多重供應中斷風險下高端裝備制造企業庫存控制策略研究

關鍵詞：多重中斷；庫存策略；仿真分析；高端裝備制造

中圖分類號：F272 文獻標識碼：A 文章編號：2096-7934（2024）09-0005-22

一、引言

隨著全球化進程加快，供應鏈復雜性不斷增加，企業面臨的供應鏈中斷風險也隨之上升。自然災害、國際政治動蕩、技術封鎖以及重大疫情等多種突發事件均可能導致供應鏈中斷，進而引發企業運營成本增加和客戶滿意度降低，甚至威脅到企業的市場地位。以2021年3月蘇伊士運河堵塞事件為例，臺灣長榮海運的“長賜號”貨輪擱淺導致該國際貿易要道受阻，對全球貿易流動造成了嚴重影響，并導致了巨大的經濟損失。因此，高端制造業供應鏈亟須提升供應鏈韌性，以應對供應鏈中斷風險。然而，供應鏈中斷風險已不再局限于單一事件，多事件引起的多重中斷風險已成為常態［1］，這也帶來了新的挑戰。

近年來，我國高端裝備制造業實現了快速發展，已成為國家經濟發展的重要支柱。該產業具有技術含量高、位于價值鏈高端和產業鏈的核心位置等特點，其所需核心零部件制造工藝較為復雜且生產周期較長，仍主要依賴進口。重大突發事件頻發，可能導致高端裝備制造企業供應中斷，出現零部件供應商供應受阻、企業生產停滯等問題，最終無法及時響應市場需求。因此，構建更有彈性的供應鏈、 確保供應鏈的穩定運行，已成為當前高端裝備制造企業的當務之急，探究通過高效的庫存策略來減少供應中斷損失，增強企業的風險應對能力具有重要意義。

在以往研究中，眾多學者深入分析了供應鏈中斷的風險因素，并提出了多種理論框架和應對策略。郜慶［2］從全球價值鏈的視角出發，探討了供應鏈中斷風險的管理策略，為跨國企業的供應鏈風險管理提供了新的視角。姜婷等［3］在理論分析的基礎上，構建了供應鏈應急能力圖譜，并提出了提升企業應急能力的具體路徑。

在供應鏈中斷風險識別的研究方面，宋英華等［4］運用貝葉斯網絡和模糊集理論，對極端天氣事件導致的業務中斷風險進行了量化分析，識別了關鍵的風險因素。針對新型冠狀病毒感染疫情對汽車行業供應鏈的影響，樊雪梅和盧夢媛［5］提出了供應鏈模式優化的建議，以應對未來可能出現的類似“黑天鵝”事件。宋華［6］則強調了建立供應鏈預警體系的重要性，提倡通過數字化手段增強供應鏈的彈性和效率。這些研究不僅為理解供應鏈中斷風險提供了理論基礎，也為風險管理實踐提供了策略指導。

在供應鏈中斷風險的應對策略研究方面，孔進和李芳［7］探討了在供應中斷情況下，制造商采取不同應對策略對時間敏感性供應鏈的影響，并運用博弈論建立了決策模型來分析這些策略的有效性。王靜和陳希［8］從供應鏈風險管理的角度出發，研究了制造商通過保留冗余產能、儲備庫存和啟用備選制造商等措施來構建風險應對方案。建立了以供應鏈期望收益最大化為目標的決策模型，并通過實例分析驗證了該模型的有效性。景熠等［9］引入了消費者偏好這一變量，通過構建單源采購和多源采購的博弈模型，分析了突發事件影響下不同采購策略下的供應鏈決策問題。胡韓莉等［10］在供需中斷和質量多重風險的背景下，探究了制造商通過馬爾科夫決策模型來制定動態采購策略，并比較了檢查機制和延期付款機制對采購決策的影響。

其中，庫存策略優化是應對供應鏈中斷風險的關鍵策略之一。適當的庫存水平調整能夠確保客戶需求得到滿足，維持企業運營的連續性，并降低因中斷導致的負面后果。文獻中提出了多種優化庫存策略的模型和算法，以應對供應鏈中斷。庫維利斯（Kouvelis）［11］等提出了一個綜合性的風險管理框架，強調了庫存水平調整在減輕中斷風險中的作用。亞科武（Iakovou）［12］等開發了結合雙源供應網絡與庫存中斷管理的決策模型，有效平衡庫存策略與風險管理的關系，并提高供應鏈的韌性和穩定性。阿坦（Atan）和史奈德（Snyder）［13］提出了適用于不同中斷情形的經濟訂貨批量（EOQ）模型、（Q，R）模型和EMQ模型，為管理者提供了實用的庫存策略參考。王能民［14］等研究了海外倉和道路中斷風險的多式聯運優化問題，建立了以最小化成本和最大化客戶滿意度的雙目標優化模型，通過算例分析探討了海外倉對降低總成本和縮短等待時間的潛在影響。慕靜［15］等構建了一個三級庫存動力學模型來評估疫情風險和產品變質率對庫存的影響，并提出了優化保鮮投入、聯合安全庫存以及共享庫存提前轉運策略，來緩解疫情風險帶來的影響。張以彬等［16］針對自然災害和恐怖襲擊等引起的供應中斷，提出了穩健的庫存控制和虛擬雙源生產的混合應急策略。此外，李（Li）［17］等根據中斷的發生時間和持續時間，采用成本最小化模型來管理生產庫存系統的供應中斷，為企業制訂有效的供應中斷管理策略提供了參考依據。達羅姆（Darom）［18］等關注于供應鏈中斷后的恢復策略，提出一個考慮安全庫存和碳排放的兩階段供應鏈恢復模型，實現了經濟和環保雙重目標的平衡。

綜上所述，盡管學術界對供應鏈中斷應對策略的相關研究取得了一定進展，但仍存在進一步拓展的研究空間。當前研究大多聚焦于單一事件引起的供應中斷，且庫存策略優化目標主要關注于庫存總成本最小化，而很少有將庫存總成本與服務水平共同考慮進行綜合評估的研究。同時，針對高端裝備制造企業采用庫存策略應對中斷風險的研究較為匱乏。因此，本文基于（s，S）策略與（Q，R）策略構建庫存控制模型，綜合考慮庫存總成本與平均服務水平，通過仿真分析，對不同情景下的兩種策略進行優劣比較，并探究高端裝備制造企業在多重供應風險中斷下的庫存應對策略與選擇。

二、問題描述與基本假設

（一） 問題描述

本文的研究系統為由兩個供應商、一個制造商以及下游端的客戶所構成的多級供應鏈系統。制造商位于長沙，主要生產工程機械類等高端制造產品，選取履帶式起重機生產所需的代表性核心零部件液壓件和發動機為研究對象，兩類零部件均從德國進口，分別由供應商A以及供應商B進行供應，對應的核心零件也用A與B表示，具體如圖1所示。

制造商按照面向庫存型（MTS）方式進行生產，其生產的直接目的是補充成品庫存，通過維持一定的成品庫存量即時滿足下游客戶的需求。在生產成品的過程中，分別采用（s，S）策略和（Q，R）策略來進行庫存管理和生產計劃的制訂，成品直接銷售給下游客戶，主要客戶群體為工程建筑類施工企業，且市場需求量不確定，具有隨機性，記需求量為Dt。生產成品所需的核心零件均為進口件，同樣采用上述兩種庫存管理策略，采購的核心零部件分別由獨立的供應商通過海運的方式運輸至制造商。本研究針對在供應過程中由自然災害（臺風為例）和公共衛生事件（疫情為例）兩種突發事件引起的多重供應中斷風險進行研究。對于制造商而言，多重供應中斷會使得其所需的核心零件延期到貨，進而引發生產停滯與成品缺貨，無法滿足客戶訂單需求。

為此，本文基于庫存冗余視角，在給定仿真周期內，以高端裝備制造企業庫存總成本和平均客戶服務水平作為評價指標，研究如何在高端制造業供應鏈的核心節點處采取合適的庫存策略，從而有效應對多重供應中斷風險。

（二） 基本假設

為了方便研究并不失一般性，現進行如下六點假設。

假設1：制造商生產單件產品需要的兩種核心零部件數量均為1，并由兩個獨立的供應商供應。

假設2：若當期現有庫存無法滿足當期需求時，將出現失銷所產生的缺貨成本。

假設3：當任意一個核心零件的現有庫存量降至零時，不能制定成品生產計劃。

假設4：核心零部件在供應過程中將面臨臺風和疫情引起的多重供應中斷風險。

假設5：生產成品所需的所有零部件齊全時，組裝為成品所需的加工時間為成品生產周期。

假設6：核心零部件的采購提前期為零部件從采購訂單下達到運送至制造商倉庫所需的時間。

三、基于（s，S）策略與（Q，R）策略的庫存控制模型

（一）符號與變量說明

四、仿真分析

（一）初始值與參數的設定

本文選取長沙某工程機械領軍企業所生產的履帶式起重機中較為成熟的一系列該產品作為研究對象。首先，設定仿真周期T為一年（360天），參照相關研究［5］設定疫情發生概率為PA=0.02，考慮到疫情爆發的隨機性和反復性等特點，以給定的概率隨機生成疫情的爆發時點記作t0，持續時長［10］為t-=randi7～28，且每間隔一段時間t*后又隨機爆發；同樣，針對臺風的季節性，采取泊松分布λ=3模擬發生次數，在7—9月隨機選取爆發時點記作t1，用指數分布θ=7來生成臺風的中斷持續時長t～，如圖2所示：

通過文獻資料查詢和實地調研獲取核心零件A（液壓件）的采購單價約為4萬元，提前期為30天；核心零件B（發動機）的采購單價約為24萬元，提前期為40天；單件成品的售價約為125萬元，成品的生產周期tp（組裝時長）大約為15天。參考相關研究［20］設定平均資金持有系數h≈19.25%，計算核心零件每天的持有成本分別為HA=20，HB=120；由公司年報［21］和行業分析報告知履帶式起重機的歸母凈利潤為25%左右，則基于成品的售價和h值可算出HC=550，然后，結合履帶式起重機占總營業收入20%～30%［21］，估算出年總固定庫存成本C0=600000。其次，根據式（5）中訂貨成本構成公式［22］，查閱德國運輸至中國的相關資料設定生產調整準備費KC=4000；核心零件的單次訂貨成本KA=350，KB=1250，成品缺貨成本由單件產品利潤乘以失銷概率進行估算ρ=150000。

由中國工程機械工業協會官網［23］所收集的需求量數據，采用移動平均法對其進行預測，通過多項式擬合得到整個行業的月度銷量趨勢，并根據該企業在該行業內所占的份額（約30%），對每個月的銷量預測數據乘以份額占比，以近似估計出制造商的月度需求量預測，如圖3所示。隨后，將預測得到的月度需求量求和，除以總天數360天（一年）來計算日均需求量D=3，標準差σd為1.02，鑒于日需求量為整數，因此對每月的需求量進行平均后取整，并在此基礎上添加隨機整數擾動因子，以模擬出日需求量，最終繪制出制造商的日需求預測曲線如圖4所示。

徐賢浩和余雙琪［24］的相關研究中設定最優訂貨周期為tr=EOQ／D，通過計算得到tCr=18，tAr=20，tBr=14。基于此，可計算兩個核心零件的經濟訂貨批量分別為EOQA=195，EOQB=150，成品的經濟生產批量EPQ=135。根據式（1）訂貨點的計算式可得到sC=233，sA=162，sB=174。同樣RC=233，RA=162，RB=174。選取S的計算系數α為0.5作為基準參數，計算得到SC=343，SA=237，SB=255。以訂貨點60%設定初始值XCt=140，XAt=100，XBt=110。將上述計算的參數值寫入表1。

表1 初始值與參數

（二）歸一化處理與綜合評價指標

通過計算N次仿真下的庫存總成本和平均服務水平兩個指標值對兩種策略進行加權比較。在進行比較之前，采用極大極小歸一化的方法對N次仿真得到的庫存總成本進行歸一化處理，其計算式如下：

通過計算兩種策略在N次仿真下的加權得分并進行比較，從而得出每種策略的平均優勢程度。相對而言，若優勢比的均值大于零，則表明（s，S）策略在整體性能上占優；若均值小于零，則表明（Q，R）策略更具優勢。

（三）結果分析

1.不同中斷情景與無中斷情景的結果對比分析

依據前文構建的模型及參數設定，本文運用MATLAB軟件進行仿真實驗， 并針對S的計算系數α取值為0.5時，在不同中斷情景下進行了1000次仿真模擬。結果如表2、表3、表4所示。

表2 不同中斷情景下1000次仿真結果中兩策略的平均性能比較

表3 不同中斷情景下1000次仿真中兩策略相對最劣性能結果

表4 不同中斷情景下1000次仿真中兩策略相對最優性能結果

通過比對表2，表3和表4中斷發生前后兩策略在庫存總成本和服務水平上的變化能直觀的反應出供應中斷造成的影響，下面將三種中斷類型相較于無中斷情景進行對比，對兩策略的庫存總成本的增幅以及服務水平的降幅進行可視化，如圖5、圖6所示。

表5 不同情景下兩策略庫存總成本的增幅

表6 不同情景下兩策略服務水平的降幅

結合上述表5和表6針對兩種策略在不同中斷情景下的庫存總成本增幅與服務水平降幅進行具體分析。

（1）庫存總成本增幅曲線分析，從單中斷的情景來看，臺風事件導致的中斷影響相對而言較小，（s，S）策略顯示出較為平穩的增幅變化，（Q，R）策略的增幅也相對較小，這與其持續時長和發生的特征有關；而對于疫情所引起的中斷而言，兩個策略在庫存總成本的增幅上均較大，尤其是（Q，R）策略的增幅從曲線上來看更為陡峭。從多重中斷疊加的情景來看，兩種策略的庫存總成本增幅顯著加劇。（s，S）策略的庫存總成本最大增幅達到139.83%，平均增幅112.34%，最小增幅18.46%；（Q，R）策略的最大增幅更是高達180.26%，平均增幅162.27%，最小增幅32.07%。這一結果表明，多重中斷疊加時所造成的損失并非簡單線性相加，而是呈現出一種“爆發式”激增的態勢。

（2）服務水平降幅曲線分析。從單中斷的情景來看，臺風事件對服務水平的影響相對較小。相比之下，疫情事件導致的服務水平降幅更加的明顯，這與兩種突發事件的特征相吻合。從服務水平的降幅曲線來看，（s，S）策略的降幅相對陡峭，而（Q，R）策略的降幅相對平緩。從多重中斷疊加的情景來看，服務水平的降幅進一步擴大。（s，S）策略的服務水平最大降幅為35.05%，平均降幅19.23%，最小降幅7.99%。（Q，R）策略的最大降幅為37.81%，平均降幅25.10%，最小降幅9.81%。與單中斷情景相比，多重中斷疊加對服務水平的影響極為嚴重。

2.不同情景下 （s，S）策略與（Q，R）策略的對比分析

針對（s，S）策略與（Q，R）策略在不同情景下所表現的優劣情況，結合表2的平均性能比較，按照二八原則在1000次的仿真結果中，對兩種策略的優劣次數進行統計分析，如圖7所示：

通過圖7對比這兩種策略在不同中斷情景下的表現，進行策略的優劣分析：在應對單中斷事件時，無論是臺風還是疫情導致的中斷，（s，S）策略展現出了較好的適應性和穩定性，（s，S）策略均表現出較強的抗風險能力。

具體而言，在單中斷臺風事件下的1000次仿真結果中，該策略優于（Q，R）策略614次，其中有68.40%的占比具有1%～15%相對優勢；同樣在單中斷疫情事件下，該策略優于（Q，R）策略的655次，其中有63.8%的占比具有2%～22%相對優勢。

在多重中斷情況下，（s，S）策略表現的更為出色，在1000次仿真結果中，共優于（Q，R）策略760次，其中有79.6%的占比具有4%～24%的優勢，且有12.98%的平均優勢。

如圖7所示，（Q，R）策略在無中斷或低風險環境下表現更為有效。1000次仿真結果中共優于（s，S）策略554次，其中有61.91%的占比具有1%～10%的相對優勢，且有7.71%的平均優勢。

（四）靈敏度分析

1.調整S計算系數α

（1）S計算系數α的值為0.7（如表7—表9、圖8、圖9所示）。

表7 α=0.7時，（s，S）策略與（Q，R）策略平均性能比較

表8 α=0.7時，（s，S）策略與（Q，R）策略相對最優性能結果

表9 α=0.7時，（s，S）策略與（Q，R）策略相對最劣性能結果

從上述結果中來看，相較于α=0.5時而言，（Q，R）策略庫存總成本的增幅和服務水平的降幅維持在相對穩定的狀態，這表明模型具有較好穩健性。相比之下，（s，S）策略在各種中斷情景下，比（Q，R）策略具有更為優越的性能。

具體來說：當α調整為0.7時，在單中斷臺風情景下，（s，S）策略庫存總成本的平均增幅為12.87%，最小增幅為3.97%，最大增幅為18.99%；同樣，在服務水平的降幅方面，平均降幅為4.57%，最小降幅為2.11%，最大降幅為7.81%，相較于α=0.5時有均所改善。

在多重中斷疊加下， （s，S）策略的表現尤為顯著。庫存總成本平均增幅為70.47%，相較于α=0.5時降低了41.87%；服務水平的平均降幅為14.73%，優于α=0.5時的19.23%。這表明當α值增大時更能有效地控制庫存總成本并減輕中斷帶來的負面影響。從曲線上看庫存總成本和服務水平的變化趨勢更平緩。

當α=0.7時，對單中斷疫情和多重中斷情景下兩種策略的優劣次數進行統計分析如圖10所示。

如圖10所示，在單中斷疫情下1000次仿真中，（s，S）策略一共優于（Q，R）策略761次，其中有72.79%的占比具有4%～28%的相對優勢，平均優勢為15.93%；而在多重中斷疊加下的1000次仿真中，該策略共優于（Q，R）策略814次，有78.99%的占比具有5%～27%相對優勢，平均優勢為16.27%。由此可見，當S計算系數較高時，相比較于α=0.5時（s，S）策略比（Q，R）策略的優勢更加顯著。

（2）S計算系數α的值為0.3（如表10—表12、圖11、圖12所示）。

表10 α=0.3時，（s，S）策略與（Q，R）策略平均性能比較

表11 α=0.3時，（s，S）策略與（Q，R）策略相對最優性能結果

表12 α=0.3時，（s，S）策略與（Q，R）策略相對最劣性能結果

當調整S的計算系數α=0.3時，從表10中結果來看，（s，S）策略的表現相較于α=0.5時和α=0.7時的性能均有所下降。從庫存總成本的增幅角度來看，（s，S）策略在單中斷疫情下庫存總成本的平均增幅上升至79.68%，相比于α=0.5時增加了35.22%；同樣，在多重中斷疊加下，庫存總成本的平均增幅為157.41%，相比于α=0.5時上升了45.07%，但從庫存總成本增幅曲線來看，在該情景下（s，S）策略與（Q，R）策略的趨勢幾乎一致。

就服務水平而言，（s，S）策略在單中斷疫情下服務水平的平均降幅14.96%，高于α=0.5時的9.73%，從服務水平降幅曲線來看（s，S）策略降幅相對陡峭?？梢奡計算系數α值設定的較小，會影響服務水平。

在α=0.3時，對單中斷臺風和單中斷疫情兩種單中斷情景下相對優勢較為明顯的優劣次數進行統計分析如圖13所示：

由圖13可知，在1000次仿真結果中，在單中斷臺風情景下（Q，R）策略一共優于（s，S）策略667次，其中有70.16%的占比具有1%～16%相對優勢，平均優勢為12.50%；而在單中斷疫情情景下，該策略共優于（s，S）策略522次，有74.13%的占比具有3%～38%相對優勢，平均優勢為22.97%。由此可見，當S計算系數α=0.3時，（Q，R）策略相較于（s，S）策略更有優勢。

2.調整中斷持續時長

在前文參數設定的基礎上，將臺風事件中斷時長設定為服從參數θ=10的指數分布，疫情事件中斷時長在t-=randi（14，21）之間，調整之后再次進行不同情景下的1000次仿真模擬，結果如表13—表15所示。

表13 調整中斷時長后，（s，S）策略與（Q，R）策略平均性能比較

表14 調整中斷時長后，（s，S）策略與（Q，R）策略相對最優性能結果

表15 調整中斷時長后，（s，S）策略與（Q，R）策略相對最劣性能結果

從上述仿真結果來看，當突發事件的中斷持續時長增加時，在不同類型的中斷情景下，兩種策略的性能比較結果與α=0.5時相差并不大，庫存總成本增幅曲線和服務水平降幅曲線的變化趨勢與α=0.5時相類似，這再次表明該模型的具有良好的穩定性（如圖14、圖15所示）。

從庫存總成本的增幅來看，兩種策略的增幅均大幅增加，相比之下在多重中斷情景下（Q，R）策略的增幅更為嚴峻，平均增幅高達177.70%，其庫存總成本增幅曲線的趨勢更為明顯；從服務水平降幅曲線來看，兩種策略的降幅趨勢相似，但（s，S）策略的降幅相對較小。

五、結論與建議

本文構建了一個包含供應商、制造商和客戶的三級供應鏈系統，并從庫存冗余的角度出發，建立了（Q，R）和（s，S）兩種策略的庫存控制模型。考慮了庫存總成本和平均服務水平，通過仿真分析，對兩種策略在多重供應中斷風險下的性能進行了多方面的評估與分析。

結合本文的仿真結果分析，得出下述結論：突發事件所導致的供應中斷對高端裝備制造企業的庫存總成本和平均服務水平都產生了顯著的負面影響，且影響程度與中斷的類型和嚴重程度有關，而在多重中斷疊加的情況下所造成的庫存總成本與平均服務水平變動并非簡單線性疊加，而是呈現出一種“指數級”的變化趨勢，企業應對此給予高度重視；在綜合考慮庫存總成本與服務水平基礎上，面對中斷所帶來的影響，（s，S）策略比（Q，R）策略有更明顯的優勢，尤其是應對多重供應中斷情景時較為顯著，此外，當設定S的計算系數較大時，能夠更好的減少供應中斷帶來的損失。而在無中斷的情景時，（Q，R）策略則表現出較好的效益；靈敏度分析結果表明，在不同情景下庫存總成本增幅和服務水平降幅的變化趨勢均趨于一致，這表明本研究所探討的多重中斷事件所造成的影響具有一定的普適性規律。

根據上述結論，提出以下建議：在面臨多重中斷風險時，高端裝備制造企業應根據實際運營環境對風險進行全面評估，選擇最適合的供應鏈管理策略。在面臨自然災害和公共衛生如臺風和疫情等多重中斷風險時，建議采用（s，S）策略進行庫存管理，并適當提高S的庫存水位值來更好的降低供應中斷所造成的損失。而在風險較低或正常運營狀態下，企業可選擇實施（Q，R）策略，同時應加強風險管理和應急準備，以確保在潛在中斷發生時能夠迅速有效地應對。

此外，本研究中主要針對兩種主流庫存策略進行了比較分析，下一步研究將考慮在多重中斷風險下構建以庫存總成本最小化和服務水平最大化的雙目標優化模型，并運用優化算法求解最優庫存策略。

參考文獻：

［1］盧志平，薛大衛.不同中斷情形下汽車供應鏈中斷的恢復策略研究——基于系統動力學的仿真分析［J］.供應鏈管理，2024，5（3）：58-78.

［2］郜慶.全球價值鏈視角的供應鏈中斷風險應對機制研究［J］.甘肅社會科學，2019（1）：154-158.

［3］姜婷，周偉良，孫家軍.面向供應鏈中斷風險的應急能力提升路徑研究 ［J］. 安徽行政學院學報， 2021（3）： 57-62.

［4］宋英華，馬連隆，楊麗嬌，等.基于模糊BN的企業業務中斷風險分析：以洪澇災害情景為例［J］.中國安全科學學報，2019，29（6）：1-6.

［5］樊雪梅， 盧夢媛.新冠疫情下汽車企業供應鏈韌性影響因素及評價［J］. 工業技術經濟， 2020， 39（10）： 21-28.

［6］宋華.建立數字化的供應鏈韌性管理體系——一個整合性的管理框架［J］.供應鏈管理，2022，3（10）：9-20.

［7］孔進，李芳.供應中斷風險下制造商應對策略研究［J］.上海理工大學學報，2021，43（4）：409-420.

［8］王靜，陳希.考慮供應鏈中斷風險的制造商風險應對方案研究［J］.工業工程與管理，2019，24（3）：27-34.

［9］景熠，劉芹芹，周林.突發事件影響下考慮供應中斷風險和消費者偏好的制造商采購策略研究［J］.中國管理科學，2023（6）：1-16.

［10］胡韓莉，曹裕，吳堪.中斷與質量多重風險下的供應鏈動態采購策略研究［J］.管理工程學報，2024，38（2）：180-194.

［11］KOUVELIS P， DONG L， BOYABATLI O，et al.Handbook of integrated risk management in global supply chains［M］. Hoboken：New Jersey， 2012.

［12］IAKOVOU E， VLACHOS D， XANTHOPOULOS A.A stochastic inventory management model for a dual sourcing supply chain with disruptions［J］. International journal of systems science， 2010， 41（3）： 315-324.

［13］ATAN Z， SNYDER L V.Inventory strategies to manage supply disruptions［M］. London： Springer-Verlag， 2012.

［14］王能民，王雪寧，史瑋璇.考慮庫存與中斷的雙目標多式聯運優化研究［J］.工程管理科技前沿，2023，42（1）：26-34.

［15］慕靜，李婧.考慮疫情風險與雙重時效性的生鮮品供應中斷庫存控制策略研究［J］.運籌與管理，2023，32（1）：108-115.

［16］張以彬，龍靜，陳瑜."市場需求可變的供應鏈中斷應急策略與運作仿真 ［J］. 系統管理學報， 2019， 28 （6）： 1202-1210.

［17］LI S， HE Y， CHEN L."Dynamic strategies for supply disruptions in production-inventory systems［J］. International journal of production economics， 2017.

［18］DAROM NA， HISHAMUDDIN H， RAMLI R.An inventory model of supply chain disruption recovery with safety stock and carbon emission consideration［J］.Journal of cleaner production， 2018，197：1011-1021.

［19］NICOLAS V.Inventory optimization： models and simulations［M］. Deutsche：Nationalbibliothek，2020.

［20］李海燕，翟佳，趙宏."供應鏈采購與庫存管理［M］. 北京： 科學出版社， 2019.

［21］中聯重科股份有限公司.2023年年度報告 ［R］.長沙：中聯重科股份有限公司，2024.

［22］ACCOUNTINGUIDE.Ordering cost［EB/OL］.［2024-04-24］. https：//accountinguide.com/ordering-cost/.

［23］中國工程機械工業協會."中國工程機械工業協會官網［EB/OL］. ［2024-04-24］. http：//www.cncma.org/.

［24］徐賢浩，余雙琪.短生命周期產品的三種庫存模型的比較［J］.管理科學學報，2007（4）：9-15，48.

［25］PENG B X ，KUMAR A ，ZHANG G， et al.Advantage-weighted regression： simple and scalable off-policy reinforcement learning［J］.Computer science，2019，（3）.

Research on Inventory Control Strategies of High-end Equipment

Manufacturing Enterprises under Multiple Supply Interruption Risks

ZHANG Xiao-feng1， CAO Xue2， DAI Bo2， LONG Zhao-da2

（1.State Grid Hunan Electric Power Co.， Ltd， Changsha， Hunan 410118；

2.School of Business Administration， Hunan University of Technology and Business， Changsha， Hunan 410205）

Abstract：Under the compound impact of various sudden events， the supply chains of high-end equipment manufacturing firms are exposed to multiple disruption risks."In response， this study develops an inventory control model for such firms within a three-tier supply chain system comprising suppliers， manufacturers， and customers.

From the perspective of inventory redundancy， the model is formulated based on the （Q，R） and （s，S） strategies."It considers the total inventory cost and average service level over a fixed period， evaluating and analyzing the performance of these strategies under multiple supply disruption risks across various scenarios."The findings reveal that multiple supply disruption risks impose substantial losses on the supply chain system."Compared to disruption-free scenarios， the （s，S） and （Q，R） strategies exhibit average increases in total inventory costs of 112.34% and 162.27%， respectively， following disruptions， and average reductions in service levels of 19.23% and 25.1%， respectively."In 1000 simulations， the （s，S） strategy outperforms the （Q，R） strategy in 760 instances under multiple disruption events; in single disruption events， the （s，S） strategy is superior 614 and 655 times， respectively; and in disruption-free environments， the （Q，R） strategy demonstrates better performance in 554 simulations."Overall， the （s，S） strategy is found to be superior to the （Q，R） strategy， particularly in managing multiple supply disruptions， while the （Q，R） strategy holds an advantage in disruption-free contexts.

Keywords： multiple disruptions; inventory strategies; simulation analysis; high-end equipment manufacturing

基金項目：國家社會科學基金一般項目“風險疊加背景下我國高端制造供應鏈韌性測度與提升策略研究”（23BGL046）；湖南省自然科學基金面上項目“突發公共事件背景下企業供應鏈應急能力研究”（2022JJ30204）；湖南省教育廳科學研究項目重點項目“突發事件下我國企業供應鏈中斷風險識別及韌性提升研究”（22A0465）