📈 economics

The Effects of Environmental Risk and Regulatory Pressure on Operational Vulnerability and Disruption Probability in Supply Chains: An Integration of PLS-SEM and Machine Learning

Este estudo utiliza uma abordagem híbrida de PLS-SEM e aprendizado de máquina em dados de gestores de cadeia de suprimentos turcos para demonstrar que o risco ambiental e a pressão regulatória aumentam a probabilidade de interrupção principalmente ao elevar a vulnerabilidade operacional, sugerindo que os gestores devem priorizar a mitigação das vulnerabilidades internas em vez de apenas monitorar ameaças externas.

Autores originais: HALDUN TURAN

Publicado 2026-09-01

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: HALDUN TURAN

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma cadeia de suprimentos global não como uma única linha sólida, mas como uma vasta e intrincada teia de conexões entre fábricas, caminhões, armazéns e portos. Durante décadas, as empresas se preocuparam com o que poderia quebrar essa teia vindo de fora: uma tempestade repentina, uma mudança na política global ou uma nova regra governamental. Essas forças externas são frequentemente chamadas de riscos. Mas um novo estudo sugere que o verdadeiro perigo para a capacidade de uma empresa de continuar se movendo não é apenas a tempestade em si, mas o quão frágil é a teia antes mesmo da tempestade atingir. Essa fragilidade, conhecida como vulnerabilidade operacional, é a fraqueza interna que permite que um problema externo se transforme em uma interrupção de grande escala. Enquanto as empresas há muito tempo focam em observar o horizonte em busca de problemas, esta pesquisa faz uma pergunta diferente: quanto do dano é realmente causado pela própria estrutura da empresa e quanto é causado pelo mundo exterior?

Para responder a isso, Haldun Turan, um pesquisador, analisou 384 gestores que trabalham em empresas de manufatura e logística na Turquia. Estas são as pessoas responsáveis por manter as mercadorias em movimento, desde o chão de fábrica até a entrega final. O estudo examinou dois tipos principais de pressão externa: o risco ambiental, que inclui coisas como mudanças imprevisíveis na demanda dos clientes, oscilações econômicas e desastres naturais; e a pressão regulatória, que se refere ao crescente número de regras governamentais e padrões ambientais que as empresas devem seguir. O pesquisador queria ver se essas forças externas causavam diretamente a quebra das cadeias de suprimentos ou se elas primeiro tornavam as cadeias mais vulneráveis, o que então levava à interrupção. Para obter uma imagem clara, o estudo utilizou uma abordagem de duas partes. Primeiro, utilizou um método estatístico para mapear as relações entre essas ideias, testando uma teoria específica sobre como elas se conectam. Em seguida, alimentou esses mesmos dados em algoritmos de computador projetados para prever resultados, verificando se a teoria se sustentava quando testada contra novas informações não vistas.

Os resultados ofereceram uma mudança de perspectiva clara e um tanto surpreendente. O estudo descobriu que tanto os riscos ambientais quanto as pressões regulatórias de fato tornam as cadeias de suprimentos mais vulneráveis, mas eles não causam interrupções diretamente por conta própria. Em vez disso, essas forças externas atuam como um teste de estresse que expõe as rachaduras no sistema. Quando uma empresa enfrenta regulamentações difíceis ou uma mudança econômica repentina, suas fraquezas internas — como depender de um único fornecedor, ter pouco estoque de reserva ou possuir processos que não podem se adaptar facilmente — tornam-se a verdadeira causa da interrupção. De fato, os dados mostraram que a pressão regulatória era, na verdade, um impulsionador mais forte dessa fraqueza interna do que o risco ambiental. Isso sugere que as próprias regras destinadas a tornar os negócios mais seguros ou ecológicos podem, às vezes, tornar as operações tão rígidas que elas perdem a flexibilidade necessária para lidar com mudanças inesperadas.

Talvez a descoberta mais significativa seja que, uma vez que a vulnerabilidade interna de uma empresa é contabilizada, os riscos externos não possuem mais um vínculo direto com a ocorrência de uma interrupção. Em outras palavras, uma tempestade ou uma nova lei não interrompem automaticamente uma cadeia de suprimentos; elas só a interrompem se a cadeia já estiver fraca demais para dobrar sem quebrar. O estudo confirmou que a vulnerabilidade operacional é o mecanismo central que transforma a pressão externa em uma falha no mundo real. Quando os pesquisadores testaram seu modelo usando aprendizado de máquina, os resultados reforçaram essa conclusão. Os modelos de computador, que incluíam algoritmos complexos, descobriram que o preditor mais importante de uma interrupção futura era o nível atual de vulnerabilidade interna, não o nível de risco externo. Curiosamente, os modelos de computador mais complexos não tiveram um desempenho muito superior a um cálculo simples e direto, sugerindo que a relação entre esses fatores é direta e linear, sem reviravoltas ocultas e complicadas.

Para os líderes empresariais, isso muda a estratégia para manter a segurança. Em vez de gastar a maior parte de sua energia e dinheiro tentando prever cada possível ameaça externa, o estudo sugere que eles devem focar seus recursos em corrigir suas próprias fraquezas internas. A pesquisa propõe que as empresas devem tratar sua fragilidade interna como um indicador antecedente de problemas, tal como um médico que verifica os sinais vitais de um paciente antes de uma doença atacar. Ao gerenciar ativamente sua estrutura interna — como encontrar fornecedores de reserva, criar processos flexíveis e manter estoque de segurança suficiente para absorver choques — as empresas podem construir um sistema que sobreviva às pressões externas. O estudo também alerta que, embora seguir regulamentações seja necessário, fazê-lo de uma forma que torne as operações excessivamente rígidas pode ser contraproducente, tornando a empresa mais suscetível às mesmas interrupções que ela espera evitar. Em última análise, a pesquisa argumenta que a resiliência não é apenas sobre observar o clima; é sobre construir um navio que possa enfrentar qualquer tempestade.

Resumo Técnico: Os Efeitos do Risco Ambiental e da Pressão Regulatória na Vulnerabilidade Operacional e na Probabilidade de Disrupção em Cadeias de Suprimentos

Definição do Problema
As cadeias de suprimentos globais enfrentam uma incerteza sem precedentes impulsionada por tensões geopolíticas, flutuações de demanda e crescentes pressões regulatórias focadas em sustentabilidade. Embora a literatura existente cubra extensivamente a resiliência da cadeia de suprimentos e a mitigação de riscos, há uma compreensão limitada dos mecanismos específicos que ligam as fontes de risco externas aos resultados de disrupção. Existe uma lacuna crítica na distinção quantitativa entre fatores de risco externos (risco ambiental e pressão regulatória) e fraquezas estruturais internas (vulnerabilidade operacional). Além disso, as pesquisas atuais frequentemente dependem de modelos explicativos sem testar rigorosamente suas capacidades preditivas fora da amostra (out-of-sample), deixando um descompasso entre a causalidade teórica e a utilidade preditiva na gestão de riscos da cadeia de suprimentos.

Metodologia
Este estudo emprega um desenho metodológico híbrido em duas etapas, integrando Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM) com algoritmos de aprendizado de máquina (machine learning - ML).

Coleta de Dados: Os dados primários foram coletados via questionário online com 384 gestores de cadeia de suprimentos, logística e operações em empresas de manufatura e logística na Turquia. A amostra utilizou uma abordagem de amostragem por cotas não probabilística para garantir uma representação equilibrada entre faixas etárias e tamanhos de empresas.
Etapa 1 (Modelagem Explicativa): O PLS-SEM foi utilizado para testar as relações estruturais hipotetizadas. O modelo de mensuração foi validado quanto à confiabilidade (alfa de Cronbach, confiabilidade composta) e validade (validade convergente e discriminante via Fornell-Larcker e razões HTMT). O modelo estrutural foi avaliado por meio de coeficientes de caminho, $R^2$ , tamanhos de efeito ( $f^2$ ) e relevância preditiva ( $Q^2$ ) via bootstrapping (5.000 subamostras). O viés de método comum foi avaliado pelo teste de fator único de Harman e pelo método do fator latente comum.
Etapa 2 (Análise Preditiva): Pontuações de variáveis latentes derivadas da análise PLS-SEM foram transferidas como atributos de entrada (features) para três algoritmos de aprendizado de máquina: Regressão Linear, Random Forest e Árvores de Gradiente Potencializado (Gradient Boosted Trees - GBT). O conjunto de dados foi dividido em subconjuntos de 80% para treinamento e 20% para teste. O desempenho do modelo foi avaliado por $R^2$ , Erro Médio Absoluto (MAE) e Raiz do Erro Quadrático Médio (RMSE), com validação cruzada de 5 dobras (5-fold cross-validation) aplicada para avaliar a estabilidade.

Principais Resultados

Relacionamentos Estruturais: A análise PLS-SEM confirmou que tanto o Risco Ambiental ( $\beta = 0,283, p < 0,001$ ) quanto a Pressão Regulatória ( $\beta = 0,433, p < 0,001$ ) possuem efeitos positivos significativos na Vulnerabilidade Operacional. A Vulnerabilidade Operacional, por sua vez, é um forte preditor da Probabilidade de Disrupção ( $\beta = 0,619, p < 0,001$ ).
Mediação: A análise de mediação revelou que a Vulnerabilidade Operacional mede totalmente a relação entre as fontes de risco externas (Risco Ambiental e Pressão Regulatória) e a Probabilidade de Disrupção. Os efeitos diretos das fontes de risco sobre a probabilidade de disrupção tornaram-se estatisticamente não significativos uma vez que a vulnerabilidade foi considerada.
Desempenho Preditivo: Na etapa de aprendizado de máquina, o modelo Random Forest alcançou a maior precisão preditiva ( $R^2 = 0,505$ no conjunto de teste), superando marginalmente a Regressão Linear ( $R^2 = 0,501$ ). O modelo Gradient Boosted Trees exibiu overfitting, resultando em um $R^2$ negativo ($-0,344$) no conjunto de teste. A análise de importância de atributos no modelo Random Forest identificou a Vulnerabilidade Operacional como o preditor dominante (pontuação de importância: 0,71), seguida pela Pressão Regulatória (0,17) e pelo Risco Ambiental (0,12).
Ajuste do Modelo: O modelo estrutural demonstrou ajuste aceitável (SRMR = 0,049) e poder explicativo moderado ( $R^2 = 0,449$ para Vulnerabilidade Operacional; $R^2 = 0,384$ para Probabilidade de Disrupção).

Principais Contribuições

Integração Teórica: O estudo esclarece a distinção conceitual entre fontes de risco externas e vulnerabilidade operacional interna. Ele posiciona a vulnerabilidade operacional como o mecanismo central que liga as pressões ambientais e regulatórias à probabilidade de disrupção, estendendo o modelo de Cadeia de Suprimentos Viável e a Teoria Institucional. Notavelmente, o estudo constata que a pressão regulatória é um antecedente da vulnerabilidade mais forte do que o risco ambiental, desafiando a intuição de que choques externos são a principal ameaça.
Insight Prático: Os achados sugerem que os esforços de resiliência são mais eficazes quando direcionados à redução das vulnerabilidades internas, em vez de apenas monitorar riscos externos. Uma vez que os riscos externos influenciam a disrupção apenas indiretamente através da vulnerabilidade, os gestores devem priorizar o endurecimento estrutural interno (ex: fornecedores alternativos, capacidade de reserva, modularidade de processos) em vez de painéis de monitoramento de riscos externos.
Avanço Metodológico: O artigo demonstra a integração de modelagem estrutural explicativa com análise preditiva. Valida que um modelo estrutural parcimonioso é adequado para este domínio, visto que algoritmos complexos de ML (como o boosting) não ofereceram ganhos significativos sobre modelos lineares e sofreram de overfitting em estruturas de dados de baixa dimensionalidade.

Significância e Alegações
O artigo alega avançar a teoria da gestão de operações ao modelar holisticamente a cadeia risco-vulnerabilidade-disrupção e fornecer evidências empíricas de que a vulnerabilidade é o mecanismo de transmissão crítico para disrupções. Praticamente, oferece um princípio generalizável: a resiliência é melhor alcançada gerenciando a arquitetura do sistema interno em vez de reagir a eventos exógenos. Metodologicamente, o estudo serve como um exemplo de cautela contra o uso reflexivo de algoritmos complexos para problemas de gestão de operações de baixa dimensionalidade, demonstrando que relações lineares simples costumam ser suficientes quando o modelo estrutural subjacente é teoricamente sólido. O estudo conclui que a resiliência sustentável da cadeia de suprimentos requer uma mudança do monitoramento reativo de riscos para o design proativo de sistemas focado na redução da vulnerabilidade operacional.

Mais como este