基于TFN—AHP和TOPSIS的供應鏈風險評價

萬杰 王雪嬌

摘 要：隨著經濟全球化的發展，供應鏈結構變得越來越復雜，在供應鏈工作效率不斷提升的過程中，更多的風險逐漸出現。風險的存在給企業帶來了潛在的威脅，一旦發生甚至可能導致供應鏈的中斷。為了了解供應鏈的風險情況，必須對供應鏈中的風險因素進行識別和評價。文章應用TFN-AHP（三角模糊數層次分析法）和TOPSIS方法對風險指標的風險大小進行評價，然后根據風險的相對大小提出了具有針對性的建議。

關鍵詞：三角模糊數；層次分析法；TOPSIS；供應鏈；風險評價

中圖分類號：F272 文獻標識碼：A

Abstract： With the development of economic globalization， the structure of supply chain is becoming more and more complex. With the process of improving the efficiency of supply chain， more risks emerge. The existence of the risks has brought potential threat to the enterprises， once the occurrence of risk evens may lead to the disruption of supply chain. In order to understand the risk of supply chain， we must identify and evaluate the risk indexs. This paper evaluates the risk with TFN-AHP（Triangular fuzzy number-Analytic hierarchy process）and TOPSIS， then put forward some corresponding suggestions to the high risk index.

Key words： triangular fuzzy number； analytic hierarchy process； TOPSIS； supply chain； risk evaluation

0 引 言

現階段對供應鏈研究關注最多的是企業的收益情況，對于風險方面的關注起步較晚。由于供應鏈是一個整體，任何一個風險的發生都可能造成整條供應鏈的崩潰，因此針對相應的風險提前進行預防非常必要，從而對供應鏈的風險進行評價顯得尤為重要。但是目前對供應鏈的風險研究中多集中在定性研究方面，定量研究還比較少。

在對供應鏈風險的定義中，Deloitte咨詢公司在一項報告中指出供應鏈風險是指對一個或多個供應鏈成員產生不利影響或破壞供應鏈運行，使其達不到預期目標甚至導致供應鏈失敗的不確定性因素或意外事件[1]。克蘭菲爾德管理學院在研究中將供應鏈風險定義為供應鏈的脆弱性，不僅會破壞供應鏈系統的任何環節，還會給供應鏈中企業帶來損失和傷害。馬士華把供應鏈的風險和不確定性聯系到一起，認為它們是不可分割的整體，只要供應鏈中有不確定性的存在，風險就會相伴而生[2]。金霞等認為供應鏈風險就是一些不確定性事件的發生，會給供應鏈系統和供應鏈中的企業帶來損失[3]。在這些定義中，學者應用較多的分別是供應鏈的脆弱性和不確定性。本文中認為供應鏈風險就是由于供應鏈本身所存在的不確定性，導致整個供應鏈受到影響和損失的未知事件。

通過對風險定義的分析，可以發現風險包含兩個最基本的屬性，即風險的損失性和可能性，這也是大多學者在進行風險評價時經常會考慮到的兩個屬性，即利用風險造成損失和風險發生概率的乘積來作為風險值的數據，這點和數學期望的含義類似，容易理解，也有一定的合理之處。但是隨著學者對供應鏈風險的不斷研究，發現風險的屬性不僅僅是損失性和可能性兩個，所包含的內容更加豐富，所以原來僅僅依賴兩個屬性來進行風險評價顯得不夠科學。Faisal Aqlan等人在影響性、可能性的基礎上，又添加了可控性、緩解性和可預測性三個屬性[4]，吳浪在風險評價時提到了危害性、可能性和可控性三個屬性[5]，吳昊從風險的可能性、危害性、不可控性、感染性四個屬性入手來評估風險因素的影響力[6]。其中影響性、危害性都指的是風險所造成的損失。由于風險屬性的增加，原來的評價方法不再適用，從而產生了新的評價方法，其中考慮增加屬性的文獻中，有依賴風險每個屬性對風險大小的正負影響來進行風險計算的，但是只依靠這種正負的關系來進行風險值的估計不夠具有說服力。

TOPSIS法是一種最優貼進度方法，能忽略屬性個數的影響，根據屬性和最優方案的相對貼進度來評估風險的大小。這樣不僅解決了風險屬性增多的問題，同時還能合理地結合多個屬性來進行風險值的估計，使得風險評價結果更加全面和科學，因此本文利用該方法進行風險的評估。

1 供應鏈風險指標體系

目前在供應鏈風險研究中關于供應鏈風險識別方面的文獻有很多，但在風險指標的選取上不具備統一性。William Ho等通過對歷年供應鏈風險相關文獻的總結與分類，分別從宏觀和微觀的角度來看待供應鏈風險，最后總結出自然環境風險、政策法規風險、經濟環境風險和市場競爭風險，供應風險、需求風險、信息風險、物流和庫存風險、財政風險和制造商風險[7]。Ernst & Young根據對加工生產企業的調查最終將供應鏈風險劃分為8種，分別是供應鏈管理技術應用安全風險、合作關系風險、企業持續經營計劃風險、供應鏈管理成本與投資風險、數據管理完整性風險、稅收風險、勞動力風險和企業管理風險。XU Lei等確定了供應風險、產品風險、流通風險和銷售風險[8]。張仕軍等總結的風險為市場風險、信息風險、物流風險、時間風險、財務風險和組織風險[9]。這些風險指標的建立是通過不同的角度并且基于不同的供應鏈，所以會有很大的差距。本文通過比較分析，最后選取了應用最為廣泛的5個供應鏈風險指標來進行該評價方法的介紹，分別為環境風險、供應風險、需求風險、信息風險和物流與庫存風險。

2 三角模糊數層次分析法和TOPSIS法

2.1 三角模糊數層次分析法。由于客觀數據缺失，需要專家進行主觀評分，但是專家在進行評分時比較容易傾向于一個區間而不是固定數字，三角模糊數層次分析法正好可以滿足這種評價的需求從而得到了廣泛推廣。三角模糊數層次分析法是由模糊層次分析法演變而來，且適用性得到了普遍證實。所以本文利用三角模糊數層次分析法來進行供應鏈風險指標的數據收集。

2.2 TOPSIS法計算步驟。在上面已經提到，數據本身比較主觀，所以在進行風險評價時得到的結果也只是一個相對的高低。TOPSIS法就是一種能得到相對結果的方法，利用上面模糊層次分析法獲得的評估指標權重到最優權重之間的距離，來判斷出該指標的相對優劣程度，越接近1，表示越優，即風險值越大，反之則越小。

由于屬性中存在高優指標和低優指標，所以：

第一步是要將指標統一化，在這里利用倒數法將低優指標轉化為高優指標，即：假設原來的低優指標為x，轉化后為1/x，需要根據數據的大小進行相應的調整，使其之間的差距不會太大。

最后根據每個風險指標的分數大小，對風險指標按照風險從大到小的順序進行排序，結果為信息風險>環境風險>需求風險>物流和庫存風險>供應風險。通過分析，信息風險的風險分數最接近1，也就是說該供應鏈面臨的信息風險最嚴重。分析產生的原因可能有：該供應鏈的結構不夠合理，信息在供應鏈中的傳播不能很好的開展；供應鏈之間的合作不夠緊密，彼此之間的信息不情愿進行交換，或者向對方隱瞞有效信息、交換錯誤信息等；信息技術應用不夠廣泛，信息傳播滯后；獲取信息的渠道不統一，難以辨別有效信息。以上原因都是信息風險變大的可能原因，具體要結合該供應鏈的實際情況進行針對性的分析，從而找到風險的關鍵解決路徑，降低信息風險給供應鏈帶來的威脅。

4 結 論

本文是在一般供應鏈的基礎上，驗證了TFN-AHP與TOPSIS法在供應鏈風險評價中應用的適用性，既減輕了專家評分主觀性所帶來的弊端，也解決了風險屬性增多的問題，使得風險評價結果更加科學。但是該方法在實際應用中要結合特定供應鏈的特點。不同的供應鏈有不同的風險指標，風險值也會有所不同，這樣評價得到的結果才會更加有實際意義。同時對于一條供應鏈，隨著時間的推移，風險會有一定的變化，所以為了得到更加準確的評價結果，要對供應鏈風險評價的數據進行及時更新。文中風險屬性的權重是等值的，但是考慮實際情況，不同屬性重要程度有一定的差別，所以未來研究可以增加對風險屬性權重問題的考慮。

參考文獻：

[1] Bart k， Maurice P. Supply Chain Risk Management： Better Control of Your Business Environment[Z]. 2004.

[2] 馬士華，林勇，陳志祥. 供應鏈管理[M]. 北京：機械工業出版社，2001：250-255.

[3] 金霞. 供應鏈風險識別與評估研究[D]. 蘭州：蘭州交通大學（碩士學位論文），2014.

[4] Faisal Aqlan， Sarah S. Lam. A fuzzy-based integrated framework for supply chain risk assessment[J]. Production Economics， 2015，161：54-63.

[5] 吳浪. 食品供應鏈風險管理研究[D]. 長春：吉林大學（碩士學位論文），2010.

[6] 吳昊. 基于風險管理角度的食品供應鏈管理研究[D]. 上海：上海海洋大學（碩士學位論文），2014.

[7] William Ho， Tian Zheng， Hakan Yildiz， et al. Supply chain risk management： a literature review[J]. International Journal of Production Research， 2015，53（16）：5031-5069.

[8] Lei Xu， Qianli Dong. Kaihong Xiao Research on Early-Warning Model for Food Supply Chain Risk Based on Logistic Regression[C] // Logistics Engineering and Intelligent Transportation Systems （LEITS）， International Conference on， 2010：1-4.

[9] 張仕軍，孟志青. 基于模糊評判法的供應鏈風險研究[J]. 北方經濟，2007（17）：60-62.

[10] Avinash Samvedi， Vipul Jain， Felix T.S. Chan. Quantifying Risks in a Supply Chain through Integration of Fuzzy AHP and Fuzzy TOPSIS[J]. International Journal of Production Research， 2013，51：2433-2442.