apresentou o maior valor de resistência dentro da escala definida (pontuação: 0,6815 em uma escala de 0?1), embora enha demandado um período de recuperação mais longo (50 dias). O modelo Sincronizado equilibrou adaptabilidade e eficiência de custos, ainda que com menor resistência (pontuação: 0,6584). A configuração Clássica priorizou controle de custos, mas apresentou resistência limitada (pontuação: 0,5926). A validação dos resultados da simulação por meio de redes eurais artificiais revelou uma margem de desvio de ±2,5%, o que gerou desafios interpretativos. O modelo Índice SCRESIS oferece uma contribuição em duas dimensões: propõe que resiliência e robustez são atributos complementares e quantificáveis, além de possibilitar a otimização baseada em dados por meio de testes de cenários. Aplicações imediatas incluem aprimoramento de estratégias de inventário e diversificação de fornecedores. Pesquisas futuras devem explorar ponderações adaptativas e estratégias específicas por setor em ambientes de alto risco. Ao conceituar a resistência como uma capacidade dinâmica, este estudo busca contribuir para o entendimento teórico da viabilidade das cadeias de suprimentos em contextos turbulentos.

Abstract: Global supply chains face significant challenges arising from persistent trade wars, economic volatility, climate-related events, and the recent global pandemic, highlighting the need for advanced models that reconcile resilience and robustness. Current research tends to address these concepts separately, which may contribute to a conceptual gap in the comprehensive management of disruptions. This study aims to address this gap by developing the Supply Chain Resistance Index (SCRESIS Index), an integrated metric supported by Industry 4.0 technologies. The adopted methodology follows a structure organized into three phases: conceptual development through literature review; computational modeling using hybrid simulation (combining discrete event and agent-based approaches), grounded in the conceptual principles of Digital Twin; therefore not implemented in its full operational form, and empirical application using historical data from the electronics sector, focusing on regions in Asia, North America, and Latin America, evaluated through artificial neural networks. The thesis is structured as a collection of three scientific articles, each aligned with a specific phase of the proposed methodology. Three network configurations were tested: Classic, Crossed, and Synchronized. Results suggest that the Crossed network demonstrated the highest resistance value within the defined scale (score: 0.6815 on a 0?1 scale), despite requiring a longer recovery period (50 days). The Synchronized model balanced adaptability and cost efficiency, though it exhibited lower resistance, scoring (0.6584). Classic setups focused on cost control but showed limited resistance, scoring (0.5926). Validation of the simulation results using artificial neural networks revealed a deviation margin of ±2.5%, which raised interpretability challenges. The SCRESIS Index framework makes two key contributions: it proposes that resilience and robustness are complementary and quantifiable, and it enables data-driven optimization through scenario testing. Immediate applications include refining inventory and diversifying suppliers. Future work should explore adaptive weightings and sector-specific strategies in high-risk domains. By conceptualizing resistance as a dynamic capability, this study seeks to advance theoretical understanding of supply chain viability under turbulent conditions.