数字化背景下供应链风险识别及预防策略探究

摘 要：物联网等新一代信息技术的广泛应用对企业及其所在供应链的运营环境带来显著变化。与此同时，供应链在数字化环境下的风险管理与传统供应链风险管理在风险产生机制、风险类型、风险控制维度等各方面均产生了极大的不同，企业在寻求最大化利润的同时，追求企业风险最小化及对市场环境带来的负效用。鉴于此，以数字化环境下供应链运营结构为研究对象，将其分解为三个层次，并找出各层次存在的主要风险因素，运用OWA算子2对各维度风险因素进行定量评估与排序，在此基础上，以评定结果为基础，提出制造业供应链在数字化背景下的风险管理与控制的相关意见。

关键词：数字经济；制造业供应链；风险管理；OWA算子；控制策略

一、引言

国家推进数字经济高速发展，无疑成为推动行业发展的新动力。从数据价值、数字技术、网络载体三个方面赋能供应链并与其深度融合，数字化新模式及新场景层出不穷，促使供应链向数字化转型，如Google、IBM、Amazon、Yahoo等知名企业较早投入精力开展数字技术项目来挖掘潜在客户。以数据为媒介，在智能设备支持下将各种资源（人、机械设备等）互相连接，以搭建出可远程操控的智能网络，继而在外界人为干预控制下实现自动化管理水平及工作效率的提升，且在优化供应链结构的同时进一步提高整个系统的稳定性。信息平台的搭建也更加有利于资源深度整合，可避免因信息不准确而导致需求无法确定所带来的不良影响，同时企业可依据自身需求灵活、有效地选择并构建供需关系，以实现供应链正常运作，使供需双方皆可受益。

但是，企业在数字化运营过程中将面对的问题甚多，在供应链价值提升的同时，风险也变得难以预测且无法得到有效控制。因此，在数字化背景下探讨供应链风险管理问题并对风险因素准确识别，做到有效预防及控制，在理论研究及实际操作中十分关键。

供应链断裂问题及其有效处理是供应链管理中的重点研究领域，国内外学者的研究成果十分丰富。Shi较早从供应链视角阐释了风险管理的重要性，提出了较为实用的风险管理框架。Yang等在已有研究的基础上进一步探究了复杂性因素对供应链风险管理的影响，并基于此给予了控制建议。Christoph等解释了供应链结构特征增加供应链中断频率，并通过数学模型进行验证。Avinash和Vipul提出面对普遍存在的外部不确定性条件和对高效供应链的不断推动的双重作用下，应以新技术、新态度和可持续发展的风险管理战略来对供应链风险管理作出充分的反映，并通过DEMATEL方法对各种风险指标之间的相互关系进行仿真，来判断优先考虑的因素，缓解供应链风险负面影响。有关数字化供应链风险管理的研究也较为丰富。颜波等针对物联网环境下的农产品供应链风险管理进行了研究，并基于定量分析结果提出了风险控制的相关措施。何静和杨翼通过构建风险矩阵模型与Borda序值法相结合，分析评估了物联网环境下乳制品供应链质量安全的风险因素并进行排序，根据评估结果提出了风险管控建议。

综上，本文以制造业供应链为研究对象，对其在数字化背景下的运营结构模式进行阐述，并对每一层次的风险因素进行分析，利用多维度决策方法将风险预期值量化排序，在风险评估结果的基础上为企业提供可行的风险控制措施，以供参考。

二、数字化环境下供应链结构分析及风险识别

1.供应链结构分析

有关数字化供应链的定义有不同说法，但主要还是突出“数字化+智能化”这一核心特性，这里借鉴物联网供应链的概念，将数字化供应链概括为：通过智能感知系统将设备资源等连入互联网体系中，实现状态信息的实时搜索、采集、发布和共享，进而主动或被动地在人与机器之间进行信息的传递，实现信息、资源深度可视化，企业可以按照自身需求快速检索出高度匹配的目标资源并调度可用的制造能力，自动优化决策，以实现资源高效配置与优化，从而实现高效化的制造业运营模式。将数字化背景下制造业供应链结构分为三个层次：数据感知层、信息处理层、终端使用层。

如图1所示，在数据感知层中通过RFID等智能感知设备对物流各环节产品信息进行采集，并通过互联网将信息传输到信息处理层的共享平台中；在信息处理层中实现信息的大量存储，也可按照所需要求将信息进行处理，并将信息输送到终端使用层中；在终端使用层中材料供应商、加工中心、政府部门等主体依据信息进行决策，使市场经济向积极趋势发展，实现供应链网络运作的鲁棒性。

2.供应链风险识别

根据图1的供应链结构，对每一层的风险因素进行分析，具体如下：

（1） 数据感知层风险。在这一层次上，使用智能识别设备对物体的性质、状态及变化进行动态感知，并通过无线射频等技术采集感知状况。因此，在制造环节中相关的检测设备失灵或者故障将造成检测不及时、信息不准确的风险发生。此外，在配送环节中，若GPS系统失灵，将会无法确认准确的运输信息，对于信息的延迟采集也将在一定程度上对企业决策的时效性产生一定的影响。

（2） 信息处理层风险。这一层次的主要作用是将感知层所获取的信息经过处理后传递到互联网平台实现信息共享。由于互联网隐私性、安全性无法保证，信息不对称、虚假、泄露等事件的发生，将会导致企业按照错误信息进行错误决策，政府监督部门也会对市场采取错误的控制措施，使市场运营趋于恶化。

（3） 终端使用层风险。在这一层次上，使用对象主要有政府部门、渠道成员、销售需求点、终端消费者等，根据信息层输送的相关信息，政府监督部门、企业、消费者以最大化利润或最大效用进行决策。政府监督部门的一些规章政策将对制造企业的发展产生影响，企业之间存在恶性合作、竞争会对供应链的运营带来影响，消费者的消费理念将会影响消费需求，从而间接影响供应链企业的生产环节。

（4） 其他风险。除了上述供应链运营结构中三个层次存在的风险，自然灾害导致基础设备损坏、环境恶劣等一些不可人为控制的风险也是客观存在的风险源，以及供应链企业由于企业社会声誉而存在的潜在风险因素也不可忽视。

3 数字化背景下制造业供应链风险评估

前文对数字化供应链的风险因素进行了详细分析。为探究这些风险因素中哪一种对供应链运营带来的负面影响最大，拟通过OWA算子对风险因素进行定量分析。

1.算法概述

假设供应链会面临n种风险，设X=（x1，x2，…，xi，…， xn），

i=1，2，…，n，每个风险由m个指标来表述，用U=（u1，u2，…，uj，…， um），j=1，2，…，m来表示。对于风险xi按照属性进行测度，按照实际情况得到xi的属性值aij，从而构建决策矩阵A=（aij）n×m，如式（1） 所示。

由于OWA算子模型包含了效益型、成本型等属性类型，针对不同的属性特征有不同的计算方法。在物联网环境大背景下，选取资金的损失效用和环境破坏效用为属性特征，符合计算方法中的成本型属性，因此对风险值采用成本属性来衡量，如式（2） 所示。

将A规范化得到R，即

按照综合属性值大小对风险因素进行排序，确定风险因素对供应链的整体影响。

2.案例分析

下文以肇庆市某制造供应链为例，选取三个层次共15种较为主要的风险因素，并对各种风险进行损失评定，同时将风险对市场环境产生的负效应考虑在内，综合评价资金损失效应及市场环境负效应的叠加。设损失值区间为0～100，遵循德尔菲法进行打分并以5为等差进行标定，对应分数及发生概率如表1所示。

将表1的相关数据转化为矩阵A，根据式（2） 将A规范化为矩阵R，可以得到：

最后，利用OWA算子对xi（i=1，2，L，15）进行风险集结，求出风险综合属性值Zi（w）。将权重向量设定为，由式（4） 计算可得：

由式（5） 的计算结果将风险综合属性值进行排序：

x11gt;x12gt;x14gt;x13gt;x9gt;x15gt;x5gt;x10gt;x8gt;x4gt;x6gt;x1gt;x7gt;x3gt;x2

可以看出，制造业供应链在数字化背景下一方面要注重企业自身内部的运营活动，尽可能将企业内部的潜在危机所带来的负面影响降到最低；另一方面，企业在信息利用时要注意信息的时效性及安全性，避免更大的经济危机，同时在传统制造业供应链向智能化制造转型时，也应该注意基础设施与自然环境的兼容性，实现社会声誉的提升。

四、结语

在数字化背景下，新型信息技术与供应链深度融合，改变了传统的运营模式，也旨在实现企业智能化高速转型。在此需要识别新型供应链运营框架下的风险因素并进行评估，本文结合主要风险，提出以下对策建议：

（1） 加强政府监督建设。作为实际应用层应用主体之一，政府有关监督部门需对信息安全负责，尤其加强对信息发布人资质的审核，在信息源头降低信息安全风险。通过相关法规、政策维护信息所有者权益，降低信息风险的发生率，实现市场环境的公平性与稳定性。

（2） 加快供应链基础信息设备建设。网络载体作为数字化背景核心要素之一，旨在实现“人+物”的智能结合，加大基础设施及技术方面的投资，形成具有快速响应能力的物流系统，完善信息平台，提高基础设施的运作效率，避免因为检测设备故障、检测不及时不准确带来的影响。

（3） 提高市场识别能力。企业首先提高自身实力，并提高其所在供应链上下游企业的识别能力，准确选择合适、可以信赖的企业进行合作，可以对企业的声誉、综合资质等进行评价，形成长期稳定的供求关系。

企业不应只求经济利益最大化，同时也需要维护消费市场的稳定性、可持续发展等方面。通过研究，有助于企业识别及规避风险，向智能化转型平稳过渡，最终促进产业链转型，实现经济高质量发展。

参考文献：

[1]李伯虎，张霖，王时龙，等.云制造——面向服务的网络化制造新模式[J].计算机集成制造系统，2010（1）：1-7，16.

[2]胡宁.“VR+物联网”下国际农产品交易配送平台构建[J].商业经济研究，2018（23）：95-97.

[3]DAILUN S.A review of enterprise supply chain risk management[J].Journal of Systems Science and Systems Engineering，2004（2）：219-244.

[4]BIAO Y，YING Y.Postponement in supply chain risk management：a complexity perspective[J].International Journal of Production Research，2010（7）：1901-1912.

[5]CHRISTOPH B，STEPHAN M W.Structural drivers of upstream supply chain complexity and the frequency of supply chain disruptions[J].Journal of Operations Management，2015，36：215-288.

[6]AVINASH S，VIPUL J.A study on the interactions between supply chain risk management criteria using fuzzy DEMATEL method[J].International Journal of Operational Research，2013（3）：255-271.

[7]颜波，石平，丁德龙.物联网环境下的农产品供应链风险评估与控制[J].管理工程学报，2014（3）：196-202，173.

[8]何静，杨翼.物联网环境下的乳制品供应链质量安全风险管理研究[J].中国乳品工业，2019（2）：43-47.