“雙碳”背景下電動汽車供應鏈脆弱性影響因素分析

摘 要：“雙碳”目標是應對氣候變化問題的重大戰略。汽車行業大力推廣電動汽車的使用，使得車輛周期的碳排放越來越值得關注。如何確定“雙碳”背景下電動汽車供應鏈脆弱性影響因素并分析是電動汽車行業需要解決的問題。考慮專家意見的模糊性，采用畢達哥拉斯模糊DEMATEL確定影響因素間的相互關系，結合ANP確定各影響因素的優先級，提出了模糊DEMATEL-ANP模型。研究結果表明：行業生態不完善、市場需求不確定性、缺乏重構設計的能力、低碳減排指標的約束、原材料供應不穩定性、政策以及補貼調整是“雙碳”背景下電動汽車供應鏈脆弱性重要影響因素。

關鍵詞：“雙碳”背景；電動汽車供應鏈；脆弱性影響因素；模糊DEMATEL-ANP

中圖分類號：F570.72 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.14.023

文章編號：1002-3100（2024）14-0115-06

Analysis of Factors Influencing Vulnerability in the Supply Chain of Electric Vehicles Under the Background of “Dual Carbon”

LIAO Yulian，XU Wenping （School of Management， Wuhan University of Science and Technology， Wuhan 430000， China）

Abstract： The \"dual carbon\" target is a major strategy to address climate change. The automotive industry is promoting the use of electric vehicles， making the carbon emissions of the vehicle cycle more and more concerning. How to determine and analyze the factors influencing vulnerability in the electric vehicle supply chain under the background of \"dual carbon\" is a problem for the electric vehicle industry. Considering the ambiguity of expert opinions， the fuzzy DEMATEL-ANP model is proposed by using Pythagorean fuzzy DEMETAL to determine the correlation between influencing factors， and combining ANP to determine the priority of each influencing factor. The results show that the imperfect industry ecology， uncertainty of market demand， lack of ability to reconstruct design， constraints on low-carbon emission reduction indicators， instability of raw material supply， and policy and subsidy adjustment are important factors affecting the vulnerability of the electric vehicle supply chain under the background of \"dual carbon\".

Key words： \"dual carbon\" background；electric vehicle supply chain；factors influencing vulnerability；fuzzy DEMATEL-ANP

0 引 言

全球變暖趨勢仍持續，氣候變化問題值得關注。“雙碳”目標是我國加入《巴黎協定》后為應對氣候變化問題而做出的戰略性部署。國際能源署（IEA）發布的《2022年CO2排放報告》表明，2022年我國CO2排放量約為114.8億噸，我國仍是CO2排放量較大的國家。[1]汽車行業全生命周期碳排放總量達12億噸，是我國實現“雙碳”目標重點關注行業之一。[2]我國汽車行業燃料周期碳排放量占全生命周期碳排放量超過70%，傳統汽油車仍占據汽車保有量的主導地位。純電動車相比傳統汽油車，其碳排放減少43.4%[3]。大力推行電動汽車的使用有利于幫助汽車行業實現“雙碳”目標。電動汽車需求上升使得車輛周期碳排放量占比增加，車輛周期碳排放量逐步吸引關注。為期望時間內實現“雙碳”目標，在確保電動汽車供應鏈平穩運行的條件下，推動電動汽車供應鏈綠色低碳化轉型事不宜遲。因此，如何確定并分析“雙碳”背景下電動汽車供應鏈脆弱性影響因素是該領域亟需解決的關鍵問題。

目前，國內外學者對電動汽車供應鏈脆弱性和“雙碳”背景下的供應鏈韌性提升進行了大量研究并取得顯著成果。Kumar等[4]使用德爾菲法和最佳-最差法對電動汽車的電池供應鏈可持續性發展所面臨的挑戰進行分析和實證研究，針對電池原材料的供應問題和回收問題給出合理建議。Sun等[5]搭建綜合模型框架以評估流行病背景下電動汽車供應鏈的核心供應風險，并以供應約束預測未來電動汽車行業的需求，提出應擴大電池質量升級方面的財政刺激。Wu等[6]從技術、市場和環境三個方面構建不確定條件下電動汽車供應鏈的風險指標體系，提出猶豫模糊綜合評價模型對中國電動汽車供應鏈進行風險評估，幫助供應鏈的利益相關者識別潛在風險并制定相關防范措施。李肖肖[7]采用魚骨法識別新能源汽車供應鏈的各階段風險關鍵影響因素，并采用模糊DEMATEL進行分析。陸岷峰等[8]分析了供應鏈的經濟在“雙碳”背景下的新形勢、新特點、新問題，為供應鏈相關企業發展提出建設性意見。卜云峰等[9]分析了“雙碳”背景下綠色供應鏈的控制路徑和內外部驅動因素，構建“智能、高效、零碳”的綠色供應鏈管理模型。

綜上所述，已有研究在電動汽車供應鏈的各階段風險和“雙碳”背景中供應鏈的路徑探索方面較多。但在“雙碳”背景下，分析電動汽車供應鏈脆弱性影響因素的研究較少。因此，基于已有研究，從電動汽車供應鏈本身脆弱性影響因素和“雙碳”背景下新的脆弱性影響因素兩方面入手，構建模糊DEMATEL-ANP模型，分析“雙碳”背景下電動汽車供應鏈脆弱性影響因素，期望在新政策下為電動汽車供應鏈的利益相關者提供理論基礎和決策建議。

1 “雙碳”背景下電動汽車供應鏈脆弱性影響因素指標構建

指標體系的構建在“雙碳”背景下電動汽車供應鏈脆弱性影響因素分析中有重要作用。電動汽車供應鏈是具備全球化、動態化的復雜系統，其脆弱性影響因素存在供應鏈的各個階段。考慮供應鏈內外多方面因素，通過文獻總結和專家評估，本文從原有文獻[6，10]和新環境[11]導致兩方面對“雙碳”背景下電動汽車供應鏈脆弱性影響因素進行選取。“雙碳”政策的實施沒有消解電動汽車供應鏈原有的脆弱性影響因素，反而在新的環境下產生了新的影響因素[12]。具體建立的指標體系如表1所示。

2 構建模糊DEMATEL-ANP模型

2.1 方法介紹

畢達哥拉斯模糊集（PFS）是基于直覺模糊集（IFS）知識的一個拓展。IFS隸屬度的空間范圍包含在PFS隸屬度空間范圍內，使用PFS能更好解決不確定信息帶來的偏差[13]。

畢達哥拉斯模糊數的相關理論如下。[14]

定義1：假設X是一個論域。則在X上定義的畢達哥拉斯模糊集P可簡記：

。 （1）

其中X上的兩個映射和，分別表示為P的隸屬函數和非隸屬函數。使得和分別表示元素x為屬于P的隸屬度和非隸屬度，并滿足條件，那么稱為畢達哥拉斯模糊數，簡記為。

定義2：梯形畢達哥拉斯模糊數（TRPFN）是對畢達哥拉斯模糊數的一個擴展。表示為。其中參數滿足，隸屬度和非隸屬度滿足條件，隸屬函數和非隸屬函數可由公式（2）獲得。

（2）

定義3：為梯形畢達哥拉斯模糊數，其中都是實數，那么A的期望值可由公式（3）獲得：

。 （3）

決策實驗室法（DEMATEL）將專家經驗與知識、圖論和矩陣工具結合，建立復雜決策過程中不同要素間的因果關系。DEMATEL法較適于確定增添某新要素于指標體系中所導致的各要素評估情況的改變。[15]網絡分析法（ANP）是由Saaty[16]開發的，基于層次分析法發展而來的決策方法。ANP法將決策問題各因素間的關系看成一種網絡結構，考慮因素之間的相互作用，利用超矩陣理論，確定因素間的優先級[17]。

2.2 模糊DEMATEL-ANP模型的構建

步驟一：確定梯形畢達哥拉斯模糊直接影響矩陣C。根據專家意見確定各影響因素間相互邏輯關系。將專家的語言變量通過表2轉換為梯形畢達哥拉斯模糊數的期望值，建立梯形畢達哥拉斯模糊直接影響矩陣，cij表示要素i對要素j的影響程度。

步驟二：根據公式（5）規范化直接影響矩陣， 得到規范后的直接影響矩陣N。

步驟三：建立要素間綜合影響矩陣T。，其中I為單位矩陣。

步驟四：通過公式（6）計算各要素的影響度Di、被影響度Rj、中心度Di+Rj與原因度Di-Rj。Di為矩陣T中i要素對應行值之和，意為該要素對其他要素的綜合影響。Rj為矩陣T中j要素對應列之和，意為該要素受其他要素的綜合影響。測量中心度和原因度將各要素劃分為原因或結果。原因度大于0，表示該要素為原因要素，否則，為結果要素。

（6）

步驟五：通過模糊DEMATEL結果和專家意見綜合考慮，確定各要素間的獨立性或相互依存性。各要素間進行兩兩比較以確定相對重要性，利用Super Decision（SD）軟件構建初始未加權超矩陣M并檢驗其一致性。

步驟六：利用SD軟件對初始未加權超矩陣M進行歸一化處理，得到加權超矩陣W。利用SD軟件對加權超矩陣穩定化處理，當時，可獲得極限超矩陣，得到各要素的權重及優先級排序。具體模型步驟如圖1。

3 研究結果分析

3.1 模糊DEMATEL結果分析

收集綠色供應鏈、電動汽車供應鏈等領域專家問卷反饋各影響因素的相互影響程度，梳理整合，建立語言變量影響矩陣。然后將語言變量轉換為畢達哥拉斯模糊數的期望值，建立畢達哥拉斯模糊直接影響矩陣C。求得規范后的直接影響矩陣N和綜合影響矩陣T，其中T如表3所示。

通過綜合影響矩陣T計算出各影響因素的影響度、被影響度、中心度與原因度，如表4和圖2所示。原因度R值正負將各影響因素劃分為原因或結果因素。中心度值的大小表示該因素在系統中的重要程度。中心度值越大說明該因素在系統中的地位越重要。模糊DEMATEL結果表示：因素A1、A2、A3、A4、A5、A6、A7、A9的R值大于0，表明該因素影響其他因素比被影響的程度多，為原因因素。因素A8、B1、B2、B3、B4、B5的R值小于0，表明該因素受其他因素的影響更多，為結果因素。“雙碳”背景下電動汽車供應鏈脆弱性影響因素指標體系中，因素行業生態不完善（A8）、市場需求不確定性（A2）、政策以及補貼調整（A9）、原材料供應不穩定性（A1）、缺乏重構設計的能力（B2）、原材料供應不穩定性（A1）、低碳減排指標的約束（B1）的權重較大，位于指標體系的重要位置。

3.2 ANP結果分析

模糊DEMATEL分析確定了因素間相互影響關系，卻不能清晰描述各因素在指標體系中的重要地位，通過ANP分析可以確定各因素的重要程度。在SD軟件中導入構建初始未加權超矩陣M并確保影響因素的相互重要程度通過一致性檢驗，即一致性檢驗值小于0.1。初始未加權超矩陣如表5所示。

然后利用SD軟件對矩陣M進行歸一化處理，使得每列元素值的和為1，得到加權超矩陣W。使用SD軟件對矩陣W進行穩定化處理，當時，得到極限超矩陣并確定各影響因素的優先級和權重，如圖 3所示。權重越大，說明該因素在“雙碳”背景下電動汽車供應鏈脆弱性影響因素指標體系中越重要。ANP分析結果表明：在“雙碳”背景下電動汽車供應鏈脆弱性影響因素指標體系中，因素行業生態不完善（A8）、市場需求不確定性（A2）、缺乏重構設計的能力（B2）、低碳減排指標的約束（B1）、原材料供應不穩定性（A1）、低碳管理文化兼容度（B5）相比其他因素更重要。

4 結論與建議

本文從電動汽車供應鏈本身和“雙碳”背景下產生的脆弱性影響因素兩方面識別“雙碳”背景下電動汽車供應鏈脆弱性影響因素。采用模糊DEMATEL-ANP方法構建“雙碳”背景下電動汽車供應鏈脆弱性影響因素分析模型。研究結果表明，行業生態不完善、市場需求不確定性、缺乏重構設計的能力、低碳減排指標的約束、原材料供應不穩定性、政策以及補貼調整在該指標體系中占據重要地位。決策者們在“雙碳”背景下進行電動汽車供應鏈管理時，可多加關注這些因素帶來的影響。為了提升電動汽車供應鏈管理水平，提出以下建議。

4.1 完善電動汽車行業生態，確保電動汽車供應鏈的穩定發展

加大電動汽車行業的宣傳和扶持工作，電動汽車市場全方面調研，有助于對電動汽車供應鏈的需求端進行精準預測；鼓勵電動汽車技術、供應鏈綠色技術不斷創新，相關人才培養或引進，為電動汽車行業提供源源不斷的支持；合理規劃充電基礎設施和電池回收計劃，為擴大電動汽車行業生態做好準備。做好原材料供應商的選擇與合作，減少原材料供應中斷、延遲風險。

4.2 幫助電動汽車供應鏈的低碳化轉型，確保電動汽車供應鏈的可持續發展

積極響應國家政策，做好向低碳供應鏈轉型的準備。制定供應鏈的各階段減排策略，落實到實踐；做好員工綠色意識培養，幫助提高低碳管理文化兼容度；打好基礎，提升供應鏈重構設計的能力。同時，電動汽車供應鏈的低碳化離不開相關政策支持，讓低碳減排融入到供應鏈企業的競爭優勢中去。

參考文獻：

[1] IEA（2023）.CO2 Emissions in 2022[EB/OL]. （2022-03-20）[2023-08-25].https：//www.iea.org/reports/co2-emissions-in-2022.

[2] ESG Today．Mercedes-Benz targets carbon neutral supply chain[EB/OL].（2020-12-07）[2023-08-25]．https：//www.esgtoday.

com/mercedes-benz-targets-carbon-neutral-supply-chain/.

[3] 中國汽車技術研究中心．中國汽車低碳行動計劃（2022）[EB/OL].（2022-08-25）[2023-09-10].http：//www.199it.com/

archives/1483410.html．

[4] KUMAR P，SINGH R K，PAUL J，et al．Analyzing challenges for sustainable supply chain of electric vehicle batteries using a

hybrid approach of Delphi and Best-Worst Method[J/OL]. Resources，Conservation and Recycling，2021，175（1）：105879.[2023-

08-30].https：//doi.org/10.1016/j.resconrec.2021.105879.

[5] SUN Xin，LIU Gang，HAO Han，et al．Modeling potential impact of COVID-19 pandemic on global electric vehicle supply

chain[J/OL]. iScience，2022，25（3）：103903.[2023-08-30].http：//pubmed.ncbi.nlm.nih.gov/35187462/.

[6] WU Yunna Wu，JIA Weibing，LI Lingwenying，et al．Risk assessment of electric vehicle supply chain based on fuzzy synthetic

evaluation[J]. Energy，2019，182：397-411.

[7] 李肖肖．新能源汽車供應鏈風險關鍵影響因素辨識[J]．物流科技，2022，45（15）：119-123．

[8] 陸岷峰，徐陽洋．“雙碳”目標背景下供應鏈經濟的新特點、新挑戰與新對策[J]．新疆社會科學，2022（1）：38-46，146．

[9] 卜云峰，藍式賢．“雙碳”背景下的綠色供應鏈管理研究[J]．中國儲運，2023（2）：138-139．

[10] ONAT N C，KUCUKVAR M.A systematic review on sustainability assessment of electric vehicles： Knowledge gaps and future perspectives[J/

OL].Environmental Impact Assessment Review，2022，97：106867.[2023-09-01].https：//doi.org/10.1016/J.EIAR.2022.106867.

[11] 孫夢君．我國新能源汽車供應鏈發展探析[J]．中國儲運，2023（3）：204-205．

[12] 劉榮娟，趙道致．低碳供應鏈風險源的識別與控制策略[J]．武漢理工大學學報（信息與管理工程版），2014，36（4）：513-516.

[13] 金珍．基于畢達哥拉斯模糊集的多準則群決策理論與方法研究[D]．南昌：江西財經大學，2019．

[14] GIRI B C，MOLLA M U，BISWAS P．Pythagorean fuzzy DEMATEL method for supplier selection in sustainable supply chain

management[J/OL]. Expert Systems with Applications，2022，193：116396. [2023-09-04].https：//doi.org/10.1016/j.eswa.2021.116396.

[15] GARDAS B B，RAUT R D，NARKHEDE B．Evaluating critical causal factors for post-harvest losses（PHL）in the fruit and

vegetables supply chain in India using the DEMATEL approach[J]．Journal of Cleaner Production，2018，199：47-61.

[16] SATTY T L．Time dependent decision-making;dynamic priorities in the AHP/ANP： Generalizing from points to functions and

from real to complex variables[J]．Mathematical and Computer Modelling，2007，46：860-891．

[17] KURMAR S，RQUTRD，NAYAL K，et al. To identify industry 4.0 and circular economy adoption barriers in the agriculture supply chain by

using ISM-ANP[J/OL]. Journal of Cleaner Production，2021，293：126023.[2023-09-10].https：//doi.org/10.1016/j.jclepro.2021.126023．

收稿日期：2023-10-06

基金項目：湖北省教育廳重點項目“中斷風險下關鍵產業供應鏈彈性評估與提升策略研究”（23D060）

作者簡介：廖玉漣（2001—），女，四川成都人，武漢科技大學管理學院碩士研究生，研究方向：供應鏈的脆弱性與韌性評估；徐文平（1977—），本文通信作者，女，湖北襄陽人，武漢科技大學管理學院，副教授，博士，博士生導師，研究方向：風險管理、應急決策、供應鏈的脆弱性與韌性評估、社區韌性、基礎設施系統風險與可靠性、系統建模與仿真等。

引文格式：廖玉漣，徐文平．“雙碳”背景下電動汽車供應鏈脆弱性影響因素分析[J]．物流科技，2024，47（14）：115-119，134.