目前，供应链管理作为一种系统化、集成化、敏捷化的现代化管理模式，在国内外一些企业取得了巨大的成功，如IBM、惠普、海尔、戴尔等强大的制造商；还有如沃尔玛、家乐福、易初莲花等有统治权的零售商及大型批发商，都在实践这种新型的管理模式。它们与供应商、客户共享受益，使运行成本大幅度降低，实现了低成本和产品差异化两者的有效结合。 但随着许多重大负面事件的相继发生，供应链运作管理受到了巨大冲击，引起国内外产业界、学术界对供应链风险的极大关注。据调查，美国四分之一的财务经理都表明，供应链的中断风险是公司收益的最大威胁。Christopher等认为，供应链的精益化、敏捷化、外包战略、全球化的发展趋势，都使之变得更加复杂、不确定性更强。 从这些重大事件的发生可以看出，供应链的多参与主体、跨地域、多环节的特征，使供应链容易受到来自外部环境和链上各实体内部不利因素的影响，形成供应链风险。 从检索文献来看，对于供应链风险的定量评估研究较少，一般都只做了定性描述，或者对某一些特殊的风险做了定量分析。丁伟东首次用模糊综合评估的方法计算出各节点企业的可靠性，进而计算出整条供应链的可靠性，以此来衡量供应链的风险大小；马林通过运用基于粗糙集理论定权的模糊综合评估方法构建供应链评估模型，计算推导出了各关键风险因素和风险变量的权重及风险后果测度指标的权重，得出供应链整体风险的水平。 不确定型偶发风险是供应链风险估计的难点，严重的偶发风险事件常常影响到供应链的正常运行，如何在损失发生后第一时间做出合理的判断和决策显得尤为重要。本文提出了一种使用案例模糊推理的方法，通过案例模糊匹配，从过去发生过的类似事件中吸取经验教训，比较异同，即时估计可能的风险后果并寻找合适的对策。 1 供应链偶发风险概述 供应链风险是供应链在其运作过程中由于系统内外部不确定性因素，使其正常运作受到影响、偏离预定目标，进而有受损的可能性。其中偶发风险主要是指由于供应链系统外部不确定性引起受损的情况，相比供应链系统内部的众因素，外部因素更难以控制及预防，由此导致的损失也是严重的，损失发生后第一时间做出合理的判断和决策显得尤为重要。 供应链偶发风险的风险种类及其影响因素大致有以下一些： 1.1 自然环境风险，主要是指因自然灾害引发供应链运作无法顺利进行，进而受损的情况。如台风、地震、洪水、火灾、雪灾、山体滑坡等来自自然界的破坏，可能影响到供应链上的某个节点企业，使企业资金运动过程受阻或中断、生产经营过程遭受损失、既定的经营目标和财务目标无法实现等，从而影响到整个供应链的稳定。虽然自然风险发生的概率相对比较微小，但一旦发生其损害程度往往难以弥补。 1.2 社会环境风险，主要是指由于个人或团体的不可预测行为导致的风险。如政局动荡和战争每年在全球范围内都会不定期发生，尤其近几年的恐怖主义活动的猖獗，给货物和商品的流通造成了很大危害。又如个人或团体发生的抢劫、偷盗或蓄意放火等行为，也会导致企业财产损失。 1.3 经济环境风险，指经济领域中各种可能导致供应链的经营受损的风险。市场经济的运行轨迹具有明显的周期性，繁荣和衰退交替出现，这种宏观经济的周期性变化，使供应链的经营风险加大。 1.4 政策风险，指由于政策的变化使供应链经营受损的可能性。当国家经济政策发生变化时，往往会对供应链的资金筹集、投资及其他经营管理活动产生极大影响，使供应链的经营风险增加。例如，当产业结构调整时，国家往往会出台一系列的产业结构调整政策和措施，对一些产业的鼓励，给供应链投资指明了方向；对另一些产业的限制，使供应链原有的投资面临遭受损失的风险，供应链需要筹集大量的资金进行产业调整。 1.5 市场环境风险，市场环境风险主要指因上游市场供应关系变动、市场需求变动等引起的风险。影响市场因素是多方面的，一旦出现不可预料的需求不利因素就可能导致销售下滑，市场出现逆转，货物积压；或者供应市场原材料价格上涨，货源紧缺等。 2 基于案例模糊推理方法概述 基于案例推理(Case-Based Reasoning，CBR)方法是专家系统中一种较新的推理方法，人工智能发展较为成熟的一个分支。CBR方法基于人类的认知过程，其解决问题的基本思路是通过研究、修改以往类似问题的成功解决方案来解决当前问题，即把待求问题与系统中已存案例进行类比分析，找出与之最相似的案例，通过分析、修改相似案例解决问题的方法、模型，进而得到解决当前问题的方案，或使决策者从案例中得到启发、灵感，从而建立起当前问题的解决思路。当前问题一旦解决，对问题的描述、解决方法及最后结果又可作为一个案例存于CBR系统中，为下次解决问题服务。 人们在用经验推理过程中，常常具有模糊性和启发性，基于案例推理的过程也类似于人类的经验推理，因此运用模糊数学理论来进行案例的模糊匹配是一种较好的方法。 基于案例模糊推理方法的一般过程： (1)对新问题进行模糊化描述，即确定问题在各特征因素下的隶属度，建立描述问题的模糊集； (2)计算问题与案例库中的各个案例的贴近度，判断相似程度，实现模糊匹配，对达到满意相似度的案例进行回取。在此过程中，有可能案例库中所有案例都达不到满意的相似程度，这时可以调整满意相似度的取值，或者重新回到(1)对问题再次描述；
