در طول دهه های گذشته، زنجیره تامین طولانی تر شده است و به دلیل جهانی شدن و افزایش هزینه ها به هم پیوسته است (Christopher and Holweg، 2011). اتصال متقابل نشان می دهد که شکست در یک نهاد زنجیره تامین می تواند به صورت بالقوه در سراسر شبکه گسترده شود (Schmitt and Singh، 2012)، و نظارت بر ریسک و کاهش خطر را به چالش می کشد. تهیه کنندگان از چندین تیر با یکدیگر ایجاد الگوهایی از پیش تعیین شده در عین حال قابل پیش بینی که به عنوان «توپولوژی شبکه عرضه» توصیف شده اند (Thadakamalla و همکاران، 2004). مطالعات در مورد توپولوژی شبکه، در چارچوب شبکه علمی انجام شده است تا پدیده های رفتاری سیستم های متصل را شناسایی کند که نمی توان از منظر یک نهاد واحد به خوبی درک کرد. درک اینکه چگونه تصمیم گیری از چندین شبکه متصل به یکدیگر به طور کلی در برابر انعطاف پذیری شبکه ها تاثیر می گذارد، برای مقابله با اختلالات به طور موثر ضروری است زیرا شکست در بیشتر موارد در توپولوژی های خاصی گسترش می یابد (واتس، 2002). روش های مدیریت ریسک زنجیره تامین (SCRM) به ندرت تاثیر اختلالات در شبکه عرضه بلند را در نظر می گیرند، جایی که اصطلاح بلند به روابط بیش از تامین کنندگان مستقیم و مشتریان مستقیم شرکت اشاره دارد. رابطه بین توپولوژی شبکه عرضه و اثربخشی بهبود از اختلالات با استفاده از استراتژی های مدیریت ریسک هنوز مورد بررسی قرار نگرفته است. هدف ما این است که به این شکاف بپردازیم. پس از بررسی کار قبلی انجام شده در حوزه SCRM و شبکه های پیچیده عرضه، ما از یک رویکرد مدل سازی استفاده می کنیم که در آن چندین توپولوژی نظری مبتنی بر ادبیات تجربی موجود، تولید می شود. توپولوژی تولید شده برای پیکربندی یک شبکه عرضه استفاده می شود، پس شبکه ها به طور تصادفی متوقف می شوند. دو استراتژی SCRM، یعنی کاهش میزان موجودی و تغییر مسیر احتمالی، اعمال می شود و میزان این استراتژی ها قادر به بهبود بازیابی شبکه می باشد. نتایج ما یک یادداشت محرمانه است. ما دریافتیم که اثربخشی دو راهبرد SCRM توسط توپولوژي شبکه عرضه تعدیل شده است و درک بهتري از توپولوژی شبکه عرضه برای ایجاد یک استراتژی موثر ضروری است. اولا نشان داده شده است که کاهش تسهیلات از تغییرات احتمالی در تنظیمات شبکه پیچیده بدون در نظر گرفتن توپولوژی بهتر عمل می کند. یک درس کلیدی این است که توپولوژی های تصادفی نیاز به سطوح موجودی به میزان قابل توجهی برای بهبود از اختلالات نسبت به شبکه های بدون مقیاس آزاد دارند. همچنین مشاهده می شود که تغییر مسیر احتمالی برای شبکه های بدون مقیاس به دلیل تعداد کم تامین کنندگان جایگزین، به ویژه برای اختلالات کوتاه مدت موثر نیست. سپس، مدیریت ریسک هدفمند را مورد بررسی قرار می دهیم، جایی که تنها تامین کنندگان که بیشترین آسیب را متحمل شده اند، یک استراتژی مدیریت ریسک را اعمال می کنند. تامین کنندگان هدف، همیشه به کاهش هزینه ها منجر نمی شوند. برعکس، کاهش میزان موجودی هدفمند ممکن است به طور قابل ملاحظه ای افزایش هزینه ها را در صورت بروز نارسایی های نادرست شبکه به علت داشتن موجودی بیش از حد برای مدت زمان طولانی نگه دارد. جابجایی هدفمند احتمالی باعث ایجاد نوسانات موجودی می شود زمانی که شبکه در معرض مصائب کوتاه مدت قرار می گیرد و باعث کاهش نرخ پر شدن و افزایش هزینه ها می شود. کار ما مطالعات بیشتری راجع به رابطه بین عملکرد و عملکرد شبکه های عرضه و توپولوژی آنها را انگیزه می دهد.

توجه؛ (این ترجمه توسط نرم افزار انجام شده و ویرایش نشده است و احتمال وجود اشتباه در آن وجود دارد. در صورت ثبت سفارش، ترجمه توسط مترجمین مجرب انجام خواهد شد. برای مشاهده نمونه ترجمه های تخصصی و اخیر مترجمین جهت اطمینان از کیفیت ترجمه، اینجا کلیک نمایید.)

1.Introduction

Over the past decades, supply chains have grown longer and became interconnected as a result of globalisation and rising cost pressures (Christopher and Holweg, 2011). Interconnectedness implies that a failure in one supply chain entity can potentially cascade across the whole network (Schmitt and Singh, 2012), making risk monitoring and mitigation challenging. Suppliers of multiple tiers are tied together creating emergent, yet predictable connection patterns, described as “supply network topology” (Thadakamalla et al., 2004). Studies on network topology, conducted under the framework of network science aim to unveil the behavioural phenomena of interconnected systems, which cannot be well understood from the perspective of a single entity. Understanding how the decision-making of multiple interconnected entities influence overall network resilience is necessary to cope with disruptions effectively because failures are more likely to propagate in certain topologies (Watts, 2002). Supply Chain Risk Management (SCRM) methods rarely consider the impact of disruptions on the extended supply network, where the term extended refers to ties beyond a firm’s direct suppliers and customers. The relationship between supply network topology and the effectiveness of recovery from disruptions using risk management strategies has not yet been explored. We aim to address this gap as follows. After reviewing previous work done in the field of SCRM and complex supply networks, we employ a modelling approach, where several theoretical network topologies based on the extant empirical literature are generated. The generated topologies are used to configure a supply network, after which the networks are subjected to random disruptions. Two SCRM strategies, namely inventory mitigation and contingent rerouting, are applied and the extent to which these strategies are able to enhance network recovery is observed. Our results sound a cautionary note. We find that the effectiveness of the two SCRM strategies is moderated by the topology of the supply network and that an increased understanding of supply network topology is necessary to underpin the choice of an effective strategy. First, it is shown that inventory mitigation outperforms contingent rerouting in a complex supply network setting regardless of topology. A key lesson is that random topologies need significantly higher inventory levels to recover from disruptions than scale-free networks. It is also observed that contingent rerouting is not effective for scale-free networks due to low numbers of alternative suppliers, particularly for short-term disruptions. We then explore targeted risk management, where only suppliers which suffered the most from disruptions apply a risk management strategy. Targeting suppliers does not always result in cost reduction. On the contrary, targeted inventory mitigation might significantly increase costs when the network is exposed to rare disruptions due to excessive inventory being kept for long periods of time. Targeted contingent rerouting creates inventory oscillations when network is exposed to short-lasting disruptions, resulting in decreased fill-rates and increased costs. Our work motivates further studies on the relationship between the functionality and performance of supply networks and their topology.