【基于突发事件的供应链风险识别研究】 供应链风险识别的程序
内容摘要：突发事件的频繁发生更易形成供应链风险。本文从环境风险、供应需求风险、合作风险、资金风险和信息风险五个方面构建了基于突发事件的供应链风险指标体系。运用模糊熵法建立了基于突发事件的供应链风险识别模型，通过权重分析，识别出基于突发事件的供应链关键风险，并通过数值算例验证了该模型在基于突发事件的供应链风险识别中的有效性。
关键词：供应链 突发事件 风险识别 模糊熵
引言
全球化背景下，复杂的经济社会环境导致了供应链系统的不断变化和管理的巨大风险性。在全球著名咨询公司Accenture对151个供职于收益超过1亿美元的美国企业的供应链专员开展的调查中，超过一半的被访者认为突发事件导致的供应链风险在不断增加，并且使供应链从突发事件导致的失效中恢复的难度日益加大（王世雄、徐琪、郑兴旺，2010）。因此，对基于突发事件的供应链风险管理进行研究迫在眉睫。
供应链风险识别是进行供应链风险管理的第一个阶段，是发现潜在风险并且伴随着整个供应链风险管理的关键过程，许多学者对此进行了研究。如Kleindorfer（2005）将影响供应链的设计和协调的风险划分为两类：供应和需求协调的风险和正常活动中断的风险；Barbara Gaudenzi（2006）运用模糊综合评价方法，以顾客价值为目标分两阶段对供应链风险进行了分析，为供应链风险的识别提供了帮助。但却很少有人从突发事件这个角度来研究供应链风险识别。基于此，本文以突发事件为基点，研究在这一特殊情境下的供应链风险识别问题，对其风险因素进行分析，并运用模糊熵法定量地识别关键风险，从而为基于突发事件的供应链风险评估和控制研究打下基础。
基于突发事件的供应链风险识别指标体系构建
供应链风险识别是有效进行供应链风险管理的首要阶段，辨识供应链的风险因素、建立风险识别指标体系是风险识别中最为关键的一个过程。马士华（2003）把供应链风险因素总结为两大类：内生风险和外生风险；Bailey（2004）把供应链风险分为外部环境风险、自然灾害风险和运作风险三大类，在这三大类风险的基础上又划分出21种风险；张以彬、陈俊芳（2008）通过从供应风险、协调风险、需求风险建立一种识别框架来识别供应链风险；金妮（2011）运用SCOR模型从需求风险、供应风险、运作过程风险、环境风险及制度风险建立供应链风险识别指标体系。本文研究的是突发事件这一特殊情境下的供应链风险，但并不能完全脱离一般供应链风险的研究，所以在研究过程中，既要借鉴以前的研究，同时还要考虑突发事件下供应链风险的特点：突发事件常常孕育于供应链的外部环境，供应链系统与外部环境之间的互动是外部风险的主要来源；供应链在供应、需求及合作关系上存在极大的不确定性，突发事件的发生可能导致供应链的运营障碍乃至崩溃；突发事件发生时，供应链的信息系统面临巨大的考验，关键信息的外流、信息流的断裂等都严重威胁着供应链。因此，本文从环境风险、供应需求风险、合作风险、资金风险和信息风险五个方面，来构建包含20个风险指标的基于突发事件的供应链风险识别指标体系，具体内容为：
（一）环境风险
突发的政治风险I1、突如其来的地震、海啸、洪水、 暴风雪等导致的自然环境风险I2、经济领域中的突发事件导致供应链受损的经济风险I3、不可预料的国家或全球金融市场的波动性I4。
（二）供应需求风险
供应商的不可选择性I5、供应链系统的脆弱性I6、信息扭曲的牛鞭效应风险I7、突发事件发生前后的需求预测风险I8、关键客户的不稳定性I9、突变的竞争因素等造成的市场需求变动风险I10。
（三）合作风险
合作伙伴的信用风险I11、合作伙伴泄露核心能力的可能性I12、合作关系的不稳定性（如中途退出等）I13、合作伙伴之间发生重大冲突的可能性I14。
（四）资金风险
企业融资的不确定性I15、资金周转不及时导致的风险I16、合作伙伴不能按时投资或提前撤资的可能性I17。
（五）信息风险
信息安全风险I18、信息系统的不稳定带来的风险I19、信息共享机制不健全风险I20。
基于突发事件的供应链风险识别模型构建
（一）指标的量化处理
由于基于突发事件的供应链风险可供参考的历史数据非常有限，所以采用专家打分的方法对指标进行量化。考虑到突发事件的特殊性，专家对每个指标的量化值可能处于一个区间内，而非一个确切的值，所以要求专家对每个指标的重要程度给出三个量化值：下限值、最可能值、上限值，从而得到初始数据矩阵S，其中，第j个专家对第i个指标的量化值为[aij，bij，cij]，i=1，2，…，20，j=1，2，…，m。并确定m位专家的权重集V=[ν1， ν2，…，νm]。
（二）基于模糊熵的风险指标度量模型
目前对供应链风险指标权重的度量常用的方法有三角模糊法、模糊层次分析法等，简单易行，但指标的数据如果来自于专家打分，人为主观判断性较强，或多或少存在评价较为片面的缺陷。此外，考虑到不同供应链专家对各个指标的重要程度有不同的评价，使得某一指标的结果差异性相对较大。所以本文运用模糊熵法对基于突发事件的供应链风险指标进行度量，也就是在采用三角模糊法确定权重的基础上，引入了信息熵对指标模糊权重进行修正。信息论中，信息熵是系统不确定性的度量（Cover，T.M.，2008）。也就是说，某个风险指标的信息熵越大，表明供应链专家对这个指标值的不确定性越大。根据信息熵的定义，这个风险指标值所提供的信息量也就越大，则风险指标在指标体系中的作用越大，指标的熵权也就越大；反之，该指标的权重越小。模糊熵法是三角模糊法和信息熵法的结合，融合了主观的评价与客观的调整，可以弱化风险指标对人为主观赋权的依赖，使得风险度量模型更为科学。模型如下：
首先计算三角模糊权。将供应链风险专家重要性与量化值运用加权平均型模糊算子M（g，）进行模糊合成，得到基于突发事件的供应链风险的模糊合成矩阵：F=VeS=V*ST=[[a1 b1 c1]…[a20 b20 c20]]。采用fi=（ai+4bi+ci）/6的计算方法确定指标i的模糊权重，然后通过归一化处理得到基于突发事件的供应链风险指标的模糊权重集Wf=[f1，f2，…，f20]。