مدل‌سازی اثر موجی اختلال تامین‌کننده: زنجیره یکپارچه مارکوف و رویکرد پویای شبکه بیزی

اثر موجی می‌تواند زمانی رخ دهد که یک اختلال پایه تامین‌کننده نمی‌تواند مکان‌یابی شود و در نتیجه به سمت پایین‌دست زنجیره تامین (SC) حرکت می‌کند و تاثیر منفی بر عملکرد می‌گذارد. در حالی که آزمایش تنش SC محتوای استراتژی و ارزیابی آسیب‌پذیری آن‌ها نسبت به اختلال ها در یک تنظیمات منفرد – منفرد مطلوب و در واقع برای برخی از شرکت‌ها حیاتی است، مدل‌سازی تاثیر موج دار شدن بر سیستم‌های چند سطحی اهمیت روز افزونی یافته‌است. قابل‌ذکر است که ارزیابی اثرات موج در چند مرحله به طور خاص توسط نیاز به بررسی قابلیت‌های آسیب‌پذیری و بازیابی در شرکت‌های منفرد در شبکه به چالش کشیده می‌شود. ما یک مدل جدید براساس ادغام زنجیره مارکف گسسته – زمان (DTMC) ‏و یک شبکه بیزی پویا (DBN) برای کمی کردن اثر موجی ایجاد کردیم. ما از DTMC برای مدلسازی بازیابی و آسیب‌پذیری تامین کنندگان استفاده می‌کنیم. سپس مدل پیشنهادی DTMC با یک مدل DBN به منظور شبیه‌سازی رفتار انتشار اختلال تامین‌کننده در محتوای استراتژی برابر می‌شود. در نهایت، ما معیاری را پیشنهاد می‌کنیم که اثر موجی اختلال تامین کننده بر تولید کنندگان را بر حسب کل سطح خدما

The ripple effect can occur when a supplier base disruption cannot be localised and consequently propagates downstream the supply chain (SC), adversely affecting performance. While stress-testing of SC designs and assessment of their vulnerability to disruptions in a single-echelon-single-event setting is desirable and indeed critical for some firms, modelling the ripple effect impact in multi-echelon-correlated-events systems is becoming increasingly important. Notably, ripple effect assessment in multi-stage SCs is particularly challenged by the need to consider both vulnerability and recoverability capabilities at individual firms in the network. We construct a new model based on integration of Discrete-Time Markov Chain (DTMC) and a Dynamic Bayesian Network (DBN) to quantify the ripple effect. We use the DTMC to model the recovery and vulnerability of suppliers. The proposed DTMC model is then equalised with a DBN model in order to simulate the propagation behaviour of supplier dis