何麗娜，王國濤，劉 玨

(西南交通大學 機械工程學院，四川 成都 611730)

0 引言

在全球市場下，各企業(yè)的社會分工越來越具體，產(chǎn)品生產(chǎn)從原材料到用戶消費形成一條完整的供應鏈。然而，由于不確定性因素的影響以及供應鏈成員之間的密切聯(lián)系，一個或多個風險因素可能破壞整個供應鏈的正常運行，因此有必要對供應鏈風險及其處理方式進行深入研究。

供應鏈風險管理的目的是采取有效的風險處理方式，最大限度地降低風險造成的影響，然而不同的風險處理方式消耗的成本不同，對風險的處理效率也不同。因此，在資源有限的情況下，識別出關鍵風險處理方式對企業(yè)高效開展風險管理具有重要的意義[1]。由于風險處理方式是為解決風險事件，風險事件因風險因素的存在而發(fā)生，建立合理的模型分析這三者之間的映射關系，并將風險因素的信息傳遞給風險處理方式，是供應鏈風險管理的關鍵問題之一。

風險因素是風險處理方式的驅動因素，而且各風險因素間存在互相影響，準確識別風險因素的重要度是供應鏈風險管理的基礎。Chopra等[2]指出已經(jīng)確定的供應鏈風險與其他風險之間的關系會形成新的潛在風險，從而對供應鏈造成危害。因此，對供應鏈風險因素之間關聯(lián)關系的識別和分析是供應鏈風險管理中的第二大問題。

為分析供應鏈風險因素之間的關聯(lián)關系，袁悅[3]采用模糊層次分析法評估阿里巴巴并購餓了么的風險。層次分析法可以使系統(tǒng)變量之間的關系簡潔化，但其定量數(shù)據(jù)較少，定性成分較多，不易令人信服；決策與試驗評價實驗室(DEcision—MAking and Trial Evaluation Laboratory, DEMATEL)方法通過系統(tǒng)中各要素之間的邏輯關系和直接影響矩陣，可以計算出每個要素對其他要素的影響度和被影響度[4]。Song等[5]采用粗糙DEMATEL方法分析持續(xù)性供應鏈風險，但缺乏對猶豫度的考慮。

供應鏈風險管理過程中涉及較多主觀評價信息，現(xiàn)有研究一般采用模糊理論處理評價中的主觀性。王浩倫等[6]采用三角模糊軟集處理基于失效模式和后果分析(Failure Mode and Effect Analysis, FMEA)的風險管理中的模糊信息；胡輝等[7]提出區(qū)間直覺模糊理論，在直覺模糊集中加入了非隸屬度的概念，并應用區(qū)間數(shù)表達區(qū)間模糊信息，然而這些模糊信息處理方式難以處理元素隸屬度為多個取值的情況[8]；Torra[9]提出的猶豫模糊集方法允許元素的隸屬度有多個選值，可以解決這一問題；耿秀麗等[8]基于猶豫模糊集改進FMEA風險評估，表明采用猶豫模糊語義術語集合更符合專家的決策偏好。

基于以上分析，本文將猶豫模糊集與DEMATEL、風險屋(House of Risk, HoR)進行集成，構建了猶豫模糊DEMATEL-HoR模型。首先，采用猶豫模糊DEMATEL分析風險因素之間的關聯(lián)關系，并確定風險因素的重要度；然后構建多階段猶豫模糊HoR模型，分析風險因素與風險事件、風險事件與風險處理方式之間的關聯(lián)關系，從而將風險因素的重要度逐步傳遞到風險事件、風險處理方式中，最終確定風險處理方式的優(yōu)先度，為供應鏈風險管理提供有效的決策依據(jù)，以便公司更加快捷合理地配置資源。

1 基于猶豫模糊集的群評價語義量化

1.1 猶豫模糊集的定義和量化

定義1[9]假設對某項評價對象的所有可能評價語義組成一個集合L，則有L={li|i=1,2,…,n}，其中l(wèi)i是語義的第i個等級程度。設某專家對該項評價的猶豫語義為RL，則RL是L的一個有序子集，即RL∈L。

二元語義網(wǎng)絡是一種有效的語義詞計算方法，可以將語義術語轉化為數(shù)字，對語義數(shù)據(jù)進行計算，從而將二元語義網(wǎng)絡廣泛應用于專家系統(tǒng)和模糊邏輯控制等領域[10]。

設λ∈[0,n]為一個數(shù)字集，令i=round(λ),i∈[0,n]。為了量化猶豫語義，引入函數(shù)Δ使數(shù)字集與語義集一一對應[11]：

Δ[0,n]→L×[0.5,-0.5)；

Δ(λ)=(li,αi)。

(1)

式中：i=round(λ),li=round(λ),αi=λ-i,αi∈[0.5,-0.5),round為取整算子，α為符號轉移值。

反之，反函數(shù)Δ-1將一個語義轉化為對應的數(shù)值：

Δ-1：L×[0.5,-0.5)→[0,n]；

Δ-1(li,αi)=i+αi=λ。

(2)

1.2 基于粗糙集的群評價信息處理

為了方便計算比較語義，應用粗糙集處理量化后的語義信息。粗糙集采用區(qū)間及上下近似的方法進行信息處理，無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，因此對問題不確定性的描述或處理比較客觀。

定義2[12]假設集合U是評價信息表中所有對象組成的論域，共分為m個類，m個類組成集合J，J={e1,e2,…,em}，且存在e1

定義元素ek的下近似域為

(3)

元素ek的上近似域為

(4)

(5)

式中：xi和yi分別為上下近似域中的元素；NU和NL分別為上下近似域中的元素總數(shù)。

根據(jù)式(3)～式(5)，J中的所有元素可以轉化為粗糙數(shù)

采用粗糙集的方式對量化的語義Δ-1RL(υi)進行處理，將Δ-1(RL(υi))={l1,…,ln}轉化為粗糙數(shù)集合，然后用式(6)得到該語義的粗糙區(qū)間數(shù)

(6)

假設ωk為第k個專家的權重，采用式(7)對某項評價對象的群評價信息進行集成：

(7)

2 基于猶豫模糊DEMATEL的供應鏈風險因素重要度分析

采用猶豫模糊DEMATEL的方法分析風險因素之間的關聯(lián)關系，并確定其重要度，具體步驟如下：

步驟1構造并量化風險因素的直接關聯(lián)矩陣。

假設有m個風險因素，集合為{FMi|i=1,2,…,m}，其中FMi表示第i項風險因素。有n位專家，其權重集合為{ωk|k=1,2,…,n}，第k位專家應用表1中的語義集1和語義集2分別評估m(xù)個風險因素的重要度以及風險因素之間的關聯(lián)程度，得到風險因素直接關聯(lián)矩陣

表1 評價語義集

Δ-1(Rk)=

用式(7)對群評價信息進行處理，得到供應鏈風險因素的群評價直接關聯(lián)矩陣

步驟2直接關聯(lián)矩陣的歸一化。

以矩陣各行向量元素之和的最大值為標準對直接關聯(lián)矩陣R進行歸一化：

(8)

(9)

步驟3計算綜合影響矩陣。

將歸一化后的直接關聯(lián)矩陣N按照上下限分解為

(10)

(11)

步驟4計算綜合影響矩陣T的行粗糙數(shù)和列粗糙數(shù)。

綜合影響矩陣T的行粗糙數(shù)

(12)

綜合影響矩陣T的列粗糙數(shù)

(13)

步驟5粗糙數(shù)精確化。

為了準確直觀地對風險因素的重要度進行對比，將粗糙數(shù)轉化為精確數(shù)，具體步驟如下[5]：

(1)歸一化處理

(14)

按式(15)計算修正值

(15)

(16)

步驟6計算風險因素的重要度。

假設風險因素重要度的向量集為Q，則有

(17)

另外，根據(jù)風險因素FMi的影響度及被影響度的差值Rai，可將風險因素分為兩類。其中

(18)

當Rai為正數(shù)時，F(xiàn)Mi為原因型因素；當Rai為負數(shù)時，F(xiàn)Mi為結果型因素。

3 基于猶豫模糊風險屋模型的風險處理方式重要度分析

質量屋(House of Quality, HoQ)是一種直觀的矩陣框架表達形式，其通過定量分析實現(xiàn)輸入信息到輸出信息的轉換?；贖oQ理論，根據(jù)風險因素、風險事件、風險處理方式之間的關系，本文提出猶豫模糊HoR模型，從而實現(xiàn)風險因素到風險處理方式的信息轉換和傳遞，如圖1所示，其中風險因素集為{FMi|i=1,2,…,m}、風險事件集為{AGu|u=1,2,…,ag}、風險處理方式集為{SOo|o=1,2,…,so}。

3.1 一階段猶豫模糊風險屋模型

由專家應用表1中的語義集2對風險因素和風險事件的關聯(lián)關系進行評價，構建一階段猶豫模糊HoR模型，如圖2所示。

圖中Ciu表示風險事件AGu與風險因素FMi之間的相關程度；Ou表示風險事件AGu的發(fā)生率，由專家用表1中的語義集3做出判斷。

用式(1)～式(7)對一階段猶豫模糊HoR中的Ou和Ciu分別進行二元語義轉化和粗糙化處理，得到相應的粗糙數(shù)，其中

令風險事件AGu的重要度為ARu[1]，

(19)

然后，對風險事件重要度進行歸一化：

(20)

3.2 二階段猶豫模糊風險屋模型

根據(jù)風險事件和風險處理方式之間的關聯(lián)關系，構建二階段猶豫模糊HoR模型，如圖3所示。

圖中Euo表示風險處理方式SOo與風險事件AGu的關聯(lián)程度，由專家采用表1中的語義集2表達；Do表示第SOo項風險處理方式的實施難度，由專家利用表1中的語義集4針對風險處理方式所耗費的資源和時間進行評價。

用式(1)～式(7)對Euo和Do分別進行二元語義轉化、粗糙化處理，得到相應的粗糙數(shù)形式，其中

令EFo為風險處理方式SOo的初始重要度，

(21)

對于風險處理方式SOo，若其實施難度Do較小，則應賦予較高重要度。應用Do對風險處理方式SOo的初始重要度EFo進行修正，以確定最終重要度DEFo，

(22)

(23)

4 案例分析

某印度尼西亞大型國有肥料公司共有3個生產(chǎn)工廠，主要生產(chǎn)各種肥料，包括尿素、重過磷酸鈣(Triple Super Phosphate, TSP)、有機肥料等。該工廠生產(chǎn)的主要原料為天然氣及各種化學試劑，如硫、氯化鉀等。下面以該公司的供應鏈風險分析為例驗證本文所提方法的有效性。

4.1 風險識別

5名供應鏈風險管理專家根據(jù)公司的歷史供應鏈風險管理資料、專業(yè)知識和經(jīng)驗對供應鏈的風險因素、風險事件進行分析評價，最終確定的主要風險因素和風險事件如表2所示。

表2 風險因素與風險事件項目表

續(xù)表2

4.2 風險評估

5位專家的評價權重分別為{ω1=0.3,ω2=0.2,ω3=0.2,ω4=0.2,ω5=0.1}。各個專家分別使用語義集1、語義集2評價風險因素的重要度及其之間的關聯(lián)聯(lián)系，從而得到直接關聯(lián)矩陣Rk。用式(1)和式(2)對語義進行量化，第1位專家的評價結果如表3所示。

表3 專家1的直接關聯(lián)矩陣

用式(3)～式(6)對評價信息進行粗糙處理，用式(7)得到風險因素直接關聯(lián)矩陣的群評價矩陣R，如表4所示。

表4 風險因素的群評價直接關聯(lián)矩陣

用式(8)和式(9)對群評價矩陣R進行歸一化處理，得到矩陣N，然后根據(jù)式(10)和式(11)得到綜合影響矩陣T，如表5所示。

表5 風險因素的綜合影響矩陣

表6 風險因素的重要度

以Qi為橫坐標，Rai為縱坐標，繪制風險因素的分布圖，如圖4所示。圖中位于縱軸上半軸的因素為原因型因素，位于縱軸下半軸的風險因素為結果型因素，前6項關鍵風險因素用菱形標記。

從圖4可見，風險因素的重要度排序為FM4>FM2>FM3>FM13>…>FM1>FM14，最重要的風險因素是FM4(沒有具體的采購規(guī)格)，且為結果型因素，易受其他因素的影響；FM6(自然災害)為原因型因素，容易影響其他因素。

4.3 風險處理方式重要度計算

4.3.1 一階段風險屋

5位專家分別采用語義集2、語義集3評價風險事件發(fā)生的頻率、風險因素與風險事件之間的關聯(lián)程度。例如：專家1對需求大幅增大(FM1)和原材料不足(AG11)的評價為聯(lián)系緊密，用式(1)和式(2)對語義進行量化，則專家1所構建的一階段HoR如表7所示。

表7 專家1構建的一階段HoR模型

用式(3)～式(6)對表7中的數(shù)據(jù)進行粗糙處理，然后用式(19)計算風險事件的重要度，如表8所示。用式(14)～式(16)可得風險事件重要度的精確數(shù)，并用式(20)進行歸一化處理，分析結果如表9和圖5所示。

表8 一階段粗糙HoR模型

表9 風險事件的重要度和排序

由圖5可見，各風險事件之間的重要度差異較大，其重要度排序為AG11>AG15>AG12>…>AG13>AG17，其中最關鍵的風險事件為AG11(原材料不足)，其次是AG15(配送中心產(chǎn)品短缺)。

4.3.2 二階段風險屋

由于各風險事件重要度存在差異，公司應該集中資源解決重要風險事件，針對前10項風險事件開展風險處理。經(jīng)過5位專家的研究和分析，共列出8項風險處理方式(如表10)，并采用語義集2、語義集4分別評價風險事件與風險處理方式之間的關聯(lián)度，以及風險處理方式的執(zhí)行難度，從而構建二階段HoR。采用式(1)～式(6)對相關評價信息進行量化并進行粗糙處理，如表11所示。

表10 風險處理方式

表11 二階段粗糙HoR模型

用式(21)和式(22)依次計算風險處理方式的初始重要和最終重要度，如表11所示。用式(14)～式(16)將粗糙數(shù)轉化為精確數(shù)，并用式(20)進行歸一化處理，結果如表12所示。則風險處理方式的重要度排序為SO6>SO5>SO3>SO2>SO4>SO1>SO7>SO8。其中最關鍵的風險處理方式為SO6(與運輸公司更好地協(xié)助)，其次是SO5(授權企業(yè)資源計劃(Enterprise Resource Planning, ERP)系統(tǒng))等。從結果可以看出，雖然SO6比SO5實施難度更高，占有的資源更多，但是SO6比SO5的排序靠前，部分原因是SO6比SO5更能解決一些關鍵風險事件。

表12 風險處理方式的重要度及排序

5 方法比較分析

為了驗證猶豫模糊DEMATEL-HoR集成模型的有效性，本文將傳統(tǒng)HoR模型、粗糙DEMATEL-HoR模型與本文方法進行對比，3種方法在風險因素相關性、模糊信息處理上存在差異，如表13所示。

表13 不同研究模型的對比

分別應用傳統(tǒng)HoR模型、粗糙DEMATEL-HoR模型對本案例中的風險因素、風險事件和風險處理方式進行分析，結果如表14和圖6所示。

表14 3種模型的排序結果

在傳統(tǒng)HoR模型中，SO5(授權ERP系統(tǒng))與SO3(與實力強大的供應商合作)和SO4(引進先進庫存管理方法)的排序發(fā)生了變化，其原因主要是傳統(tǒng)HoR模型沒有考慮風險因素之間的關系，導致風險因素的重要度分析不全面。另外，傳統(tǒng)HoR模型缺乏對模糊信息的處理，也會出現(xiàn)分析結果不一致的情況。

從圖6可見，粗糙DEMATEL-HoR模型與猶豫模糊DEMATEL-HoR模型的結果相差不大。在粗糙DEMATEL-HoR模型下，SO2(改善員工工作環(huán)境)和SO4(引進先進庫存管理方法)的排序發(fā)生了變化，原因主要是粗糙DEMATEL-HoR模型缺乏對猶豫度的考慮。

綜上所述，猶豫模糊DEMATEL-HoR集成模型一方面可全面分析風險因素之間的關聯(lián)關系，另一方面可有效、準確處理風險管理中的模糊信息，為開展供應鏈風險管理提供了系統(tǒng)化的決策依據(jù)。

6 結束語

針對現(xiàn)有供應鏈風險管理方法的不足，本文從模糊信息處理、供應鏈風險之間的關聯(lián)關系，以及供應鏈風險與風險事件、風險處理方式之間的轉換關系出發(fā)，提出基于猶豫模糊DEMATEL與HoR集成模型的供應鏈風險管理方法，其主要特點如下：①采用基于粗糙思想的猶豫模糊集群評價方法可合理表達專家的評價猶豫度，并解決模糊集隸屬函數(shù)主觀性強的問題；②基于猶豫模糊DEMATEL可有效分析風險因素之間的相互關系，并確定其重要度；③采用猶豫模糊HoR模型實現(xiàn)風險因素、風險事件及風險事件處理方式之間的系統(tǒng)化映射，并將風險因素的重要度傳遞到風險事件處理方式中，從而確定風險事件處理方式的排序。最后，通過案例分析及對比驗證了所提方法能夠為供應鏈風險管理提供更全面、有效的決策依據(jù)。

然而，本文涉及較多的主觀評價，且未考慮歷史數(shù)據(jù)對供應鏈風險管理的作用，后續(xù)研究將關注數(shù)據(jù)驅動的供應鏈風險管理。