Denna rapport presenterar en skalbar metod för att kvantifiera resiliens i produktionssystem genom att uttryckligen kombinera mjuka (organisatoriska) och hårda (tekniska) aspekter per faktor n:Rn = Mn × Hn, med totalresiliens T = ∏Rn. Tolkningen kopplas till fyra tidsmarkörer som beskriver störningens förlopp och återhämtning (tF–tD–tR–t₀), vilket gör att både fördröjningsförmåga (tD−tF) och återställningsförmåga (t₀−tR) kan följas upp i drift. Metoden testas på en mobil produktionsenhet för ansiktsmasker i tre scenarier (oförberedd, riskförberedd, riskminimerad). Resultatet visar ett tydligt lyft i totalresiliens från cirka 10⁻⁶ (Scenario 1) till cirka 6,4×10⁻² (Scenario 3), där den största effekten kommer av att eliminera “resiliensnollor” (svagaste länkar), bygga oberoende hårda grenar och höja kompetenstäckning/övning. 

Varför detta spelar roll.

Resiliens beskrivs ofta via “resilienskurvan/-triangeln” (prestanda över tid vid störning och återhämtning), men konkreta, vardagsanpassade kvantifieringar som kopplar organisationsförmåga × teknisk robusthet till ett samlat mått T saknas ofta i praktiken. Vårt bidrag är en operationalisering som förenar dessa perspektiv i ett enkelt men kraftfullt mått, nära kopplat till mätbara tider i driften (tF, tD, tR, t₀). Detta kompletterar etablerade sätt att beskriva resilienskurvor över tid och gör dem handlingsbara i den enskilda produktionscellen. 

Vad vi faktiskt visar.

På ansiktsmasklinan demonstrerar vi hur:• enstaka mycket svaga aspekter (t.ex. PLC (digital styrenhet: Programmable Logic Controller)-back-up eller materialförsörjning) kan kollapsa helhetengenom multiplikationen (Rn≈0 ⇒ T→0),• redundans i hårda grenar höjer H via klassisk parallell-tillförlitlighet (H_par = 1 − ∏(1−Hi)), och• kompetenstäckning/cross-training höjer M och förskjuter tD framåt samt kortar t₀−tR vid övningar. Tillsammans ger detta det observerade lyftet i T mellan scenarierna. Hur detta står sig mot aktuell kunskap. Litteraturen visar ett växande fält av indikatorbaserade resiliensmått och ramverk för kritisk infrastruktur, ofta additiva/viktade index och/eller på samhälls-/infrastrukturnivå. Vår cell-/linjenäratillämpning förenar mjuk×hård per aspekt till ett samlat T och binder det till driftstider (tF–tD–tR–t₀) och enkla känslighetsanalyser—vilket vi bedömer är ovanligt i praktiken och, såvitt vi ser i nyliga översikter, relativt unikt i sin kombination och konkreta genomförbarhet för små produktionsenheter. 

Styrning och införande.

Metoden kan förankras i ISO 22301 (kontinuitetsledning) för att göra värdering och förbättring revisionsbar: indikatorer, övningsplaner och uppföljning av återställningstider kan kopplas direkt till BCM-processen. Detta underlättar införande i drift, löpande förbättring och rapportering.

Metoden i rapporten ger konkreta och praktiska råd för en organisations nästa steg (3–6 månader) för att förstärka sin resiliens:

1. Eliminera nollor (dokumenterad PLC-återställning, minilager kritiska reservdelar, definierade materialersättare).

2. Redundans A/B för kritiska material/komponenter och verifierad oberoendegrad (geografi/logistik/ägande).

3. Kompetens & övning: dubbel bemanning på nyckelroller, månatliga switchover-övningar med logg av tF–tD–tR–t₀.4.

Uppföljning:

månadsvisa uppdateringar av T, Δ_delay, Δ_recovery och Aₒ; utvärdera åtgärdseffekt mot baslinje.

Slutsats.

Metoden ger enkel, jämförbar och åtgärdsdrivande kvantifiering av resiliens—från cellnivå till nätverk—och kan användas som beslutsstöd för prioritering av investeringar och rutiner. Den sammanlänkningen mellan mjuk och hård resiliens i ett enda mått, direkt kopplat till driftsmätpunkter, gör att organisationer kan se, mäta och förbättra det som annars förblir abstrakt. Den direkta och tydliga koppling som rapporten gör mellan att identifiera och kvantifiera ett systems resiliens ger denna metod en praktisk uppsättning verktyg och metoder för att effektivt övervaka och bygga upp ett systems resiliensförmåga. Vi anser oss därmed ha bidragit med en solid grund för att förstå och förbättra denna kritiska egenskap för alla sammanhang där människor är beroende av att system som levererar nytta verkligen gör det.