Organizational resilience of logistics systems in a conflict environment: game theoretical and adaptive approach

Abstract

The article examines the challenges of ensuring the organizational resilience of logistics systems within an increasingly turbulent environment, characterized by military risks, global supply chain disruptions, infrastructural constraints, and high uncertainty of market parameters. It is substantiated that traditional logistics management approaches, which focus primarily on static efficiency metrics, are insufficient for adequately reflecting the dynamics of crisis processes and internal coordination gaps. Within the scope of this study, organizational resilience is conceptualized as an integral dynamic property of a logistics system that determines its capacity for predicting, localizing, and neutralizing destructive impacts, as well as restoring operational functionality following crisis shocks. The key groups of factors shaping resilience are systematized, including structural-organizational, information-analytical, socio-behavioral, resource-economic, and external-environmental determinants. A structural mechanism for ensuring organizational resilience is proposed, based on the integration of digital monitoring, predictive analytics, game theory, and adaptive management. Particular attention is dedicated to the behavioral component of the logistics system as a source of hidden coordination risks and a driver of systemic instability. A KPI-driven approach to resilience assessment is formalized, and a mathematical model is developed to evaluate the synergetic effects of interaction among logistics system participants, recovery dynamics, and the balance of incentives in a conflicting environment. Additionally, a game-theoretic coordination model between administration and personnel is introduced, demonstrating the advantages of cooperative strategies and adaptive incentives over directive management methods. The economic substantiation confirms the efficacy of the proposed mechanism, specifically regarding the reduction of system recovery time, minimization of losses from internal conflicts, and enhancement of the return on investment (ROI) in resilience assurance. The findings indicate the expediency of transitioning toward a proactive logistics management model focused on preemptive risk detection and the dynamic balancing of managerial decisions. Consequently, the proposed approach allows for viewing the logistics system as a self-regulating adaptive loop, wherein digital analytics, behavioral factors, and managerial mechanisms are integrated into a unified architecture for ensuring organizational resilience.

Keywords

logistics systems, risk management, adaptive management, organizational resilience, dynamic modeling, KPI-driven model, predictive analytics

Анотація

У статті розглянуто проблематику забезпечення організаційної резильєнтності логістичних систем в умовах зростаючої турбулентності зовнішнього середовища, що характеризується воєнними ризиками, порушенням глобальних ланцюгів постачання, інфраструктурними обмеженнями та високим рівнем невизначеності ринкових параметрів. Обґрунтовано, що традиційні підходи до управління логістичними системами, орієнтовані переважно на статичні показники ефективності, є недостатніми для адекватного відображення динаміки кризових процесів і внутрішніх координаційних розривів. У межах дослідження концептуалізовано організаційну резильєнтність як інтегральну динамічну властивість логістичної системи, що визначає її здатність до прогнозування, локалізації та нейтралізації деструктивних впливів, а також до відновлення операційної функціональності після кризових шоків. Систематизовано ключові групи чинників формування резильєнтності, зокрема структурно-організаційні, інформаційно-аналітичні, соціально-поведінкові, ресурсно-економічні та зовнішньо-середовищні детермінанти. Запропоновано структурний механізм забезпечення організаційної резильєнтності, що базується на інтеграції цифрового моніторингу, предиктивної аналітики, теорії ігор та адаптивного управління. Особливу увагу приділено поведінковому компоненту логістичної системи як джерелу прихованих координаційних ризиків і фактору формування системної нестабільності. Формалізовано KPI-driven підхід до оцінювання резильєнтності та розроблено математичну модель, що дозволяє оцінювати синергетичні ефекти взаємодії учасників логістичної системи, динаміку відновлення та баланс стимулів у конфліктному середовищі. Додатково запропоновано ігрову модель координації між адміністрацією та персоналом, яка демонструє переваги кооперативних стратегій та адаптивного стимулювання порівняно з директивними методами управління. Економічне обґрунтування підтверджує ефективність запропонованого механізму, зокрема щодо скорочення часу відновлення системи, зменшення втрат від внутрішніх конфліктів та підвищення окупності інвестицій у забезпечення стійкості. Отримані результати свідчать про доцільність переходу до проактивної моделі управління логістичними системами, орієнтованої на превентивне виявлення ризиків і динамічне балансування управлінських рішень. Таким чином, запропонований підхід дозволяє розглядати логістичну систему як саморегульований адаптивний контур, у якому цифрова аналітика, поведінкові фактори та управлінські механізми інтегровані в єдину архітектуру забезпечення організаційної резильєнтності.

Ключові слова

логістичні системи, управління ризиками, адаптивне управління, організаційна резильєнтність, динамічне моделювання, предиктивна аналітика, KPI-driven модель

Back to Table of Contents No 37 (2026)

Hryhorak M.Yu.  Doctor of Economics, Associate Professor, Professor of the Department of International Business and Logistics, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute.” (Ukraine)

ORCID –  0000-0002-5023-8602
Researcher ID   AAK-2963-2021
Scopus author id: –  57208222758
E-Mail:  hryhorak.mariia@lll.kpi.ua

Novosolova D.V. Master’s degree student, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute.” (Ukraine) 

ORCID – 0009-0003-7045-9028
Researcher ID
Scopus author id: –
E-Mail:  bs14-ndv-fbmi@lll.kpi.ua

1. Hussain, G., Nazir, M. S., Rashid, M. A., & Sattar, M. A. (2023). From supply chain resilience to supply chain disruption orientation: The moderating role of supply chain complexity. Journal of Enterprise Information Management, 36(1), 70–90. https://doi.org/10.1108/JEIM-12-2020-0558
2. Rashid, A., Rasheed, R., Ngah, A. H., Pradeepa Jayaratne, M. D. R., Rahi, S., & Tunio, M. N. (2024). Role of information processing and digital supply chain in supply chain resilience through supply chain risk management. Journal of Global Operations and Strategic Sourcing, 17(2), 429–447. https://doi.org/10.1108/JGOSS-12-2023-0106
3. Hohenstein, N. O. (2022). Supply chain risk management in the COVID-19 pandemic: Strategies and empirical lessons for improving global logistics service providers’ performance. The International Journal of Logistics Management, 33(4), 1336–1365. https://doi.org/10.1108/IJLM-02-2021-0109
4. Chukwuka, O. J., Ren, J., Wang, J., & Paraskevadakis, D. (2023). A comprehensive research on analyzing risk factors in emergency supply chains. Journal of Humanitarian Logistics and Supply Chain Management, 13(3), 249–292. https://doi.org/10.1108/JHLSCM-10-2022-0108
5. Maharjan, R., & Kato, H. (2022). Resilient supply chain network design: A systematic literature review. Transport Reviews, 42(6), 739–761. https://doi.org/10.1080/01441647.2022.2080773
6. Wibowo, I. (2023). Business resilience: Operational management strategies for facing the global economic crisis. Jurnal Sosial Sains Dan Komunikasi, 2(1), 123–130. https://doi.org/10.58471/ju-sosak.v2i1.527
7. Suwandi, S., & Juliana, J. (2025). Operational management strategies in responding to supply chain uncertainty. International Journal of Economics, Finance and Banking Issues, 1(1), 18–23.
8. Setyadi, A., Pawirosumarto, S., & Damaris, A. (2025). Toward a resilient and sustainable supply chain: Operational responses to global disruptions in the post-COVID-19 era. Sustainability, 17(13), 6167. https://doi.org/10.3390/su17136167
9. Suryawanshi, P., & Dutta, P. (2022). Optimization models for supply chains under risk, uncertainty, and resilience: A state-of-the-art review and future research directions. Transportation Research Part E: Logistics and Transportation Review, 157, 102553. https://doi.org/10.1016/j.tre.2021.102553
10. Cao, Z., Zhao, H., Wang, Y., He, C., Zhou, D., & Han, X. (2025). A resilience quantitative assessment framework for cyber–physical systems: Mathematical modeling and simulation. Applied Sciences, 15(15), 8285. https://doi.org/10.3390/app15158285
11. Sun, H., Yang, M., & Wang, H. (2024). An integrated approach to quantitative resilience assessment in process systems. Reliability Engineering & System Safety, 243, 109878. https://doi.org/10.1016/j.ress.2023.109878
12. Atadoga, A., Osasona, F., Amoo, O. O., Farayola, O. A., Ayinla, B. S., & Abrahams, T. O. (2024). The role of IT in enhancing supply chain resilience: A global review. International Journal of Management & Entrepreneurship Research, 6(2), 336–351. https://doi.org/10.51594/ijmer.v6i2.774
13. Mittal, V. K. (2025). Supply chain triangulation: A digital-resilience architecture across nodes, data, and analytics. SSRN Electronic Journal. http://dx.doi.org/10.2139/ssrn.5668914
14. Wu, H., Li, G., & Zheng, H. (2025). How does digital intelligence technology enhance supply chain resilience? Sustainable framework and agenda. Annals of Operations Research, 355(1), 901–923. https://doi.org/10.1007/s10479-024-06104-3
15. Ogunsoto, O. V., Olivares-Aguila, J., & ElMaraghy, W. (2025). A conceptual digital twin framework for supply chain recovery and resilience. Supply Chain Analytics, 9, 100091. https://doi.org/10.1016/j.sca.2024.100091
16. Gu, X. (2024). The role of digital techniques in supply chain resilience: Exploration in the logistics sector. Journal of Business Research, 134, 103–115.
17. Roman, E. A., Stere, A. S., Roșca, E., Radu, A. V., Codroiu, D., & Anamaria, I. (2025). State of the art of digital twins in improving supply chain resilience. Logistics, 9(1), 22. https://doi.org/10.3390/logistics9010022
18. Attah, R. U., Garba, B. M. P., Gil-Ozoudeh, I., & Iwuanyanwu, O. (2024). Enhancing supply chain resilience through artificial intelligence: Analyzing problem-solving approaches in logistics management. International Journal of Management & Entrepreneurship Research, 5(12), 3248–3265. https://doi.org/10.51594/ijmer.v6i12.1745
19. Nicoletti, B., & Appolloni, A. (2025). Digital transformation in ecosystems: Integrated operations model and its application to fifth-party logistics operators. Journal of Global Operations and Strategic Sourcing, 18(1), 91–122. https://doi.org/10.1108/JGOSS-04-2023-0024
20. Gheorghe, A. V., & Katina, P. F. (2023). Gamification for resilience: Resilient informed decision making. John Wiley & Sons.
21. Shahmohammadian, A., & Ghafory-Ashtiany, M. (2025). Game theory applications in managing stakeholder conflicts for building safety and resilience against natural disasters. Progress in Disaster Science, 26, 100409. https://doi.org/10.1016/j.pdisas.2025.100409
22. Zhang, H., Jiang, S., Lin, X., Yu, X., & Zheng, W. (2025) A networked game theoretic model for evaluating resilience in megaprojects: Integrating stakeholder interactions and lifecycle adaptability. Systems 13(2), 122. https://doi.org/10.3390/systems13020122
23. Cao, H., & Huang, R. (2026). Modeling individual risk decision-making: A self-organization based psychological game framework [F (T, P, C, R)]. Systems, 14(1), 60. https://doi.org/10.3390/systems14010060
24. Lei, L., Yu, S., Ke, Y., Deng, L., & Kang, Q. (2025). Evaluation model for emergency material suppliers in emergency logistics systems based on game theory–TOPSIS method. Systems, 13(6), 493. https://doi.org/10.1390/systems13060493
25. Zhang, G., Wang, X., Wang, Y., & Kang, J. (2022). Research on the resilient evolutionary game of logistics service supply chain with government participation. Mathematics, 10(4), 630. https://doi.org/10.3390/math10040630
26. Guo, L., Sun, D., & Gao, H. (2022). Game theory based decision coordination strategy of agricultural logistics service information system. Computers, Materials & Continua, 73(1), 1655–1673. https://doi.org/10.32604/cmc.2022.028211
27. Xing, X. H., Hu, Z. H., & Luo, W. P. (2023). Using evolutionary game theory to study governments and logistics companies’ strategies for avoiding broken cold chains. Annals of Operations Research, 329(1), 127–155. https://doi.org/10.1007/s10479-020-03599-4
28. Raetze, S., Duchek, S., Maynard, M. T., & Wohlgemuth, M. (2022). Resilience in organization-related research: An integrative conceptual review across disciplines and levels of analysis. Journal of Applied Psychology, 107(6), 867–893. https://doi.org/10.1037/apl0000952
29. Altintas, G., & Duchek, S. (2026). Resilience in motion: Tracing the path from individual to organizational resilience. Strategy & Leadership. https://doi.org/10.1108/SL-12-2025-0424
30. Marynissen H., Meulemeester R., Domínguez-Ortega J. M., van Dis H., Rijkers A. From theory to practice: Resilience as the foundation for governmental effectiveness. Antwerp Crisis Issue Papers. 2026. № 01/2026. URL: https://medialibrary.uantwerpen.be/files/1603861/1c9ce3b8-ce65-4e81-bafa-4229fabca4dd.pdf
31. Hepfer, M., & Lawrence, T. B. (2022). The heterogeneity of organizational resilience: Exploring functional, operational and strategic resilience. Organization Theory, 3(1), 26317877221074701. https://doi.org/10.1177/26317877221074701