韧性-可持续供应链绩效测度的改进FAHP与扩展二型语言DEMATEL综合赋权方法研究

《ADVANCED ENGINEERING INFORMATICS》：A novel decision support framework for unveiling critical determinants in resilient–sustainable supply chain performance measurement

　　

研究人员提出一种融合改进模糊层次分析法(improved Fuzzy Analytic Hierarchy Process, improved FAHP)与扩展二型语言决策试验与评价实验室法(extended Two-Tuple Linguistic Decision Making Trial and Evaluation Laboratory, extended 2TL-DEMATEL)的综合赋权框架，用于韧性—可持续供应链(Resilient–Sustainable Supply Chain, RSSC)绩效评价指标的关键性识别与权重确定。传统FAHP无法充分处理专家判断的不确定性与一致性偏差，且常规DEMATEL仅依据中心度分配权重而忽视指标固有重要性及指标间相似性。该方法首先引入专家可信度反馈调整机制构建改进FAHP以获取指标基础权重(Quotiety Qi)；继而采用2TL表达专家对指标间相互影响程度的语义评价并聚合为群初始直接影响矩阵，经归一化求取综合影响矩阵(Total Relation Matrix T = limk→∞(Z+Z2+?+Zk))，计算影响度(fi)、被影响度(ej)、中心度(Mi=fi+ei)与原因度(Ni=fi?ei)，并通过加权中心度(Ji=Qi·Mi)耦合基础权重与网络关联强度，最终线性集成加权中心度与指标相似度得到综合影响度(Comprehensive Influence Degree, CIDi=θ·Ji+(1?θ)·Avg(Simij))，归一化后作为最终指标权重。以某电子制造企业RSSC为案例验证表明，该模型可有效区分关键绩效指标并克服传统方法低估高关联强影响指标的缺陷，提升供应链绩效评估的科学性。

本文发表于《ADVANCED ENGINEERING INFORMATICS》，针对韧性—可持续供应链(Resilient–Sustainable Supply Chain, RSSC)绩效评价中传统方法难以处理专家判断模糊性、忽略指标间复杂因果关联且仅依中心度(Centrality)赋权导致关键指标重要性被低估的问题，研究人员构建了融合改进模糊层次分析法(improved Fuzzy Analytic Hierarchy Process, improved FAHP)与扩展二型语言决策试验与评价实验室法(extended Two-Tuple Linguistic Decision Making Trial and Evaluation Laboratory, extended 2TL-DEMATEL)的综合赋权模型，并以重庆某大型电子制造企业为实证对象开展案例研究。结果表明：所提方法通过引入专家权重反馈修正机制与加权中心度(Weighted Centrality, J_i=Q_i·M_i)概念，并将指标相似性(Metric Similarity)纳入综合影响度(Comprehensive Influence Degree, CID)计算，能够更科学反映RSSC绩效指标的内在重要性与相互影响关系，识别出Process optimization(流程优化)、Risk management(风险管理)、Intelligence & visualization degree(智能可视化程度)等为关键指标，较传统DEMATEL与单独FAHP更具判别力与稳健性，为RSSC绩效管理提供了量化决策工具。

主要关键技术方法：研究人员邀请4名电子制造供应链与可持续发展领域专家，采用模糊参考标度进行维度层与指标层两两比较，依据专家判断一致性计算个体专家权重(Expert Weight λ^*)并对初始判断矩阵作反馈调整(Feedback Adjustment Mechanism)得改进FAHP(improved FAHP)调整后群判断矩阵，求解特征向量得各维度与指标的基础权重Q_i；采用五档语言变量(No Influence/Very Low/Low/High/Very High)由多位专家评价17项指标间直接影响关系，转为二型语言变量(Two-Tuple Linguistic, (s_α, β))并经TWA算子聚合为群初始直接影响矩阵(Initial Direct-Influence Matrix, DIM)，按T = (I?Z)^?1?I求综合影响矩阵(Total-Relation Matrix T)，计算行和与列和得影响度f_i、被影响度e_j，进而得中心度M_i=f_i+e_i、原因度N_i=f_i?e_i，构造加权中心度J_i=Q_i·M_i，设定平衡系数θ=0.5线性融合指标平均相似度得CID_i，归一化后获最终综合权重并排序。

研究结果：

4.1 构建绩效评价指标体系(Construction of the performance measurement metric system)

研究人员经文献梳理与专家头脑风暴，从韧性(Resilience, B₁：Flexibility协调性C₁、Coordination协调C₂、Emergency management capability应急管理能力C₃、Intelligence & visualization degree智能与可视化程度C₄)、经济(Economic, B₂：Logistics integration物流整合C₅、Process optimization流程优化C₆、Risk management风险管理C₇、Profitability盈利能力C₈)、环境(Environmental, B₃：Product life cycle产品生命周期C₉、Waste management废弃物管理C₁₀、Energy consumption能耗C₁₁、Environmental compliance & impact环境合规与影响C₁₂、Innovation & green technology绿色创新技术C₁₃)、社会(Social, B₄：Corporate social responsibility企业社会责任C₁₄、Transparency & communication透明度与沟通C₁₅、Organizational culture组织文化C₁₆、Employee well-being员工福祉C₁₇)四个维度建立含17项指标的RSSC绩效测度指标体系。

4.2 利用改进FAHP确定指标基础权重(Determine the fundamental weights of metrics using improved FAHP)

研究人员以模糊参考标度采集四位专家对目标层及各维度内指标的两两比较判断，按式(4)(5)计算各专家一致性偏离度得专家权重λ^*₁=0.2496、λ^*₂=0.2600、λ^*₃=0.2449、λ^*₄=0.2454，据此反馈调整初始判断矩阵得调整后群判断矩阵O^*、B₁^*～B₄^*，经一致性检验(Compatibility Index CI均<0.1)确认有效，解特征向量得维度权重：Resilience 0.2691、Economic 0.2954、Environmental 0.2269、Social 0.2086；指标全局权重最高为Risk management(C₇, 0.0782)、Profitability(C₈, 0.0837)、Intelligence & visualization degree(C₄, 0.0746)、Emergency management capability(C₃, 0.0729)。

4.3 利用扩展2TL-DEMATEL确定指标关联权重(Determine the correlation weights of metrics using extended 2TL-DEMATEL)

研究人员将专家给出的N/VL/L/H/VH语言评价转为二型语言变量(s_α, β)，以TWA算子聚合四位专家评价得群初始直接影响矩阵，归一化后按T=(I?Z)^?1?I求综合影响矩阵，逐行求和得影响度f_i、逐列求和得被影响度e_j，中心度M_i=f_i+e_i、原因度N_i=f_i?e_i。经计算加权中心度J_i=Q_i·M_i，取θ=0.5融合指标平均相似度得CID_i并归一化为最终综合权重。排名前五的指标依次为：Process optimization(C₆)、Risk management(C₇)、Intelligence & visualization degree(C₄)、Emergency management capability(C₃)、Coordination(C₂)。中心度为正者皆属原因因素(Cause Member, f_i>e_j)，表明其对其他指标具驱动作用；负者属结果因素(Effect Member)。

讨论与结论：

研究人员指出传统DEMATEL仅凭中心度M_i赋权会弱化具高基础重要性但关联度中等的指标，且忽略指标相似性导致冗余相关指标被高估。所提改进FAHP-2TL-DEMATEL模型中，(1)改进FAHP通过专家权重反馈修正缓解个体判断偏倚，提高基础权重Q_i可靠性；(2)引入加权中心度J_i=Q_i·M_i将主观重要性融入网络关联分析，纠正传统中心度法的系统性低估；(3)CID_i中θ·J_i项捕捉因果驱动强度，(1?θ)·Avg(Sim_ij)项约束相似性偏差，二者线性集成兼顾指标本征价值与结构关联性。灵敏度分析显示θ在[0,1]区间变动不改变Top关键指标排序，证明模型鲁棒性。实证得出Process optimization、Risk management与Intelligence & visualization degree为RSSC绩效最关键驱动要素。该综合赋权框架可推广至其他具复杂关联的多属性群决策(Multi-Attribute Group Decision Making, MAGDM)场景，为可持续供应链管理与工程信息学提供量化方法论支撑。