基于LOPCOW-DOBI方法与可能性规划的两阶段弹性食品供应链网络决策模型研究

本研究针对全球化背景下食品供应链(FSC)的脆弱性问题，提出了一种融合多属性决策(MADM)与可能性多目标规划(PMOPM)的两阶段决策框架。通过整合LOPCOW-DOBI方法评估供应商弹性绩效，结合模糊可能性优化实现订单分配，案例验证表明高弹性供应商获得更多订单，为供应链韧性(SCR)管理提供了兼具稳定性与适应性的解决方案。

　　

全球食品供应链正面临前所未有的挑战。从COVID-19疫情暴露的断供危机，到气候变化引发的自然灾害，传统单源供应模式在动荡环境中显得尤为脆弱。尤其对于易腐食品行业，供应链中断不仅导致巨额经济损失，更直接威胁民生保障。这种背景下，如何科学评估供应商抗风险能力并优化采购策略，成为供应链管理(SCM)领域的核心难题。

印度旁遮普邦某大型食品制造企业(FMC)的案例揭示了行业痛点：尽管占据30%市场份额，但其供应链仍受制于原料价格波动、物流延误等不确定因素。现有研究多聚焦单一风险评估，缺乏将供应商弹性量化与动态资源调配相结合的系统性方案。为此，研究人员开发了创新性的两阶段决策模型框架(DMF)。

该研究首先采用LOPCOW（对数百分比变化驱动目标加权）与DOmbi Bonferroni(DOBI)融合算法，构建包含常规商业标准(NBC)和弹性支柱(RPs)的多维度评估体系。第二阶段运用可能性多目标规划(PMOPM)处理供需参数模糊性，通过ε-约束法获得帕累托最优解。关键技术包括：1) LOPCOW-DOBI加权排序；2) 模糊可能性规划处理不确定性；3) 全局准则法筛选最终方案。

Resilient supplier selection部分证实，将吸收能力、适应能力等弹性指标纳入评估体系，可显著提升供应商筛选的全面性。Proposed methodology通过案例数据验证，LOPCOW-DOBI能有效平衡成本（NBC）与抗风险能力（RPs）的权重冲突。Implications指出，高弹性供应商订单量增加15%-20%，且该模型在需求波动±25%时仍保持稳定。

Conclusion强调，该研究首次实现弹性评估与动态优化的无缝衔接：第一阶段LOPCOW-DOBI量化供应商的RPs表现，第二阶段PMOPM在模糊环境中优化资源配置。相比传统方法，两阶段模型使供应链中断风险降低40%，同时采购成本节约12%。Dragan Pamucar团队特别指出，该框架可扩展至医药等高风险行业，为后疫情时代的供应链韧性建设提供范式参考。

论文发表于《Journal of Industrial Information Integration》，其创新性体现在三方面：一是开发LOPCOW-DOBI混合加权法解决属性间非线性关系；二是建立模糊可能性目标函数处理三重不确定性；三是通过食品行业实证填补弹性供应链量化研究的空白。正如Pavan Sharma在CRediT部分所述，该研究为跨国企业应对"黑天鹅"事件提供了可量化的决策工具。