樊雪梅 卢梦媛
1(吉林大学管理学院,长春 130022) 2(吉林大学东北亚研究院,长春 130012)
新冠疫情的爆发给全球供应链带来前所未有的巨大冲击,面对“疫情大考”,中国制造业供应链的稳定性和连续性日益引发关注。根据麦肯锡公司的咨询报告显示,中国制造业对全球的贡献超过35%,其中汽车行业的贡献率高至75%[1]。而此次新冠疫情对我国汽车制造业的冲击尤为显著,原因在于,需求端消费者的有效需求锐减,出口订单萎缩,企业资金量断裂隐患增加;供给端对汽车零部件和核心原料的供应不足,生产进度受阻;物流的严格管制直接影响了订单交付率,物流效率降低,运营成本激增。如何缓解供给需求割裂导致的“牛鞭效应”、降低“断链”风险、发挥我国“世界工厂”的稳定器作用,是缓解疫情对供应链的冲击的关键所在。
新冠疫情如同一面放大镜,帮助我们清晰认识到当前供应链体系建设的短板——柔性有余而韧性不足。当前制造业企业多利用供应链柔性灵活安排生产计划,实现降本增效目标,但对供应链韧性的认识还远远不够。供应链韧性更强调在非常规扰动风险下的灵活应对和持续运营的能力,即当发生如疫情等导致供应链发生强烈波动乃至面临“断链”风险的突发事件时,企业仍能通过灵活组织、动态建设、战略优化等方式应对压力、迅速恢复并保持正常持续运转,避免出现“一冲即断,断后难复”的现象[2]。有学者认为,供应链柔性包含在韧性的概念之中[3]。打造制造业供应链的韧性能力,对抵御当前疫情挑战乃至今后可能发生的“黑天鹅事件”无疑具有重要意义。
近年来,学术界对供应链韧性的研究多集中于对供应链韧性影响因素的探索。 Hollnagel(2011)[4]认为供应链韧性主要体现在企业拥有预测、监控、反应和学习4个方面的能力;Soni等(2014)[5]运用解释理论模型识别影响供应链韧性的因素并对其进行排序,发现供应链协作能力和敏捷性是影响供应链韧性的关键;王宇奇等(2017)[6]基于成本效益最大化角度进行分析,得到了在供应商遭受损失的生产能力远高于其冗余能力时,供应链的韧性也会受到威胁的结论;孙华平和魏伟[7]指出,生产能力、运输方式、运营管理的灵活性能在疫情动荡时期有效提高供应链的抗压韧性,缓解中国制造业企业下行压力,降低经济风险,承受疫情考验。因此,基于疫情持续蔓延背景和增强供应链韧性的迫切要求下,本文拟通过深入分析影响供应链韧性的因素及其结构,评价新冠疫情下汽车企业供应链韧性能力表现,分析其暴露出的供应链短板问题,以期为合理重构供应链危机应对体系提出切实有效的发展建议。
通过查阅国内外有关供应链韧性影响因素的文献,结合供应链韧性的内涵,本文认为供应链韧性的影响因素主要包括5个维度:(1)供应链预测能力,它是供应链韧性的基础,包含风险意识、安全文化、供应链可见性3个方面。其中,风险意识指企业具备在危机来临前预警、计划、评估、规避、控制风险的能力。安全文化主要包括货运安全、数字安全以及与供应链伙伴合作的安全等。供应链可见性则通过可视化信息系统就端对端的整个供应链运营流程进行把控,以降低供应链风险;(2)供应链反应能力,包括能针对环境变化灵活进行调整的柔性,能迅速应对风险、降低损失的敏捷性,以及协同合作能力。供应链上的供应商、制造商、分销商、消费者为实现各自利益最大化达成风险共担、协调配合和互利共赢;(3)供应链适应能力,包括冗余、产品多样性以及外包。出于安全考虑而保持多余设备或能力的生产安排和多种产品的替代互补对分散供应链风险有重要作用。同时,供应链各环节的外包可有效应对不确定风险冲击,帮助企业专注于核心能力的培养;(4)供应链恢复能力,涵盖财务实力、物流支持、应急计划、供应链结构4部分内容。财务实力即企业的市场份额、战略联盟、经济实力等,可以为供应链提供资金方面的支持。物流支持为企业提供货物配送与运输方面的保障。应急计划指在事件处置应对过程中,通过供应链重构设计、信息监测、技术维护等一系列措施建立的应急机制。供应链结构代表供应链的复杂程度,多通过供应链成员数量进行衡量,普遍而言,供应链结构越复杂的企业受冲击的影响相对越小;(5)供应链学习能力,通过加强供应链培训与教育、供应链管理等方式深化对供应链的理解,促进成员间知识成果的共享和信息共享,缓解“牛鞭效应”。
本文在文献综述的基础上邀请行业内专家进行鉴别和补充,经过多次研讨,最终得到了包含5个一级指标和16个二级指标的供应链韧性影响因素指标体系,如表1所示。
表1 供应链韧性影响因素
续 表
1.2.1 直觉模糊集的定义及运算
定义1:假设X为一个非空集合,将集合上的直觉模糊集定义为:
A={<x(α,σ),μA(x),vA(x),γA(x)> |x∈X},其中 μA(x)、vA(x)和 γA(x)分别代表 x 属于 A 的隶属度、不确定度和非隶属度。称(α,σ)为非隶属直觉模糊数[7]。
其中,μA(x)∈[0,1],vA(x)∈[0,1],γA(x)∈[0,1],0≤μA(x)+vA(x)+γA(x)≤1。
定义 2:设 A={<x(αA,σA),μA(x),vA(x)>},B={<x(σA,σB),μB(x),vB(x)>}为两个直觉模糊集,则有如下运算:
定义3:若满足
则PA为幂算子。
定义4:直觉模糊集A与B间距离计算:
1.2.2 直觉模糊分析步骤
(1)规范化处理
将决策矩阵记为Rk=()m×n,效益型规范化公式为:
成本型规范化公式为:
(2)支撑度计算
(3)T(rij)计算
(4)ζ计算
(5)计算综合评价得分
根据幂算子集成式(5),得到评价值,采用均值公式计算综合评价得分。
1.2.3 供应链韧性影响因素ISM模型构建
(1)建立邻接矩阵
基于构建的影响因素指标体系,建立邻接矩阵A,矩阵A中元素aij取值规范如下:
(2)建立可达矩阵
在第一步构建的邻接矩阵上运用布尔矩阵运算规则进行幂运算,直至满足(A+I)i-1≠(A+I)i=(A+I)i+1,从而得到可达矩阵 M=(A+I)i。
(3)影响因素层级结构划分
根据可达矩阵的求解结果,划分供应链韧性影响因素的不同等级并进行排序,得到供应链韧性模型的层级结构。
TOPSIS法也称逼近理想解法,它多用于解决多属性决策问题,在风险评价、供应商选择、方案排序等问题中有着广泛的应用[8]。其基本原理是通过计算正理想解及负理想解,即各个指标最大评分值和最差评分值构成的向量,从而确定各方案同正、负理想解间的距离,进而得到各方案同理想解间的接近度,寻找到最优方案。
运用熵权法进行指标权重确定可有效降低主观因素的干扰,增强准确度和可信度[9]。具体步骤如下:
2.1.1 构建初始矩阵
2.1.2 无量纲化处理
2.1.3 计算熵值
2.1.4 计算权重
2.2.1 计算正理想解和负理想解
2.2.2 计算欧氏距离
2.2.3 计算接近度
通过计算接近度ci对评判对象进行分析,当ci越高且越接近1时越接近正理想解,表示表现越好。
本文将构建的模型应用于汽车企业——W企业的供应链韧性评价中。W企业是著名国有大型汽车企业集团,产销总量始终位列行业第一阵营,2018年营业额达695亿美元。该企业以品牌为核心强化供应链支持,供应链管理水平极具竞争力。为评估W企业的供应链韧性能力,邀请3位物流与供应链领域专家学者和3位具有丰富经验的W企业主管人员给予指导意见。(1)就供应链韧性各影响因素的相对重要性程度进行评估,根据6位专家给出的评估值,运用模糊数学方法得到各因素评分;(2)采用ISM模型分析供应链韧性影响因素结构,明确各因素间的内在关联性;(3)基于熵权-TOPSIS法计算W企业供应链韧性的得分;(4)根据得到的W汽车企业供应链韧性评价结果,分析其在疫情期间暴露的短板因素,并提出相应对策建议。
3.1.1 直觉模糊评价
以第1位专家评分为例,进行W汽车企业供应链韧性5个维度F1~F5的影响因素评估,借鉴白元龙[10]在弹性影响因素分析时的处理过程,加入供应链韧性作为总目标进行实证分析。将原始评分表2中数据规范化处理计算,得到表3。
表2 原始评分
表3 原始数据规范化处理后评分
3.1.2 ISM模型分析
(1)供应链韧性影响因素邻接矩阵
根据表4专家评分均值,结合供应链韧性影响因素间相关性分析,得到邻接矩阵,如表5所示。
(2)区域划分和级间划分
借助Matlab软件进行辅助计算可达矩阵,分析得到可达集 A(Fi)和先行集B(Fi),以及既能影响集合A也能对集合B产生影响的共同集C(Fi),C(Fi)= A(Fi)∩B(Fi)。 最终得到供应链韧性影响因素关系,见表6。
表4 决策评价得分均值
表5 供应链韧性影响因素邻接矩阵
表6 供应链韧性影响因素关系
(3)解释结构模型
综合上述步骤得到递阶解释结构模型,如图1所示。
图1 供应链韧性解释结构模型
3.2.1 指标权重计算
根据上文得到的各因素对供应链韧性的影响程度,选取2019年11月至2020年5月W企业的利润率、订单数量、交货期、供应商数量、外包数量、安全培训次数等月度数据为研究对象,利用熵权法计算W公司供应链韧性影响因素指标权重,如表7所示。
3.2.2 W企业供应链韧性评价
根据公式计算正、负理想解以及接近度ci,如表8所示。
表7 综合指标权重表
3.2.3 评价结果分析
如表8所示,W企业2019年11月至2020年5月的供应链韧性水平均在中等以上。其中,2019年11月W企业供应链韧性能力最强,接近度ci高达0.83,说明该企业供应链整体状态良好,有较强的竞争力。2020年1月W企业供应链仍维持在较为稳定的状态,究其根源在于疫情尚未全面爆发。但3月份受疫情冲击显著,评分仅为0.34,此时全国处于封锁状态下,企业的采购服务、物流运输等都极其受限,成本难以预测,加之产品各级原料的流通性变弱,对生产线造成极大负面影响,有损企业市场竞争力。说明W企业在供应链韧性层面还存有较大的改进空间,若不引起重视极有可能增加供应链的脆弱性,加剧“断链”风险。尤其要加强供应链预测能力的建设,亟需提高风险意识并加强安全培训教育,通过巩固与供应链合作伙伴的协作,改进在供应链反应和适应能力方面的表现。至2020年5月,此时疫情已得到有效控制,处于过渡阶段,W企业供应链韧性评分呈现逐步上升趋势,总体形势向好,在供应链恢复能力上表现不俗,这主要得益于该企业在动态物流、应急计划等方面的调整,应对问题能够快速响应,为复苏提供了保障。
表8 W企业供应链韧性评价
总体而言,此次疫情对汽车企业的冲击有限,负面影响主要集中于短期物流受阻、延迟复工带来的运营风险,但得益于供应的信息链条、资金链条畅通,中期将逐步走向正轨。后疫情时代我们需总结经验,进行供应链合理布局,构建有效的应急体制机制。
企业供应链应采取风险管控措施,制定动态风险指标框架,加强企业风险应对能力,帮助企业全力应对不可预测的挑战。短期通过监测企业供应链风险,全面掌握资源动态,制定快速需求响应计划,以敏捷性和灵活性实现未知因素管理。(1)帮助企业锁定重要订单,合理处理客户需求,进行战略产能分配;(2)通过订单回溯减少不可预测因素导致的物资无法交付的财务风险。中期应着眼于供求关系的平衡,通过增加缓冲库存和开发多级供应商来降低风险波动,维持企业的稳定运营和可持续发展,保障不可抗力下的关键原材料和物资安全。长期供应链风险管控应以构建前瞻性的风险管理计划为基础,重点落实持续经营的供应链发展目标,利用产品多元开发实现企业产业链和价值链跃升,满足多样化的市场需求,以此降低市场端风险。同时企业需加强资金流动性,为供应端提供保障。
供应链数字化发展有利于培养企业动态能力的形成,降低供应链风险。(1)企业通过供应链端对端的追溯,打造全新的可视化运营模式,为公司高效率生产和管理提供发展动力;(2)供应链数字化发展对于收集、获取、传递信息带来了极大的便利。相关信息的及时反馈有利于企业实时监控,充分掌握行业动态,利用有效的行业信息和市场数据把握消费趋势。当今,消费者的消费渠道更为多元,线上购物日益普遍且有逐步赶超线下的趋势,因此打通销售全渠道,打造数字化供应链,实现线上线下融合的新零售模式无疑具有重要意义;(3)运用供应链数字化实现的信息数据实时监测体系可以在未来应对如疫情等突发事件,使供应链管理更具柔性,通过灵活的运输方式和仓储网络分散风险,减少不必要的损失。
为推动需求到供应的信息链条、实物链条和资金链条的有效畅通,企业需加强同供应链上下游伙伴的紧密联系与协同合作,实现资源共享、信息共享。同供应商协同层面,通过开展适度产业合作、人员外包、协同制造,加强资源的优化配置,实现企业降本增效,打造汽车制造业高质量产业集群[11]。在供应商选择过程中,需仔细评估其生产能力和安全性,为不可抗因素下的原材料短缺、生产进度受阻等障碍做好充足准备。同客户协同层面,应以客户需求为出发点,构建高效一体化供应链服务平台,利用全面的信息渠道提升供应链整体效率,平衡供货、保障需求、平稳资金,提升企业的核心竞争力。