工業發展背景下供應鏈風險數字化管理方法探究

摘要：隨著工業生產的精細化和經濟全球化，制造業的供應鏈網絡變得日益復雜，供應鏈系統面臨著更加顯著的脆弱性和不確定性。相應的，供應鏈風險的成因也更加的復雜且難以被預測。與此同時，隨著現有工業產品需求逐漸飽和，世界各國制造業的競爭日益激烈。為了在未來的競爭中占得先機，各國紛紛開始通過信息技術等尋求制造業轉型與升級。

關鍵詞：工業;供應鏈;數字化管理

一、工業技術對供應鏈的影響

21世紀，工業技術飛速的發展，現如今它在工業信息化的基礎之上以信息物理系統（CPS）為依托，使工業設備和產品通過互聯網相互連結，對實時數據進行收集和分析，減少生產過程中對人工的依賴，從而實現智能化的生產。工業技術日益智能高效的同時，其漸廣的應用范圍也為實現供應鏈風險數字化管理提供了新的機會。

（一）大數據技術

數據是信息化時代的重要資源，也是實現工業進程的重要基礎。大數據的應用在整體商業環境中都引起了巨大變革，其中一個重要表現就是提高了企業的運營效率。在供應鏈和物流方面，企業可以通過對大量數據分析對供應鏈網絡進行高效的規劃和預測，優化和提高資源的利用水平。供應鏈中網絡中潛在的內部風險也可以通過數據挖掘與模擬被預測，企業可以基于分析和模擬結果準備相應地應對措施。同時企業也可以通過大量的信息來源（如社交網絡、新聞站點、天氣預報等）中提取與供應鏈持續運行相關的信息，通過大數據技術對其進行整合分析，隨時更新供應鏈所面臨的外部風險。

（二）物聯網（IoT）技術

物聯網技術是工業極其重要的組成部分，它將線下的物理世界與線上的信息世界相結合，使人們對實體產品信息的掌握跨越了時間和空間的隔閡。在供應鏈當中，物聯網技術為管理者提供了供應鏈可視化和透明化的基礎，企業得以對供應鏈全周期的狀態進行追蹤，供應鏈風險也變得更加的清晰可控。

二、供應鏈風險數字化管理方法

供應鏈風險管理的目的是讓供應鏈能夠應對多變的環境中的不確定性，因此供應鏈的可靠性和柔性成為了供應鏈風險管理的兩個重要目標。供應鏈風險管理的一般步驟包括風險識別、風險評估、風險應對和風險監控。工業技術為供應鏈風險實現數字化管理提供了基礎。本文提出了一種在工業發展背景下可能的供應鏈數字化管理模式。

（一）建立風險數據庫

對于供應鏈風險管理來講，要實現風險管理的數字化，首要任務就是先要建立完備而可靠的供應鏈風險數據庫。風險數據庫可以為風險決策提供必要的數據支持。為此企業應組織商業與技術方面的專家如：（1）風險管理專家;（2）專業技術領域專家;（3）數據挖掘專家;（4） T1'專家等為風險數據庫的建立提供支持。

風險數據庫應從供應鏈的外部和內部分別收集和儲存供應鏈的歷史風險數據與實時風險數據，形成企業的“風險大腦”，為進一步的風險分析、監控與報告提供基礎，從而來支持后續的數據驅動型決策過程。

（二）供應鏈風險模擬

在風險數據庫的基礎之上，企業可以通過數據挖掘技術在大量歷史數據的基礎上對特定環節的風險進行分析與模擬。企業通過模擬可以發現系統中潛在問題，實現對供應鏈風險及其原因的預判，提早識別出相關的風險因素并加以控制，從而在早期階段遏制風險的發生或減少其可能帶來的損失。供應鏈風險模擬的對象應包括風險發生的概率和可能產生的損失等，為后續采取決策提供數據支持。

（三）動態風險監控

通過RFID和物聯網技術等，企業可以對產品在生產，物流等環節的狀態通過互聯網進行集中的動態監控，實現供應鏈的透明化管理，減少因時間和空間距離而產生的信息誤差和滯后，更加快速而準確地定位供應鏈風險因素并加以追蹤。而隨著通信技術的進步，尤其是近年來5G技術的發展，企業可以進一步實現對供應鏈各個環節當中風險狀態的實時監控，隨時隨地掌握第一手的數據，進一步減少由于信息滯后而可能導致的損失。

（四）及時響應與智能決策

在數據挖掘、風險模擬和實時監控的基礎上，數字化的供應鏈風險管理可以做到對于風險自動進行動態響應并在第一時間做出相應的風險應對決策。區別于傳統供應鏈風險管理模式，數字化供應鏈風險管理模式下的決策模式是由數據驅動的，具有更強的時效性與客觀性。實時動態決策可以更加迅速地對供應鏈風險進行應對和處理，及時減少風險發生的可能性或是風險可能帶來的損失。而從客觀數據出發的數據驅動行決策，減少了人工判斷可能存在的誤判風險，從而減少牛鞭效應等風險的產生。

三、總結

在科技與商業發展日新月異的當下，企業的供應鏈網絡變得日漸復雜，對供應鏈穩定性和柔性的要求更加高，因此供應鏈風險的管理變得愈發重要。本文對工業發展環境中相關技術對供應鏈的影響進行了闡述，并在此基礎上提出了一種數字化供應鏈風險管理的模式。但是與此同時工業飛速發展的環境下數字化也會帶來相應的新的風險，如信息安全等，企業應該在運用新技術的同時對此進行防范。此外，數字化管理模式的應用也意味著高額的前期投入，企業在進行數字化改革對應充分考慮到自身經濟實力，結合自身實際需求進行投資。

參考文獻：

[1]M.Er Kara，S.ii.Oktay Firat和A.Ghadge，《A datamining-based framework for supply chain risk management》，Computers&Industrial Engineering，2018-12.

[2]李漢卿，夏齊.大數據在供應鏈與物流領域的實踐研究[J].物流工程與管理，2018，40（2）：15-17+19.

[3]劉帥，王紅春，趙亞星.大數據環境下的供應鏈風險管控[J].物流科技，2017，40（10）：129-131.

作者簡介：

夏涵宇，同濟大學中德學院，上海。