基于TFN—AHP和TOPSIS的供应链风险评价

万杰 王雪娇

摘 要：随着经济全球化的发展，供应链结构变得越来越复杂，在供应链工作效率不断提升的过程中，更多的风险逐渐出现。风险的存在给企业带来了潜在的威胁，一旦发生甚至可能导致供应链的中断。为了了解供应链的风险情况，必须对供应链中的风险因素进行识别和评价。文章应用TFN-AHP（三角模糊数层次分析法）和TOPSIS方法对风险指标的风险大小进行评价，然后根据风险的相对大小提出了具有针对性的建议。

关键词：三角模糊数；层次分析法；TOPSIS；供应链；风险评价

中图分类号：F272 文献标识码：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

现阶段对供应链研究关注最多的是企业的收益情况，对于风险方面的关注起步较晚。由于供应链是一个整体，任何一个风险的发生都可能造成整条供应链的崩溃，因此针对相应的风险提前进行预防非常必要，从而对供应链的风险进行评价显得尤为重要。但是目前对供应链的风险研究中多集中在定性研究方面，定量研究还比较少。

在对供应链风险的定义中，Deloitte咨询公司在一项报告中指出供应链风险是指对一个或多个供应链成员产生不利影响或破坏供应链运行，使其达不到预期目标甚至导致供应链失败的不确定性因素或意外事件[1]。克兰菲尔德管理学院在研究中将供应链风险定义为供应链的脆弱性，不仅会破坏供应链系统的任何环节，还会给供应链中企业带来损失和伤害。马士华把供应链的风险和不确定性联系到一起，认为它们是不可分割的整体，只要供应链中有不确定性的存在，风险就会相伴而生[2]。金霞等认为供应链风险就是一些不确定性事件的发生，会给供应链系统和供应链中的企业带来损失[3]。在这些定义中，学者应用较多的分别是供应链的脆弱性和不确定性。本文中认为供应链风险就是由于供应链本身所存在的不确定性，导致整个供应链受到影响和损失的未知事件。

通过对风险定义的分析，可以发现风险包含两个最基本的属性，即风险的损失性和可能性，这也是大多学者在进行风险评价时经常会考虑到的两个属性，即利用风险造成损失和风险发生概率的乘积来作为风险值的数据，这点和数学期望的含义类似，容易理解，也有一定的合理之处。但是随着学者对供应链风险的不断研究，发现风险的属性不仅仅是损失性和可能性两个，所包含的内容更加丰富，所以原来仅仅依赖两个属性来进行风险评价显得不够科学。Faisal Aqlan等人在影响性、可能性的基础上，又添加了可控性、缓解性和可预测性三个属性[4]，吴浪在风险评价时提到了危害性、可能性和可控性三个属性[5]，吴昊从风险的可能性、危害性、不可控性、感染性四个属性入手来评估风险因素的影响力[6]。其中影响性、危害性都指的是风险所造成的损失。由于风险属性的增加，原来的评价方法不再适用，从而产生了新的评价方法，其中考虑增加属性的文献中，有依赖风险每个属性对风险大小的正负影响来进行风险计算的，但是只依靠这种正负的关系来进行风险值的估计不够具有说服力。

TOPSIS法是一种最优贴进度方法，能忽略属性个数的影响，根据属性和最优方案的相对贴进度来评估风险的大小。这样不仅解决了风险属性增多的问题，同时还能合理地结合多个属性来进行风险值的估计，使得风险评价结果更加全面和科学，因此本文利用该方法进行风险的评估。

1 供应链风险指标体系

目前在供应链风险研究中关于供应链风险识别方面的文献有很多，但在风险指标的选取上不具备统一性。William Ho等通过对历年供应链风险相关文献的总结与分类，分别从宏观和微观的角度来看待供应链风险，最后总结出自然环境风险、政策法规风险、经济环境风险和市场竞争风险，供应风险、需求风险、信息风险、物流和库存风险、财政风险和制造商风险[7]。Ernst & Young根据对加工生产企业的调查最终将供应链风险划分为8种，分别是供应链管理技术应用安全风险、合作关系风险、企业持续经营计划风险、供应链管理成本与投资风险、数据管理完整性风险、税收风险、劳动力风险和企业管理风险。XU Lei等确定了供应风险、产品风险、流通风险和销售风险[8]。张仕军等总结的风险为市场风险、信息风险、物流风险、时间风险、财务风险和组织风险[9]。这些风险指标的建立是通过不同的角度并且基于不同的供应链，所以会有很大的差距。本文通过比较分析，最后选取了应用最为广泛的5个供应链风险指标来进行该评价方法的介绍，分别为环境风险、供应风险、需求风险、信息风险和物流与库存风险。

2 三角模糊数层次分析法和TOPSIS法

2.1 三角模糊数层次分析法。由于客观数据缺失，需要专家进行主观评分，但是专家在进行评分时比较容易倾向于一个区间而不是固定数字，三角模糊数层次分析法正好可以满足这种评价的需求从而得到了广泛推广。三角模糊数层次分析法是由模糊层次分析法演变而来，且适用性得到了普遍证实。所以本文利用三角模糊数层次分析法来进行供应链风险指标的数据收集。

2.2 TOPSIS法计算步骤。在上面已经提到，数据本身比较主观，所以在进行风险评价时得到的结果也只是一个相对的高低。TOPSIS法就是一种能得到相对结果的方法，利用上面模糊层次分析法获得的评估指标权重到最优权重之间的距离，来判断出该指标的相对优劣程度，越接近1，表示越优，即风险值越大，反之则越小。

由于属性中存在高优指标和低优指标，所以：

第一步是要将指标统一化，在这里利用倒数法将低优指标转化为高优指标，即：假设原来的低优指标为x，转化后为1/x，需要根据数据的大小进行相应的调整，使其之间的差距不会太大。

最后根据每个风险指标的分数大小，对风险指标按照风险从大到小的顺序进行排序，结果为信息风险>环境风险>需求风险>物流和库存风险>供应风险。通过分析，信息风险的风险分数最接近1，也就是说该供应链面临的信息风险最严重。分析产生的原因可能有：该供应链的结构不够合理，信息在供应链中的传播不能很好的开展；供应链之间的合作不够紧密，彼此之间的信息不情愿进行交换，或者向对方隐瞒有效信息、交换错误信息等；信息技术应用不够广泛，信息传播滞后；获取信息的渠道不统一，难以辨别有效信息。以上原因都是信息风险变大的可能原因，具体要结合该供应链的实际情况进行针对性的分析，从而找到风险的关键解决路径，降低信息风险给供应链带来的威胁。

4 结 论

本文是在一般供应链的基础上，验证了TFN-AHP与TOPSIS法在供应链风险评价中应用的适用性，既减轻了专家评分主观性所带来的弊端，也解决了风险属性增多的问题，使得风险评价结果更加科学。但是该方法在实际应用中要结合特定供应链的特点。不同的供应链有不同的风险指标，风险值也会有所不同，这样评价得到的结果才会更加有实际意义。同时对于一条供应链，随着时间的推移，风险会有一定的变化，所以为了得到更加准确的评价结果，要对供应链风险评价的数据进行及时更新。文中风险属性的权重是等值的，但是考虑实际情况，不同属性重要程度有一定的差别，所以未来研究可以增加对风险属性权重问题的考虑。

参考文献：

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

[2] 马士华，林勇，陈志祥. 供应链管理[M]. 北京：机械工业出版社，2001：250-255.

[3] 金霞. 供应链风险识别与评估研究[D]. 兰州：兰州交通大学（硕士学位论文），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] 吴浪. 食品供应链风险管理研究[D]. 长春：吉林大学（硕士学位论文），2010.

[6] 吴昊. 基于风险管理角度的食品供应链管理研究[D]. 上海：上海海洋大学（硕士学位论文），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] 张仕军，孟志青. 基于模糊评判法的供应链风险研究[J]. 北方经济，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.