供应链动态能力、可见性与Industry4.0技术的交互作用：制药制造企业供应链韧性视角

《The Asian Journal of Shipping and Logistics》：Examining the interplay between organizational dynamic capabilities, visibility and Industry4.0 technologies: A supply chain resilience perspective for pharmaceutical manufacturing firms

　　

制造业贡献全球GDP的16%，并在经济增长、就业创造和技术创新中发挥显著作用。基于动态能力与信息处理理论（Dynamic Capability and Information Processing theories）作为指导性理论框架，本研究考察在应用Industry4.0（I4.0）技术能力情境下，供应链动态能力（Supply Chain Dynamic Capabilities, SCDCs）对制药制造企业韧性（Supply Chain Resilience, SCR）的影响。就此而言，数据采集自Census of Manufacturing Industries（CMI）所列制药制造企业的458名受访者，随后使用SmartPLS分析模型变量之间的关系。研究结果显示，SCDCs、I4.0、供应链可见性（Supply Chain Visibility, SCV）与SCR之间存在正向关系。此外，I4.0和SCV正向中介SCDCs与SCR之间的关系。从理论上看，该研究成功识别了一些关键组织前因，其作为构建韧性供应链的重要驱动因素。此外，该研究提供了一个经实证验证的SCR框架，旨在增强供应链运营的稳健性。从实践层面看，鉴于制药制造企业长期致力于在突发供应链中断后提升其供应链韧性，该研究因而提供了一些实践建议和政策启示，说明这些企业如何采用新兴技术并扩充其既有动态能力池，以实现韧性供应链并进而获得竞争优势。

研究背景与问题：制造业约占全球GDP的16%，对经济增长、就业创造和技术创新具有重要作用；COVID-19等冲击暴露了全球生产网络在原材料供应、物流和制造产出方面的脆弱性，推动冗余、近岸外包、多源采购和数字供应链可见性等韧性导向模式。Industry4.0（I4.0）以自动化、人工智能、物联网（Internet of Things, IoT）和大数据分析等重构传统制造流程，供应链韧性（Supply Chain Resilience, SCR）成为波动、不确定、复杂和模糊（VUCA）环境下企业预判、承受和恢复中断的核心能力。既有研究识别了部分支持SCR的组织前因，但对这些前因在企业内部如何演化、数字技术尤其是I4.0如何影响制造企业供应链动态能力仍缺乏充分解释；巴基斯坦等发展中经济体还面临劳动力技能缺口、基础设施约束和监管效率问题。为此，研究人员基于动态能力理论（Dynamic Capability Theory, DCT）与组织信息处理理论（Organizational Information Processing Theory, OICT），检验供应链动态能力（Supply Chain Dynamic Capabilities, SCDCs）在I4.0技术能力作用下对制药制造企业SCR的影响。研究人员以巴基斯坦Census of Manufacturing Industries（CMI）列名制药制造企业为对象开展定量研究，发现SCDCs、I4.0、供应链可见性（Supply Chain Visibility, SCV）与SCR存在正向关系，I4.0和SCV正向中介SCDCs与SCR关系；该研究提供了经实证验证的SCR框架，对制药企业采用新兴技术、扩充动态能力以获取竞争优势具有理论与实践意义。

方法上，研究采用演绎式定量调查，以巴基斯坦制药制造企业为目标总体，样本框为CMI列名企业；受访者为高级、中级和低级管理者。共回收485份，剔除27份不完整问卷，保留458份有效样本。问卷采用既有量表：SCR含准备、响应、恢复三维度；SCV含供应、需求、市场可见性三维度；SCDCs为15项；I4.0含物联网（IoT）、区块链技术（Blockchain Technology, BT）和机器学习（Machine Learning, ML）各6项。数据分析采用SmartPLS的偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM），并行bootstrapping与重要性—表现图分析（Importance-Performance Map Analysis, IPMA）。

研究结果：
4.1 测量模型评估：通过PLS-SEM测量模型检验因子载荷、内部一致性、收敛效度、区分效度与共同方法偏差，以确认测量模型质量。
4.1.1 构念信度：因子载荷均大于0.708，Cronbach’s α、rho_A和组合信度（Composite Reliability, CR）处于可接受范围，表明构念信度良好。
4.1.2 构念效度：平均方差抽取量（Average Variance Extracted, AVE）均大于0.5，异质-单质比率（Heterotrait-Monotrait ratio, HTMT）均低于0.85，Fornell-Larcker准则与交叉载荷结果支持区分效度。
4.1.3 共同方法偏差：内模型与外模型方差膨胀因子（Variance Inflation Factor, VIF）均满足阈值，未发现共同方法偏差（Common Method Bias, CMB）问题。
4.2 结构模型：以R²、f²、Q²评估解释力、效应量和预测相关性，结果显示SCDCs对SCV与SCR具有显著影响。
4.2.1 假设检验结果：H_1a SCDCs→I4.0（β=0.002，p=0.022）、H_1b I4.0→SCR（β=0.057，p=0.000）、H_2a SCDCs→SCV（β=0.002，p=0.002）、H_2b SCV→SCR（β=0.048，p=0.000）、H₃ SCDCs→SCR（β=0.046，p=0.000）、H₄ I4.0→SCV（β=0.002，p=0.001）均获支持；中介H₁（SCDCs→I4.0→SCR，p=0.000）、H₂（SCDCs→SCV→SCR，p=0.002）与H_5b（I4.0→SCV→SCR，p=0.001）获支持；H_5a（SCDCs→I4.0→SCV，p=0.122）、H₅（SCDCs→I4.0→SCV→SCR，p=0.116）、H₆（I4.0×SCDCs→SCR，β=0.047，p=0.206）与H₇（SCV×SCDCs→SCR，β=0.039，p=0.154）未获支持。
4.3 重要性—表现图分析（IPMA）：通过IPMA识别关键构念，需求可见性（Demand Visibility, DV）与供应可见性（Supply Visibility, SV）表现较好，技术能力（Technology Capabilities, TC）表现较低；所有构念对SCR均重要，ML和转型能力（Transformation Capabilities, TR）对SCR贡献显著，I4.0作为独立变量具有较高重要性和表现，是关键驱动因素。

讨论部分总结：讨论以DCT为主线，认为SCDCs（流程、技术、组织与转型能力）能提升SCR，使企业在中断中重配资源并维持生存；I4.0不是单一技术转移，而是覆盖业务运营的多面数字化转型，SCDCs是其关键使能因素；I4.0正向影响SCR，并作为SCDCs形成韧性的机制。与预期相反，I4.0在SCDCs与SCV之间的中介不显著，说明数字技术采用本身不保证可见性，需有效数据集成与系统互操作；SCV与SCDCs交互、I4.0与SCDCs交互均不显著，表明技术拥有须与战略框架、流程再造和资源管理整合，才能转化为韧性。理论贡献在于整合SCDCs、I4.0、SCV与SCR框架，将I4.0由技术采用提升为韧性使能机制，强调制药企业应将数字工具正式嵌入资源管理与战略决策，并整合DCT与OICT。实践上强调动态能力是竞争优势前提，智能制造转型需资源重配、系统互操作、实时数据共享、监测与预测能力；所提框架可作为战略路线图，管理者不应将I4.0视为孤立技术干预。局限为仅聚焦巴基斯坦制药制造业，向其他行业和发达国家企业推广有限，未来应纳入地缘政治、全球化和动态市场因素。

研究结论翻译：本研究考察制造企业如何优化利用其内部技术能力与动态能力，以实现稳健且有韧性的供应链运营。结果还表明，Industry4.0在进一步增强制药制造企业既有能力以获得竞争优势方面具有条件性作用。因此，若制药制造企业欲规避供应链运营中的不确定性，并在突发全球中断期间保持韧性，则需提升其供应链可见性，并通过将Industry4.0作为稳健性和竞争成功的重要驱动因素来增强其动态能力有效性。