【摘要】文中从企业面临风险的时间顺序出发，构建了一个包括预防、反应、适应、恢复和学习能力五个维度的供应链韧性评价指标体系。为避免单一赋权方法在灵活性和适应性上的不足，采用了区间组合数有序加权算子与熵权法的结合赋权。接着，利用云模型对制造业供应链韧性进行深入的评价和分析。最后，通过对某车企业供应链的实例分析，验证了该模型的适用性和可靠性，为制造业提升供应链韧性提供了重要的方法依据。

　　【关键词】供应链韧性；组合赋权；COWA算子；云模型；供应链韧性评价

　　21世纪初期，全球化发展、复杂供应链网络带来不确定性，金融危机、公共卫生突发事件强调供应链韧性重要性，推动多元化供应商、优化库存、加强信息共享。这也是当下“新质生产力”提出的重要内容，通过创新技术与方式提高生产效率与质量，提升供应链的灵活性和竞争力。

　　从企业自身的供应链韧性来看，樊雪梅、卢梦媛[1]运用ISM模型分析了企业供应链韧性影响因素的结构，并通过熵权-TOPSIS法评估了新冠疫情下汽车企业供应链的韧性，以更好地构建供应链危机应对体系；吕昳苗等[2]从风控、适应、协作和学习四个方面评估供应链韧性，利用SWARA方法分析因素并提出增强韧性的策略建议；沈燕红等[3]从智能制造业的数字化转型为研究对象，利用模糊层次分析法和云模型评价分析企业的数字化成熟度，为智能制造企业的数字化转型提供方法依据。

　　随着学术界人才的不断学习与探索，韧性评价也开始应用到冷链和绿色供应链上，徐文平、于启蒙[4]利用TISM-ANP-TOPSIS综合评价模型分析冷链物流供应链韧性关键因素；陈柯君等[5]基于应急冷链供应链韧性特征分析，建立了评估指标体系并采用多种方法构建综合评价模型；Ayyildiz等[6]发现绿色供应链的韧性评估是建立更具环境敏感性的供应链的关键。在这方面，SCOR模型被扩展以评估绿色供应链的韧性，重点在于组织因素和集成系统的重要性。

　　因此，本文拟通过组合赋权-云模型评估供应链韧性评价指标。区间组合数有序加权算子（COWA）是一种处理多属性决策问题的数学模型，本文采用COWA与熵权法计算指标的权重，利用变异系数加权组合赋权模型整理指标权重，并将其带入到云模型中。通过将评价指标的云滴图与标准云图进行对比分析，发现企业供应链的不足，为提升企业的供应链韧性提供有效的方法依据。

　　1供应链韧性评价指标体系构建

　　通过对国内外有关文献进行研究，本文从车企的日常运作，应对风险、市场环境的变化能力，风险发生后的调整以及措施，风险过后的分析和学习能力等角度将供应链韧性的指标体系全面且合理地划分为5个维度，构建预防、反应、适应、恢复和学习五个维度的评价指标体系，同时结合了供应链韧性研究的内涵。

　　本文先根据预评价指标构建评价指标体系，接着通过查阅文献和调查问卷的形式对评价指标体系进行修改和完善，最终得到了包含5个一级指标和17个二级指标的供应链韧性评价指标体系，如表1所示。

　　4结论

　　基于组合赋权-云模型，本文构建了A车企的供应链韧性评价模型。首先，采用COWA算子与熵权法相结合的组合赋权方法，既考虑了主观因素，又兼顾了客观因素，接着引入变异系数加权组合赋权模型，进一步克服了单一方法的局限性。在此基础上，云模型利用三个数字特征实现指标的定性和定量转换，有效解决了数据不准确的问题。

　　综上所述，利用组合赋权-云模型研究供应链韧性不仅可以为企业提供更全面、精细化的分析和评估，还可以提供决策支持和风险管理，有助于持续改进和知识积累，对企业提高供应链管理水平和应对市场变化具有重要的意义和参考价值。

　［参考文献］

　　［1］樊雪梅，卢梦媛.新冠疫情下汽车企业供应链韧性影响因素及评价[J].工业技术经济，2020，39（10）：21-28.

　　［2］吕昳苗，史兆英，宁鹏飞.基于SWARA的供应链韧性影响因素分析[J].中国市场，2022（10）：167-170.

　　［3］沈燕红，黄静，张莎莉，等.基于FAHP和云模型的智能制造企业数字化成熟度评价研究[J].物流工程与管理，2024，46（04）：89-92+75.

　　［4］徐文平，于启蒙.基于TISM-ANP-TOPSIS模型的冷链物流供应链韧性评价研究[J].物流科技，2023，46（21）：135-138+141.

　　［5］陈柯君，王永刚，刘海斌，等.突发事件下应急冷链供应链韧性评价及提升策略[J].物流技术，2023，42（09）：28-32.

　　［6］Ayyildiz E.Interval valued intuitionistic fuzzy analytic hierarchy process-based green supply chain resilience evaluation methodology in post COVID-19 era[J].Environmental Science and Pollution Research，2023，30(15):42476-42494.

　　［7］李德毅，刘常昱，杜鹢，等.不确定性人工智能[J].软件学报，2004（11）：1583-1594.

　　［8］李德毅.知识表示中的不确定性[J].中国工程科学，2000（10）：73-79.

　　［9］Li Deyi，Han Jiawei，Shi Xuemei，et al.Knowledge representation and discovery based on linguistic atoms[J].Knowledge-Based Systems，1998(10):431-440.

　　［10］董春游，孟婧.基于云模型和D-S理论的煤矿安全管理评价方法[J].黑龙江科技学院学报，2013，23（5）：496-501.