綦方中 張磊磊

（浙江工業(yè)大學管理學院，杭州 310023）

引 言

制造業(yè)的高質(zhì)量發(fā)展對于促進經(jīng)濟發(fā)展，提高國家核心競爭力具有重要作用[1]。而當前日益激烈的國際競爭和復雜的商業(yè)環(huán)境使得制造業(yè)供應鏈更容易受到不確定因素的干擾。自然災害、政治不穩(wěn)定以及疫情等突發(fā)事件都會對供應鏈產(chǎn)生破壞性影響[2]，制造企業(yè)作為制造供應鏈的主體，保證制造企業(yè)的穩(wěn)定運營，對中國制造業(yè)發(fā)展至關重要。

近些年，韌性理論在供應鏈管理中得到廣泛應用，韌性強調(diào)系統(tǒng)在不確定環(huán)境下的適應能力、對突發(fā)風險快速響應并在風險發(fā)生后快速恢復的能力[3]。因此，高水平的供應鏈韌性可以幫助制造企業(yè)在不確定環(huán)境中實現(xiàn)高質(zhì)量經(jīng)營和可持續(xù)發(fā)展。研究者大多從預測能力、適應能力和恢復能力等多維度對影響韌性的因素進行分析[4]。Hosseini和Barker[5]使用貝葉斯網(wǎng)絡模型，從吸收、適應和恢復能力對不同供應商的韌性進行評估。樊雪梅和盧夢媛[6]從供應鏈的預測、適應、反應、恢復和學習5個能力維度構建了汽車制造供應鏈韌性評價指標體系。周文婧等[7]在災難性醫(yī)療需求激增情境下，基于德爾菲法及熵值理論，構建包含人力、資金、信息等45個指標的衛(wèi)生系統(tǒng)韌性指標評價體系。

韌性的相關研究與風險管理的研究類似，通過多屬性決策方法（MCDM）可以衡量制造企業(yè)供應鏈韌性水平。Pournader等[8]使用數(shù)據(jù)包絡分析（DEA）和模糊集理論構建供應鏈風險韌性評估模型。謝泗薪等[9]運用層次分析法和模糊綜合評價法對我國航空物流韌性進行評價。而TOPSIS方法不受樣本規(guī)模和指標的限制，適用于多種情境下的綜合評價。羅福周等[10]從吸收能力、適應能力等維度構建消防安全韌性評價指標，并結合TOPSIS法評估再生項目的消防安全韌性。Ama等[11]提出綠色韌性的模糊多目標規(guī)劃模型（GR-FMOPM），并結合模糊AHP和TOPSIS方法評估供應網(wǎng)絡韌性。

在不確定環(huán)境下，供應鏈韌性并非是長期穩(wěn)定的，通過早期的預警信號，企業(yè)可以及時進行戰(zhàn)略調(diào)整，降低中斷的可能性。常規(guī)的定量分析方法難以實現(xiàn)不確定環(huán)境下的精確預測，同時，企業(yè)韌性指標受較近時期的影響較大，而灰色系統(tǒng)理論針對不確定信息的小樣本預測具有更高的準確性[12]。 Rajesh R[13]分別從靈活性、響應性和生產(chǎn)效率等方面對企業(yè)韌性進行分析，并使用改進的灰色預測模型對韌性進行度量。劉喆和王堯[14]利用TOPSIS法和灰色預測模型對國內(nèi)30個省（區(qū)、市）的城市韌性進行綜合評價和預測，從而為投資者建設投資提供新的思路。

綜上所述，韌性領域已有較多的研究成果，但仍然存在不足的地方：（1）現(xiàn)有研究大多將韌性視為恒定不變的值，忽視了微觀角度下韌性隨時間波動的特點；（2）缺乏學者從供應鏈的視角對制造企業(yè)的韌性演化進行分析，并運用系統(tǒng)、科學的方法衡量及預測韌性水平，實現(xiàn)韌性預警。因此，本文針對制造企業(yè)供應鏈的特點，分別從反應能力、適應能力和恢復能力3個維度選取韌性評價指標并結合TOPSIS方法量化供應鏈韌性水平；在韌性預警方法中，將弱化緩沖算子及新陳代謝的思想引入灰色預測方法中，構建制造企業(yè)供應鏈韌性預警模型。本文結合一家電子制造企業(yè)2020～2022年的數(shù)據(jù)進行實證研究，為相關制造企業(yè)實現(xiàn)高質(zhì)量經(jīng)營提供借鑒。

1 制造企業(yè)供應鏈韌性評價指標體系

現(xiàn)有研究對韌性的評價是多方面的，包括協(xié)同合作、可見性、安全冗余、市場位置和合作伙伴關系等，而對制造企業(yè)來講，供應鏈韌性對企業(yè)高質(zhì)量發(fā)展至關重要。因此，在文獻閱讀及企業(yè)調(diào)研的基礎上，聚焦企業(yè)供應鏈的視角，從反應能力、適應能力和恢復能力3個維度對影響韌性水平的指標進行分析。這3個維度分別表示不確定事件發(fā)生前、發(fā)生時和發(fā)生后3個階段。

（1）反應能力。反應能力強調(diào)供應鏈在采購、生產(chǎn)以及交付過程中，能夠及時的感知外界環(huán)境的變化，從而快速對未知風險做出反應。敏捷性和協(xié)同合作是影響供應鏈反應能力的關鍵指標，敏捷性要求企業(yè)能夠快速響應市場需求或供應變動，幫助企業(yè)及時應對不確定風險[15]。協(xié)同合作能力強調(diào)企業(yè)與合作伙伴之間通過信息共享和技術的應用來降低不確定風險，提高服務水平[16]，協(xié)同合作能力較低，表明合作企業(yè)的生產(chǎn)交付能力達不到要求，或者是合作企業(yè)的組織管理跟不上企業(yè)運營的要求，企業(yè)難以對不確定事件做出快速應對。

（2）適應能力。適應能力強調(diào)供應鏈在外界擾動下保持供應鏈正常運作的最大承受能力，包含靈活性和安全冗余兩大指標。供應鏈的靈活性指在突發(fā)事件下根據(jù)需求和環(huán)境條件快速調(diào)整生產(chǎn)運營計劃的能力[17]。安全冗余指標反映企業(yè)通過戰(zhàn)略性使用過剩的儲備資源提高突發(fā)風險的應對能力[18]，從而降低中斷風險。

（3）恢復能力?；謴湍芰Ρ硎竟溤谥袛囡L險發(fā)生后可以快速恢復至正常運營狀態(tài)。當中斷發(fā)生后，決策者需要對資源重新配置，以及調(diào)整供應鏈策略等使得供應鏈快速恢復至正常狀態(tài)?；謴湍芰Π湹膽蹦芰σ约拔锪髦С?，應急能力表示企業(yè)在運營中斷后采用資源重新配置、信息監(jiān)測等手段建立應急機制，提高恢復能力，而物流支持可以為企業(yè)在中斷下的貨品運輸及配送提供保障[6]。

在上述文獻研究的基礎上，結合企業(yè)調(diào)研確定企業(yè)供應鏈韌性指標，構建制造企業(yè)供應鏈韌性評價指標體系如表1所示。此外，韌性指標的選取要以數(shù)據(jù)的可獲得性以及數(shù)據(jù)分析的可用性為原則，使得這些指標既可以準確反映企業(yè)供應鏈韌性水平，也可以通過收集不同時刻的指標數(shù)據(jù)進行預測，從而更好的應用在本次研究中。

表1 制造企業(yè)供應鏈韌性評價指標體系

2 供應鏈韌性預警模型

2.1 模糊層次分析法

當指標數(shù)量較多時，傳統(tǒng)AHP方法在主觀賦權時更容易出現(xiàn)一致性問題。因此，將AHP方法拓展到模糊環(huán)境，采用模糊層次分析法（FAHP）構建模糊一致性判斷矩陣，消除專家在賦權過程中存在的一致性問題，使得權重分配更加合理。參考姬東朝等[19]的研究，F(xiàn)AHP方法具體分析步驟如下：建立層次結構模型；構造模糊互補判斷矩陣；求解模糊互補判斷矩陣權重；一致性檢驗。

2.2 理想點法

TOPSIS方法通過確定每個解與正／負理想解之間的歐式距離來對評價對象進行量化，正／負理想解的確定往往依靠各指標的最優(yōu)值與最劣值，考慮到企業(yè)現(xiàn)實環(huán)境中韌性指標往往無法達到理想狀態(tài)，因此通過人為設定最優(yōu)值和最劣值的方式對模型進行改進，使得該模型可以更好的反映當前企業(yè)供應鏈韌性水平。具體步驟如下：

（1）參考行業(yè)標準及專家意見確定指標的最優(yōu)解集與最劣解集，分別記為和其中對于負向指標j，其最優(yōu)解要小于最劣解。

（2）對初始評價矩陣Pm×n（pij）進行歸一化處理，得到特征矩陣Nm×n（nij），pij為企業(yè)在i時刻下j指標的數(shù)據(jù)。

（3）通過模糊層次分析法（FAHP）得到指標權重矩陣Wm×n，利用Vm×n＝Nm×n×Wm×n計算加權后的特征矩陣Vm×n（vij）。

（4）計算i決策時間下各指標與正負理想解的歐式距離。

（5）對企業(yè)i決策時間下的指標進行評分，其中c∈[0，1]，c ii越高，則表明i時刻下的韌性越強。

2.3 改進灰色預測方法

在宏觀視角下企業(yè)供應鏈韌性是相對穩(wěn)定的，而從微觀的視角來看，韌性更容易受到非常規(guī)因素的影響而產(chǎn)生波動，且較遠的歷史數(shù)據(jù)對未來狀態(tài)的影響程度較小，因此，依靠大量歷史數(shù)據(jù)預測未來狀態(tài)的傳統(tǒng)預測方法，如神經(jīng)網(wǎng)絡、支持向量機等，難以準確的預測企業(yè)韌性。而針對不確定信息、小樣本等特征的灰色預測方法可以根據(jù)有限的灰色信息，預測未來狀態(tài)。

企業(yè)韌性指標受到不確定因素的干擾，通常會產(chǎn)生較快或較慢的演化趨勢，而灰色預測方法對非光滑序列的預測精度不高。因此，通過引入弱化緩沖算子[20]對原始序列進行修正，可以實現(xiàn)對隨機波動特點序列的預測，極大的提高預測的準確性。改進灰色預測方法的預測過程如下：

（1）已知韌性指標r的時間序列X＝（x（0）（1），x（0）（2），…，x（0）（n）），其中x（0）（i）＞0（i＝ 1，2，…，n），r表示需要預測的韌性指標，n表示預測樣本的個數(shù)。通過計算級比σ（k）來判斷該序列數(shù)據(jù)能否使用灰色預測方法，其中σ（k）＝x（0）（k-1）／x（0）（k），k＝ 1，2，…，n。 對于?k，若σ（k）∈（e-2／（n+1），e2／（n+1），則通過級比檢驗。

（2）若指標序列未通過級比檢驗，則引入加權平均弱化緩沖算子（WAWBO）D對原始序列進行修正，令XD＝（x（0）（1）d，x（0）（2）d，…，x（0）（n）d），得到修正序列＝（（0）（1），（0）（2），…，～（0）（n）），重新執(zhí)行步驟1，若通過檢驗則執(zhí)行步驟3。其中：

設Z（1）＝（z（1）（1），z（1）（2），…，z（1）（n））為X（1）的背景值，其中z（1）（k）＝（x（1）（k）+x（1）（k-1））／2。則 GM（1，1）的白化方程為：

其中a為發(fā)展灰度，μ為內(nèi)生控制灰度?？梢院喕癁閤～（0）（k）＝μ-az（1）（k）。

使用最小二乘法估計方程參數(shù)，則待估參數(shù)a、μ滿足u＾＝（a，μ）T＝（BTB）-1BTM，其中：

求解參數(shù)，取x（1）（0）＝x（0）（1），可以得到灰色微分方程的時間響應序列：

對得到的序列進行一次累減還原（IAGO），得到最終預測結果：

（4）新陳代謝灰色預測。傳統(tǒng)灰色預測方法是根據(jù)t時刻過去的靜態(tài)數(shù)據(jù)進行預測，但在不確定環(huán)境下，會有新的灰色信息加入到預測系統(tǒng)中，隨著時間的推移，越久遠的數(shù)據(jù)所包含的信息量越少，使用灰色理論進行預測時會導致誤差的累積。而新陳代謝灰色預測模型，可以將信息實時動態(tài)更新的思想加入到灰色預測中，從而實現(xiàn)對序列的動態(tài)預測，有效降低預測誤差。若需要對n個原始數(shù)據(jù)進行預測，新陳代謝模型需要選擇t時間范圍的數(shù)據(jù)對t+1時刻的數(shù)據(jù)進行預測，再去掉最老的數(shù)據(jù)x（0）（1），并加入新的數(shù)據(jù)x（0）（t+1），以此為原始序列X（0）＝ [x（0）（2），x（0）（3），…，x（0）（t+1）]，t＝1，2，n-1，得到新的預測模型，再重復步驟3，實現(xiàn)一次新陳代謝。通過不斷地更新數(shù)據(jù)序列，動態(tài)預測t+1時刻的數(shù)據(jù)，得到新的預測序列。當t+1＝n后，將預測數(shù)據(jù)x＾（0）（n+1）加入到原始序列中，對之后的數(shù)據(jù)進行預測，可以得到按照現(xiàn)有信息的數(shù)據(jù)發(fā)展趨勢，從而及時幫助企業(yè)進行戰(zhàn)略調(diào)整。

（5）模型預測誤差檢驗?？紤]到模型需要進行多次迭代，選擇平均絕對誤差（MAPE）對模型

2.4 企業(yè)供應鏈韌性預警模型

在韌性評價指標體系的基礎上，使用模糊層次分析法確定指標權重，并結合改進TOPSIS方法準確量化供應鏈韌性水平。為了能夠及時感知韌性變化，研究提出改進的灰色預測方法預測未來時刻的韌性特征，并結合韌性量化方法，分析未來時刻下企業(yè)供應鏈韌性的演化趨勢，及時幫助決策者調(diào)整供應鏈策略，降低中斷風險。同時，通過對供應鏈策略實施結果的反饋，也幫助決策者實現(xiàn)對供應鏈的動態(tài)優(yōu)化過程。構建制造企業(yè)供應鏈韌性預警框架流程如圖1所示。的有效性進行檢驗，式（8）中，n為預測樣本的個數(shù)，＾xi為i時刻預測值，xi為i時刻的真實值。

圖1 企業(yè)供應鏈韌性預警模型框架

3 實證分析

3.1 背景及數(shù)據(jù)采集

以國內(nèi)一家電子制造企業(yè)為例，對提出的預警模型進行驗證。該企業(yè)是安防領域的龍頭企業(yè)，但近幾年由于快速變化的外界環(huán)境，如國際政策及新冠肺炎疫情的影響，對企業(yè)的日常運營帶來了巨大的挑戰(zhàn)。通過應用韌性預警模型，對該企業(yè)的供應鏈韌性進行預警，幫助決策者及時調(diào)整供應鏈策略，降低中斷風險。

由于企業(yè)業(yè)務復雜，本文選取了企業(yè)的一條典型產(chǎn)品線，按月維度采集2020年1月～2022年9月的13個指標數(shù)據(jù)，共計33個時間節(jié)點?？紤]到企業(yè)運營的實際情況，韌性評價指標可由相關指標代替，如訂單的響應速度可由24小時訂單響應比率代替、物料準時交付比率由物料提貨達成率代替等。并參考行業(yè)標準與專家意見確定各指標的最優(yōu)解與最劣解，數(shù)據(jù)的預處理公式如式（1）所示。

3.2 韌性量化

由于三級層次結構較為復雜，只考慮維度和二級指標構建兩層層級結構，從而簡化研究。根據(jù)五尺度法[19]的打分方式，設計專家問卷比較兩兩指標間的重要程度。之后使用FAHP方法計算得到各指標的權重如表2所示。

表2 韌性指標權重

構建權重系數(shù)矩陣W，利用改進TOPSIS方法，得到企業(yè)在2020～2022年的韌性分布如圖2所示。

圖2 2020～2022年企業(yè)供應鏈韌性分布圖

由圖2可知，該企業(yè)的供應鏈韌性表現(xiàn)較強，2020～2022年供應鏈韌性分布在0.45～0.70之間，絕大多數(shù)的時間節(jié)點韌性水平大于0.5。但該企業(yè)供應鏈韌性表現(xiàn)不夠強勁，韌性分布在0.55～0.60之間的時間節(jié)點較多，占總樣本的1／3，這可能是由于近兩年企業(yè)正遭遇國內(nèi)外環(huán)境的雙重壓力，不確定因素的影響使得企業(yè)韌性仍存在一定的改進空間。

3.3 灰色預測

部分韌性指標在一定時期內(nèi)是相對穩(wěn)定的，因此選取易受外界因素影響的預測指標，并根據(jù)兩年的歷史數(shù)據(jù)預測未來3個月的韌性指標。選取韌性特征及部分原始數(shù)據(jù)如表3所示。

表3 部分韌性指標原始數(shù)據(jù)

對原始數(shù)據(jù)序列進行分析，可以發(fā)現(xiàn)原始數(shù)據(jù)屬于非光滑序列，且受到外界因素的沖擊，數(shù)據(jù)的波動幅度較大，模型無法通過級比檢驗。在引入弱化緩沖算子對原始數(shù)據(jù)序列進行修正后，可以順利通過級比檢驗。分別使用傳統(tǒng)GM（1，1）、WAWBO緩沖算子的GM（1，1）模型以及基于新陳代謝的改進GM（1，1）模型分別對7個韌性指標進行預測，其中設置新陳代謝周期t為6個月，并使用平均絕對誤差（MAPE）檢驗模型精度，具體結果如表4所示。

表4 各模型預測誤差對比

根據(jù)各預測模型的誤差結果可知，對于存在較大波動的時間序列，采用WAWBO弱化緩沖算子對原始序列進行修正，可以極大提高灰色預測方法預測的準確性，對于修正后的灰色預測結果的平均絕對誤差比傳統(tǒng)的灰色預測方法有大幅降低，平均預測誤差由23.45%降為4.10%。同時，將新陳代謝的方法加入到模型中，可以及時消除久遠數(shù)據(jù)對預測結果的干擾，實現(xiàn)對未來的動態(tài)預測，可以進一步降低模型預測的誤差，預測誤差平均值為2.91%。

3.4 韌性演化分析

使用改進灰色預測模型預測2022年10月～12月的韌性指標，并對未來企業(yè)供應鏈韌性進行量化，得到該企業(yè)2020年1月以來供應鏈韌性的演化如圖3所示。

圖3 企業(yè)供應鏈韌性演化圖

由圖3得知，受國家間科技競爭、經(jīng)濟波動等影響，企業(yè)供應鏈韌性并不穩(wěn)定，個別時間點供應鏈韌性變動幅度較大，如在2021年8月主要受到安防行業(yè)政府需求端的影響，企業(yè)供應鏈韌性達到最低點。但從整體趨勢上看，企業(yè)的供應鏈總體韌性呈上升趨勢，如在2022年的3月份，企業(yè)韌性達到歷史新高，表明決策者通過運營策略調(diào)整可以有效提升韌性水平，提高企業(yè)應對不確定風險能力。

從近期來看，企業(yè)在2022年3月以來，韌性值處于下降的趨勢，通過企業(yè)回訪的方式得知企業(yè)在那時正受到國際進一步的政策制裁以及經(jīng)歷新冠肺炎疫情，供應鏈在供給及銷售端均受到影響。但隨著6月份以來國內(nèi)疫情相對平穩(wěn)使得政府端需求釋放加速，同時企業(yè)也通過供應鏈策略調(diào)整，使得7月以來企業(yè)供應鏈韌性值逐漸提升。為此，本文分別從反應能力、適應能力和恢復能力3個維度對韌性的演化趨勢進行探討，如圖4所示。

圖4 韌性各維度下演化特征圖

2022年3 月以來，反應能力快速下降使得供應鏈韌性逐漸降低，但隨著7月份以來反應能力的快速恢復使得韌性水平有較大提高，由此可知，反應能力是影響供應鏈韌性變化的主要原因。此外，適應能力的表現(xiàn)相對穩(wěn)定，企業(yè)在2021年初通過調(diào)整庫存策略，以高庫存來緩沖供應鏈風險，使得企業(yè)的適應能力得到極大的改善，從圖4適應能力曲線可以更直觀的呈現(xiàn)。對比圖3與圖4恢復能力曲線可以發(fā)現(xiàn)，當企業(yè)韌性開始降低時，恢復能力水平往往較高，這是因為在風險發(fā)生后，企業(yè)的恢復能力在發(fā)揮作用。

雖然未來3個月內(nèi)韌性水平正逐漸提升，但供應鏈總體韌性表現(xiàn)不強，企業(yè)仍需要保持較高的危機意識，通過改進供應鏈策略保持高水平的反應能力，如提高企業(yè)的訂單處理速度、提高供應商質(zhì)量等。同時通過庫存調(diào)整、完善風險預案等措施提升供應鏈適應能力和恢復能力，進一步增強該企業(yè)供應鏈韌性水平。

4 結 論

韌性理論是對傳統(tǒng)風險管理的重要補充。本文以電子制造企業(yè)為例，驗證了改進TOPSIS韌性量化方法的準確性，同時改進灰色預測方法可以更好的解決現(xiàn)實環(huán)境中韌性指標的數(shù)據(jù)波動問題，實現(xiàn)指標的短期動態(tài)預測，預測誤差為2.91%。通過實證分析，自2020年以來，該企業(yè)供應鏈受不確定因素的沖擊，供應鏈韌性存在較大的波動，韌性分布在0.4～0.7之間，存在較大的改進空間。雖然經(jīng)過供應鏈策略調(diào)整，7月以來企業(yè)供應鏈韌性正逐漸提升，但管理者仍需保持較高的危機意識，重點從適應能力和恢復能力的維度改進供應鏈策略，從而提高制造企業(yè)供應鏈在不確定環(huán)境下的韌性表現(xiàn)。

通過供應鏈韌性指標數(shù)據(jù)的收集、分析與預測，可以實時為決策者提供預警和決策支持，降低供應鏈在不確定環(huán)境下的中斷風險。同時將韌性預警應用在企業(yè)決策支持系統(tǒng)中，也為國內(nèi)制造供應鏈的可持續(xù)發(fā)展提供幫助。此外，選擇以月維度分析供應鏈韌性演化過程，也使得當供應鏈受到?jīng)_擊的時間跨度較短時，供應鏈管理者在策略調(diào)整的過程中存在一定的時滯性。未來可以按周維度進行指標數(shù)據(jù)統(tǒng)計，使得供應鏈在受到不規(guī)則擾動時可以更迅速地做出反應。