基于模糊AHP和模糊TOPSIS方法的跨境電商供應鏈彈性與脆弱性匹配

賈甫 張浩 尤建新 王瑩

摘 要：文章旨在探討跨境電商企業如何平衡供應鏈彈性與脆弱性。為此，該研究提出了供應鏈彈性與脆弱性的匹配度概念，即供應鏈彈性與脆弱性的當前匹配狀況與理想匹配情形的接近程度。匹配度的量化可以有效地幫助管理者更好地管控供應鏈脆弱性，為供應鏈彈性管理制訂合理的資源配置策略。在考慮跨境電商供應鏈彈性和脆弱性的驅動因素基礎上，提出了一種基于模糊層次分析法（AHP）和模糊理想解法（TOPSIS）的匹配度評價模型。最后，文章通過實證研究說明了該模型的可操作性及其實踐意義。研究認為，跨境電商供應鏈的彈性與脆弱性應保持在合理的匹配狀態，而不是片面地追求更高的彈性或更低的脆弱性。

關 鍵 詞：跨境電子商務; 供應鏈彈性; 供應鏈的脆弱性; 模糊AHP法; 模糊TOPSIS法

一、引言

得益于互聯網技術的普及和發展，近幾年跨境電子商務（CBEC）在全球市場蓬勃發展。作為一種新的貿易模式，CBEC被定義為一種特殊的國際商務活動，由隸屬不同關稅地區的貿易實體執行，它們通過電子商務平臺進行交易和支付結算，通過跨境物流服務配送貨物[1-3]。隨著互聯網的普及和全球貿易的發展，CBEC呈現出穩定、快速發展的良好勢頭。Van Heel，et al. （2014）[4]預測，到2025年，CBEC全球市場規模將在2500億～3500億美元; 其中，中國和其他亞洲國家占40%。在中國，在政府政策的支持下，大量的電子商務企業正在推動跨境供應鏈活動，CBEC銷售額一直在高速增長。據中國海關總署統計，2018年海關查驗放行的CBEC商品進出口總額為1347億元，同比增長50%。

盡管CBEC在全球范圍內蓬勃發展，但它仍面臨一些障礙，如關稅問題、不可靠且漫長的運輸時間以及復雜且幾乎不可能的退貨流程（Van Heel，et al. 2011）。這些因素使得跨境電子商務供應鏈（CBECSC）比傳統供應鏈更加復雜。另外，影響供應鏈的自然災害（如洪水、風暴、颶風、地震和海嘯）和人為災害（如事故、貿易沖突、戰爭、罷工和破壞）正在增加[5-6]。人們普遍認為，全球供應鏈時刻遭受供應鏈中斷的影響，這也嚴重影響供應鏈效率[7-9]。由于業務的特殊性，CBECSC似乎更容易受到不斷變化的全球經濟、商業和政治環境的影響。為了保持供應鏈的連續性，CBECSC管理者需要分析影響供應鏈穩定的因素，從而提高供應鏈彈性（SCR），弱化供應鏈脆弱性（SCV）。

SCR被認為是供應鏈的一種能力，為應對供應鏈中斷做準備，并使其業務快速恢復到中斷前狀態的能力[10]。而供應鏈中斷是指“供應鏈中可能發生的意外事件，可能會影響物料和零部件的正常或預期流動”[11]。SCV可以被認為是“一個關于供應鏈某些特性的函數，而企業所遭受的損失是其供應鏈脆弱性面對供應鏈中斷的結果”[12]。

現有研究SCR和SCV的文獻[10][12-15]提供了豐富的信息，并且主要關注理論概念。一些研究[16-19]從實證角度闡述了SCR和SCV對供應鏈績效的重要性。鑒于SCR和SCV對經營活動的重大影響，CBECSC的管理者無疑都希望采取措施（如增加產品庫存、建設海外倉庫等）來盡可能地加強SCR，盡可能地減少SCV。然而，SCR的提高和SCV的降低意味著企業需要投入更多的資源來應對各種不可預測事件所帶來的干擾，以降低風險。而這種價值只有在供應鏈中斷或風險發生時才能體現出來。另外，增加SCR和減少SCV的投資可能會影響企業的財務績效。因此，考慮到CBECSC的復雜性，企業既要考慮提高SCR，又要考慮降低SCV，需要在SCR與SCV之間取得平衡，使兩者處于合理的水平，以達到最佳的績效。現有的研究[13][15-16][18]對SCR和SCV進行獨立的測量，可能無法為管理者提供足夠的信息來判斷SCR和SCV是否達到了更好的匹配狀態。厘清SCR與SCV之間的匹配狀態，有助于了解供應鏈的實際情況，進而做出資源配置的管理決策，提高供應鏈彈性，減少供應鏈脆弱性。此外，它還可以幫助企業在實施管理措施之前和之后對SCR和SCV之間的匹配情況進行評估，重新檢查匹配狀態，并隨著時間的推移進行跟蹤。本文認為，這有利于CBECSC企業在不同發展階段的業務決策。然而，目前尚無關于CBECSC的SCR與SCV匹配問題的研究，存在著研究空白。

為了填補這一空白，本文提出了以下研究問題：如何衡量CBECSC中彈性與脆弱性的匹配情況？

針對這一研究問題，建立了CBECSC的彈性與脆弱性匹配度評價分析框架。這可能是在CBECSC中首次嘗試研究SCR和SCV之間的匹配問題。

本研究的目的是提出一種在CBECSC中評估彈性與脆弱性匹配程度的方法。本文提出了供應鏈彈性與脆弱性匹配度（MDRV）的概念，它可以被定義為供應鏈彈性與脆弱性的當前匹配情況與理想匹配情況的接近程度。在本研究中，理想的匹配情況被認為是彈性最高和脆弱性最低的組合，數學表達式為（1，0）。接近度越大，匹配度越高。通過計算MDRV，還可以得到SCR和SCV的信息。這將有利于處理不確定性和風險，避免供應鏈中斷。為了量化MDRV，本研究采用模糊AHP和模糊TOPSIS法建立了評價模型。在此基礎上，對CBECSC的MDRV進行了有效的評估。這可能有助于在實踐中提高CBECSC的彈性，降低其脆弱性。

本研究的主要貢獻如下：首先，提出了供應鏈MDRV的概念。與以往側重于衡量供應鏈彈性和脆弱性的文獻[15-16]不同，這可能是第一次探索研究CBECSC中彈性和脆弱性的匹配情況。其次，本研究采用模糊AHP和模糊TOPSIS法，構建了CBECSC的MDRV評價分析框架。這為評估MDRV提供了一個有效的工具。由于資源有限，供應鏈管理應該在彈性和脆弱性之間取得平衡，而不是單方面追求彈性最高或脆弱性最低。與現有研究相比，該方法有助于組織評估自身的彈性和脆弱性，調整供應鏈管理實施過程中的資源分配，重新審視和長期跟蹤不確定環境下的MDRV水平。最后，本研究應用所提出的方法來評估中國CBECSC的MDRV。這為提高CBECSC的彈性和減少脆弱性提供了一個管理視角。

本文以下部分組織如下：第二部分對相關文獻進行了綜述。第三部分介紹了CBECSC中供應鏈彈性和脆弱性的驅動因素。第四部分描述了CBECSC的MDRV評價方法和分析步驟。第五部分為實證研究，說明了該方法的有效性。研究結論和研究的局限性見第六部分。

二、 文獻綜述

本節詳細闡述了三類相關文獻：①供應鏈彈性;②供應鏈脆弱性;③模糊AHP和模糊TOPSIS方法。

眾多學者對SCR進行了理論研究，提出了許多有價值的觀點。例如，Christopher and Rutherford（2004）[20]認為，一個彈性的供應鏈是穩健的，它也必須具有適應性。Wieland and Wallenburg（2013）[21]認為敏捷性和穩健性是彈性的兩個維度。一些研究側重于SCR的測量。Peng et al.（2011） [22]考慮設施中斷，使用混合整數規劃模型設計出可靠物流網絡。Soni et al.（2014）[17]提出了一種基于圖論的供應鏈彈性測量模型，該模型考慮彈性的主要驅動因素以及它們之間的相互關系，通過單一數值來衡量彈性。類似地，Tan et al. （2019） [23]提出了供應鏈網絡的概念模型來量化SCR的結構冗余。此外，還有一些研究關注SCR的實證研究。例如，Donadoni et al. （2018）[24]利用第六版《國際制造戰略調查》（International Manufacturing Strategy Survey）的數據，研究了產品復雜性、供應鏈中斷和性能之間的關系[24]。研究結果表明，產品復雜性增加了供應鏈中斷發生的概率。Abeysekara et al.（2019） [25]對斯里蘭卡服裝業的SCR實踐進行了調查。該研究發現供應鏈風險管理（SCRM）文化對供應鏈績效提升有正向影響，而敏捷性對企業績效和競爭優勢有顯著影響。

另一類文獻是關于供應鏈脆弱性的研究。Jüttner et al.（2003）[26]認為需要開發新的方法來跟蹤供應鏈的脆弱性。現有對SCV問題的研究存在于不同層面，如經濟、行業、供應鏈等。McKinnon（2006）[27]分析了英國經濟在國家道路貨物運輸暫時中斷情況下的脆弱性，并說明了單個企業在削弱這種脆弱性方面幾乎無能為力。該研究認為，公共決策者應該考慮這一風險源可能引起的供應鏈脆弱性，并為中斷的發生做好應急準備。在有些研究[15][28]中，研究結果均表明供應鏈中斷對不同行業的影響是不同的。此外，Wagner and Neshat（2010）[16]提出了一種度量供應鏈脆弱性的圖論方法。Wagner et al.（2009）[29]從實證角度證實了汽車行業中脆弱供應商的存在。Craighead et al.（2007）[30]和Sarker et al.（2016）[31]認為，供應商的失誤或供應鏈中斷的后果是非常嚴重的，不僅給客戶帶來巨大的損失，也對客戶的業務造成嚴重影響，如失去市場份額或處于競爭劣勢，如2000年飛利浦與愛立信的火災事故以及2015年汽車制造商與高田公司的安全氣囊事件。

綜上所述，上述文獻都有一個共識，即彈性或脆弱性在供應鏈管理中是非常重要的，應當予以重視。此外，這些供應鏈層面上的彈性和脆弱性案例表明，保持供應鏈的連續性是至關重要的。這是因為當前的市場競爭不僅僅是單個企業之間的競爭，而是供應鏈之間更直接的競爭，尤其是全球化的供應鏈，如電子產品、汽車制造等領域。SCR和SCV是供應鏈的兩個重要維度，現有研究要么關注SCR，要么聚焦SCV，但目前對兩者之間的匹配問題的研究還比較少。為了合理地配置資源，保持供應鏈的連續性，對供應鏈的MDRV進行分析，是一個值得深入研究的問題，尤其是對CBECSC而言。

為了解決上述問題，本文采用模糊AHP法和模糊TOPSIS法來構建MDRV的評價模型。這是因為這兩種方法比較適合處理專家給出的模糊意見。AHP法自20世紀70年代由Saaty提出以來，被廣泛應用于各種評估決策中[32-34]。為了更好地解決主觀評價問題，后來學者們將AHP法與模糊理論相結合，提出了模糊AHP法。模糊AHP法很快也在眾多不同的決策研究中得到了廣泛的應用[35-37]。

TOPSIS是一種多準則決策方法，它具有良好的分析邏輯，同時考慮了理想解和負理想解，在各個領域得到了廣泛應用。如Lai et al.（1994）[38]利用TOPSIS解決了Bow River Valley的水質管理問題。然而，傳統的TOPSIS有一個不足之處，即不能處理模糊評估。為了解決這一問題，Chen and Hwang（1992）[39]將模糊集理論與TOPSIS相結合，提出了模糊TOPSIS。基于這一優點，模糊TOPSIS已被證明是一個非常有用的工具，并被用于處理各種多屬性決策問題，如工廠選址[40]、武器選擇[33]、風險評估[34][41]、供應商選擇[36][42-43]。本研究將結合模糊AHP和模糊TOPSIS來評估CBECSC的MDRV。

三、 CBECSC的SCR和SCV的驅動因素

根據定義，SCR和SCV可以被認為是供應鏈中某些“驅動因素”的結果。在本研究中，“驅動因素”指的是對SCR和SCV的影響因素。通常，供應鏈的彈性和脆弱性并不能被直接觀察到，而決定彈性和脆弱性水平的驅動因素可以。Soni et al. （2014）[17]采用驅動因素來衡量SCR，Wagner and Neshat（2010）[16]采用驅動因素來衡量SCV。通過對驅動因素的評價，可以得到供應鏈的彈性和脆弱性的評分，然后再評估這兩個維度的匹配程度。

（一） SCR驅動因素

如上文所述，SCR是處理臨時供應鏈中斷[44]的能力。驅動因素涉及如何快速實現供應鏈事件準備、響應和恢復。基于現有文獻以及筆者對CBECSC的理解，本研究先歸納了7個SCR驅動因素（供應鏈敏捷性;供應鏈結構;供應鏈的可見性;信息共享;文化差異;風險和收益共享;與供應鏈合作伙伴的協作），然后邀請行業專家進行鑒別。為了更好地識別CBECSC中的SCR和SCV驅動因素，對來自4家中國CBEC企業的6名管理人員進行了調查。調查以面對面訪談的形式進行;在A企業采訪了三位經理，在B企業、C企業、D企業各對一位經理進行了訪談（具體信息如表1所示）。訪談平均時長約30分鐘。通過調查和訪談，了解了公司的歷史發展、SCR和SCV管理以及公司的整體運營和商業模式等信息。訪談協議由四部分組成：企業背景信息、SCR管理和驅動因素、SCV管理和驅動因素、供應鏈彈性與脆弱性之間的匹配。訪談內容由四部分組成：企業背景信息、SCR管理和驅動因素、SCV管理和驅動因素、供應鏈彈性與脆弱性之間的匹配。若某個驅動因素得到4位及以上的受訪者的認同，則認為該驅動因素是重要的，作為SCR和SCV的評估對象。訪談中SCR驅動因素的調查結果如表2所示。通過受訪者識別得到的4個重要的SCR驅動因素如圖1所示。

敏捷性被定義為企業在一定時期內、在不確定的環境中，快速應對變化的能力[45]。所有受訪者均認為敏捷性對CBECSC的彈性有很大幫助。在全球商業環境中，許多CBECSC企業都面臨著一些不確定性，這些不確定性使企業難以穩定地運營。這是因為它們對需求變化或供應鏈中斷的應對時間過長。供應鏈需要更高的敏捷性對不可預測的事件做出快速反應，從而在國際市場上保持競爭優勢。例如，京東作為中國領先的電子商務企業，已經在五大洲建立了110多個海外倉庫，以便快速、可靠地滿足消費者的需求[46]。來自A企業和B企業的受訪者介紹，他們的公司采用了相同的運營模式來提高SCR。因此，敏捷性是供應鏈在不斷變化和不可預測的環境中生存和恢復的關鍵。這對于CBECSC來說尤為重要。

一般來說，供應鏈可視性是指整個供應鏈的信息處理和顯示，涉及端到端訂單的所有實體和事件，包括設計、生產、庫存、運輸和配送、退貨，以及供應鏈中發生的任何事件[47]。一位來自A企業的受訪者認為，供應鏈的可見性，可以幫助企業有效地控制整個供應鏈。A企業還為CBECSC建立了可視化信息系統。Chopra and Sodhi（2004）[48]認為，需求信息可見性的提高可以降低供應鏈風險。Christopher and Lee（2004）[49]也有類似的觀點，認為增加“端到端”的可見性，不僅可以降低供應鏈風險，而且能夠提高供應鏈成員維持供應鏈連續的信心，防止過度反應。鑒于CBECSC涉及不同國家的多個參與者，提高供應鏈的可見性有助于企業對中斷或緊急情況做出快速響應。

與供應鏈的可見性一樣，信息共享對供應鏈的上游和下游也是至關重要的。為了實現信息共享，必須建立一個以核心企業為中心的信息交互社區，使供應鏈成員能夠準確、快速地交換信息。Lee et al. （1997）[50]認為信息共享可以顯著減輕供應鏈“牛鞭效應”帶來的后果。Faisal et al. （2006）[51]認為，共享信息有助于降低供應鏈中的風險。在CBECSC中，如果上下游企業之間能夠實現信息共享，那么上下游企業的決策將不再是孤立的，供應鏈可以從中斷或不可預測的事故中得以生存和恢復。

除了信息共享，風險和收益也應該在供應鏈成員之間共享。來自C企業的受訪者表示，風險和收益共享，可以提高供應鏈成員之間的合作和信任程度，從而共同應對突發變化。根據經濟人假設，供應鏈成員根據其最優收益來選擇戰略和決策。而收入總是與風險相關。因此，風險和收益共享，對于供應鏈伙伴之間的長期合作至關重要[52]。在實踐中，風險和收益共享，是對供應鏈成員的一種約束和激勵機制。供應鏈核心企業只有與上下游合作伙伴共享利益，才能在與其他供應鏈的競爭中獲得優勢[53-54]。與傳統供應鏈相比，CBECSC存在更多的風險和障礙。因此，風險與收益共享機制，有助于提高CBECSC的SCR。

（二） SCV 驅動因素

在CBECSC中，存在著提高或降低SCV的各種因素。人們普遍認為，供應鏈風險與脆弱性緊密相關[55-56]。SCV可以通過衡量供應鏈[7]中的風險來預測。基于文獻回顧和筆者對CBECSC的了解，本研究先總結了12個SCV驅動因素（質量風險;交付風險;對供應商的依賴;工人罷工;機器故障;全球物流網絡的風險;臨時的需求波動;預測誤差;對客戶的依賴;天災人禍;政治上的不穩定;匯率波動），然后再請受訪者鑒別。調查結果如表3所示，11個重要的驅動因素得到至少4名受訪者的認同。其中，關稅政策因其顯著的影響而被受訪者加入。本研究從供應鏈風險管理的角度出發，將確定的11個SCV驅動因素分為四類，即供應風險、操作風險、需求風險和環境風險。SCV驅動因素的詳細分類，如圖2所示。

供應方面的SCV驅動因素主要包括質量風險、交付風險和對供應商的依賴性。一位來自A企業的受訪者表示，質量風險應該是CBECSC管理的首要任務。質量風險是指供應商提供的材料或產品可能不符合質量要求，導致下游企業無法生產產品[34]。同樣，交貨風險意味著所提供的材料或產品可能無法按時交貨，這可能會導致供應鏈的物流延遲或中斷[57]。此外，供應商的依賴性對SCV[15]也有顯著影響。如果某些供應商不能滿足采購協議（特別是單一來源采購），將使買方陷入困境，而買方可操作的空間有限[58]。供應風險的兩個典型案例是飛利浦與愛立信[59]、博世與汽車制造商[13]。

需求方面的SCV驅動因素，主要有需求的突然波動和預測誤差[34]。出現需求突然波動的原因有很多，比如市場競爭、客戶的財務狀況、購物季節、滿足客戶要求的運輸和配送等。市場需求的突然波動，會造成供需之間的缺口，從而導致供應鏈的中斷。此外，需求方面的SCV驅動因素存在于預測客戶需求的過程中。Christopher and Peck（2004）[13]認為，大多數組織是預測驅動的，而不是需求驅動的。 B企業和D企業的受訪者指出，海外市場需求預測是基于以往的銷售情況。因此，如果他們的需求預測與實際情況相差甚遠，那么他們隨后的決策可能會擾亂供應鏈，尤其是對生命周期較短的產品，如電子產品。

CBECSC在運作過程中的SCV驅動因素包括工人罷工、機器故障和全球物流網絡的風險。工人罷工和機器故障會影響生產，這可能會導致供應鏈中斷[34]。一個案例是最近美國通用汽車工廠的罷工，導致停產40天。另一個重要的因素是全球物流網絡的風險。Singh Srai and Gregory（2008）[60]認為，SCV驅動因素源于供應鏈的分工和增值活動的全球化。來自D企業的受訪者強調，CBECSC通常涉及多個國家的多個實體，需要長途運輸。因此，它需要一個高效的全球物流網絡（包括運輸、清關、倉儲和配送）來連接這些不同的活動，以便更好地滿足消費者的需求。一旦物流網絡出現問題，就有可能擾亂整個供應鏈。

此外，CBECSC的SCV驅動因素還包括自然災害、人為災害、關稅政策、匯率波動等。這些因素可以歸類為環境風險，它們有一個共同點，即任何供應鏈都只能被動地面對災難的發生或關稅政策、匯率的變化。災害和關稅政策對SCV的影響已經在相關文獻[34][57]中討論過。所有受訪者均認為，近年來關稅政策對CBECSC的運營產生了重大影響。他們舉了一個明顯的例子，中美貿易戰導致的關稅政策的變化。對CBECSC來說，匯率波動也是SCV的重要驅動因素。例如，人民幣兌英鎊匯率的波動受到英國脫歐的影響。

四、 CBECSC的MDRV評價方法和分析步驟

本研究的重點是建立了CBECSC的MDRV的綜合評價模型。A企業的三位經理與筆者共同開發了此分析框架。本文采用模糊AHP法和模糊TOPSIS法建立了一個綜合評價模型，用以量化CBECSC的MDRV。該方法由四個步驟組成，如圖3所示。第一步，需要CBEC企業確定影響供應鏈彈性和脆弱性的驅動因素。這可以通過深入研究CBECSC的特殊性和識別潛在的風險源來實現。在本研究中，這一步已經在前文完成。第二步，根據重要性大小確定驅動因素的權重。該步驟采用模糊AHP法，根據專家的觀點確定權重。第三步，量化CBECSC的SCR和SCV，該步驟采用模糊TOPSIS法。第四步，通過計算實際匹配情況與理想匹配情況之間的距離得到MDRV，并加以分析。

（一） 模糊集

模糊集可以用于處理基于不精確和不確定信息的決策問題[61]。它是在隸屬度函數的基礎上，來表達人類自然語言中經常使用的形容詞以及生活中遇到的各種模糊或不確定的問題的程度。這樣就可以將原來用語言表示的變量值轉換成相應的模糊數。為方便計算，本研究采用三角模糊數應用模糊AHP法和模糊TOPSIS法。三角模糊數已被證明是一種解決包含不精確和主觀信息的決策問題的有效工具[37][43]。三角模糊數的一些基本定義如下[35][62-63]。

五、 實證研究

本文采用所提出的方法評估中國CBEC企業——A企業的MDRV。A企業以B2C跨境電商為核心業務，集產品研發（R&D）、采購、銷售、倉儲、物流、客戶服務、系統研發為一體，形成了多元化、一體化的經營模式。它在第三方電商平臺（如eBay、亞馬遜、阿里巴巴）和自營B2C平臺上均投入了大量資源。2016年，其年銷售額超過24億美元。為了評估A企業的MDRV，成立了一個由五名專家組成的委員會。其中3位是A企業的高級經理，即上述的受訪者。兩位是CBEC供應鏈領域的學者，同時是本研究的研究人員。這些專家的平均工作年限在十年以上，且對CBEC企業的整體運作和商業模式非常了解。

在評估環節有三個主要步驟。第一步是通過模糊AHP法對SCV和SCR的驅動因素進行權重分配。值得注意的是，SCR細分驅動因素的權重也要確定。第二步是基于模糊TOPSIS法計算SCV和SCR的得分。第三步是將這兩個分值轉換為一個匹配度系數來評估MDRV。

第一步：采用模糊AHP法對SCR和SCV的驅動因素進行權重分配。考慮到一個專家有時可能會給出錯誤的評價，在本研究中，五名專家組成的委員會被要求在全體討論后給出他們最終的語言變量。委員會以表4中的語言變量進行判斷。表5和表6給出了SCR和SCV驅動因素的兩兩比較矩陣。SCV細分驅動因素的兩兩比較矩陣如表7所示。應用表4中定義的模糊數，將語言變量轉換為相應的三角模糊數，得到各驅動因素的權重，如表8、表9、表10所示。

第二步：使用模糊TOPSIS法計算SCR和SCV的得分。對于SCR驅動因素的得分，要求委員會評估供應鏈在各驅動因素上的表現。對于SCV驅動因素的得分，則是通過測量供應鏈風險來估計其脆弱性。風險通常會導致非期望的結果[69]。量化供應鏈風險的一個被廣泛接受的公式是：風險=P （風險） ×I （風險）。其中，P （風險）指風險發生概率，I （風險）指風險發生時對供應鏈的影響[70-71]。在本研究中，風險也根據以上兩個參數來衡量。評估風險發生的概率和影響的語言變量有9個，即極低（EL），相當低（QL）、低（L）、略低（SL），中等（M），略高（SH）、高（H）、相當高（QH），極高（EH）。類似地，評估SCR驅動因素表現的語言變量也有9個，分為極差（EP），很差（QP）、差（P）、稍差（SP），中等（M），稍好（SG）、好（G）、很好（QG），極好（EG）。基于Wang，et al. 的研究[71]，上述語言變量對應的三角模糊數見表11。

專家委員會對SCR和SCV驅動因素的語言評價結果見表12、表13。各驅動因素的權重以及相對貼近度值如表14、表15所示。根據式（15）和式（16），可以得到SCR和SCV的得分，即Ir（0.4197）和Iv（0.5497）。

第三步：計算并分析A企業CBECSC的MDRV。根據式（17），m值為0.4351。

A企業CBECSC的MDRV系數為0.4351，屬于中等水平;SCR得分為0.4197;SCV得分為0.5497。這表明，A企業在供應鏈彈性與脆弱性的匹配方面存在0.5649的改進潛力。如果不給予重視，A企業CBECSC的彈性可能會逐漸減弱，而其脆弱性可能逐漸加強。當供應鏈出現中斷或風險發生時，A企業CBECSC可能會陷入不利境地。A企業CBECSC的彈性還有0.5803的改進空間。特別是要改進CBECSC在敏捷性和風險收益共享上的表現。這兩個驅動因素的得分較低（分別為0.1930和0.1241），但是其權重較高（分別為0.5146和0.3310）。因此，與其他驅動因素相比，企業在敏捷性和風險收益共享方面有更大改進空間。對于脆弱性，SCV得分越低越好。A企業CBECSC的改進潛力為0.5497。其應當著重降低質量風險和全球物流網絡的風險。這是因為這兩個驅動因素的得分較高，分別為0.2464和0.0840。

對CBECSC的MDRV進行評估有助于企業的供應鏈管理。評估結果可為公司管理層提供預警，提醒其采取措施分配更多的資源用以改進關鍵驅動因素的表現。如表14中的SCR分數可以作為提高供應鏈彈性的出發點。表15中的SCV得分可以作為監控和改進SCV管理的出發點，這些分數從風險角度說明了供應鏈脆弱性的現狀，風險管理團隊可以根據得分的降序，著手處理高風險源。此外，管理人員還可以定期測量和跟蹤MDRV的水平，以了解CBECSC彈性和脆弱性的匹配狀態。

六、結論

彈性和脆弱性作為供應鏈管理的兩個重要維度，成為眾多學者關注的關鍵性問題。然而，以往在這一領域的研究大多只考慮其中一個維度，尚未有研究探討兩者之間的關系。針對這一問題，本文提出了一種評價CBECSC的彈性與脆弱性匹配度的分析方法。在文獻調查和行業專家驗證的基礎上，確定了SCR和SCV的重要驅動因素;并將模糊AHP與模糊TOPSIS相結合，建立了CBECSC的MDRV評價模型。該模型利用模糊AHP確定驅動因素的權重，利用模糊TOPSIS法計算SCR、SCV以及MDRV的得分，可以用單一系數來量化供應鏈彈性與脆弱性的匹配情況。此外，該模型還在中國CBEC領域的A企業得到了應用。實證結果表明，A企業的MDRV處于中等水平，在提高SCR的同時，還需要進一步降低SCV。

總的來說，本文所構建的模型對評估MDRV具有重要意義。實證研究證明了該模型的有效性。需要注意的是，本研究也存在一些不足，有待進一步研究。首先，本文所提出的方法依賴于對SCR和SCV驅動因素的量化。本研究是通過文獻回顧和行業專家驗證來確定驅動因素，如果能夠對SCR和SCV驅動因素進行更廣泛的調查，可能會為MDRV的評估提供更廣闊的視角。其次，本文構建的CBECSC的MDRV評價模型主要基于模糊AHP和模糊TOPSIS方法，需要建立在專家判斷的基礎上。未來可以將更先進的方法（如建模技術和大數據分析）與專家判斷相結合，開發一些新的分析方法來衡量復雜實踐中的MDRV。最后，本研究是對CBECSC的SCR和SCV進行的靜態評價。若能夠對SCR和SCV的動態變化進行研究，則可能會獲得更多供應鏈管理啟示。

參考文獻：

[1] FINGAR P. Component-based frameworks for e-commerce[J].Communications of the ACM， 2000， 43（10）：61-67.

[2] KAUFFMAN R J，WALDEN E A. Economics and electronic commerce： survey and directions for research[J].International journal of electronic commerce， 2001，5（4） ：5-116.

[3] HAMERI A P，HINTSA J. Assessing the drivers of change for cross-border supply chains[J].International journal of physical distribution & logistics management，2009，39（9） ：741-761.

[4] VAN HEEL B，LUKIC V，LEEUWIS E. Cross-border e-commerce makes the world flatter[R].Boston： The Boston Consulting Group，2014.

[5] MUNICH R. Topics geo-annual review：natural catastrophes 2005[R].Munich：Munich Reinsurance Company，2006.

[6] COLEMAN L. Frequency of man-made disasters in the 20th century[J].Journal of contingencies and crisis management， 2006，14（1） ：3-11.

[7] BOGATAJ D，BOGATAJ M. Measuring the supply chain risk and vulnerability in frequency space[J].International journal of production economics，2007，108（1-2）：291-301.

[8] MYERS M B，BORGHESI A，RUSSO I. Assessing the global environment[M].MENTZER J T，MYERS M B，STANK T P. Handbook of global supply chain management.London： SAGE Publications，2006：39-49.

[9] TANG C S. Robust strategies for mitigating supply chain disruptions[J].International journal of logistics：research and applications，200，9（1） ：33-45.

[10] PONOMAROV S Y，HOLCOMB M C. Understanding the concept of supply chain resilience[J].The international journal of logistics management，2009，20（1） ：124-143.

[11] SVENSSON G. Perceived trust towards suppliers and customers in supply chains of the Swedish automotive industry[J].International journal of physical distribution & logistics management，2001，31（9） ：647-662.

[12] WAGNER S M，BODE C. An empirical investigation into supply chain vulnerability[J].Journal of purchasing and supply management， 2006，12（6） ：301-312.

[13] CHRISTOPHER M，PECK H. Building the resilient supply chain[J].The international journal of logistics management，2004，15（2） ：1-14.

[14] PONIS S T，KORONIS E. Supply chain resilience？ Definition of concept and its formative elements[J].The journal of applied business research，2012，28（5） ：921-935.

[15] VANANY I，ZAILANI S，PUJAWAN N. Supply chain risk management： literature review and future research[J].International journal of information systems and supply chain management （IJISSCM）， 2009，2（1） ：16-33.

[16] WAGNER S M，NESHAT N. Assessing the vulnerability of supply chains using graph theory[J].International Journal of Production Economics，2010，126（1） ：121-129.

[17] SONI U，JAIN V，KUMAR S. Measuring supply chain resilience using a deterministic modeling approach[J].Computers & industrial engineering，2014，74：11-25.

[18] KURNIAWAN R，ZAILANI S H，IRANMANESH M，et al. The effects of vulnerability mitigation strategies on supply chain effectiveness： risk culture as moderator[J].Supply chain management： an international journal，2017，22（1） ：1-15.

[19] CHOWDHURY M M H，QUADDUS M，AGARWAL R. Supply chain resilience for performance： role of relational practices and network complexities[J].Supply chain management： an international journal，2019，24（5） ：659-676.

[20] CHRISTOPHER M，RUTHERFORD C. Creating supply chain resilience through agile six sigma[J].Critical eye，2004，7（1） ：24-28.

[21] WIELAND A，WALLENBURG M C. The influence of relational competencies on supply chain resilience： a relational view[J].International journal of physical distribution & logistics management， 2013，43（4） ：300-320.

[22] PENG P，SNYDER L V，LIM A，et al. Reliable logistics networks design with facility disruptions[J].Transportation research part b： methodological，2011，45（8） ：1190-1211.

[23] TAN W J，ZHANG A N，CAI W. A graph-based model to measure structural redundancy for supply chain resilience[J].International journal of production research，2019，57（20） ：6385-6404.

[24] DONADONI M，CANIATO F，CAGLIANO R.Linking product complexity， disruption and performance： the moderating role of supply chain resilience[J].Supply chain forum： an international journal，2018，19（4） ：300-310.

[25] ABEYSEKARA N，WANG H，KURUPPUARACHCHI D. Effect of supply-chain resilience on firm performance and competitive advantage[J].Business process management journal， 2019，25（7） ：1673-1695.

[26] JTTNER U，PECK H，CHRISTOPHER M. Supply chain risk management： outlining an agenda for future research[J].International journal of logistics： research and applications，2003，6（4） ：197-210.

[27] MCKINNON A. Life without trucks： the impact of a temporary disruption of road freight transport on a national economy[J].Journal of business logistics，2006，27（2） ：227-250.

[28] HENDRICKS K B，SINGHAL V R. An empirical analysis of the effect of supply chain disruptions on long‐run stock price performance and equity risk of the firm[J].Production and operations management，2005，14（1） ：35-52.

[29] WAGNER S M，BODE C，KOZIOL P. Supplier default dependencies： empirical evidence from the automotive industry[J].European journal of operational research，2009，199（1） ：150-161.

[30] CRAIGHEAD C W，BLACKHURST J，RUNGTUSANATHAM M J，et al. The severity of supply chain disruptions： design characteristics and mitigation capabilities[J].Decision sciences，2007，38（1）：131-156.

[31] SARKER S，ENGWALL M，TRUCCO P， et al. Internal visibility of external supplier risks and the dynamics of risk management silos[J].IEEE transactions on engineering management，2016，63（4） ：451-461.

[32] SAATY T L. What is the analytic hierarchy process？ [M]// Mathematical models for decision support. Berlin： Springer，1988：109-121.

[33] DAGDEˇVIREN M，YAVUZ S，KILIN N. Weapon selection using the AHP and TOPSIS methods under fuzzy environment[J].Expert systems with applications， 2009，36（4） ：8143-8151.

[34] SAMVEDI A，JAIN V，CHAN F T. Quantifying risks in a supply chain through integration of fuzzy AHP and fuzzy TOPSIS[J].International journal of production research， 2013，51（8） ：2433-2442.

[35] CHANG D Y. Applications of the extent analysis method on fuzzy AHP[J].European journal of operational research， 1996，95（3） ：649-655.

[36] JUNIOR F R L，OSIRO L，CARPINETTI L C R. A comparison between fuzzy AHP and fuzzy TOPSIS methods to supplier selection[J].Applied soft computing，2014，21：194-209.

[37] SUN C C. A performance evaluation model by integrating fuzzy AHP and fuzzy TOPSIS methods[J].Expert systems with applications，2010，37（12） ：7745-7754.

[38] LAI Y J，LIU T Y，HWANG C L. TOPSIS for MODM[J].European journal of operational research，1994，76（3） ：486-500.

[39] CHEN S J，HWANG C L. Fuzzy multiple attribute decision making methods[M]//Fuzzy multiple attribute decision making. Berlin ：Springer，1992：289-486.

[40] YONG D. Plant location selection based on fuzzy TOPSIS[J].The international journal of advanced manufacturing technology，2006，28（7-8） ：839-844.

[41] WANG Y M，ELHAG T M. Fuzzy TOPSIS method based on alpha level sets with an application to bridge risk assessment[J].Expert systems with applications，2006，31（2） ：309-319.

[42] WANG T C，LEE H D. Developing a fuzzy TOPSIS approach based on subjective weights and objective weights[J].Expert systems with applications， 2009，36（5） ：8980-8985.

[43] BORAN F E，GEN S，KURT M，et al. A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method[J].Expert systems with applications，2009，36（8） ：11363-11368.

[44] SMITH R. Operational capabilities for the resilient supply chain[J].Supply chain practice， 2004，6：24-35.

[45] PRATER E，BIEHL M，SMITH M A. International supply chain agility-Tradeoffs between flexibility and uncertainty[J].International journal of operations & production management，2001，21（5/6）：823-839.

[46] WANG Y，JIA F，SCHOENHERR T，et al. Supply chain-based business model innovation： the case of a cross-border e-commerce company[J].Sustainability，2018，10（12） ：4362.

[47] WEI H L，WANG E T. The strategic value of supply chain visibility： increasing the ability to reconfigure[J].European journal of information systems，2010，19（2） ：238-249.

[48] CHOPRA S，SODHI M S. Supply-chain breakdown[J].MIT Sloan management review，2004，46（1） ：53-61.

[49] CHRISTOPHER M，LEE H. Mitigating supply chain risk through improved confidence[J].International journal of physical distribution & logistics management，2004，34（5） ：388-396.

[50] LEE H L，PADMANABHAN V，WHANG S. Information distortion in a supply chain： the bullwhip effect[J].Management science， 1997，43（4） ：546-558.

[51] FAISAL M N，BANWET D K，SHANKAR R. Mapping supply chains on risk and customer sensitivity dimensions[J].Industrial management & data systems，2006，106（6） ：878-895.

[52] COOPER M C，LAMBERT D M，PAGH J D. Supply chain management： more than a new name for logistics[J].The international journal of logistics management，1997，8（1） ：1-14.

[53] SPEKMAN R E，KAMAUFF JR J W，MYHR N. An empirical investigation into supply chain management： a perspective on partnerships[J].Supply chain management： an international journal， 1998，3（2） ：53-67.

[54] NARAYANAN V G，RAMAN A. Aligning incentives in supply chains[J].Harvard business review， 2004，82（11） ：94-103.

[55] PECK H. Reconciling supply chain vulnerability， risk and supply chain management[J].International journal of logistics： research and applications，2006，9（2） ：127-142.

[56] WATERS D.Supply chain risk management： vulnerability and resilience in logistics[M].London：Kogan Page Publishers，2011.

[57] VILKO J，HALLIKAS J. Origin and impact of supply chain risks affecting supply security[J].International journal of shipping and transport logistics，2012，4（2） ：110-123.

[58] HALLIKAS J，PUUMALAINEN K，VESTERINEN T，et al. Risk-based classification of supplier relationships[J].Journal of purchasing and supply management，2005，11（2-3） ：72-82.

[59] NORRMAN A，JANSSON U. Ericssons proactive supply chain risk management approach after a serious sub-supplier accident[J].International journal of physical distribution & logistics management， 2004，34（5） ：434-456.

[60] SINGH SRAI J，GREGORY M.A supply network configuration perspective on international supply chain development[J].International journal of operations & production management，2008，28（5） ：386-411.

[61] ZADEH L A. Outline of a new approach to the analysis of complex systems and decision processes[J].IEEE transactions on systems， man， and cybernetics，1973（1） ：28-44.

[62] VAN LAARHOVEN，P J，PEDRYCZ W. A fuzzy extension of Saatys priority theory[J].Fuzzy sets and systems，1983，11（1-3） ：229-241.

[63] CHEN C T，LIN C T，HUANG S F.A fuzzy approach for supplier evaluation and selection in supply chain management[J].International journal of production economics，2006，102（2） ：289-301.

[64] CHEN C T. Extensions of the TOPSIS for group decision-making under fuzzy environment[J].Fuzzy sets and systems，2000，114（1） ：1-9.

[65] HSIEH T Y，LU S T，TZENG G H. Fuzzy MCDM approach for planning and design tenders selection in public office buildings[J].International journal of project management，2004，22（7） ：573-584.

[66] BUCKLEY J J. Fuzzy hierarchical analysis[J].Fuzzy sets and systems， 1985，17（3） ：233-247.

[67] KARSAK E E. Distance-based fuzzy MCDM approach for evaluating flexible manufacturing system alternatives[J].International journal of production research，2002，40（13） ：3167-3181.

[68] JTTNER U，MAKLAN S. Supply chain resilience in the global financial crisis： an empirical study. Supply chain management： an international journal，2011，16（4） ：246-259.

[69] HARLAND C，BRENCHLEY R，WALKER H. Risk in supply networks[J].Journal of purchasing and supply management，2003，9（2） ：51-62.

[70] MANUJ I，MENTZER J T. Global supply chain risk management strategies[J].International journal of physical distribution & logistics management，2008 38（3） ：192-223.

[71] WANG X，CHAN H K，YEE R W，et al. A two-stage fuzzy-AHP model for risk assessment of implementing green initiatives in the fashion supply chain[J].International journal of production economics，2012，135（2） ：595-606.