Assessing Supply Network Complexity in Maritime Industry in Malaysia: Inter-Firms' Relations Drives Pattern of Supply Network Structure

• Autorzy: Lokhman Hakim Osman , Ahmad Raflis Che Omar , Suraiya Ishak

Warianty tytułu

Kompleksowość łańcucha dostaw w portach morskich Malezji: wpływ relacji między firmami na strukturę łańcucha dostaw

• Języki publikacji: EN

Abstrakty

EN

Background: Complexity has been an interesting research area for academics and businesses practices due to its relevance in determining the best practices and impacts to the supply network. The contribution of this research extend to the literature and put forward solutions for the industry since previous studies are neglecting whole network relations, which is highlighted as source of supply network complexity (SNC). Specifically, this research extends to enriching the literature and recommending solutions to the industry players since previous studies are neglecting important Inter Firm Relation (IFR) elements, formal inter-firm relation (FIFR) and informal inter-firm relations (IIFR), which are highlighted as a pertinent factor in this research. In this study, the Social Network Analysis (SNA) method was adopted to develop valid attribute for the measurement process and the embeddedness theory was used to evaluate the interrelationships among the proposed attributes. This study found that FIFR and IIFR have different effects towards the formation of SNS and consequently towards SNC. Finally, theoretical and industrial implications are also discussed. Methods: Traditional statistical tools focus on attributes of phenomenon as determinants for occurrence of economic payoff. Thus, traditional statistical analysis is not suitable to measure the impact of relations or connections among member of network contributing to network complexity. For the purpose of this research, the Social Network Analysis methodology was adopted to collect, analyse and interpret network data. Network survey was conducted to collect relational data among members of maritime industry supply network. Network data was analysed and interpreted using specialized social network program i.e. UCINET and NETDRAW. Statistical network measures such as centralization and density was applied to determine the relations between network complexity and network relations. Results: The findings of this study indicate that Inter Firm Relation (IFR), formal inter-firm relation (FIFR) and informal inter-firm relations (IIFR), which are highlighted as a pertinent factor in this research, have different effects towards the formation of SNS and consequently towards SNC. Conclusion: The results of the statistical network analysis indicate that, network complexity exist in different forms and structure, depending on the type of relations that formed the network in the first place. Consequently, what these mean are, managing network requires different types of resource and strategy as the level of the network complexity are different at different states of connectivity. (original abstract)

Wstęp: Kompleksowość jest interesującym tematem badań naukowych w połączeniu z tematem stosowania dobrych praktyk oraz jego wpływu na funkcjonowanie łańcucha dostaw. Praca skupia się na obszarze przemysłu, gdyż jest on stosunkowo mało opracowany w ostatnio publikowanych pracach, gdzie są często pomijane aspekty zależności sieciowych, wpływających na kompleksowość łańcucha dostaw (SNC). W szczególności praca skupia się na elementach wewnętrznych relacji firmowych (IFR), formalnych relacjach wewnątrzfirmowych (FIRF) oraz nieformalnych relacjach wewnątrzfirmowych (IIFR), które są szczególnie potraktowane w prezentowanej pracy. W pracy zastosowano metodę analizy sieci socjalnych (SNA) w zmodyfikowanej formie dla oceny procesu oraz teorii zagnieżdżenia, które zostały użyte do oceny relacji wewnętrznych. W pracy stwierdzono, że FIFR i IIFR mają różny wpływ na formowanie SNS oraz w konsekwencji na kształt SNC. Poddano dyskusji również teoretyczne i przemysłowe implikacje. Tradycyjne narzędzia statystyczne koncentrują się na wpływu czynników na ekonomiczny wynik. Dlatego też tradycyjna analiza statystyczna nie jest wystarczającą dla pomiaru wpływu relacji i powiązań między członkami sieci na kompleksowość tej sieci. W celu tej oceny, zastosowano metodologię SNA (Social Network Analysis), do zbierania, analizy i interpretacji danych. Dane zebrano na podstawie ankiety pomiędzy członkami łańcucha dostaw obszaru portów morskich. Zebrane dane zostały poddane analizie w specjalistycznym programie UCINET oraz NETDRAW. Do oceny relacji sieciowych oraz kompleksowości zostały użyte wskaźniki statystyczne takie jak centralizacja i gęstość. Wyniki: Wyniki badań wskazały, że relacje wewnątrzfirmowe (IFR), formalne relacje wewnątrzfirmowe (FIRF) oraz nieformalne relacje wewnątrzfirmowe (IIFR), uwzględnione w pracy jako istotne, mają różny wpływ na kształtowanie się SNS oraz w konsekwencji na SNC. Wnioski: Wyniki analizy statystycznej wskazują, że kompleksowość sieci występuje w różnej formie i strukturze, w zależności od typu relacji, kształtującej daną sieć. W konsekwencji, różnego rodzaju zasoby i strategie jak i poziom kompleksowości sieci są różne w różnych etapach połączeń. (abstrakt oryginalny)

Słowa kluczowe

EN

Supply chain; Seaports; Social Network Analysis (SNA)

PL

Łańcuch dostaw; Porty morskie; Analiza sieci społecznych

• Czasopismo: LogForum
• Rocznik: 2021
• Tom: 17
• Numer: nr 1
• Strony: 157--171

Twórcy

autor

Lokhman Hakim Osman

• Universiti Kebangsaan, Malaysia

autor

Ahmad Raflis Che Omar

• Universiti Kebangsaan, Malaysia

autor

Suraiya Ishak

• Universiti Kebangsaan, Malaysia

Bibliografia

• Borgatti, Li, 2009. On Social Network Analysis in a Supply Chain Context*. Journal of Supply Chain Management, 45(2), 5-22. http://doi.org/10.1111/j.1745-493X.2009.03166.x
• Borgatti S., Everett M., Freeman L., 2002. UCINET 6 For Windows: Software for Social Network Analysis. Retrieved from http://www.analytictech.com/
• Borgatti S.P., Jones C., Everett M.G., 1998. Network measures of social capital'. Semantic Pajek Networks Software, 21(2), 27-36.
• Burton P., 2010. Social Network Position and Its Relationship to Performance of IT Professionals. Informing Science: the International Journal of an Emerging Transdiscipline, 13.
• Ceyhan S., Dogan I.C., Yildiz M., Barca M., 2018. Boundary conditions for the emergence of relational trust among exportters and importers. Review of International Business and Strategy, 28(3/4), 358-372. http://doi.org/10.1108/RIBS-01-2018-0009
• Chakkol M., Finne M., Raja J.Z., Johnson M., 2018. Social capital is not for sale: a supply network perspective on mergers and acquisitions. Supply Chain Management: An International Journal, 23(5), 377-395. http://doi.org/10.1108/SCM-02-2017-0052
• Chakkol M., Selviaridis K., Finne M., 2018. The governance of collaboration in complex projects. International Journal of Operations & Production Management, 38(4), 997-1019. http://doi.org/10.1108/IJOPM-11-2017-0717
• Choi, Kim, 2008. Structural Embeddedness and Supplier Management: A Network Perspective. Journal of Supply Chain Management, 44(4), 5-13. http://doi.org/10.1111/j.1745-493X.2008.00069.x
• Cousins P.D., Handfield R.B., Lawson B., Petersen K.J., 2006. Creating supply chain relational capital: The impact of formal and informal socialization processes. Journal of Operations Management, 24(6), 851-863. http://doi.org/10.1016/j.jom.2005.08.007
• Granovetter M., 1985. Economic Action and Social Structure: The Problem of Embeddedness. American Journal of Sociology, 91(3), 481-510. Retrieved from http://www.jstor.org/stable/2780199.
• Hamari J., Sjöklint M., Ukkonen A., 2016. The sharing economy: Why people participate in collaborative consumption. Journal of the association for information science and technology, 67(9), 2047-2059. http://doi.org/10.1002/asi.23552
• Hanneman R., Riddle M., 2005. Introduction to social network methods: University of California Riverside, CA.
• Hartman S., 2016. Towards adaptive tourism areas? A complexity perspective to examine the conditions for adaptive capacity. Journal of Sustainable Tourism, 24(2), 299-314. http://doi.org/10.1080/09669582.2015.1062017
• Hedvall K., Jagstedt S., Dubois A., 2019. Solutions in business networks: Implications of an interorganizational perspective. Journal of Business Research. http://doi.org/10.1016/j.jbusres.2019.02.035
• Ibrahim A., Elias E., Saad A., Ramayah T., 2008. Determining Technological Innovation and Competitiveness: A Cross Organizational Analysis of the Malaysian Manufacturing Industry. The Asian Journal of Technology Management Vol, 1(2), 71-89. http://repo.uum.edu.my/id/eprint/20567
• Kilduff M., Tsai W., 2003. Social networks and organizations: Sage Publications Ltd.
• Kim J., Yoon Y., Zo H., 2015. Why People Participate in the Sharing Economy: A Social Exchange Perspective. Paper presented at the PACIS. http://aisel.aisnet.org/pacis2015/76
• Kim Y., Chen Y.-S., Linderman K., 2015. Supply network disruption and resilience: A network structural perspective. Journal of Operations Management, 33, 43-59. http://doi.org/10.1016/j.jom.2014.10.006
• Kirchoff J.F., Tate W.L., Mollenkopf D.A., 2016. The impact of strategic organizational orientations on green supply chain management and firm performance. International Journal of Physical Distribution & Logistics Management, 46(3), 269-292. http://doi.org/10.1108/IJPDLM-03-2015-0055
• Krause D.R., Handfield R.B., Tyler B.B., 2007. The relationships between supplier development, commitment, social capital accumulation and performance improvement. Journal of Operations Management, 25(2), 528-545. http://doi.org/10.1016/j.jom.2006.05.007
• Miemczyk J., Howard M., Johnsen T.E., 2016. Dynamic development and execution of closed-loop supply chains: a natural resource-based view. Supply Chain Management: An International Journal, 21(4), 453-469. http://doi.org/10.1108/SCM-12-2014-0405
• Mohd Adnan S.N.S., Valliappan R., 2019. Communicating shared vision & leadership styles towards enhancing performance. International Journal of Productivity and Performance Management. http://doi.org/10.1108/IJPPM-05-2018-0183
• Nair A., Blome C., Choi T.Y., Lee G., 2018. Re-visiting collaborative behavior in supply networks-structural embeddedness and the influence of contextual changes and sanctions. Journal of Purchasing and Supply Management, 24(2), 135-150. http://doi.org/10.1016/j.pursup.2017.11.00
• Oh H., Chung M., Labianca G., 2004. Group social capital and group effectiveness: The role of informal socializing ties. The Academy of Management Journal, 47(6), 860-875. http://doi.org/10.5465/20159627
• Osman L.H., 2017. The Pattern of Inter-Organizational Level of Connectivity, Formal Versus Informal Ties. Jurnal Komunikasi: Malaysian Journal of Communication, 33(1).
• Osman L.H., 2018. Embeddedness Configuration and its' Relations to Inter-Firm connectivity in Supply Network: A Social Network Analysis Approach. Journal of International Trade, Logistics and Law, 4(1), 31.
• Papadonikolaki E., Verbraeck A., Wamelink H., 2017. Formal and informal relations within BIM-enabled supply chain partnerships. Construction management and economics, 35(8-9), 531-552. http://doi.org/10.1080/01446193.2017.1311020
• Provan K.G., Kenis P., 2008. Modes of network governance: Structure, management, and effectiveness. Journal of Public Administration Research and Theory, 18 (2), 229. http://doi.org/10.1093/jopart/mum015
• Reagans R., Zuckerman E., McEvily B., 2004. How to make the team: Social networks vs.demography as criteria for designing effective teams. Administrative science quarterly, 49(1), 101-133. http://doi.org/10.2307/4131457
• Turner N., Aitken J., Bozarth C., 2018. A framework for understanding managerial responses to supply chain complexity. International Journal of Operations & Production Management, 38(6), 1433-1466. http://doi.org/10.1108/IJOPM-01-2017-0062
• Wasserman S., Faust K., 1994. Social network analysis: Methods and applications: Cambridge Univ Pr.

Identyfikatory

DOI

10.17270/J.LOG.2021.459