Friendshoring: How Geopolitical Tensions Affect Foreign Supply Bases and Supply Network Structures
Notice bibliographique
Résumé
Geopolitical tensions can lead to supply disruptions for firms with foreign supply bases. At the origin of these tensions lies disagreement in global affairs between nations that can lead to national animosity and the implementation of discriminatory practices toward foreign firms. In this study, we examine the influence of geopolitical tensions—operationalized as political divergence between governments—on global supply chain reconfiguration. Over the period 2003-2019, we investigate if political divergence affects foreign supply bases for 3,201 US firms sourcing from 108 countries, and how political divergence exposure impacts the supply network structure of 934 US firms. We find that while political divergence leads firms to reduce their supply base in hostile countries, it increases supply base complexity and sub-tier supplier sharing. Our study makes important theoretical and practical contributions to global sourcing and supply chain risk management. First, we highlight that geopolitical risk in global supply chains can originate from political divergence, which recognizes potential interventions from the governments of both the buyer and the supplier. It also captures the uncertainty associated with geopolitical disruptions before their occurrence. Second, we show that while using multi-sourcing as a buffering strategy can mitigate geopolitical disruptions, it also increases supply base complexity and thus expose the firm to other types of disruptions. Last, we uncover an unintended consequence of friendshoring. As firms reduce their supply base in hostile countries, their tier-1 suppliers end up sharing more tier-2 suppliers, amplifying the propagation risk in the focal firm’s supply network.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».