Managing supplier business interruption risks : a novel methodology for estimating the Time-To-Recover (TTR)

Given the increased level of complexity of global supply chains, companies are exposed to a variety of low-probability-high-impact disruption risks. Among these, the disruption of supply flows due to a supplier Business Interruption (BI), i.e., the inability of the supplier to provide goods to customers as planned due to an internal or external event, can severely affect company’s operations and profits, leading to huge loss in terms of lost sales and reputational damage. The severity of BI events pushes companies to proactively monitor supplier Business Interruption Risk (BIR), by quantifying how long it would take them to recover from the disruption and to establish the same component/material flow. This time is called Time To Recover (TTR), or Mean Time To Recover (MTTR) if the estimate incorporates different types of BI events with different TTRs. However, the literature shows some major gaps: there is no scientifically grounded methodology that companies can use to quantify the Mean Time To Recover from a supplier outage, and there is a lack of clear understanding of what are the main factors that influence the MTTR. This thesis proposes a novel semi-quantitative methodology that companies can apply to estimate the MTTR from supplier disruption, based on objective measures of several validated factors and the elicitation of company’s supply experts. Starting from a pure estimation of the MTTR made by the experts, which is the most common practice, companies will be able to understand which are the relevant factors that influence the MTTR assessment and improve the initial MTTR estimation through robust statistical analysis. Two statistical methods are used in this model. One-way ANOVA is applied to select the factors that have a real impact on the MTTR, from an initial list created through literature research and business expertise. PLS Regression Analysis between the selected factors and the estimated MTTR is used to determine a regression function able to calculate the MTTR based on the selected factors. Company experts can use the results of one-way ANOVA and PLS regression analysis to improve their estimate by adding objectivity. The model has been developed following a design research approach at the headquarter of Hilti Corporation, Schaan, Liechtenstein, where a pilot case, based on Hilti real data, was developed. The methodology is sufficiently flexible and customizable to be easily transferred and replicated in other companies as a support tool for estimating supplier BIR.

Dato il crescente livello di complessità e incertezza nelle supply chains, molte aziende oggi sono esposte a una varietà di rischi di interruzione della supply chain a bassa probabilità ed elevato impatto (supply chain disruption). Tra questi, l'incapacità di un fornitore di consegnare le merci ai clienti come previsto a causa dell'interruzione della sua attività produttiva comporta enormi perdite di profitti all'intera filiera e danni di reputazione alle aziende che ne fanno parte. Data la gravità dell'impatto, le aziende dovrebbero monitorare costantemente il rischio di interruzione di fornitura (Business Interruption Risk, BIR) dei loro fornitori, quantificando il tempo necessario per ristabilire lo stesso flusso di componenti. Questo tempo è stato chiamato Mean Time To Recover (MTTR) in questa tesi. L'analisi condotta sulla letteratura ha evidenziato diverse lacune: non esiste una metodologia che le aziende possano utilizzare per quantificare il tempo medio di recupero da un'interruzione dell'attività di un fornitore (MTTR), e manca una chiara comprensione di quali siano le variabili che abbiano un impatto e che quindi determinino il MTTR. Questa tesi propone una nuova metodologia che le aziende possono applicare per stimare il MTTR. Il modello sviluppato si basa sulla determinazione di fattori di influenza, e coinvolge gli esperti dell'azienda: partendo da una stima del MTTR effettuata dagli esperti, il modello permette di determinare quali siano i fattori rilevanti che influenzano la stima del MTTR e di migliorare la stima iniziale del MTTR. Due metodi statistici sono stati utilizzati in questa tesi. A partire da una lista di variabili creata tramite ricerca in letteratura ed esperienza acquisita in azienda, one-way ANOVA è stata applicata per selezionare quali siano le variabili che abbiamo un reale impatto sulla stima del MTTR. In seguito, l'analisi di regressione (PLS) tra le variabili precedentemente selezionate e la stima del MTTR è stata applicata per stimare un'equazione in grado di calcolare un valore di MTTR basato sui fattori di influenza. L'idea è che gli esperti aziendali possano usare i risultati dell'ANOVA e dell'analisi di regressione PLS per determinare deviazioni nella loro stima del MTTR e quindi migliorarne l'accuratezza. Il modello è stato sviluppato presso la sede della Hilti Corporation, a Schaan, Liechtenstein. La metodologia proposta in questa tesi è stata applicata a un caso pilota basato su dati reali di Hilti. Data l'elevata flessibilità e la possibilità di personalizzare il modello, la metodologia proposta può essere facilmente replicata da altre aziende come strumento di supporto nella valutazione dei fornitori e del loro rischio di interruzione.