面向生命周期导向供应链战略的混合模糊大语言模型决策支持系统

《Expert Systems with Applications》：A Hybrid Fuzzy-LLM Decision Support System for Lifecycle-Oriented Supply-Chain Strategy

　　

一个包含27条规则的零阶 Sugeno 引擎提供了可审计的供应链优先级。冻结证据将决策权与模型无关的大语言模型叙述分离开来。五个受控场景测试了生命周期和制造配置的影响。蒙特卡洛模拟与三种多准则决策分析比较方法量化了稳健性与收敛性。十五位专家支持了规则结构，同时也揭示了校准的局限性。

引言

供应链战略暴露出两个具体的决策支持缺口。第一个是转换缺口，即当需要提升具有韧性的履行能力等目标时，必须将其转化为针对特定配置的流程、关键绩效指标（KPI）和韧性优先级。第二个是可解释性缺口，即在向管理者传达可辩护的排名时，不得掩盖产生该排名的假设和规则激活情况。这两个缺口会随生命周期阶段而发生变化：在早期开发阶段，供应商参与可能占主导地位；而在运营阶段，履行、质量、安全和连续性则变得更加突出。因此，一个有用的决策支持系统（DSS）必须对部分管理判断进行形式化，保留每个优先级的来源，并在沟通结果时，不把数值决策权委托给不透明的文本生成器（Arnott, Pervan, 2007, Arnott, Pervan, 2014a, Baryannis, Dani, Validi, Antoniou, 2018, Teniwut, Hasyim, 2020）。

这些要求超出了单纯产出一个最优值或一个通用排名列表的范围。供应链是由服务、成本、时间、灵活性、质量、环境绩效、韧性和利益相关者期望相互交织的网络化社会技术系统。数字化转型可以在此类网络中拓展价值共创，而供应链数字化也会影响组织学习和技术创新（Gao, Yuan, 2026, Hu, Ai, Wang, 2026）。因此，决策模型必须区分战略相关性与实际观察到的运营绩效，并明确其校准假设。

大型语言模型（LLMs）可以支持自然语言交互、摘要、解释以及对话式访问分析工具（Arslan, Munawar, Riaz, Cruz, 2026, Kaleta, 2025, Tolkachenko, Samokish, Sychov, Toliupa, Gulak, Dubchak, Maistrenko, 2025）。然而，当前的锚定方法在多准则决策中仍存在重要缺口：仅靠提示词约束无法提供外部决策权；检索增强生成可以改进事实访问，但不保证数值或序数一致性；模式约束生成可以控制格式，但无法确立真实性；事后检查只能在生成之后才发现不受支持的表述。当解释必须保留并列关系、顺序、阈值和场景来源时，这些局限性尤为关键。基于 Transformer 的顺序决策模型综述展示了语言与注意力架构在决策制定中的广泛增长，但并未消除对特定领域治理的需求（Yuan et al., 2024）。在供应链场景中，大型语言模型和检索增强系统已被探索用于预测、库存规划和对话式协助（Pinto, Lagorio, Ciceri, Mangano, Zenezini, Rafele, 2024, Wi?niewski, 2025, Zhu, Vuppalapati, 2024a, Zhu, Vuppalapati, 2024b）；尚未解决的问题是：哪个组件被允许做决策。

模糊逻辑和多准则决策分析（MCDA）提供了所需的概念桥梁。当基准、战略对齐或生命周期关联无法被证明为一个清晰的边界时，模糊集可以表示渐进式的相关性；MCDA 则提供序数比较器以检查所得到的排名（Abd El-Wahed, 2008, Apostolopoulos, Groumpos, 2023, Choi, Lee, Irani, 2018, Tziolas, Papageorgiou, Apostolopoulos, Papageorgiou, 2025）。相邻的证据聚类研究同样表明，不精确性应当被显式表示，而不应过早地坍缩为单类（Xu et al., 2025）。因此，模糊引擎可以作为可审计的决策权威，而大语言模型则作为可替换的渲染组件。这种分工是结构化优先级与生成式解释之间的架构桥梁。

本文通过提出并评估一个面向生命周期供应链战略的混合模糊—LLM 决策支持系统来解决这一挑战。该系统将确定性优先级与生成式解释分离开来。一个模糊评分层将用户定义的优先级转换为针对核心流程、关键绩效指标和韧性驱动因素的可复现分数。随后，一个基于语言的解释层将这些结构化输出转化为简洁的管理者解释。大语言模型的目的不是取代决策模型，而是以决策者易于理解的形式传达基于模型的结果。

该应用语境是生命周期工程（LCE）和面向工业5.0的5S原则下的供应链战略。LCE 提供了一种生命周期视角，将决策连接在构思、开发、发布、运营和报废各阶段之间。本研究采用的5S原则指社会、可持续、感知、智能和安全；它们与精益5S不同，在此被用作负责任和智能化供应链设计的战略维度。该决策支持系统被应用于三种制造系统配置：产品转移、技术转移和设施设计，它们代表了不同层次的供应商依赖、内部能力、纵向整合和战略控制（Garetti, Taisch, 2012, Molina, Cortés, Chairez, Alfaro-Ponce, Alvarez, Trujillo de Santiago, 2024, Molina, Méndez, Medina, Gómez, Elías, Ponce, Fuentes-Aguilar, Monesinos, 2026, Molina, Ponce, Miranda, Cortés, 2021）。

本文的贡献比简单地整合模糊逻辑和大型语言模型更为具体。首先，本研究发布了一个版本化的零阶 Sugeno 规范，其中所有隶属函数、27条规则、单点结论、常数、结构适用性决策和追踪记录均可审查。其次，它引入了冻结证据契约：大语言模型不能更改优先级，所选模型会被记录，被拒绝的输出可以修复，当外部服务失败时会返回确定性的叙述。第三，它通过受控的生命周期/配置场景、隶属阈值敏感性分析、蒙特卡洛扰动、消融实验和三种收敛的多准则决策分析比较器，对相同构造进行评估。所提出的决策支持系统仍为原型，其基于文献的映射并不被呈现为专家或行业校准的事实。

因此，本研究解决以下研究问题：
1. RQ1 – 决策支持系统形式化：如何将面向生命周期的供应链战略编码为一个可审计的模糊决策支持系统，从而整合生命周期工程阶段、5S优先级、制造系统类型、核心流程、关键绩效指标和韧性驱动因素？
2. RQ2 – 确定性模型行为：在生命周期阶段、制造系统上下文、隶属阈值和5S优先级变化下，模糊优先级的稳定性与区分能力如何？
3. RQ3 – 治理性解释：在模型变化或API失败的情况下，一个模型无关的大语言模型如何忠实且可靠地将冻结的决策支持系统证据转化为自然语言解释，同时保留顺序与可追溯性？

本文其余部分组织如下。第2节回顾研究的概念基础。第3节介绍编码在决策支持系统中的供应链决策模型。第4节描述设计需求、架构、评分逻辑和评估协议。第5节报告评估结果。第6节讨论对决策支持系统研究和供应链决策支持的启示。第7节总结全文并概述未来工作。

各节片段

文献综述与概念基础

本节将研究置于决策支持系统（DSS）研究之中，并定义所提出混合模糊—LLM架构所需的概念基础。综述整合了五个方向：(i) 决策支持系统基础，(ii) 混合智能决策支持系统，(iii) 模糊多准则决策分析，(iv) 基于大语言模型的决策支持与可解释性，以及 (v) 作为应用语境的面向生命周期的供应链战略。

编码在决策支持系统中的供应链决策模型

所提出的决策支持系统需要一个结构化的领域模型，以便将供应链战略转化为可复现的决策变量。在本研究中，供应链模型定义了战略备选方案、制造系统配置、运营优先级、绩效指标和韧性驱动因素，这些内容随后被编码在模糊评分层中，并通过基于语言的解释层进行解读。因此，本节的目的不是

设计需求与混合决策支持系统架构

基于第3节提出的供应链决策模型，本节描述了所提出决策支持系统的设计需求、架构、评分逻辑、解释层和评估协议。该系统被构想为面向生命周期供应链战略的混合决策支持系统。其目的是将用户定义的战略优先级转化为可复现的决策矩阵，并基于这些矩阵生成解释。

所提出的决策支持系统不是

评估结果

本节报告了由表7所示的决策模型和模糊规则库产生的冻结结果，随后是一轮专家征询的结果。评估涉及模型行为、外部征询的模型判断以及技术治理；它不推断实际运营改善。

主要发现的解读

RQ1 通过对生命周期工程阶段、5S优先级、制造系统类型、核心流程、关键绩效指标和韧性驱动因素进行正式表示，从而得到解决。这些内容与三个模糊前件、声明的隶属函数、27条规则和可追踪分数进行版本化映射，使决策问题在计算上变得明确。专家征询为定性规则结构和有用的隶属锚点提供了有力支持，同时有限的

结论

本文提出了一个面向生命周期的供应链决策支持系统，其中声明的包含27条规则的零阶 Sugeno 引擎作为决策权威，而可选的大语言模型则作为受治理的语言渲染器。修订版明确了隶属函数、常数、单点构造、推理追踪、实验输入、扰动分布、统计检验以及比较器设置。

五个受控场景表明，固定的可持续和安全优先级会引发不同

生成式AI与AI辅助技术在稿件准备过程中的声明

在本文准备过程中，作者使用 OpenAI ChatGPT 辅助起草与语言润色。计算原型使用 OpenRouter 免费模型路由器作为可选、非权威性的解释层，并记录了每次调用所返回的底层模型。在使用这些工具后，作者根据需要对内容进行了审阅和编辑，并对文章内容承担全部责任。

CRediT 作者贡献声明

Arturo Molina：构思、方法学、监督、写作—审阅与编辑。
Juana Isabel Méndez：构思、方法学、软件、验证、形式分析、调查、数据整理、可视化、写作—原稿、写作—审阅与编辑、项目管理。
Ana L. Bárcenas-Cortés：构思、验证、写作—审阅与编辑。

利益冲突声明

作者声明不存在已知的、可能影响本文工作的竞争性经济利益或个人关系。

Arturo Molina | Juana Isabel Méndez | Ana L. Bárcenas-Cortés