There has been an increased interest among scholars to investigate supply chain resilience (SCRes) in manufacturing and service operations during emerging situations. Grounded in the SCRes theory, this study provides insights into the impact of the COVID-19 outbreak on the automobile and airline supply chain. Both the short and long-term response strategies adopted by the two supply chains are assessed, using a combination of qualitative and quantitative techniques in three distinct phases. In phase one, we use a sequential mixed-method for resilience evaluation, integrating Time-to-Recovery (TTR) and Financial Impact (FI) analysis. In phase two, we conduct an empirical survey involving 145 firms to evaluate the short-term SCRes response strategies. In the third phase, we conduct semi-structured interviews with supply chain executives both from the automobile and airline industries to understand the long-term SCRes response strategies. Our findings indicate that: (i) the automobile industry perceived that the best strategies to mitigate risks related to COVID-19, were to develop localized supply sources and use advanced industry 4.0 (I4.0) technologies. (ii) The airline industry on the other hand, perceived that the immediate need was to get ready for business continuity challenges posed by COVID-19, by defining their operations both at the airports and within the flights. (iii) Importantly, both the sectors perceived Big Data Analytics (BDA) to play a significant role by providing real-time information on various supply chain activities to overcome the challenges posed by COVID-19. (iv) Cooperation among supply chain stakeholders is perceived, as needed to overcome the challenges of the pandemic, and to accelerate the use of digital technologies.

Abstract Green human resource management (HRM) practices can help organizations align their business strategies with the environment. Anchored in the resource‐based view of the firm, this study examines the influence of green HRM practices on sustainability using cross‐sectional data obtained from 112 large manufacturing firms in Malaysia. The results show that green recruitment and green training have positive effects on sustainability. However, green analysis and job description, green selection, green performance assessment, and green reward were not found to have any significant influence on sustainability. The model presented in this paper offers useful insights into the positive role of green HRM in the sustainability of manufacturing firms, and as previous studies exploring the link between green HRM and sustainability using empirical data from Malaysian manufacturing firms are scarce, this research is of significant importance for scholars and practitioners. The scope of this study focuses on emerging economies with a limited number of variables that are contextual and specific to the Malaysian economy. Future research could explore the relationship between green HRM and other variables that may contribute to the present framework in other contexts. Future studies may also consider each dimension of green HRM, or indeed other elements of green HRM, in relation to the different aspects of sustainability.

Purpose Circular economy (CE) has gained considerable attention from researchers and practitioners over the past few years because of its potential social and environmental benefits. However, limited attention has been given in the literature to explore the drivers and barriers in CE implementation in emerging and developing countries besides China. Therefore, the purpose of this paper is to identify the drivers and barriers to implementing a CE in Pakistan’s automobile manufacturing industry. Design/methodology/approach This study adopts an explorative approach to understand the drivers and barriers at the micro-level CE implementation in Pakistan’s automobile industry. The research design includes both qualitative and quantitative methods using a survey instrument and interviews to gather data. The use of the two main sources of data provides the opportunity for triangulation of the data to improve the validity of the findings, and enables greater inferences from the results. Findings This study shows that “profitability/market share/benefit” (30 percent), “cost reduction” (22 percent) and “business principle/concern for environment/appreciation” (19 percent) are the top three drivers. Similarly, “unawareness” (22 percent), “cost and financial constraint” (20 percent) and “lack of expertise” (17 percent) are the top three barriers in implementing CE principles in Pakistan automobiles industry. Research limitations/implications This study considers only Pakistan automobiles industry, and the practical implications potentially limit to emerging Asian economies. Originality/value This study is the first of its kind that has investigated the drivers and barriers of CE at the organizational level in the automobile industry of Pakistan. Thus, it helps to advance the understanding of the subject matter and enables the formulation of effective policies and business strategies by practitioners for upscaling CE and sustainability.

Healthcare is one of the most critical sectors due to its importance in handling public health. With the outbreak of various diseases, more recently during Covid-19, this sector has gained further attention. The pandemic has exposed vulnerabilities in the healthcare supply chain (HSC). Recent advancements like the adoption of various advanced technologies viz. AI and Industry 4.0 in the healthcare supply chain are turning out to be game-changers. This study focuses on identifying critical success factors (CSFs) for AI adoption in HSC in the emerging economy context. Rough SWARA is used for ranking CSFs of AI adoption in HSC. Results indicate that technological (TEC) factors are the most influential factor that impacts the adoption of AI in HSC in the context of emerging economies, followed by institutional or environmental (INT), human (HUM), and organizational (ORG) dimensions.

Online retail platforms encounter numerous challenges, such as cyber-attacks, data breaches, device failures, and operational disruptions. These challenges have intensified in recent years, underscoring the importance of prioritizing resilience for businesses. Unfortunately, conventional cybersecurity methods have proven insufficient in thwarting sophisticated cybercrime tactics. This paper proposes a novel resilience strategy that leverages Explainable Deep Learning technologies and a Blockchain-based consensus protocol strategy. By combining these two approaches, our strategy enables rapid incident detection, explains the features and related vulnerabilities that are used, and enhances decision-making during cyber incidents. To validate the efficacy of our approach, we conducted experiments using NAB datasets, preprocessed and trained the data, and performed an experimental study on real online retail architectures. Our results demonstrate the effectiveness of the proposed framework in supporting business and operation continuity and creating more efficient cyber resilience strategies that will enhance decision-making capabilities.

Purpose The study aims to synthesize existing knowledge and proposes a research framework for building a resilient supply chain (SC) through artificial intelligence (AI) technology. It also identifies existing literature gaps and paves the way for a future research agenda. Design/methodology/approach A systematic literature review has been carried out to identify the peer-reviewed articles from Scopus and Web of Science databases. Then, the selected articles published between 2012 and 2023 are analyzed using descriptive and thematic analysis methods to unearth research gaps and offer new research directions. Findings Descriptive and thematic analysis reveals the overall development of literature on the role of AI for supply chain resilience (SCR). Based on the findings of the thematic analysis, the motivation, application, capability and outcome (MACO) framework has been developed and propositions have been proposed. Several future research directions have also been suggested in terms of theory, context and methodology (TCM). Practical implications The study provides a fresh perspective on the integration of AI technology within the realm of SCR. The developed MACO framework serves as a practical tool for supply chain management (SCM) professionals, offering a nuanced understanding of AI's applications across various functional areas to streamline operations, minimize waste and optimize resource utilization, thereby helping them in strategic planning. Originality/value This study contributes to the literature on the role of AI for building SCR by uncovering gaps, offering research directions and developing propositions for future research directions.