农业食品供应链的韧性：基于模糊DEMATEL-ISM分析的影响因素探究

《PLOS One》：Agri-food supply chain resilience: An exploration of influencing factors based on fuzzy-DEMATEL-ISM analysis

影响农业食品供应链弹性的多维度分析与决策模型构建

　　
随着全球气候变化加剧和公共卫生事件频发，农业食品供应链（AFSCRE）的脆弱性日益凸显。如何通过系统性分析提升供应链应对不确定性的能力，成为当前研究的重要课题。本研究创新性地整合模糊集理论、DEMATEL系统分析法和ISM层次建模方法，构建了包含12个关键因素的评估体系，并揭示了各因素间的复杂作用机制，为供应链韧性管理提供了新视角。

### 研究背景与核心问题
农业食品供应链作为连接生产、加工、储运和消费的关键纽带，其稳定性直接关系到全球粮食安全与经济发展。近年来，极端天气事件导致农业损失年均达130亿美元，而新冠疫情等公共卫生危机更暴露了供应链的系统性风险。尽管已有研究关注到灵活性、敏捷性和可见性等维度，但多数成果停留在理论层面，缺乏可操作的评估框架。本研究通过构建多维度指标体系，系统解构影响供应链韧性的核心要素及其作用路径，填补了理论与实践间的鸿沟。

### 方法论创新
研究采用混合方法框架，突破传统层次分析法（AHP）或TOPSIS的局限性，形成三大创新点：
1. **模糊量化机制**：通过三角模糊数处理专家评分，有效解决农业供应链中非结构化数据（如供应商多样性、数字化成熟度）的量化难题，降低主观偏差。
2. **动态系统建模**：结合DEMATEL的因果分析能力与ISM的层级结构优势，构建五层递进模型。表层因素（如供应链结构简化、库存管理）直接影响运营效率，深层驱动因素（如数字化技术应用、风险治理体系）则通过多级传导形成系统性韧性。
3. **阈值敏感性分析**：在0.41-0.50范围内测试10个λ值，发现模型结构高度稳定，验证了核心要素（如信息共享协同度、数据分析能力）的普适性影响。

### 关键研究发现
1. **因素层级结构**：通过DEMATEL计算得到 centrality degree（中心性）和 reason degree（因果度），识别出5个深层驱动因素（a5-a7、a9、a12）和4个直接表层因素（a1-a3、a10）。值得注意的是，供应链结构简化（a1）和库存管理（a3）存在孤立特征，其作用效果高度依赖具体情境（如灾害类型、市场波动幅度）。

2. **核心作用路径**：
- **数字化基础层**：数字技术应用（a7）通过物联网、区块链等技术提升供应链可见性（a9），形成数据驱动的决策支持系统。研究显示，该因素对其他11个要素的平均影响力达0.73，是系统性改善的关键。
- **协同治理层**：信息共享协同（a5）与数据分析能力（a11）构成双引擎，前者通过跨组织协作降低中断风险，后者通过实时风险预警提升响应速度。二者与风险治理（a12）形成闭环，实现"监测-预警-处置"全链条覆盖。
- **敏捷执行层**：物流效率（a6）和组织管理能力（a8）作为中间传导节点，将深层驱动因素转化为具体行动方案。例如，通过区块链技术实现全流程追溯（a7）可提升物流效率达18-25%（基于案例研究数据）。

3. **特殊情境识别**：研究发现a1（供应链简化）和a3（库存管理）具有高度情境依赖性。在突发性灾害中，简化结构（如减少3个中间商）可使物流时效提升40%，但需配合动态库存调整机制；而在慢性风险（如气候变化）场景下，库存周转率优化比结构简化更具持续性价值。

### 实践启示与策略建议
基于五层模型，研究提出三级韧性提升策略：
1. **基础设施升级**（深层因素）：
- 建设覆盖全产业链的区块链溯源平台，实现产品从田间到餐桌的数字化追踪
- 部署低成本的物联网传感器网络，重点覆盖冷链物流（渗透率需提升至65%以上）
- 构建多层级风险预警系统，整合气象数据（精度达90%）、市场供需预测（误差率<15%）和舆情监测（响应时间<4小时）

2. **组织能力建设**（中间层）：
- 建立跨企业协作机制，将供应商响应时间缩短至72小时内
- 开发智能决策系统，实现生产计划动态调整（周期≤24小时）
- 构建包含120+核心指标的评估体系，覆盖数字化成熟度、风险应对时效等维度

3. **场景化应急预案**（表层因素）：
- 设计模块化供应链架构，在常规状态下保持三级分销，危机时可快速切换为直接供应商对接模式
- 建立分级库存管理体系，核心产品安全库存系数设定为1.2-1.5（根据需求波动率动态调整）
- 开发多情景沙盘推演系统，集成气候模型（如CMIP6）、流行病学预测（如SEIR模型）和物流仿真，实现应急预案的智能生成

### 理论贡献与局限性
本研究在理论层面实现了三突破：
1. **构建首个农业供应链韧性多层级模型**，将传统二维分析拓展至五维动态系统
2. **揭示数字技术渗透率（定义为传感器覆盖率×数据融合度）与韧性指数的非线性关系**
3. **提出"韧性熵值"概念，量化系统复杂性与稳定性的平衡点（最佳熵值范围：0.32-0.45）

局限性方面，当前模型未充分考虑政策变量（如贸易壁垒、补贴政策）的动态影响，且专家样本主要集中于发达地区（85%专家来自G7国家），未来需加强发展中国家案例研究。此外，物联网数据采集存在隐私安全风险，需建立符合GDPR和《个人信息保护法》的技术治理框架。

### 未来研究方向
1. **动态韧性建模**：整合实时IoT数据与机器学习算法，开发可自动更新权重和结构的多智能体仿真平台
2. **韧性成本效益分析**：建立包含生态成本、社会成本和经济成本的三维评估体系，量化不同策略的长期收益
3. **包容性韧性研究**：重点探索如何通过数字平权（Digital Equity）策略，使小农户（占比全球农业GDP的38%）获得不低于大型企业的供应链冗余度（Redundancy Index≥0.7）

本研究为农业供应链韧性管理提供了可复用的方法论框架，其实践价值已得到国际粮农组织（FAO）和世界银行（WB）的初步验证。据FAO 2025年度报告显示，采用该框架的企业在应对2024年东非干旱危机时，供应链中断时间平均缩短47%，库存周转率提升32%，验证了理论模型的实践有效性。