基于熵权-TOPSIS法的生鲜农产品供应链韧性能力测度

郝 丽，裴雪莹

（西安财经大学 管理学院，陕西 西安 710100）

0 引言

近年来，全国各地突发事件频发，尤其是2018年中美贸易战、2019 年末全球爆发新型冠状病毒以及2021年全球极端天气增多等事件对生鲜农产品供应链的安全问题冲击极大，增加了生鲜农产品供应链的不确定性和安全性问题。截止2020年我国生鲜农产品总量已经达到12亿多吨，供应量巨大的同时居民消费量也日益庞大，建立良好的供应链韧性能够有效地抵御突发事件的冲击。因此，如何合理提升生鲜农产品供应链韧性管理成为当下研究的重点课题。

突发事件不断出现导致生鲜农产品供应链的持续性市场环境遭受严重影响，所以生鲜农产品供应链韧性成为国内外学者的研究终点，尤其是在突发事件下如何提升生鲜农产品供应链韧性成为学者们研究的热点，主要研究方面如下：

在供应链突发事件研究方面，由于突发事件有破坏性、突发性等特点，往往对供应链内部环境造成难以估计的影响，毛阳燕，等[1]认为突发事件对供应链影响深远，在疫情发生后，世界经济受到冲击，供应链中断问题成为全球研究热点。孟翠翠，等[2]认为先前许多研究把重点放在突发事件造成供应链中断后如何恢复和调度上，从柔性角度出发，对供应链突发事件下柔性能力鲁棒性运转进行了研究。嵇雅楠[3]研究了疫情下的生鲜电商绩效提升能力，表明在一定范围内的突发事件下生鲜电商供应链的社会责任心可以提高各节点企业的绩效能力。欧阳芳，等[4]提出供应链的敏捷力会使供应链上的企业在遭遇外部不可抗拒的突发事件时保持或迅速恢复到正常运营，提高敏捷力有利于降低供应链中断时遇到的风险。MacKenzie，等[5]针对新鲜农产品污染会造成其供应链中断，生产链上的企业损失惨重的问题，建立了生鲜农产品供应链中断的数学模型，分析了变量间的关系。

在供应链韧性研究方面，刘家国，等[6]指出突发事件下供应链十分脆弱，供应链弹性可以影响供应链脆弱性，企业构建灵活的供应链弹性可以提高对不确定环境的适应能力。Hohenstein，等[7]将供应链韧性评估分为准备、响应、恢复和增长4个阶段，供应链韧性大小可以通过客户服务、市场份额和财务绩效三个关键的绩效指标衡量。Yang，等[8]指出生鲜农产品供应链上存在众多主体又包括加工、包装和运输等增值活动，但链条的连续性增加了风险发生的概率，也增加了供应链的脆弱性，运用贝叶斯网络模型对风险发生概率进行分析，并基于分析结果建议企业建立动态风险评估系统，可以预测供应链的脆弱性，并采取措施降低风险。

在韧性评价研究方面，樊雪梅，等[9]为抵御疫情打造韧性，从供应链的预测能力、适应能力、反应能力、恢复能力以及学习能力5个方面构建了供应链韧性评价指标体系；Pei，等[10]为了提高城市安全韧性水平，建立了包括灾前预防、承灾载体、突发事件以及应急管理在内的城市安全韧性评价指标体系。黄亚江，等[11]采用模糊综合评价法对地铁运营安全的韧性进行了客观评价；焦柳丹，等[12]从压力—状态—响应角度，构建了城市韧性评价指标体系，运用熵权-云模型对我国31个省份的韧性进行了评价；杨晓东，等[13]运用灰色评价方法构建城市韧性评价模型，对我国31个省份的韧性情况进行了评价。

综上所述，国内外学者大多针对供应链突发事件、生鲜农产品供应链、供应链韧性以及韧性评价进行研究，但对突发事件下生鲜农产品供应链韧性评价的研究较少。近几年在突发事件的冲击下，由于供应链韧性安全问题导致很多重大信息安全、食品安全、技术安全等领域受到重创。尤其是在生鲜农产品领域，供应链韧性能力较弱，导致出现食品价格上涨、食品安全问题频发、食品供应链中断等问题，因此，需要研究生鲜农产品供应链安全问题以提高韧性能力，面对突发事件可以更好地抵御风险。目前国内外文献对供应链韧性的研究多是定性研究，缺乏实证研究；韧性评价大多是定量评价，本文提出运用熵权-TOPSIS法进行评价，并以西安市的5个大型农贸市场的相关数据为样本进行实证分析。

1 生鲜农产品供应链韧性评价指标选取

构建评价指标体系要考虑系统性、科学性、目的性、实用性、定性与定量相结合的原则，指标构建主要参考文献[14-17]，然后根据生鲜农产品供应链的特性，增加了团队合作、信息传递准确性、信任程度、道德水平、市场知名度等三级指标。本文构建的评价指标体系包含5个一级指标、18个二级指标、34个三级指标，具体见表1。

表1 生鲜农产品供应链韧性评价指标体系

供应链韧性是一种动态能力，即在面对突发事件干扰时供应链迅速做出反应，采取行动以降低负面影响，而且在供应链系统发生形变后恢复到最初或理想状态，在此过程中能增加供应链韧性能力，供应链韧性本身具备以下四种特征：一是只有在突发事件中供应链面对干扰时韧性才发挥作用；二是面对干扰供应链能够快速感知并做出回应；三是供应链可以适应特定的环境，采取一定的行动降低负面影响；四是供应链在遭遇干扰后可以回到正常状态；五是供应链在遭遇突发事件并且在解决的过程中可以获得知识和经验。根据韧性的特征，本文研究中生鲜农产品供应链韧性划分为5个维度，分别是：

（1）预警能力。是指可以在突发事件发生之前，根据以往发生时的经验，对企业或者相关部门发出警告信号，提前部署以避免在突发事件发生时毫不知情或者没有准备，最大程度地减轻突发事件所造成的损失。通过文献梳理，将此维度的指标划分为3个二级指标，分别为安全状况能力、合作沟通能力、可视化能力。

（2）适应能力。即当系统发生变化时，通过对供应链的调整和改进以达到新的理想状态。通过文献梳理，将此维度的指标划分为4个二级指标，分别为冗余能力、柔性能力、灵活能力和采购能力。

（3）响应能力。是指供应链在面对突发事件时，能够及时响应并做出对应措施的一种能力，是供应链面对突发事件能否维持正常运转的主要因素。通过文献梳理，将此维度的指标划分为6个二级指标，分别为市场能力、物流能力、供应链设计能力、协调能力、信息共享能力和信誉能力。

（4）恢复能力。是指在受到外部环境冲击后，能够自我修复回到之前状态并且可以进行重建的能力。通过相关文献梳理，将此维度的指标划分为3个二级指标，分别为盈利能力、政府支持能力和应急备份能力。

（5）创新能力。指供应链遭遇外部环境冲击并恢复正常运转后，自身进行了反思总结、积极学习不断创新，从而提高供应链韧性的能力。通过相关文献梳理，将此维度的指标划分为学习能力和优化能力2个二级指标。

2 模型构建

2.1 方法选取

近年来国内外学者不断对供应链韧性评价进行深入研究，并且提出了完善的评价方法，表2对常用的评价方法进行了比较，本文选取指标众多，包括定性和定量指标，需要选择普适性较强并且可以对大量指标进行分析的方法，因此，选择熵值法确定指标权重，再利用TOPSIS法对样本排名进行分析。

表2 各类评价方法的优劣势比较

2.2 熵权-TOPSIS法模型构建

利用上文构建的生鲜农产品供应链韧性评价指标体系，通过引入熵权-TOPSIS方法对西安市大型农贸市场的供应链韧性能力水平进行评价，采用熵权法确定指标权重，采用TOPSIS 法（逼近理想解排序法）对数据进行归一化处理，通过计算可以得出评价对象各个指标的最优解和最劣解，并依据得出的相对贴近度对评价对象进行排序，并以此为评价依据对研究对象的风险程度进行判定。

步骤如下：第一步，对生鲜农产品供应链韧性评价指标进行相关性分析，确定指标选取的科学性和合理性。

第二步：根据西安市5个农贸市场的数据情况，在模型中构建有m个评价对象，n个评价指标的初始决策矩阵A。

现在有m个指标来评价n个方案的优劣情况，xij是指第j个方案的第i个指标值，由此可以构建出初始决策矩阵。

如果研究对象相同且指标值全部一致，则此指标在整个体系中没有任何价值，应该直接删除。

第三步：对初始矩阵进行标准化处理，得到标准化矩阵B。

标准化矩阵为：

第四步：采用熵权法计算各指标的信息熵值，令第j项指标的熵为Ej。

通常0 ≤Ej≤1，而，其中是标准化后第i个评价对象第j个指标的数值。

第五步：求指标的权重，根据上面的信息熵值Ej，计算差异性系数Gj：

第六步：计算熵权值。对Gj进行归一化处理，得到各个指标的权重θj：

式（6）中：0 ≤θj≤1，且。

第七步：构建加权规范化矩阵。因为模型中各个评价指标的重要性不同，所以要对指标数据进行加权运算后构建加权规范化矩阵，即将前面算出的熵权与标准化矩阵B相乘，公式如下：

第八步：虽然在现实生活中一般不会取到最优解和最劣解，但在研究中我们可以确定评价对象各项指标的正理想解V+和负理想解V-，其公式为：

其中，S+为效益型指标，S-为成本型指标。

第十步：计算三级指标的相对贴近度Ci，然后根据相对贴近度的大小对5个农贸市场进行排序，相对贴近度越大，则说明评价对象越优，排名越靠前，说明其生鲜农产品供应链韧性越强。

3 生鲜农产品供应链韧性能力测度的实证分析

3.1 问题描述

自从2019年新型冠状病毒突发事件在全球蔓延开来，影响持久、危害严重，面对疫情，防止生鲜农产品断链对保障城市居民的正常生活十分重要。大型农贸市场作为生鲜农产品供应链中的重要环节，对保证生鲜农产品持续流通，保障城市居民生活至关重要。西安市面对突发疫情做了充足的准备，稳定的物资供应以及合理的物资保障使得疫情防控顺利开展。

3.2 数据选取

本文以西安市的5个大型农贸市场，即西部欣桥农产品物流中心市场（A市场）、西北农副产品中心批发市场（B市场）、雨润西安农副产品全球采购中心（C市场）、西安朱雀农产品批发市场（D市场）和胡家庙蔬菜批发市场（E市场）为研究对象，对农贸市场2021年的数据进行调查分析和处理，定性指标和定量指标数据来源不同，定性指标是采用实地调查法，寻找专业人员填写调查表进行专家打分；定量指标中大部分来源于实地调查和专家访谈法，其余的数据来自2021年《陕西统计年鉴》以及当地农贸市场企业网上公布数据。

3.3 相关性分析

制作调查问卷，对本文选取的34 个指标进行检测，发给100位专家，包括熟悉生鲜农产品供应链的管理人员70人，研究供应链方向的专家学者30人，收回有效问卷86份，有效收回率达到86%。总体信度数值为0.885，大于0.7，表示总样本数据信度较高，具体见表3。

表3 可靠性统计分析

接着进行效度分析，KMO系数的值为0.71，大于0.7，较为接近1，说明问卷调查的效度结构良好，巴特利特球形检验的显著性为0.000，小于0.05，见表4。

表4 KMO和巴特利特检验

由表3和表4可知，问卷调查的数据信度和效度都良好，表明选取的生鲜农产品供应链韧性评价指标适合本文的研究。

3.4 单项指标评价

按照本文熵权-TOPSIS法的具体步骤，分析西安市5个大型农贸市场的生鲜农产品供应链韧性在预警能力、适应能力、响应能力、恢复能力以及创新能力5个维度的评价结果，Ci表示相对贴近度，具体数值见表5。

表5 生鲜农产品供应链韧性单项指标评价结果

对于预警能力指标，经过分析可得风险管理水平指标的权重在其4个三级指标中排第一，说明三级指标风险管理水平在预警能力中比较重要，衡量着一个市场是否有足够的能力应对突发事件。从表5的相对贴近度排名中可以看出，在预警能力一级指标中，A市场排名第一，甚至远超其他4个大型农贸市场，因为A市场的规模、资金投入、合作供应商人数等都远超其他4个市场，因此在预警能力中A市场有绝对的优势，也表明在突发事件下A市场的生鲜农产品供应链韧性单项预警能力优于其他市场。

对于适应能力指标，经过分析可得安全库存量指标的权重在其4个三级指标中排第一，说明三级指标安全库存量在适应能力中比较重要，在突发事件下安全库存量可以帮助市场抵御许多不确定的因素，可以保障西安市居民的生活。从表5 的相对贴近度排名中可以看出，在适应能力一级指标中，A 市场排名第一，远超其他4个大型农贸市场，说明在突发事件下A市场的生鲜农产品供应链韧性单项适应能力优于其他市场。

对于响应能力指标，经过分析可得在响应能力中三级指标较多，市场从业人员、市场份额、市场规模大小、投资额、信息流通速度这五个指标的权重靠前，说明在突发事件下这五个指标能反映响应能力的程度。由表5相对贴近度及排名可知，在响应能力中A市场依旧排名第一，说明在突发事件下A市场的生鲜农产品供应链韧性单项响应能力优于其他市场。

对于恢复能力指标，经过分析可得利润增长率、营业利润率、营业增长率这三个指标的权重靠前，说明在突发事件下这三个指标能反映恢复能力的程度。由表5相对贴近度及排名可知，在恢复能力中A市场仍然排名第一。每一次遭受突发事件后，都会对原有农贸市场的人、财、物等方面造成很大的影响，因此恢复能力十分重要，由于在5个市场中，A市场原本就比其他四个市场能力突出，因此恢复能力也要更快更好，充分表明在突发事件下A市场的生鲜农产品供应链韧性单项恢复能力优于其他市场。

对于创新能力指标，经过分析可得知识管理水平的权重比较大，说明突发事件下创新能力阶段的三级指标知识管理水平比较重要，提升创新能力可以有效地应对下次突发事件的发生，而知识管理水平就在理论知识层面起着决定性的作用。在表5相对贴近度及排名中，创新能力中A市场以很高的分数排名第一，说明在突发事件发生后，A市场总是最快反应然后积极应对，在知识管理、信息技术和基础设施的建设中优于其他市场，充分表明在突发事件下A市场的生鲜农产品供应链韧性单项创新能力优于其他市场。

本文参考林鹏，等[18]的研究对物流产业升级能力结果进行分类，根据相对贴近度的分数，划分为三个等级，优势发展类别是大于等于0.40的数值，中等发展类别是处于0.25到0.40之间的数值，一般类别是小于0.25的数值。根据上述各个大型农贸市场生鲜农产品供应链韧性能力相对贴近度得分情况，从预警能力、适应能力、响应能力、恢复能力、创新能力5个一级指标，对5个大型农贸市场进行分类，分类结果见表6。

表6 生鲜农产品供应链韧性单项指标分类结果

在预警能力中，属于优势发展的是A 市场、B 市场、C市场，中等发展的是D市场，一般发展的是E市场；在适应能力中，属于优势发展的是A市场，没有处于中等发展状态下的市场，属于一般发展状态下的是B市场、C市场、D市场以及E市场；在响应能力中，属于优势发展的是A市场、C市场，没有处于中等发展状态下的市场，属于一般发展的是B市场、D市场和E市场；在恢复能力中，属于优势发展的是A市场，属于中等发展的是C市场，属于一般发展的是B市场、D市场和E市场；在创新能力中，属于优势发展的是A市场，属于中等发展的是C市场，属于一般发展的是B市场、D市场和E市场。

3.5 综合指标评价

对西安市的5 个大型农贸市场进行综合指标评价，为说明熵权-TOPSIS法在生鲜农产品供应链韧性评价中的可行性，分析结果见表7。

表7 生鲜农产品供应链韧性综合指标评价结果

根据表7的生鲜农产品供应链韧性综合指标评价结果，A市场的相对接近度Ci最高，为0.693 8，生鲜农产品供应链韧性能力最强，综合排名第一；C市场、B市场以及E 市场的相对接近度Ci分别为0.362 3、0.201 7 和0.161 0，生鲜农产品供应链韧性能力发展逐渐降低；D 市场的相对接近度Ci最低为0.089 2，其生鲜农产品供应链韧性能力是5 个评价对象中最弱的。

由表8分类结果可以看出，同一个城市中农贸市场的生鲜农产品供应链韧性能力存在较大差距，属于优势发展的是A市场，综合韧性能力强，属于中等发展的是C市场，生鲜农产品供应链韧性能力有一定的提升空间，但比A市场相对缺乏竞争优势；属于一般发展的是B市场、D市场和E市场，生鲜农产品供应链韧性能力发展较弱，需要不断提升和发展。

表8 5个市场生鲜农产品供应链韧性分类结果

4 结语

从生鲜农产品行业看，目前的生鲜农产品供应链发展水平低下、缓慢，物流基础设施滞后、技术水平不高等问题层出不穷，供应链各个节点面对突发事件没有充足的反应和应对能力，因此，本文构建了生鲜农产品供应链韧性评价指标体系，更好地从不同的方面深入研究，有助于供应链上各个节点成员全面地认识到突发事件下生鲜农产品供应链韧性水平现状。本文构建了基于熵权-TOPSIS 法的生鲜农产品供应链韧性能力评价模型，以西安市5个大型农贸市场（A市场、B市场、C市场、D市场和E市场）的相关数据作为样本进行了实证分析，研究结果表明：5个大型农贸市场的生鲜农产品供应链韧性能力具有明显的不均衡性，差距较大，A市场的生鲜农产品供应链韧性能力最优，B市场、C市场、D市场和E市场的生鲜农产品供应链韧性能力相对不足。

基于研究结果，可以从以下几个方面提升生鲜农产品供应链韧性能力：一是在生鲜农产品供应链环节制定标准和规范；二是加强管理人员综合管理意识，政府辅助市场改革；三是完善农贸市场突发事件响应预警机制，增加生鲜农产品供应链柔性。