Competing with Low-Cost Imports: Strategic Outsourcing and Firm Dynamics in Traditional Manufacturing – An Agent-Based Approach

Document Type : Research Paper

Authors

Faculty of Social Sciences and Economics, Al-Zahra University, Tehran, Iran.

Abstract

This study investigates how traditional, supplier-dominated manufacturing industries (e.g., clothing, furniture) navigate globalization and competition from low-cost offshore suppliers. We develop a hybrid computational model integrating agent-based and system dynamics approaches to simulate interactions among heterogeneous agents—domestic producers, importers, and offshore suppliers—under evolving market conditions, including consumption patterns, tariff policies, and entry rules. The model captures how firms employ adaptive strategies such as outsourcing production while retaining value-added activities (e.g., design, branding) to compete with cost-efficient rivals. Results reveal that industry resilience depends on proactive enterprises capable of non-technological innovation, differentiating products through aesthetic and strategic competencies rather than technological breakthroughs. Market volatility emerges from incomplete information among new entrants, whose profit-driven entry/exit decisions amplify cyclical fluctuations in producer numbers. While tariffs temporarily shield domestic firms, they fail to address structural disadvantages without complementary investments in adaptive capabilities. Globalization exhibits a dual role: low-cost imports threaten market share, yet strategic outsourcing enables resilient firms to integrate into global value chains, transforming competitive pressures into opportunities. Methodologically, this work advances industrial economics by demonstrating how hybrid computational modeling captures complex, dynamic interactions often oversimplified in equilibrium-based analyses. Policymakers are urged to prioritize fostering adaptive ecosystems—emphasizing skill development, branding, and design—over protectionist measures to sustain competitiveness in traditional sectors. The findings underscore the criticality of balancing market openness with strategic support for value-creating competencies in an increasingly globalized economy.

Keywords

Main Subjects

Article Title [Persian]

رقابت با واردات : برونسپاری راهبردی و پویایی بنگاهها در صنایع تولیدی سنتی، مدلسازی با رویکرد عامل-بنیان

Authors [Persian]

  • زهرا اسداللهی سهی
  • حسین راغفر
دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران..
Abstract [Persian]

این مطالعه به بررسی چگونگی سازگاری صنایع تولیدی سنتی و تأمین‌کننده‌محور (مانند پوشاک، مبلمان) با جهانی‌سازی و رقابت با تأمین‌کنندگان ارزان خارجی می‌پردازد. ما یک مدل محاسباتی ترکیبی با بهره‌گیری از رویکردهای مبتنی بر عامل و پویایی شناسی سیستم‌ها توسعه داده‌ایم. این مدل  تعاملات بین عامل‌های ناهمگون - تولیدکنندگان داخلی، واردکنندگان و تأمین‌کنندگان خارجی – را در شرایط پویای بازار، شامل الگوهای مصرف، سیاستهای تعرفه‌ای و قوانین ورود، شبیه‌سازی می‌کند. مدل نشان می‌دهد چگونه بنگاه‌ها از راهبردهای انطباقی مانند برون‌سپاری برای رقابت با رقبای کم‌هزینه استفاده می‌کنند، درحالی‌که فعالیت‌های ارزش‌افزا (مانند طراحی، برندسازی) را حفظ می‌کنند،. نتایج نشان می‌دهد تاب‌آوری صنعت به بنگاه‌های پیشگامی وابسته است که قادر به نوآوری غیرفناورانه هستند و محصولات را از طریق شایستگی‌های طراحی و راهبردی متفاوت می‌کنند. نوسانات تعداد تولیدکنندگان در داده‌ها ناشی از اطلاعات ناقص میان تازه‌واردان صنعت است که تصمیمات ورود/خروج سودمحور آنها نوسانات دوره‌ای را تشدید می‌کند. اگرچه تعرفه‌ها به‌طور موقت از بنگاه‌های داخلی محافظت می‌کنند، بدون سرمایه‌گذاری‌های تکمیلی در قابلیت‌های انطباقی، ناتوان از رفع نابرابری‌های ساختاری هستند. جهانی‌سازی در این‌مدل نقشی دوگانه ایفا می‌کند: واردات کم‌هزینه سهم بازار را تهدید می‌کند، اما برون‌سپاری راهبردی به بنگاههای تاب‌آور اجازه می‌دهد تا با ادغام در زنجیره‌های ارزش جهانی، فشارهای رقابتی را به فرصت تبدیل کنند. از جنبه روش‌شناختی، این پژوهش اقتصاد صنعتی را با نشان دادن توانایی مدل‌سازی ترکیبی در ثبت تعاملات پیچیده و پویا، که اغلب در تحلیل‌های تعادلی ساده‌انگاری می‌شوند، پیش می‌برد. سیاست‌گذاران باید، اولویت را به پرورش اکوسیستم‌های انطباق‌پذیر (با تأکید بر توسعه مهارت‌ها، برندسازی و طراحی) برای حفظ رقابت‌پذیری بخش‌های سنتی دهند. یافته‌ها بر اهمیت حیاتی توازن بین بازبودن بازار و حمایت راهبردی از شایستگی‌های خلق ارزش در اقتصاد جهانی‌شده تأکید می‌کنند.

Keywords [Persian]

  • مدل محاسباتی عامل-بنیان
  • خوشه های صنعتی
  • صنایع تولیدی سنتی
  • جهانی سازی
  • حمایت دولت

References

Asadollahi, Z. (2020). Providing the mechanisms success and failure of small and medium producers in Iran's garment and textile industry by applying system dynamics methodology University of Tehran].
Asadollahi, Z., Shakouri, H., & Raghfar, H. (2020). A system dynamics model to analyze economic challenges of apparel industry: the case study of Iran. International Journal of Intelligent Engineering Informatics, 8(5-6), 497-525. https://doi.org/10.1504/ijiei.2020.115735
Azem, A., Garainejad, g., Daqiqi Asli, a., & Khosravi Nejad, a. a. (2022). Investigating structural and environmental factors on market dynamics in Iran's food and beverage industries. Quarterly Journal of Quantitative Economics (JQE), -. https://doi.org/10.22055/jqe.2022.40257.2480
Cabral, L. M. B. (2012). Technology uncertainty, sunk costs, and industry shakeout. Industrial and Corporate Change, 21, 539-552.
Catullo, E. (2012). An Agent Based Model Of Firms Selling And Sourcing International Decisions With Flexibility To Demand And Supply Shocks. https://doi.org/10.7148/2012-0015-0022
Chang, M.-H. (2011). Agent-based Modeling and Computational Experiments in Industrial Organization: Growing Firms and Industries in Silico. Eastern Economic Journal, 37(1), 28-34. https://doi.org/10.1057/eej.2010.30
Chang, M.-H. (2015). A Computational Model of Industry Dynamics. Routledge. https://doi.org/10.4324/9781315887241
Cline, D. A. A., Grant T.; Lemp, Christian. (2022). Modeling Empirical Stock Market Behavior Using a Hybrid Agent-Based Dynamical Systems Model. Northeast Journal of Complex Systems (NEJCS), 4(2), 1-21. https://doi.org/https://doi.org/10.22191/nejcs/vol4/iss2/1
Corradini, C., & Vanino, E. (2021). Path dependency, regional variety and the dynamics of new firm creation in rooted and pioneering industries. Journal of Economic Geography. https://doi.org/10.1093/jeg/lbab021
Emami Meybodi, M., Samadi, A. H., Hadian, E., & Mosleh Shirazi, A. N. (2024). Iranian Natural Gas Production and Trade Behavior under Unconventional Gas Developments: A System Dynamics- Agent Based Modeling Approach. Iranian Economic Review, 28(4), 1086-1116. https://doi.org/10.22059/ier.2024.342391.1007444
Fatas-Villafranca, F., M., F.-M. C., & and Vázquez, F. J. (2019). Consumer social learning and industrial dynamics. Economics of Innovation and New Technology, 28(2), 119-141. https://doi.org/10.1080/10438599.2018.1433582
Federgruen, A., & Yang, N. (2009). Competition Under Generalized Attraction Models: Applications to Quality Competition Under Yield Uncertainty. Columbia: Decision.
Feizpour, M. A., & Moradi, M. (2013). Determinants of New Firm Formation:
Does Location Matter? . Iranian Journal of Economic Studies 2(2), 71-93. https://doi.org/10.22099/ijes.2013.2720
Fioretti, G. (2005). Agent-based models of industrial clusters and districts. In A. Zanfei & P. Pini (Eds.), The emergence of the knowledge economy (pp. 181-206). Springer. https://doi.org/10.1016/j.proenv.2013.02.029
Gabszewicz, J. J., & Thisse, J. F. (1982). Entry (and Exit) in a Differentiated Industry. In A. Mas-Colell (Ed.), Noncooperative Approaches to the Theory of Perfect Competition (pp. 213-224). Academic Press. https://doi.org/10.1016/B978-0-12-476750-8.50015-4
Jalalinaeni, S. A. R., Tavakolian, H., Zamanzade, H., & DAVOUDI, P.  8(29 ), 1-39. (2019). Endogenous Firm Entry and Exit in a DSGE Model for Iran Economy JOURNAL OF APPLIED ECONOMICS STUDIES IN IRAN, 8(29), 1-39. SID. https://sid.ir/paper/387028/en.
Kimbrough, S., & Murphy, F. (2009). Learning to Collude Tacitly on Production Levels by Oligopolistic Agents. Computational Economics, 33, 47-78. https://doi.org/10.1007/s10614-008-9150-6
Knudsen, T. (2017). Agent-Based Modelling for Strategy. In F. Wall, S.-H. Chen, & S. Leitner (Eds.), The Oxford Handbook of Agent-based Computational Management Science (pp. 0). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780197668122.013.6
Kong, E. (2016). Estimating Competitive Effects in Firm Entry with Applications in the Generic Pharmaceutical Industry.
Krusell, P., & Smith, A. A. (1996). Rules of thumb in macroeconomic equilibrium A quantitative analysis. Journal of Economic Dynamics and Control, 20(4), 527-558. https://doi.org/10.1016/0165-1889(95)00863-2
Martin, R., & Sunley, P. (2006). Path dependence and regional economic evolution. Journal of Economic Geography, 6(4), 395-437. https://doi.org/10.1093/jeg/lbl012
Mazzoli, M., Morini, M., & Terna, P. (2019). Industrial Structure and the Macroeconomy: The Macroeconomic Model and Its Algebraic Framework. In M. Mazzoli, M. Morini, & P. Terna (Eds.), Rethinking Macroeconomics with Endogenous Market Structure (pp. 26-74). Cambridge University Press. https://doi.org/10.1017/9781108697019.003
Mousavi, S., Gigerenzer, G., & Kheirandish, R. (2015). Rethinking Behavioral Economics Through Fast-and-Frugal Heuristics. Behavioral & Experimental Finance eJournal.
Naradda Gamage, S. K., Ekanayake, E. M., Abeyrathne, G., Prasanna, R., Jayasundara, J. M. S. B., & Rajapakshe, P. S. K. (2020). A Review of Global Challenges and Survival Strategies of Small and Medium Enterprises (SMEs). Economies.
Nelson, R., & Winter, S. (1982). An evolutionary theory of economic change. THE BELKNAP PRESS OF HARVARD UNIVERSITY PRESS https://www.jstor.org/stable/1912628
Potter, A., & Watts, H. D. (2011). Evolutionary agglomeration theory: increasing returns, diminishing returns, and the industry life cycle. Journal of Economic Geography, 11(3), 417-455. http://www.jstor.org/stable/26162206
Recio, G., Banzhaf, W., & White, R. (2022). From Dynamics to Novelty: An Agent-Based Model of the Economic System. Artificial Life, 28, 58-95.
Santos, J. L., Navarro, T. M., & Pablo-Martí, F. (2016). An Evolutionary Simulation Model of the Effect of Innovation and Firm Dynamics on Market Power.
Shimogawa, S., Shinno, M., & Saito, H. (2012). Structure of S-shaped growth in innovation diffusion. Phys. Rev. E, 85(5), 121-144. https://doi.org/10.1103/PhysRevE.85.056121
Tesfatsion, L. (2006). Chapter 16 Agent-Based Computational Economics: A Constructive Approach to Economic Theory. In L. Tesfatsion & K. L. Judd (Eds.), Handbook of Computational Economics (Vol. 2, pp. 831-880). Elsevier. https://doi.org/10.1016/S1574-0021(05)02016-2
Yang, Y., & Ren, L. (2011). Multi-Agents Model Analysis for the Evolution of Industrial Clusters Seventh International Conference on Computational Intelligence and Security, Sanya, China. https://ieeexplore.ieee.org/document/6128125
 
 

Files

History

  • Receive Date: 15 March 2025
  • Revise Date: 13 May 2025
  • Accept Date: 15 May 2025

Share

How to cite

Statistics