一、前言 外部环境及消费需求的快速变化，是目前大多数供应链成员企业必须面对的焦点问题。供应链应对不确定性和多变性的反应能力，即供应链柔性，越来越成为供应链竞争的关键，而对供应链绩效的总体评价中也更多地强调柔性维度。供应链柔性不仅是应对不确定性的重要战略工具，同时也是一种管理哲学，但柔性的获得一般意味着成本的增加，如生产柔性的提高通常以生产成本提高为代价。因此，保持适度的供应链柔性，以在提高柔性的同时控制成本增加是十分必要的。然而，尽管学术界最近几年十分关注供应链管理问题，也产生了大量的相关研究文献，但对供应链整体柔性进行有效测度的相关研究并不多见。 从已有的研究文献来看，Slack[1]于1987年首次提出了供应链柔性的概念，认为供应链柔性指供应链对顾客需求作出反应的能力。Voudouris[2]为供应链柔性可以用作业资源的能力富余来反映。Sabri与Beamon[3]主张通过对生产柔性和分销柔性的测度来得出整个供应链的柔性。Vokurka与O'Leary-Kelly[4]认为供应链柔性程度可由产品柔性、产量柔性、品种柔性综合得出。Duclos[5]等人认为供应链柔性包括运作系统柔性(包括制造和服务)、市场柔性、物流柔性、供应柔性、组织柔性和信息系统柔性。George[6]和Kumar[7]建立了基于决策理论的柔性度量模型，认为系统柔性取决于不确定性。Shawnee[8]认为，供应链的柔性不仅包括影响客户的柔性，还应包括供应链成员柔性(如供应商、渠道成员)，因此从面向客户角度定义了5种供应链柔性类型：生产柔性、产量柔性、新产品柔性、分销柔性、响应柔性。方明，邓明然构建的供应链柔性评价指标体系由产品柔性、时间柔性、资源柔性和数量柔性组成，并主张用层次分析法进行测度。王在龙，许民利运用多层次模糊评判方法对供应链柔性进行评价[9]。吴冰，刘仲英强调供应链柔性的测度与评价是一个多因素、多目标和多层次的综合问题，可用多尺度法在范围、时间和费用三个维度上进行测评。王桂花提出用可拓物元模型来对供应链柔性进行评价，评价指标体系包括产品柔性、时间柔性和数量柔性。 上述研究成果因为对供应链柔性内涵的理解没有达成一致，导致对供应链柔性测度方法的研究难以统一，评价结果的有效性及可比性难以保证。同时，由于供应链柔性通常表现为一种系统潜在能力，某些柔性伴随着不确定性的发生而显现，只有在环境变化发生时才能观测到，因此对这类供应链柔性常常只能用模糊性的推断语言进行描述，难以准确量化，影响了测度结果的精确性。 二、供应链柔性能力构成与评价指标构建分析 造成供应链柔性问题的原因，本质上是供应链的不确定性，目前学术界虽然尚未达成对供应链柔性定义的统一，但多数把其看作是应对供应链不确定性的一种能力。由此，本文提出供应链柔性的广义定义，即以客户需求为导向的多个供应链成员企业在知识和资源共享的基础上，所共同构建的对内外部环节变化做出快速有效调整的一种供应链能力。要实现对供应链柔性水平的测度，显然必须首先明确供应链柔性的构成要素。然而供应链柔性构成的复杂性使得这一确认过程的实现十分困难，如前所述，国内外学者对供应链柔性构成有不同的视角和观点，但他们的研究有一点是共同的，即以单一的评价指标体系对供应链柔性特征进行分解，并根据指标体系的实际评价值获得对供应链柔性程度的认识。 本文认为，供应链柔性的能力构成并非固定不变，而是随着供应链各种情况的变化而变化的。由于供应链具有较强的动态性和特异性，不同时间阶段、不同地域、不同行业的供应链之间有较大的差异，相应的柔性评价标准也会因供应链目标和环境变动而不同。如纺织与服装供应链在柔性上更多强调物流的及时响应柔性；电子产品类如笔记本电脑等供应链则需要对客户多样且多变的顾客需求进行应对，因此强调供应能力柔性和创新柔性；汽车供应链通常对生产制造柔性和库存柔性较为关注；快速消费品供应链柔性中分销柔性将占很大比重；资源类产品如煤炭供应链由于客户需求不具有动态性和个性化特征，在许多方面并不追求柔性，而是注重避免供求均衡和质量波动。在这种情况下，构建一个具有通用性的统一供应链柔性评价指标体系已经不具有实际意义，而应将具有一定相似性的供应链根据行业、运营特点、客户需求等进行分类，构建不同的柔性评价指标，并随着经济环境的变化定期进行调整，即供应链柔性的标准构建和测度是一个动态循环过程。 三、云重心理论[10][11] 随着不确定性研究的深入，越来越多的科学家相信，不确定性是这个世界的魅力所在，只有不确定性本身才是确定的。在众多的不确定性中，随机性和模糊性是最基本的。针对概率论和模糊数学在处理不确定性方面的不足，1995年李德毅教授在概率论和模糊数学的基础上提出了云的概念。“云”是用语言值表示的某个定性概念与其定量表示之间的不确定转换模型，它主要反映宇宙中事物或人类知识中概念的两种不确定性：模糊性(边界的亦此亦比性)和随机性(发生的概率)，用云模型把模糊性和随机性完全集成在一起，研究自然语言中的最基本的语言值(又称语言原子)所蕴含的不确定性的普遍规律，使得有可能从语言值表达的定性的信息中获得定量数据的范围和分布规律，也有可能从精确数值有效转换为恰当的定性语言值。其基本概念如下：设论域U=｛x｝，T是与U相联系的语言值，U中的元素x对于T所表达的定性概念的隶属度G[，T](x)是一个具有稳定倾向的随机数，隶属度在论域上的分布称为隶属云，简称为云。G[，T](x)在[0，1]中取值，云是从论域U到区间[0，1]的映射。云理论的应用范围很广，目前，云模型被成功地用于人工智能、跳频云发生器、C3I系统的效能评估等多个领域。
