{"id":94875,"date":"2023-08-15T12:00:00","date_gmt":"2023-08-15T10:00:00","guid":{"rendered":"https:\/\/industry-science.com\/?post_type=article&p=94875"},"modified":"2024-09-25T12:19:33","modified_gmt":"2024-09-25T10:19:33","slug":"numerical-indices-to-measure-resilience","status":"publish","type":"article","link":"https:\/\/industry-science.com\/en\/articles\/numerical-indices-to-measure-resilience\/","title":{"rendered":"Applying Numerical Indices to Measure and Increase Resilience"},"content":{"rendered":"\n

Wie wichtig gut funktionierende Lieferketten sind, haben Risikoereignisse wie die Corona-Pandemie, die Blockade des Suez-Kanals und der Ukraine-Konflikt aufgezeigt. Aktuelle Statistiken best\u00e4tigen zudem einen zunehmenden Trend an Risikoereignissen [1, 2]. Diese Entwicklung ruft bei Unternehmen eine hohe Unsicherheit zur zuk\u00fcnftigen Ausgestaltung der Lieferkette hervor. F\u00fcr Unternehmen wird es daher immer wichtiger, ihre Lieferketten resilient aufzubauen, um sich somit schnell an Ver\u00e4nderungen anpassen und Krisen bew\u00e4ltigen zu k\u00f6nnen [3].<\/p>\n\n

Eine Messung der Resilienz unterst\u00fctzt das Management ma\u00dfgeblich dabei, die Lieferkette auszugestalten und die Gesch\u00e4ftsf\u00e4higkeit bei Risikoereignissen aufrecht zu erhalten. In vielen F\u00e4llen ist eine Messung der Resilienz aus der Perspektive der eigenen Lieferkette w\u00fcnschenswert, um somit unterschiedliche Ausgestaltungen der Lieferketten mit Bezug zur Resilienz vergleichen zu k\u00f6nnen oder \u00fcber Benchmarkings Potenziale zur Verbesserung der Resilienz der Lieferkette zu ermitteln. Da dies ein Bezug zu einem vergleichenden Wert ben\u00f6tigt, werden numerische Indizes zur B\u00fcndelung verschiedener Kennzahlen der Resilienz vorgestellt. Diese erm\u00f6glichen es, Schwachstellen zu erkennen und gezielt geeignete Ma\u00dfnahmen zur Steigerung der Resilienz anzugehen. Die unterschiedlichen Zielsetzungen, Bewertungsverfahren und Anwendungsgebiete der Indizes werden diskutiert und erl\u00e4utert.<\/p>\n\n

Kennzahlen zur Messung der Resilienz<\/h2>\n\n

In der Literatur erfolgt die Messung von Resilienz der Lieferkette \u00fcber verschiedene Kennzahlen [4]. Diese Kennzahlen sind von unterschiedlicher Natur und beziehen sich teils auf die Effizienz der Prozesse, teils auf die Effektivit\u00e4t der Lieferkette zur Abmilderung der Auswirkungen eines Risikos. Bei einer effizienzbezogenen Sichtweise auf die Resilienz werden meist kostenbezogene Kennzahlen verwendet, w\u00e4hrend die Effektivit\u00e4t \u00fcber die Leistungserbringung der Lieferkette bemessen wird.<\/p>\n\n

Diese Kennzahlen haben zumeist kein einheitliches Skalenniveau. Aufgrund der Inhomogenit\u00e4t erweist sich die Messung der Resilienz anhand der Kennzahlen oft als schwierig, da die Verkn\u00fcpfung von numerischen und qualitativen Werten auf ein multivariates Zielsystem aus Kosten und Leistung trifft. Klassische Leistungskennzahlen sind bspw. das erreichte Servicelevel, die H\u00f6he der Sicherheitsbest\u00e4nde, die Kapazit\u00e4tsauslastung oder die Qualit\u00e4t der gelieferten Ware. Unter kostenbezogene Kennzahlen fallen unter anderem die Kosten f\u00fcr Anpassungen in der Lieferkette oder deren Cashflow. Eine ganzheitliche Auflistung \u00fcber die Kennzahlen findet sich in den Literaturquellen [4-8].<\/p>\n\n

Ma\u00dfnahmen zur Steigerung der Resilienz<\/h2>\n\n

F\u00fcr jedes Unternehmen k\u00f6nnen Ma\u00dfnahmen ergriffen werden, um die Resilienz ihrer zugeh\u00f6rigen Lieferkette zu verbessern. Die Einbindung von Ma\u00dfnahmen zur Abmilderung von Risiken in der Lieferkette ist ein Themenfeld, das in der Vergangenheit \u00fcblicherweise unter das Supply Chain Risikomanagement gefallen ist. Durch aktuelle Gegebenheiten und die zunehmende Frequenz an Risikoereignissen erhalten Resilienzma\u00dfnahmen eine wachsende Bedeutung [9]. Die Ma\u00dfnahmen k\u00f6nnen grob unterteilt werden in die Bereiche Agilit\u00e4t, Flexibilit\u00e4t, Kollaborationsf\u00e4higkeit und Visibilit\u00e4t [10, 11].<\/p>\n\n

Agilit\u00e4t und Flexibilit\u00e4t werden oftmals gemeinsam genannt und beschreiben die F\u00e4higkeit, sich schnell auf ver\u00e4ndernde Ereignisse umzustellen. Bei Risikoereignissen ist unter Umst\u00e4nden eine strategische Reorganisation des Netzwerks sinnvoll. Zugeh\u00f6rige Ma\u00dfnahmen beinhalten Liefer- und Routenflexibilit\u00e4t sowie Produktionsflexibilit\u00e4t (bspw. gest\u00fctzt durch additive Fertigungstechnologien oder Manufacturing-as-a-Service Dienste). Auch Konzepte des Nearshorings bzw. der Regionalisierung l\u00e4sst Lieferketten durch verk\u00fcrzte Durchlaufzeiten flexibler werden. Zudem ist der Aufbau von Redundanzen wie zus\u00e4tzliche Sicherheitsbest\u00e4nde oder multiples Sourcing ein proaktiver Ansatz der Resilienz. [12, 13] Ein netzwerkweites Zusammenarbeiten ist im Rahmen der Resilienz unabdingbar. Gegenseitiges Vertrauen bildet die Grundlage f\u00fcr alle kollaborativ angesto\u00dfenen Ma\u00dfnahmen [14].<\/p>\n\n

Ein unternehmens\u00fcbergreifendes Data-Sharing mit Gew\u00e4hrleistung der Datensouver\u00e4nit\u00e4t \u00fcber entsprechende Plattformen ist ein starker Treiber f\u00fcr Resilienz in Netzwerken, da St\u00f6rungen im Netzwerk so in einem fr\u00fchen Stadium entdeckt und adressiert werden k\u00f6nnen. Diese Art der Ma\u00dfnahme ist eng verkn\u00fcpft mit dem Bereich der Kollaborationsf\u00e4higkeit sowie der Visibilit\u00e4t. Zur Visibilit\u00e4t geh\u00f6ren dar\u00fcber hinaus der Aufbau gemeinsamer Wissensdatenbanken und Initiativen zur Risikoteilung. [15, 16]\n\n

\"Gegenüberstellung
Bild 1: Gegen\u00fcberstellung von Kostenabweichungen und Servicelevelfehler<\/em> pro Auftrag<\/em> zur Generierung des Supply-Chain-Resilienz-Index (SCRI) nach [23].<\/em><\/figcaption><\/figure>\n\n

Messung der Resilienz in Lieferketten anhand eines Indexes<\/h2>\n\n

Um ein Benchmarking oder eine Entscheidungsunterst\u00fctzung zur Auswahl einer Ma\u00dfnahme zu haben, ist es notwendig, relevante Kennzahlen der Resilienz in einem Index zu b\u00fcndeln. Liegt ein objektiver Index mit einem einzelnen numerischen Wert vor, sind Anpassungen durch Ma\u00dfnahmen schnell einsch\u00e4tzbar und erm\u00f6glichen einen Vergleich der angepassten Lieferketten. Auf Basis einer systematischen Literaturanalyse wurden daher die g\u00e4ngigen wissenschaftlichen Datenbanken auf \u201eWebScholar\u201c, \u201eScienceDirect\u201c, \u201eScopus\u201c und \u201eResearchGate\u201c auf numerische Indizes zur Messung der Resilienz gepr\u00fcft. Mit der Schlagwortsuche \u201eResilience\u201c AND \u201eIndex\u201c AND \u201eSupply Chain\u201c wurden 246 Paper identifiziert, deskriptiv analysiert und kategorisiert und schlie\u00dflich bewertet.<\/p>\n\n

Es wurde ersichtlich, dass nur vereinzelt Ans\u00e4tze zur Aggregation der Kennzahlen auf eine finale \u00dcbersichtskennzahl bzw. Index vorliegen. In Quintessenz gibt es neben l\u00e4nderspezifischen Bewertungen derzeit zwei Arten zur Messung der Resilienz von Lieferketten anhand eines Indexes, zum einen auf Basis von Interviews und zum anderen auf Prozessdaten aus der Lieferkette. Die Ans\u00e4tze haben je nach Art der Analyse und Verf\u00fcgbarkeit von Daten ihre Vorz\u00fcge.<\/p>\n\n

Resilienz- und Risikoma\u00dfe f\u00fcr die Messung der gesamtwirtschaftlichen Struktur von L\u00e4ndern beziehen volkswirtschaftliche Rankings und Kennzahlen ein. Da sich Lieferketten in unserer stark globalisierten Welt \u00fcblicherweise \u00fcber mehrere L\u00e4nder erstrecken, liefert eine gewichtete Aggregation der L\u00e4nderkennzahlen eine gute Indikation hinsichtlich der Anf\u00e4lligkeit der Lieferkette. Der Global Connectedness Index (GCI) von DHL ist als ein l\u00e4nderbezogener Index zu nennen [17]. Der GCI basiert auf den vier Hauptkategorien Handelsstr\u00f6me, Kapitalbewegungen, Informations- und Kommunikationstechnologien sowie Personen- und Datenstr\u00f6men.<\/p>\n\n

Die Kennzahlen dieser Kategorien werden aus Datenquellen der Weltbank, dem Internationalen W\u00e4hrungsfonds und der UNO erhoben. Der Index bewertet L\u00e4nder und Regionen anhand ihres Ausma\u00dfes an globaler Verflechtung und ihrer Integration in die Weltwirtschaft. Ein weiteres zum GCI alternatives indexbasiertes Ranking ist das IMD World Competitiveness Ranking [18]. Auch Rankings wie der Logistics Performance Index liefern Indikatoren zur logistischen Leistung eines Landes und k\u00f6nnen im Kontext der Resilienz aufschlussreich sein [19].<\/p>\n\n

Dar\u00fcber hinaus wurden vier numerische Indizes zur Messung der Resilienz in Lieferketten identifiziert. Darunter vergleicht der Index von Soni u. a. die Effektivit\u00e4t von Strategien zur Risikominderung in einer Lieferkette [20]. Hierzu werden in mehreren Interviews eine Reihe von Resilienzfaktoren bewertet, darunter die Agilit\u00e4t der Lieferkette, Kollaboration zwischen den Partnern, sowie Risiko- und Ertragsaufteilung. Die Autoren zeigen auf, wie die Faktoren miteinander verkn\u00fcpft sind und wodurch die Resilienz gesteigert werden kann.<\/p>\n\n

Zur Messung und Integration der verschiedenen Faktoren in einen Index nutzen die Autoren eine Kombination aus einem Strukturgleichungsmodell und Graphentheorie. Insgesamt bietet die Studie wichtige Erkenntnisse f\u00fcr Unternehmen, um sich besser gegen Risiken und Krisen abzusichern und ihre Lieferketten resilient zu gestalten. Der Ansatz vereinfacht das dynamische Umfeld von Lieferketten, bewertet jedoch keine Wechselwirkungen von Risiken durch das dynamische Verhalten der Lieferkette. Aufgrund des zeitaufwendigen Prozesses der einbezogenen Interviews ist der Ansatz in einem stabilen Umfeld wertvoll, in einem disruptiven Ereignis wie bei Corona jedoch schwierig anzuwenden.<\/p>\n\n

Ein Resilienzindex von Agarwal u. a. nutzt ebenfalls einen graphentheoretischen Ansatz [21]. In Kombination mit einer explorativen Faktorenanalyse werden Resilienzpotenziale durch die Bewertung der Produktionsflexibilit\u00e4t, Kollaboration und weiteren Potenzialen ermittelt. Der entwickelte Index ist umso h\u00f6her, desto besser die F\u00e4higkeit ist, mit St\u00f6rungen umzugehen und sich von ihnen zu erholen. Die Berechnung des Indexes erm\u00f6glicht es Managern, einen Verbesserungsplan zur Steigerung der Resilienz abzuleiten. Durch die Befragungen eignet sich der Index insbesondere zum Vergleich von Lieferketten vor und nach einem Risikoereignis.<\/p>\n\n

Um die Perspektive der Nachhaltigkeit in die Resilienzmessung einzubeziehen, entwickelten Azevedo u. a. einen Index zur Messung der Lean, Agilen, Resilienten und Gr\u00fcnen (LARG) Strategie des Unternehmens [22]. Der LARG-Index soll als Benchmarking-Instrument f\u00fcr Automobilunternehmen und ihre entsprechenden Lieferketten dienen. Zur Quantifizierung einer Strategie werden zugeh\u00f6rige Themen in Form von Interviews auf einer Skala von eins bis f\u00fcnf bewertet. Jede Strategie erh\u00e4lt eine eigene Gewichtung und \u00fcber eine lineare Aggregation der Strategieteile entsteht ein geb\u00fcndelter Index. Der LARG-Index ist ein gutes Instrument, um die ganzheitliche Nachhaltigkeit einer Lieferkette unter Einbezug m\u00f6glicher Risiken zu messen und zu vergleichen. Wie der Ansatz von Soni u. a. [20] ber\u00fccksichtigt auch der LARG-Index keine Stochastik sowie Wechselwirkungen und Kaskadeneffekte von Risiken in einer Lieferkette.<\/p>\n\n

Um unabh\u00e4ngig von Interviews die Resilienz zu quantifizieren, baut ein Ansatz von Sardesai auf den Prozessdaten der Lieferkette auf [23]. In dem Ansatz werden die Kennzahlen des Servicelevels als Indikator der Leistung und Kostenabweichungen als Indikator der Effizienz 0geb\u00fcndelt. Beide Kennzahlen beziehen sich auf einen Kundenauftrag in der Lieferkette. Die Kennzahlen werden historischen Daten entnommen oder \u00fcber ein Simulationsmodell bzw. mathematisches Modell der Lieferkette generiert. Eine multivariate Prozessf\u00e4higkeitsanalyse \u00fcberf\u00fchrt die Kennzahlen in einen Supply-Chain-Resilienz-Index (SCRI).<\/p>\n\n

F\u00fcr die beiden oben benannten Kennzahlen werden zun\u00e4chst vom Unternehmen maximal akzeptable Werte festgelegt, die die oberen Spezifikationsgrenzen (OSG) beschreiben. Die unteren Spezifikationsgrenzen (USG) liegen f\u00fcr beide Kennzahlen bei null. Die Werte der berechneten Kennzahlen werden periodisch aggregiert und bilden Vektoren in einem Koordinatensystem (Bild 1). Dadurch lassen sich obere und untere Prozessgrenzen (UPG und OPG) berechnen. Ein \u00adVergleich der Prozessgrenzen mit den Spezifikationsgrenzen definiert die Streuung der Kennzahlen im Verh\u00e4ltnis zu den Spezifikationsgrenzen.<\/p>\n\n

Um anschlie\u00dfend die Lage der Vektoren in Bezug zu den Spezifikationsgrenzen zu bewerten, wird ein Korrekturfaktor k hinzugezogen (Formel (1); zur detaillierten Berechnung siehe [23]). Daraus ergibt sich der Supply-Chain-Resilienz-Index SCRI. Ein SCRI von \u00fcber 1 verweist auf eine resiliente Lieferkette.<\/p>\n\n

\"Dieses<\/figure>\n\n

Durch die Kombination des SCRI mit simulationsbasierten Kennzahlen von angepassten Lieferketten kann der SCRI zur Bewertung der Resilienz einer Lieferkette vor, w\u00e4hrend und nach einem Risikoereignis eingesetzt werden. Graphische Darstellungen der Kennzahlen eignen sich zur Feinanalyse. Bild 1 stellt hierf\u00fcr beispielhaft die Kennzahlen der Kostenabweichungen und des Servicelevelfehlers f\u00fcr alle Auftr\u00e4ge einer Lieferkette im Zeitraum von 36 Monaten dar. Die eingezeichnete Linie zeigt die Toleranzgrenze eines Unternehmens f\u00fcr beide Kennzahlen und dient als Referenzpunkt zur Berechnung des Indexes.<\/p>\n\n

Sardesai und Klingebiel nutzen den Ansatz und beschreiben die Berechnung der Kennzahlen und des SCRI \u00fcber die Prozessf\u00e4higkeitsanalyse am Beispiel von Hafenschlie\u00dfungen w\u00e4hrend die Corona-Pandemie [24]. Sollen somit explizit die Dynamik einer Lieferkette, die Stochastik der Risikoereignisse und m\u00f6gliche Kaskadeneffekte ber\u00fccksichtigt werden, die sich aus dem gest\u00f6rten Muster der Lieferkette aufgrund der zugrundeliegenden Dynamik ergeben, so eignet sich insbesondere ein Ansatz, der auf Prozessdaten aufbaut. Bild 2 liefert eine \u00dcbersicht der Indizes.<\/p>\n\n

\"Vergleich
Bild 2: Vergleich der Indizes zur Messung der Resilienz und deren Ziele und Anwendungsgebiete.<\/em><\/figcaption><\/figure>\n\n

Fazit<\/h2>\n\n

Die zunehmende Unsicherheit in den Lieferketten veranlasst Unternehmen dazu, mehr Resilienz in ihre Prozessabl\u00e4ufe zu integrieren. Um den Nutzen verschiedener Ma\u00dfnahmen und innovativer Technologien messbar zu machen, gestatten Indizes die Messung der Resilienz in einer Lieferkette. \u00dcber die Verwendung eines numerischen Indexes k\u00f6nnen Unternehmen vorausschauend auf identifizierte Risiken und resultierende Engp\u00e4sse reagieren und Resilienzpotenziale einplanen. Sofern Daten vorliegen und Stochastik der Risikoereignisse und m\u00f6gliche Kaskadeneffekte ber\u00fccksichtigt werden sollen, eignet sich insbesondere der Supply-Chain-Resilienz-Index SCRI. Liegen keine Daten vor, k\u00f6nnen interviewbasierte Indizes wie der LARG-Index verwendet werden. L\u00e4nderbasierte Indizes dienen insbesondere bei der Gestaltung von Lieferketten oder bei der Auswahl von Lieferanten.<\/p>\n\n

Die entwickelte \u00dcbersicht in Bild 2 unterst\u00fctzt das Management dabei, einen geeigneten Index zur Ausgestaltung der Lieferkette auszuw\u00e4hlen. So helfen Indizes dem Management, strategische Schwachstellen zu identifizieren und die Ausrichtung der Lieferkette bspw. durch alternative Zulieferer, neue Produktionsallokationen oder neue Transportwege dahingehend anzupassen. Als Teil der Ma\u00dfnahmen unterst\u00fctzen technologische Innovationen den Aufbau von Resilienz. Als Ausblick sei daher genannt, dass bspw. das Internet der Dinge (IoT) die Vernetzung von Lieferketten sowie die Echtzeit\u00fcberwachung von Materialfl\u00fcssen und Lagerbest\u00e4nden erm\u00f6glicht.<\/p>\n\n

In dem Zuge k\u00f6nnen interaktive Plattform\u00f6konomien, insbesondere kollaborative Datenr\u00e4ume wie Gaia-X oder Manufacturing-X [25, 26], die effektive Zusammenarbeit innerhalb der Lieferkette f\u00f6rdern und unterst\u00fctzend bei der Datenbeschaffung und -implementierung insbesondere f\u00fcr Simulationsmodelle wirken. Dies erlaubt es Unternehmen, schnellere Entscheidungen zu treffen und Engp\u00e4sse sowie unerwartete Risiken innerhalb der Lieferkette effektiv und gemeinsam den Partnern in der Lieferkette zu beheben.<\/p>\n\n

Dieser Beitrag entstand im Rahmen des Projekts \u201eResKriVer – Resiliente Krisenrelevante Versorgungsnetze\u201c, das vom Bundesministerium f\u00fcr Wirtschaft und Klimaschutz unter dem Kennzeichen 01MK21006A gef\u00f6rdert wird.<\/em><\/p>\n

Bibliography <\/h2>[1] DIHK: What business risks do you see for your company within the next months? URL: www.statista.com\/statistics\/1342281\/business-risks-next-months-companies-germany, Abrufdatum 27.06.2023.\r
[2] Allianz: Leading risks to large, mid-size and small companies globally for 2023. URL: www.statista.com\/statistics\/422207\/leading-business-risks-by-company-size, Abrufdatum 27.06.2023.\r
[3] Ponomarov, S. Y.; Holcomb, M. C.: Understanding the concept of supply chain resilience. In: The International Journal of Logistics Management 20 (2009) 1, S. 124-43.\r
[4] Han, Y.; Chong, W. K.; Li, D.: A systematic literature review of the capabilities and performance metrics of supply chain resilience. In: International Journal of Production Research 58 (2020) 15, S. 4541-66.\r
[5] Karl, A. A.; Micheluzzi, J.; Leite, L. R.; Pereira, C. R.: Supply chain resilience and key performance indicators: a systematic literature review. In: Production 28 (2018).\r
[6] Shashi; Centobelli, P.; Cerchione, R.; Ertz, M.: Managing supply chain resilience to pursue business and environmental strategies. In: Business Strategy and the Environment 29 (2020) 3, S. 1215-1246.\r
[7] Shahin, A.; Balouei Jamkhaneh, H.; Shahin, R.: Supply Chain Risk Management Under Covid-19: A Review and Research Agenda. In: Kryvinska, N.; Gregu\u0161, M. (Hrsg): Developments in Information & Knowledge Management for Business Applications. Cham 2022.\r
[8] Chowdhury, M. M. H.; Quaddus, M.: Supply chain readiness, res- ponse and recovery for resilience. In: Supply Chain Management: An International Journal 21 (2016) 6, S. 709-31.\r
[9] Anderluh, A.; Herburger, M.: Supply Chain Resilience: A Decade of Evolvement. In: Kummer, S.; Wakolbinger, T.; Novoszel, L.; Geske, A. M. (Hrsg): Supply Chain Resilience. Cham 2022.\r
[10] Sardesai, S.; Klink, P.; Bourbita, B.; Kippenberger, J. K.; Henke, M.: Rapid Reconfiguration of Supply Chains with Simulation as a Support to Public\u2013Private Partnerships during Pandemics. In: Khan, O.; Huth, M.; Zsidisin, G. A.; Henke, M. (Hrsg): Supply Chain Resilience. Cham 2023.\r
[11] Geske, A. M.; Novoszel, L.: Definition and Development of Supply Chain Resilience. In: Kummer, S.; Wakolbinger, T.; Novoszel, L.; Geske, A. M. (Hrsg): Supply Chain Resilience. Cham 2022.\r
[12] Meyer, M. M.; Glas, A. H.; E\u00dfig, M.: Achieving Supply Chain Resilience Through Additive Manufacturing. In: Kummer, S.; Wakolbinger, T.; Novoszel, L.; Geske, A. M. (Hrsg): Supply Chain Resilience. Cham 2022.\r
[13] Schuhmayer, C.: Resilience in Warehousing. In: Kummer, S.; Wakolbinger, T.; Novoszel, L.; Geske, A. M. (Hrsg): Supply Chain Resilience. Cham 2022.\r
[14] Cohen, M.; Cui, S.; Doetsch, S.; Ernst, R.; Huchzermeier, A.; Kouvelis, P.; Lee, H.; Matsuo, H.; Tsay, A. A.: Bespoke supply-chain resilience: The gap between theory and practice. In: Journal of Operations Management 68 (2022) 5, S. 515-31.\r
[15] Scholten, K.; Schilder, S.: The role of collaboration in supply chain resilience. In: Supply Chain Management: An International Journal 20 (2015) 4, S. 471-484.\r
[16] Ivanov, D.; Dolgui, A.: A digital supply chain twin for managing the disruption risks and resilience in the era of Industry 4.0. In: Production Planning & Control 32 (2021) 9, S. 775-88.\r
[17] DHL: Global Connectedness Index shows strength of globalization and benefits of improving it. URL: www.dhl.com\/global-en\/delivered\/globalization\/global-connectedness-index.html, Abrufdatum 04.05.2023.\r
[18] IMD: World Competitiveness Ranking. URL: www.imd.org\/centers\/wcc\/world-competitiveness-center\/rankings\/world-competitiveness-ranking, Abrufdatum 04.05.2023.\r
[19] World Bank: Logistics Performance Index (LPI). URL: https:\/\/lpi.worldbank.org, Abrufdatum 04.05.2023.\r
[20] Soni, U.; Jain, V.; Kumar, S.: Measuring supply chain resilience using a deterministic modeling approach. In: Computers & Industrial Engineering 74 (2014), S. 11-25.\r
[21] Agarwal, N.; Seth, N.; Agarwal, A.: Evaluation of supply chain resilience index: a graph theory based approach. In: Benchmarking: An International Journal 29 (2022) 3, S. 735-766.\r
[22] Azevedo, S. G.; Carvalho, H.; Cruz-Machado, V.: LARG index. In: Benchmarking: An International Journal 23 (2016) 6, S. 1472-99.\r
[23] Sardesai, S.: Bewertung und Ver- besserung der Robustheit des Servicelevels in CKD-Produktionsnetzwerken unter Risiken. Wiesbaden 2022.\r
[24] Sardesai, S.; Klingebiel, K.: Maintaining viability by rapid supply chain adaptation using a process capability index. In: Omega 115 (2023), S. 102778.\r
[25] Plattform Industrie 4.0: Manufacturing-X. URL: www.plattform-i40.de\/IP\/Navigation\/DE\/Manufacturing-X\/Initiative\/initiative-manufacturing-x.html, Abrufdatum 04.05.2023.\r
[26] Gaia-X: Gaia-X Home. URL: www. data-infrastructure.eu\/GAIAX\/Navigation\/EN\/Home\/home.html, Abrufdatum 04.05.2023.<\/div>

Your downloads<\/h2>