Supplier business interruption risk: a dual-phase methodology to enhance the time to recover estimation

As supply chains grow complex and the global risk landscape evolves, firms face more low-probability, high-impact disruption risks. Among these, supplier disruptions trigger Business Interruption (BI) at the buyer: the downstream flow of materials from the supplier is interrupted or reduced, preventing the buyer from operating normally and thereby reducing sales and/or raising costs. Consequently, firms must proactively evaluate supplier Business Interruption Risk (BIR). A key metric is the time the buyer needs, with all feasible actions, to restore an equivalent flow for affected items, defined as Time to Recover (TTR). However, the literature shows important gaps: first, no methodology quantifies the impact of supplier BI on the TTR of downstream companies, and few studies identify the drivers of TTR. Second, existing approaches rarely address multiple disruption sources in one framework and explicitly model mitigation strategies. This thesis proposes a methodology to improve TTR estimation across multiple supplier-disruption sources by modelling TTR factors and explicitly incorporating recovery and survival (Time to Survive, TTS) mitigation strategies. Specifically, first, combining literature and expert input, a matrix links BI events/categories to recovery and survival strategies and states their applicability. A set of relevant TTR factors is then specified. Second, after collecting field-based data on TTR and TTR factors for each specific recovery strategy, a one-way ANOVA identifies which factors affect TTR. A PLS-SEM regression then relates the selected factors to TTR yielding a reviewed model-based TTR. This improved TTR assessment helps select the optimal recovery strategy and, by including survival strategy, quantifies the buyer's economic exposure after a supplier disruption. This thesis was developed following a Design Science Research methodology during a 12-month internship at Hilti Group's headquarters in Schaan, Liechtenstein. A pilot with Hilti data shows the method is flexible and customizable enough to be adapted and replicated in other companies as a support tool for estimating BIR.

Considerata la crescente complessità delle catene di fornitura e l'evoluzione del quadro globale dei rischi, le imprese sono esposte a maggiori rischi di interruzione caratterizzati da bassa probabilità e alto impatto. Tra questi, le interruzioni presso i fornitori sospendono o riducono il flusso di materiali a valle nella catena, interrompendo l'attività operativa dell'acquirente (Business Interruption, BI). Di conseguenza, le imprese devono valutare proattivamente il rischio di interruzione operativa (Business Interruption Risk, BIR) dovuto al fornitore. Un indicatore chiave è il tempo di recupero (Time To Recover, TTR) di cui l'acquirente ha bisogno per ripristinare un flusso equivalente dei materiali interrotti. L'analisi della letteratura presenta lacune: primo, manca una metodologia che quantifichi l'impatto della BI dovuta al fornitore sul TTR delle aziende a valle, e pochi studi identificano i fattori che determinano il TTR; secondo, gli approcci esistenti raramente integrano più fonti d'interruzione in un unico modello e considerano esplicitamente strategie di mitigazione. Questa tesi propone una metodologia per migliorare la stima del TTR su più fonti di interruzione del fornitore, modellando i fattori che determinano il TTR (TTR factors) e integrando esplicitamente strategie di recupero e di sopravvivenza (Tempo Di Sopravvivenza, Time to Survive, TTS) dell'azienda. In particolare: (i) combinando letteratura e contributo degli esperti aziendali, si definisce una matrice che collega eventi/categorie di interruzione alle strategie di recupero e sopravvivenza, indicandone l'applicabilità; si specifica poi un insieme di TTR factors rilevanti. (ii) Dopo aver raccolto dati reali su TTR e TTR factors per ciascuna specifica strategia di recupero, una one-way ANOVA identifica i fattori che influenzano il TTR. Una regressione PLS-SEM mette quindi in relazione i TTR factors selezionati con il TTR e ne deriva l'equazione di stima. Questa valutazione migliorata del TTR aiuta a scegliere la strategia di recupero ottimale e, includendo la strategia di sopravvivenza, quantifica l'esposizione economica dell'acquirente a seguito di un'interruzione del fornitore. La tesi è stata sviluppata seguendo una metodologia Design Science Research durante un tirocinio di 12 mesi presso la sede di Hilti Group a Schaan, Liechtenstein. Un caso pilota basato su dati Hilti mostra che il metodo è sufficientemente flessibile e personalizzabile da poter essere adattato e replicato in altre aziende come strumento di supporto alla stima del BIR.