基于模糊混合群决策支持系统的粮食供应链安全评估研究

朱佳翔，赵哲沁，史杨焱，郭军华

（1.常州大学 商学院，江苏 常州 213164；2.北京理工大学 管理与经济学院，北京 100081；3.华东交通大学 交通运输与物流学院，江西 南昌 330013）

0 引言

随着全球疫情、国际格局及经贸环境变化，粮食供应链安全成为供应链管理中的热门研究领域之一。供应链安全是保护供应链免受各种威胁的损害以确保业务连续性，业务风险最小化，投资回报和商业机遇最大化。能够对粮食供应链安全风险进行系统评估，通常得益于大数据及系统科学的发展与进步。供应链安全管理是通过实施一组合适的控制措施而达到的，包括策略、过程、规程、组织结构以及软件和硬件功能。本研究认为，供应链安全是供应链管理成败的先决条件之一，在不降低所提供产品或服务整体质量的情况下，大幅降低供应链安全风险将直接影响供应链的整体竞争力，这也使得供应链安全风险评估成为供应链管理的一个重要因素。以往的研究取得了很多成果，但随着全球疫情、战争及自然灾害扰动影响，相关研究也出现了部分不足。

供应链安全近期相关的研究，主要有王欢欢等构建“一带一路”投资中实物资产供应链安全保障的概念框架，并提出持续保障和应急保障两方面供应链安全保障的实现路径。陆勰等对当下存在的供应链安全风险进行分析，提出战略指引、技术创新及风险管控等应对策略。现有的粮食供应链安全相关研究，主要集中在生鲜农产品供应链风险、农产品供应链上质量安全风险、农产品供应链金融风险及互联网、物联网环境下的农产品供应链风险等几个方面，全球疫情扰动环境下的粮食供应链安全相关的研究较少。此外，农产品供应链风险控制方面，颜波等提出基于CVaR的农产品供应链风险评估体系。伏红勇和但斌构建CVaR决策模型用于控制农产品供应链风险的发生。曹武军、石洋洋运用期权和保险两种方式应对农产品供应链安全风险，以实现期望的供应链利润。

供应链实际决策问题的方法主要有层次分析法、数据包络分析以及理想解决方案优先排序的TOPSIS等。由于供应链决策具有较高的主观性，模糊层次分析法（F-AHP）已被证明有能力处理定性与定量、代偿效应以及评价准则间的关系，因此F-AHP的优先级排序组织方法非常适合于供应链决策。Kokangul和Susuz综合了F-AHP和数学规划，运用一定约束条件下的非线性整数规划和多目标规划确定最佳供应链。Liao和Kao提出了一种综合模糊TOPSIS和多目标编程方法来解决供应商选择问题。此外，供应链决策往往是一个多学科小组的群决策问题，需要对决策结果进行长期承诺。Zhang等提出了模糊群决策模型，以应对供应链安全系统中的供应商选择问题。Dalalah等基于一组多目标决策问题，提出供应链决策的混合模糊模型，其中包括改进的模糊DEMATEL模型和改进的TOPSIS模型。Boran等将TOPSIS方法与直觉模糊集合在一起，在一个群决策环境中选择适当的供应商。Sanayei等提出了一种基于模糊集理论和VIKOR方法的群体决策方法来处理供应链决策问题。

上述研究成果为解决粮食供应链安全评估的多属性群决策问题提供了较好的思路，但由于粮食供应链安全问题的复杂性与模糊性，决策者很难对方案给出精确的评估，会遇到决策小组间因不同偏好很难形成一致判断，决策即时性差、鲁棒性弱，以及决策质量难以保证等问题。因此，模糊混合群决策支持系统（F-PROMETHEE GDSS）的决策方法值得研究。为此，本文将模糊层次分析法与模糊偏阶群决策法相结合，提出模糊混合群决策支持系统的决策方法用于粮食供应链安全评估，对于丰富粮食供应链安全及风险管理文献，促进这一领域的学术探索，为解决我国粮食供应链安全的实际管理决策问题提供新方法和新思路。

1 研究假设与建模

粮食供应链安全评估的F-PROMETHEE GDSS包括三个主要阶段：（1）数据收集；（2）F-AHP计算；（3）模糊混合决策支持系统计算。在第一阶段，形成粮食供应链安全评估的决策小组（DMT），确定粮食供应链安全评估的准则并形成决策层次。第二阶段采用F-AHP对粮食供应链安全进行评估，形成成对比较矩阵，再基于最比较矩阵计算各层次准则的权重。在第三阶段，通过MS Excel计算模糊混合决策支持系统来确定粮食供应链安全的优先级。由于层次分析法不能很好处理主观脆弱值的模糊性，本文运用三角形模糊数的区间分析法进行成对矩阵比较，模糊语言和对应的三角形模糊数如表1所示。

表1 模糊语言和对应的三角形模糊数

图1 两个三角形模糊数M1和M2

其中：

定义第m个目标的第i个评价准则的模糊区间值如式（4）所示。

其中：

其中：凸模糊数的定义如式（8）、式（9）所示。

归一化后，优先级排序如式（11）所示。

2 F-PROMETHEE GDSS

优先级排序（PROMETHEE）最早由Brans开发，与其他方法相比，它能较好兼容相互矛盾的评价准则，但PROMETHEE的实现还需要准则权重和偏好系数等附加信息。优先级排序的评估决策支持系统（PROMETHEE GDSS）允许每个决策者表达偏好并将其集成到群决策中，并允许决策者重新评估和修改之前的决定，直至得到完全满意的决策结果，且决策操作可以通过视频会议形式进行，可迅速得到决策结果。Behzadian等人将PROMETHEE方法与模糊集理论应用于环境、能源及供应链管理等方面。Le Téno和Mareschal开发了基于时间准则和模糊集理论的PROMETHEE II的新方法。Geldermann等人提出PROMETHEE和模糊集理论的混合决策方法。本文运用三角模糊数作为PROMETHEE GDSS信息输入，对各个群决策小组（DMT）的备选方案进行优先级排名，F-PROMETHEE GDSS通过以下步骤进行：

Step1：生成备选方案和准则。协调人向决策者提出决策问题，得到所有可能的备选方案和准则，并在评估表中列出。

Step2：给定模糊数及评价语言量表，如表2所示。三角模糊数以LR模式表示，LR模式中三角模糊数的基本操作如表3所示。

表2 PROMETHEE评价中三角模糊数及评价语言量表

表3 使用模糊数（m,α,β ）LR的操作

Step4：DMT通过交互式辅助给每个准则设置偏好函数和阈值q、p，偏好函数如式（13）所示。偏好阈值q、p分别表示最小、最大容差，DMT根据其容差判别偏好等级：漠不关心、偏好中性及严格偏好。

Step5：计算每个DMT偏好。各个评价准则的权重∑w=1，DMT的加权偏好如下：

Step6：计算DMT排序流。存在两种类型的排序流，正排序流（φ）和负排序流（φ），φ是经过路径π（a,x）的排序流总和，其中a是流出节点，而x表示除了节点a之外的其他（n- 1）个节点。

Step7：计算DMT净流量。备选方案净流量计算如式（17）所示。其中，如果a净流量大于b净流量，则备选方案a的排名较靠前。

Step8：模糊混合群决策支持系统（PROMETHEE GDSS）的计算。然后将DMT净流向量放入全局决策矩阵中，重复Step1~Step5。通过去模糊化给备选方案优先级进行排序，LR三角模糊数去模糊化如式（18）。

3 案例分析

大豆是我国开放最早、进口量最大、市场化程度最高、与国际接轨最彻底的大宗农产品。2018年以来，中美贸易摩擦不断升级，大豆成为焦点之一。2020年以来全球疫情扰动引起大豆供应中断、交货期延迟、质量安全等一系列供应链安全与危机。面对国际政治经济形势和疫情的巨大不确定性，中国必须掌握在大豆国际贸易中的主动权，推动进口来源地多元化。除了巴西、美国、阿根廷这些传统的出口大国，需增加俄罗斯、乌克兰以及非洲等“一带一路”沿线国家的进口，确保大豆供应链安全。本案例选择大豆供应链1：巴西；大豆供应链2：美国；大豆供应链3：阿根廷；大豆供应链4：俄罗斯；大豆供应链5：乌克兰等5条大豆供应链的安全风险进行评价，采用上述F-PROMETHEE GDSS方法与操作流程评估大豆供应链安全。

3.1 第一阶段：DMT形成和数据收集

Step1：初步形成两个DMT，均由供应链安全领域的三个专家组成。由于DMT成员不在同一地点，因此设置决策协调人及建立视频通信协调各DMT及专家意见。

Step2：为评估大豆供应链安全，选择大豆供应链1：巴西；大豆供应链2：美国；大豆供应链3：阿根廷；大豆供应链4：俄罗斯；大豆供应链5：乌克兰等5条大豆供应链的安全风险进行评价。

Step3：定义供应链安全评估的准则和指标，通过视频会议完成第一次结构化问卷。要求受访者通过使用“不重要（1~3）”，“有点重要（4,5）”，“重要（6,7）”和“非常重要（8,9）”等重要性的比较标度，完成因素之间成对比较的量化判断矩阵，最终选择平均得分7之上的5个准则、14个子准则及29个指标，大豆供应链安全准则及指标体系如表4所示。

表4 大豆供应链安全的评估准则及指标体系

3.2 第二阶段：F-AHP计算

Step4：定义F-AHP层次结构，构造大豆供应链安全的层次分析模型，如图2所示。图2说明大豆供应链安全的关键风险点并非来自供应链内部，供应链外部风险（C）、供应链节点之间风险（C）成为大豆供应链安全的关键风险识别点。

图2 大豆供应链安全风险评估的决策层次

Step5：通过F-AHP分配准则和子准则的权重。为此，决策协调人制定模糊语言选项和调查问卷。基于DMT的问卷结果，根据模糊隶属函数给定准则和子准则的模糊权重，通过DMT意见获得三角形模糊数D。采用区间分析法（EAM）确定主要准则和子准则的权重向量。

3.3 第三阶段：F-PROMETHEE GDSS计算

Step6：确定各个准则偏好函数和参数。基于DMT所定义准则的偏好函数和阈值，通过Delphi法确定其偏好功能，给定无差异阈值q等于零，偏好阈值p的值等于0.80，以反映偏好函数对决策过程的影响。低于0.80的p值说明贡献较少。视频会议之后，最终确定评估准则的偏好函数、参数及其对应的阈值。

Step7：通过每个DMT的PROMETHEE矩阵进行优先级排序。依据表2中准则和模糊语言量表评估上述5条大豆供应链安全。DMT和DMT所计算的正排序流（φ）和负排序流（φ）分别显示在表5和表6中。表5说明DMT所评估的大豆供应链安全排序流得分依次为：Sup≻Sup≻Sup≻Sup≻Sup，即俄罗斯、巴西、美国、阿根廷、乌克兰。表6说明DMT所评估的大豆供应链安全排序流得分依次为：Sup≻Sup≻Sup≻Sup≻Sup，即俄罗斯、巴西、乌克兰、美国、阿根廷，两个DMT对5条大豆供应链安全评估和排名提出了不同的关注和意见。但DMT、DMT都认为大豆供应链4，即俄罗斯的大豆供应链最安全。

表5 DMT1对大豆供应链安全评估的正排序流和负排序流

表6 DMT2对大豆供应链安全评估的正排序流和负排序流

Step8：运用MS Excel计算F-PROMETHEE GDSS，通过去模糊化完成大豆供应链安全的优先级排序。各个F-PROMETHEE矩阵的净流向量集成到群决策矩阵，协调人收集DMT相关信息，包括偏好函数类型（偏好中性），阈值水平（q=0,p=0.8）和权重（每组DMT设定为0.5）。用于全局排序的正排序流（φ）、负排序流（φ）和净流量（φ ）的值如表7所示。

表7所示的大豆供应链安全的全局排序流量来看，净流量0.241的大豆供应链4被评估为最安全供应链，即供应链安全级别最高。所评估的5条大豆供应链安全级别排序为：Sup≻Sup≻Sup≻Sup≻Sup，即俄罗斯、阿根廷、美国、乌克兰、巴西。大豆供应链安全优先级排序结果可能与其他机构评估结果存在差异，采用两组DMT评估大豆供应链安全的结果却截然不同。根据结果，最后两个大豆供应链显示相对较低的安全性能。因此，高管人员可立即排除这两个大豆供应链，并考虑用新的供应链替换。通过改变子准则的权重进行敏感性分析，发现准则权重在一定区间内变化对大豆供应链安全优先级排名影响不大，模糊群决策支持系统对大豆供应链安全的评估具有鲁棒性。

表7 大豆供应链安全的全局排序流量

4 结论与展望

为更好应对粮食供应链安全的模糊决策问题，本文集成模糊集理论、模糊层次分析法及模糊偏阶群决策法等，提出F-PROMETHEE GDSS的方法，通过一个大豆供应链安全评估案例验证该方法的可行性与适用性。所提出的模糊群决策过程是在短时间内通过视频会议进行，每组DMT可快速表达偏好和评价，通过粮食供应链安全排名进行评估决策，可为相关部门对未来粮食风险变化的趋势和粮食供应链安全风险的严重程度进行科学判断。研究结论与展望如下：（1）F-PROMETHEE GDSS方法能够将群决策过程分解为可管理的步骤，通过交互式辅助给每个评价准则设置偏好函数和阈值，将所有DMT的净流向量放入全局决策矩阵中，并整合决策结果以获得粮食供应链安全目标一致的解决方案，模糊群决策过程被证明是可行的。已有研究表明，模糊群决策很少采用交互式辅助，针对结构化问题，因其体系结构更为开放，有利于网络环境中多种决策的协同。DMT从不同的角度给出若干个相互之间很难进行绝对比较的决策结果。而本研究将交互式辅助方法纳入模糊群决策，决策者可结合自己的价值观、偏好、经验和知识的渊博程度等从中作出选择，以达到决策结果的最优化。（2）F-PROMETHEE GDSS方法充分考虑粮食供应链安全风险评估中的复杂性和不确定性因素，决策协调员在两组DMT之间发挥了关键的沟通作用，确保了模糊群决策过程的质量。案例分析表明，大豆供应链安全的优先级排名较为稳定，具有较好的鲁棒性。已有研究表明，模糊群决策过程耗时较长且缺乏鲁棒性，而本研究通过视频会议可迅速得到决策结果，可实现即时性的信息交流，有利于粮食供应链安全评估决策工作准确性的提升。（3）本研究仅以我国大豆供应链安全风险评估为案例对F-PROMETHEE GDSS方法进行实证检验，该方法的适用性还有待进一步验证，未来可扩大到农业及粮食产业链层面，以增强F-PROMETHEE GDSS方法的普适性。同时伴随全球疫情、国际格局、新贸易环境以及他国政府干预、国际合同恶意违约等风险，如何引导和扶持粮食供应链各环节主体建立大数据信息驱动的商业模型，提升国际信息获取和预判能力，强化对粮食供应链安全风险的研判和防范等问题将是今后研究的重点。