基于熵權-TOPSIS法的生鮮農產品供應鏈韌性能力測度

郝 麗，裴雪瑩

（西安財經大學 管理學院，陜西 西安 710100）

0 引言

近年來，全國各地突發事件頻發，尤其是2018年中美貿易戰、2019 年末全球爆發新型冠狀病毒以及2021年全球極端天氣增多等事件對生鮮農產品供應鏈的安全問題沖擊極大，增加了生鮮農產品供應鏈的不確定性和安全性問題。截止2020年我國生鮮農產品總量已經達到12億多噸，供應量巨大的同時居民消費量也日益龐大，建立良好的供應鏈韌性能夠有效地抵御突發事件的沖擊。因此，如何合理提升生鮮農產品供應鏈韌性管理成為當下研究的重點課題。

突發事件不斷出現導致生鮮農產品供應鏈的持續性市場環境遭受嚴重影響，所以生鮮農產品供應鏈韌性成為國內外學者的研究終點，尤其是在突發事件下如何提升生鮮農產品供應鏈韌性成為學者們研究的熱點，主要研究方面如下：

在供應鏈突發事件研究方面，由于突發事件有破壞性、突發性等特點，往往對供應鏈內部環境造成難以估計的影響，毛陽燕，等[1]認為突發事件對供應鏈影響深遠，在疫情發生后，世界經濟受到沖擊，供應鏈中斷問題成為全球研究熱點。孟翠翠，等[2]認為先前許多研究把重點放在突發事件造成供應鏈中斷后如何恢復和調度上，從柔性角度出發，對供應鏈突發事件下柔性能力魯棒性運轉進行了研究。嵇雅楠[3]研究了疫情下的生鮮電商績效提升能力，表明在一定范圍內的突發事件下生鮮電商供應鏈的社會責任心可以提高各節點企業的績效能力。歐陽芳，等[4]提出供應鏈的敏捷力會使供應鏈上的企業在遭遇外部不可抗拒的突發事件時保持或迅速恢復到正常運營，提高敏捷力有利于降低供應鏈中斷時遇到的風險。MacKenzie，等[5]針對新鮮農產品污染會造成其供應鏈中斷，生產鏈上的企業損失慘重的問題，建立了生鮮農產品供應鏈中斷的數學模型，分析了變量間的關系。

在供應鏈韌性研究方面，劉家國，等[6]指出突發事件下供應鏈十分脆弱，供應鏈彈性可以影響供應鏈脆弱性，企業構建靈活的供應鏈彈性可以提高對不確定環境的適應能力。Hohenstein，等[7]將供應鏈韌性評估分為準備、響應、恢復和增長4個階段，供應鏈韌性大小可以通過客戶服務、市場份額和財務績效三個關鍵的績效指標衡量。Yang，等[8]指出生鮮農產品供應鏈上存在眾多主體又包括加工、包裝和運輸等增值活動，但鏈條的連續性增加了風險發生的概率，也增加了供應鏈的脆弱性，運用貝葉斯網絡模型對風險發生概率進行分析，并基于分析結果建議企業建立動態風險評估系統，可以預測供應鏈的脆弱性，并采取措施降低風險。

在韌性評價研究方面，樊雪梅，等[9]為抵御疫情打造韌性，從供應鏈的預測能力、適應能力、反應能力、恢復能力以及學習能力5個方面構建了供應鏈韌性評價指標體系；Pei，等[10]為了提高城市安全韌性水平，建立了包括災前預防、承災載體、突發事件以及應急管理在內的城市安全韌性評價指標體系。黃亞江，等[11]采用模糊綜合評價法對地鐵運營安全的韌性進行了客觀評價；焦柳丹，等[12]從壓力—狀態—響應角度，構建了城市韌性評價指標體系，運用熵權-云模型對我國31個省份的韌性進行了評價；楊曉東，等[13]運用灰色評價方法構建城市韌性評價模型，對我國31個省份的韌性情況進行了評價。

綜上所述，國內外學者大多針對供應鏈突發事件、生鮮農產品供應鏈、供應鏈韌性以及韌性評價進行研究，但對突發事件下生鮮農產品供應鏈韌性評價的研究較少。近幾年在突發事件的沖擊下，由于供應鏈韌性安全問題導致很多重大信息安全、食品安全、技術安全等領域受到重創。尤其是在生鮮農產品領域，供應鏈韌性能力較弱，導致出現食品價格上漲、食品安全問題頻發、食品供應鏈中斷等問題，因此，需要研究生鮮農產品供應鏈安全問題以提高韌性能力，面對突發事件可以更好地抵御風險。目前國內外文獻對供應鏈韌性的研究多是定性研究，缺乏實證研究；韌性評價大多是定量評價，本文提出運用熵權-TOPSIS法進行評價，并以西安市的5個大型農貿市場的相關數據為樣本進行實證分析。

1 生鮮農產品供應鏈韌性評價指標選取

構建評價指標體系要考慮系統性、科學性、目的性、實用性、定性與定量相結合的原則，指標構建主要參考文獻[14-17]，然后根據生鮮農產品供應鏈的特性，增加了團隊合作、信息傳遞準確性、信任程度、道德水平、市場知名度等三級指標。本文構建的評價指標體系包含5個一級指標、18個二級指標、34個三級指標，具體見表1。

表1 生鮮農產品供應鏈韌性評價指標體系

供應鏈韌性是一種動態能力，即在面對突發事件干擾時供應鏈迅速做出反應，采取行動以降低負面影響，而且在供應鏈系統發生形變后恢復到最初或理想狀態，在此過程中能增加供應鏈韌性能力，供應鏈韌性本身具備以下四種特征：一是只有在突發事件中供應鏈面對干擾時韌性才發揮作用；二是面對干擾供應鏈能夠快速感知并做出回應；三是供應鏈可以適應特定的環境，采取一定的行動降低負面影響；四是供應鏈在遭遇干擾后可以回到正常狀態；五是供應鏈在遭遇突發事件并且在解決的過程中可以獲得知識和經驗。根據韌性的特征，本文研究中生鮮農產品供應鏈韌性劃分為5個維度，分別是：

（1）預警能力。是指可以在突發事件發生之前，根據以往發生時的經驗，對企業或者相關部門發出警告信號，提前部署以避免在突發事件發生時毫不知情或者沒有準備，最大程度地減輕突發事件所造成的損失。通過文獻梳理，將此維度的指標劃分為3個二級指標，分別為安全狀況能力、合作溝通能力、可視化能力。

（2）適應能力。即當系統發生變化時，通過對供應鏈的調整和改進以達到新的理想狀態。通過文獻梳理，將此維度的指標劃分為4個二級指標，分別為冗余能力、柔性能力、靈活能力和采購能力。

（3）響應能力。是指供應鏈在面對突發事件時，能夠及時響應并做出對應措施的一種能力，是供應鏈面對突發事件能否維持正常運轉的主要因素。通過文獻梳理，將此維度的指標劃分為6個二級指標，分別為市場能力、物流能力、供應鏈設計能力、協調能力、信息共享能力和信譽能力。

（4）恢復能力。是指在受到外部環境沖擊后，能夠自我修復回到之前狀態并且可以進行重建的能力。通過相關文獻梳理，將此維度的指標劃分為3個二級指標，分別為盈利能力、政府支持能力和應急備份能力。

（5）創新能力。指供應鏈遭遇外部環境沖擊并恢復正常運轉后，自身進行了反思總結、積極學習不斷創新，從而提高供應鏈韌性的能力。通過相關文獻梳理，將此維度的指標劃分為學習能力和優化能力2個二級指標。

2 模型構建

2.1 方法選取

近年來國內外學者不斷對供應鏈韌性評價進行深入研究，并且提出了完善的評價方法，表2對常用的評價方法進行了比較，本文選取指標眾多，包括定性和定量指標，需要選擇普適性較強并且可以對大量指標進行分析的方法，因此，選擇熵值法確定指標權重，再利用TOPSIS法對樣本排名進行分析。

表2 各類評價方法的優劣勢比較

2.2 熵權-TOPSIS法模型構建

利用上文構建的生鮮農產品供應鏈韌性評價指標體系，通過引入熵權-TOPSIS方法對西安市大型農貿市場的供應鏈韌性能力水平進行評價，采用熵權法確定指標權重，采用TOPSIS 法（逼近理想解排序法）對數據進行歸一化處理，通過計算可以得出評價對象各個指標的最優解和最劣解，并依據得出的相對貼近度對評價對象進行排序，并以此為評價依據對研究對象的風險程度進行判定。

步驟如下：第一步，對生鮮農產品供應鏈韌性評價指標進行相關性分析，確定指標選取的科學性和合理性。

第二步：根據西安市5個農貿市場的數據情況，在模型中構建有m個評價對象，n個評價指標的初始決策矩陣A。

現在有m個指標來評價n個方案的優劣情況，xij是指第j個方案的第i個指標值，由此可以構建出初始決策矩陣。

如果研究對象相同且指標值全部一致，則此指標在整個體系中沒有任何價值，應該直接刪除。

第三步：對初始矩陣進行標準化處理，得到標準化矩陣B。

標準化矩陣為：

第四步：采用熵權法計算各指標的信息熵值，令第j項指標的熵為Ej。

通常0 ≤Ej≤1，而，其中是標準化后第i個評價對象第j個指標的數值。

第五步：求指標的權重，根據上面的信息熵值Ej，計算差異性系數Gj：

第六步：計算熵權值。對Gj進行歸一化處理，得到各個指標的權重θj：

式（6）中：0 ≤θj≤1，且。

第七步：構建加權規范化矩陣。因為模型中各個評價指標的重要性不同，所以要對指標數據進行加權運算后構建加權規范化矩陣，即將前面算出的熵權與標準化矩陣B相乘，公式如下：

第八步：雖然在現實生活中一般不會取到最優解和最劣解，但在研究中我們可以確定評價對象各項指標的正理想解V+和負理想解V-，其公式為：

其中，S+為效益型指標，S-為成本型指標。

第十步：計算三級指標的相對貼近度Ci，然后根據相對貼近度的大小對5個農貿市場進行排序，相對貼近度越大，則說明評價對象越優，排名越靠前，說明其生鮮農產品供應鏈韌性越強。

3 生鮮農產品供應鏈韌性能力測度的實證分析

3.1 問題描述

自從2019年新型冠狀病毒突發事件在全球蔓延開來，影響持久、危害嚴重，面對疫情，防止生鮮農產品斷鏈對保障城市居民的正常生活十分重要。大型農貿市場作為生鮮農產品供應鏈中的重要環節，對保證生鮮農產品持續流通，保障城市居民生活至關重要。西安市面對突發疫情做了充足的準備，穩定的物資供應以及合理的物資保障使得疫情防控順利開展。

3.2 數據選取

本文以西安市的5個大型農貿市場，即西部欣橋農產品物流中心市場（A市場）、西北農副產品中心批發市場（B市場）、雨潤西安農副產品全球采購中心（C市場）、西安朱雀農產品批發市場（D市場）和胡家廟蔬菜批發市場（E市場）為研究對象，對農貿市場2021年的數據進行調查分析和處理，定性指標和定量指標數據來源不同，定性指標是采用實地調查法，尋找專業人員填寫調查表進行專家打分；定量指標中大部分來源于實地調查和專家訪談法，其余的數據來自2021年《陜西統計年鑒》以及當地農貿市場企業網上公布數據。

3.3 相關性分析

制作調查問卷，對本文選取的34 個指標進行檢測，發給100位專家，包括熟悉生鮮農產品供應鏈的管理人員70人，研究供應鏈方向的專家學者30人，收回有效問卷86份，有效收回率達到86%。總體信度數值為0.885，大于0.7，表示總樣本數據信度較高，具體見表3。

表3 可靠性統計分析

接著進行效度分析，KMO系數的值為0.71，大于0.7，較為接近1，說明問卷調查的效度結構良好，巴特利特球形檢驗的顯著性為0.000，小于0.05，見表4。

表4 KMO和巴特利特檢驗

由表3和表4可知，問卷調查的數據信度和效度都良好，表明選取的生鮮農產品供應鏈韌性評價指標適合本文的研究。

3.4 單項指標評價

按照本文熵權-TOPSIS法的具體步驟，分析西安市5個大型農貿市場的生鮮農產品供應鏈韌性在預警能力、適應能力、響應能力、恢復能力以及創新能力5個維度的評價結果，Ci表示相對貼近度，具體數值見表5。

表5 生鮮農產品供應鏈韌性單項指標評價結果

對于預警能力指標，經過分析可得風險管理水平指標的權重在其4個三級指標中排第一，說明三級指標風險管理水平在預警能力中比較重要，衡量著一個市場是否有足夠的能力應對突發事件。從表5的相對貼近度排名中可以看出，在預警能力一級指標中，A市場排名第一，甚至遠超其他4個大型農貿市場，因為A市場的規模、資金投入、合作供應商人數等都遠超其他4個市場，因此在預警能力中A市場有絕對的優勢，也表明在突發事件下A市場的生鮮農產品供應鏈韌性單項預警能力優于其他市場。

對于適應能力指標，經過分析可得安全庫存量指標的權重在其4個三級指標中排第一，說明三級指標安全庫存量在適應能力中比較重要，在突發事件下安全庫存量可以幫助市場抵御許多不確定的因素，可以保障西安市居民的生活。從表5 的相對貼近度排名中可以看出，在適應能力一級指標中，A 市場排名第一，遠超其他4個大型農貿市場，說明在突發事件下A市場的生鮮農產品供應鏈韌性單項適應能力優于其他市場。

對于響應能力指標，經過分析可得在響應能力中三級指標較多，市場從業人員、市場份額、市場規模大小、投資額、信息流通速度這五個指標的權重靠前，說明在突發事件下這五個指標能反映響應能力的程度。由表5相對貼近度及排名可知，在響應能力中A市場依舊排名第一，說明在突發事件下A市場的生鮮農產品供應鏈韌性單項響應能力優于其他市場。

對于恢復能力指標，經過分析可得利潤增長率、營業利潤率、營業增長率這三個指標的權重靠前，說明在突發事件下這三個指標能反映恢復能力的程度。由表5相對貼近度及排名可知，在恢復能力中A市場仍然排名第一。每一次遭受突發事件后，都會對原有農貿市場的人、財、物等方面造成很大的影響，因此恢復能力十分重要，由于在5個市場中，A市場原本就比其他四個市場能力突出，因此恢復能力也要更快更好，充分表明在突發事件下A市場的生鮮農產品供應鏈韌性單項恢復能力優于其他市場。

對于創新能力指標，經過分析可得知識管理水平的權重比較大，說明突發事件下創新能力階段的三級指標知識管理水平比較重要，提升創新能力可以有效地應對下次突發事件的發生，而知識管理水平就在理論知識層面起著決定性的作用。在表5相對貼近度及排名中，創新能力中A市場以很高的分數排名第一，說明在突發事件發生后，A市場總是最快反應然后積極應對，在知識管理、信息技術和基礎設施的建設中優于其他市場，充分表明在突發事件下A市場的生鮮農產品供應鏈韌性單項創新能力優于其他市場。

本文參考林鵬，等[18]的研究對物流產業升級能力結果進行分類，根據相對貼近度的分數，劃分為三個等級，優勢發展類別是大于等于0.40的數值，中等發展類別是處于0.25到0.40之間的數值，一般類別是小于0.25的數值。根據上述各個大型農貿市場生鮮農產品供應鏈韌性能力相對貼近度得分情況，從預警能力、適應能力、響應能力、恢復能力、創新能力5個一級指標，對5個大型農貿市場進行分類，分類結果見表6。

表6 生鮮農產品供應鏈韌性單項指標分類結果

在預警能力中，屬于優勢發展的是A 市場、B 市場、C市場，中等發展的是D市場，一般發展的是E市場；在適應能力中，屬于優勢發展的是A市場，沒有處于中等發展狀態下的市場，屬于一般發展狀態下的是B市場、C市場、D市場以及E市場；在響應能力中，屬于優勢發展的是A市場、C市場，沒有處于中等發展狀態下的市場，屬于一般發展的是B市場、D市場和E市場；在恢復能力中，屬于優勢發展的是A市場，屬于中等發展的是C市場，屬于一般發展的是B市場、D市場和E市場；在創新能力中，屬于優勢發展的是A市場，屬于中等發展的是C市場，屬于一般發展的是B市場、D市場和E市場。

3.5 綜合指標評價

對西安市的5 個大型農貿市場進行綜合指標評價，為說明熵權-TOPSIS法在生鮮農產品供應鏈韌性評價中的可行性，分析結果見表7。

表7 生鮮農產品供應鏈韌性綜合指標評價結果

根據表7的生鮮農產品供應鏈韌性綜合指標評價結果，A市場的相對接近度Ci最高，為0.693 8，生鮮農產品供應鏈韌性能力最強，綜合排名第一；C市場、B市場以及E 市場的相對接近度Ci分別為0.362 3、0.201 7 和0.161 0，生鮮農產品供應鏈韌性能力發展逐漸降低；D 市場的相對接近度Ci最低為0.089 2，其生鮮農產品供應鏈韌性能力是5 個評價對象中最弱的。

由表8分類結果可以看出，同一個城市中農貿市場的生鮮農產品供應鏈韌性能力存在較大差距，屬于優勢發展的是A市場，綜合韌性能力強，屬于中等發展的是C市場，生鮮農產品供應鏈韌性能力有一定的提升空間，但比A市場相對缺乏競爭優勢；屬于一般發展的是B市場、D市場和E市場，生鮮農產品供應鏈韌性能力發展較弱，需要不斷提升和發展。

表8 5個市場生鮮農產品供應鏈韌性分類結果

4 結語

從生鮮農產品行業看，目前的生鮮農產品供應鏈發展水平低下、緩慢，物流基礎設施滯后、技術水平不高等問題層出不窮，供應鏈各個節點面對突發事件沒有充足的反應和應對能力，因此，本文構建了生鮮農產品供應鏈韌性評價指標體系，更好地從不同的方面深入研究，有助于供應鏈上各個節點成員全面地認識到突發事件下生鮮農產品供應鏈韌性水平現狀。本文構建了基于熵權-TOPSIS 法的生鮮農產品供應鏈韌性能力評價模型，以西安市5個大型農貿市場（A市場、B市場、C市場、D市場和E市場）的相關數據作為樣本進行了實證分析，研究結果表明：5個大型農貿市場的生鮮農產品供應鏈韌性能力具有明顯的不均衡性，差距較大，A市場的生鮮農產品供應鏈韌性能力最優，B市場、C市場、D市場和E市場的生鮮農產品供應鏈韌性能力相對不足。

基于研究結果，可以從以下幾個方面提升生鮮農產品供應鏈韌性能力：一是在生鮮農產品供應鏈環節制定標準和規范；二是加強管理人員綜合管理意識，政府輔助市場改革；三是完善農貿市場突發事件響應預警機制，增加生鮮農產品供應鏈柔性。