“双碳”目标下中小制造企业的供应链风险识别与评价.pdf

供应链管理收稿日期2022-11-25基金项目教育部人文社科规划基金项目（19YJA790041）；宁波市社会科学研究基地项目（JD5-FZ12）作者简介陈岚辉（1998-），男，浙江宁波人，硕士研究生，主要研究方向：全球采购与供应链管理；李秋正（1977-），通信作者，男，河北衡水人，教授，博士，硕士生导师，主要研究方向：全球采购与供应链管理。doi:10.3969/j.issn.1005-152X.2023.07.018“双碳”目标下中小制造企业的供应链风险识别与评价陈岚辉，李秋正（浙江万里学院，浙江宁波315100）摘要在“双碳”目标提出后，中小制造企业面临着前所未有的减排压力，需防范各种供应链风险。对供应链风险进行识别，有助于中小制造企业高效规避供应链风险。结合中小制造企业的特点改进了SCOR模型，在原有基础上新增研发和合作流程，并将退货流程重新定义为回收流程。风险识别过程中，模型结构细分至流程元素层，全面识别中小制造企业的供应链在运作过程中潜在的25种风险因素，并构建熵权可拓物元模型，将风险指标量化，可直观体现出各因素的风险程度，并以某一高新技术先进制造企业的供应链风险分析为例，验证了该方法与模型的有效性，针对风险较高的因素提出了对策建议。关键词双碳；中小制造企业；供应链风险；风险识别；SCOR模型；物元模型中图分类号F274；F406；F224文献标识码A文章编号1005-152X(2023)07-0095-08Supply Chain Risk Identification and Evaluation of Small and Medium-sized Manufacturing Enterprisesunder Carbon Peaking and Neutrality ObjectivesCHEN Lanhui,LI Qiuzheng(Zhejiang Wanli University,Ningbo 315100,China)Abstract:In this paper,taking into consideration the characteristics of small and medium-sized manufacturing enterprises,weimproved the SCOR model by adding in the R&D and cooperation processes,and redefined the return process as the recycling process.In theprocess of risk identification,the structure of the model was subdivided into process element layers which could comprehensively identify the25 potential risk factors in the operation process of the supply chain of small and medium-sized manufacturing enterprises.Next by buildingan entropy-weighted extension matter-element model,we quantified the risk indicators to more intuitively reflect the risk degree of eachfactor,and taking the supply chain risks of a high-tech advanced manufacturing enterprise as the example,demonstrated the validity of themethod and the model.At the end,some countermeasures and suggestions were pertinently put forward to deal with the factors with high riskdegree.Keywords:carbon peaking and neutrality;small and medium-sized manufacturing enterprise;supply chain risk;risk identification;SCOR model;matter-element model陈岚辉，等：“双碳”目标下中小制造企业的供应链风险识别与评价0引言2020年9月联合国大会上，中国提出碳达峰与碳中和的“双碳”目标，推动产业链供应链向绿色低碳转型。“双碳”目标下，我国中小制造企业不仅面临更加严峻的成本、技术挑战1，其供应链环境也更加复杂多变，能源转型、环境治理、碳减排碳交易等在供应链中诱发了新的风险因素2。同时，由于中小制造企业所处中上游供应链的结构脆弱性3-5、复杂性6-8特点，进一步放大了供应链风险的负面效应，严重制约了中小制造企业的可持续转型。精准的风险识别和评价是提升中小制造企业风险防控能力、助力实现“双碳”目标的基础环节和必由路径。传统供应链风险主要考量成本和技术等供应链经营风险9、供应链信息风险10，以及信用风险11-14、融资风险15等供应链金融方向。在此基础上，本文进一-95供应链管理物流技术2023年第42卷第7期（总第442期）步挖掘“双碳”目标可能诱致的风险因素，并引入技术研发、企业合作两个流程环节改进SCOR模型，运用改进的SCOR模型和熵权可拓物元模型，对中小制造企业的供应链风险进行识别和评价。1文献综述1.1供应链风险研究现状1.1.1关于供应链风险成因的研究。相关学者早在20世纪60年代就开始对供应链风险及其成因进行了研究，已有文献形成了两种主要观点：一种观点认为供应链风险主要来源于供应链成员所面临的不确定性。Svensson16、Finch，等17认为，供应链中的不确定性会中断供应链中产品和材料的正常流通，使其无法达成目标；Thun，等18-19、Heckmann，等20研究发现，供应链风险是由于公司供需目标之间的不确定性和缺乏协调而产生的，并会导致供应链效率降低，甚至造成供应链中断。国内学者马士华21认为，只要供应链中存在不确定性，就一定会存在供应链风险。另一种观点将供应链风险归因于供应链特有的脆弱性和复杂性。Sharma22、Wagner23等认为，脆弱性使公司无法避免来自外部环境的风险；Blackhurst，等24认为供应链复杂性的增加可能会放大供应链风险。张广胜，等25认为供应链复杂性加剧了不确定性所带来的风险，提高了供应链的脆弱性，导致供应链风险增加。1.1.2供应链可持续性相关风险研究现状。供应链可持续性相关风险包括环境风险、社会风险、中断风险以及绿色风险等。Xu，等26建立了一个框架，通过衡量整个供应链的运营风险、社会风险和环境风险来评估供应链可持续性风险；Vahid，等27通过研究在提高供应链能力和降低供应链风险之间的投资权衡，从而最大限度地降低供应链中断风险的成本投入；Kki，等28引入概率风险评估（PRA）方法分析了供应商中断风险；张学森，等29针对绿色供应链脆弱性，从内部、外部和链间运行三个方面识别出主要风险，构建了多条风险因素的传导路径；马丽娟30利用模糊评价法对绿色供应链面临的风险进行量化，从而准确识别风险，并进行有效控制；许建，等31从企业社会责任视角出发，对可持续供应链进行风险评价研究，以期为中小制造企业的可持续发展提供理论参考。1.2供应链风险识别和评价方法1.2.1SCOR模型及其在供应链风险识别中的应用。供应链运作参考模型（简称SCOR模型）是由国际供应链协会开发和支持的，用于描述和设计供应链结构的国际通用操作过程，分为三个层次：第一层是定义层，主要描述供应链全流程，也包含了企业的竞争绩效目标；第二层是配置层，由多种供应链核心流程构成；第三层是流程元素层，是对第二层各流程元素的细分。SCOR模型流程集成的特点使得供应链风险最终能够反映在供应链的某些流程中，从而可以被识别。目前，SCOR模型已成为供应链的诊断工具，特别是成为供应链风险研究的理论和方法论参考32，还可以指导供应链风险管理的构建和运行33。另有学者运用SCOR模型对供应链风险开展针对性识别研究，证明了SCOR模型对于供应链风险识别效果显著34。1.2.2供应链风险评价方法。目前，供应链风险评价方法主要包括TOPSIS法、灰色关联法、层次分析法、数据包络分析法以及模糊综合评价法等。但这些评价方法都存在一些局限性35-37，通过文献阅读整理归纳见表1。表1各类评价方法的局限性评价方法TOPSIS法灰色关联法层次分析法数据包络分析法模糊综合评价法局限性量化指标较难，灵敏度不高需要对各项指标的最优值进行确定，主观性过强，同时部分指标最优值难以确定定量数据较少，定性成分大，主观性强，分层综合后的指标被弱化，权重确定困难，并且具有较大的不确定性对于不能定量计算的投入产出无法做效率分析只考虑主要指标，忽略次要指标，指标考虑不全面，评价结果过于片面，评价结果易受主观因素的影响本文选取熵权可拓物元模型，适用于多指标评价，具有较强的动态性。熵值法确定权重系数，可以避免主观性问题，可减少评价中模糊不确定性信息产生的偏差，可应对中小制造企业供应链风险因素的复杂性38-40。已有不少学者利用物元模型对乳制品供应链风险41、公路项目社会稳定风险42、城市电网规划风险43、城市轨道交通项目建设风险44以及尾矿库运作安全风险45等进行评价。1.3文献评述由文献分析可知，在供应链风险研究方面已积累较多成果，已有不少学者对制造企业供应链风险进行了研究，但主要是针对核心企业，对于中小制造企业的研究更多是在供应链信贷融资等金融风险领域，关于中小制造企业供应链系统风险识别和评估的研究较少，尤其是对“双碳”目标下中小制造企业供应链风险，缺乏针对性研究。而中小制造企业相较于核心企业更易受到风险冲击，也缺乏足够的资源去有效应对。因此，本文参照现有研究体系，以“双碳”目标为背景，运用SCOR改进模型识别风险因素，进一步选取-96供应链管理图2双碳目标下中小制造企业供应链定义层运作参考模型熵权可拓物元模型，量化评估中小制造企业的供应链风险。2“双碳”目标下基于改进的SCOR模型识别中小制造企业供应链风险因素2.1SCOR模型的改进SCOR模型包括计划、采购、制造、配送和退货5个基本核心流程，模型识别范围如图1所示。在以往的研究中，不乏有学者将SCOR模型进行改进，以更准确地识别供应链风险，如李致远46根据医药集团供应链的特点，将制造改进为研发并引入外部风险共6个环节对供应链风险因素进行识别；柳堂亮47根据预制装配式建筑企业供应链的特点，将SCOR模型改进为计划、采购、制造、装配、交付、退回和回收7个环节。现有研究提示我们，技术和管理研发以及企业间合作是影响中小制造企业践行双碳目标的关键48-50，同时要系统考虑环境因素带来的风险。基于此，对SCOR模型三个层次进行改进。图1SCOR模型范围2.1.1模型定义层改进。考虑到“双碳”背景下企业研发投入和企业间合作的重要性，在定义层增加了研发（简称研发）和企业间合作（简称合作）环节。回收相较于退货更加强调逆向物流对碳减排的重要性，更能满足双碳目标的要求，因此将退货流程重新定义为回收流程，具体如图2所示。其中，研发包括技术研发、产品研发、管理模式研发等有助于企业低碳减排的研发过程；合作指企业间为了共同的低碳减排目标而协同创新的过程；回收指企业回收缺陷产品或可回收利用产品等的过程。2.1.2模型配置层改进。SCOR模型配置层包含计划元素、执行元素和支持元素三种类型，共34个核心流程。其中，计划元素分为：计划供应链（P1）、计划采购（P2）、计划研发（P3）、计划制造（P4）、计划配送（P5）、计划合作（P6）和计划回收（P7）；执行元素可细分为：按库存量采购（S1）、按需求量采购（S2）、按碳排放要求采购（S3）、按供应商采购（S4）、按价格采购（S5），研发低碳产品（R&D1）、研发减排技术（R&D2）、研发合理的管理模式（R&D3），按库存量制造（M1）、按顾客要求制造（M2）、按碳排放要求制造（M3），按库存量配送（D1）、按交货时间配送（D2）、按碳排放要求配送（D3），与相同目标对象合作（C1）、与信用度高对象合作（C2）、与符合碳排放要求对象合作（C3），回收缺陷产品（R1）、回收再利用产品（R2）、回收剩余产品（R3）。支持元素包括计划支持（PS）、采购支持（SS）、研发支持（R&DS）、制造支持（MS）、配送支持（DS）、合作支持（CS）和回收支持（RS）。具体流程类型及配置工具箱见表2。表2SCOR改进模型配置工具箱SCOR改进模型基本流程流程类型计划元素执行元素支持元素计划PP1PS采购SP2S1-S5SS研发R&DP3R&D1-R&D3R&DS制造MP4M1-M3MS配送DP5D1-D3DS合作CP6C1-C3CS回收RP7R1-R3RS2.1.3模型流程元素层改进。流程元素层是对配置层7个核心流程的进一步细化，描述了配置层各流程实现所需的一系列逻辑流，包括输入、输出和流程元素。本文采用一种风险因素分析模型，将风险源分为：人、设施、材料、法律、信息和环境6类，即HFM-LIE51。结合流程扫描法，尽可能地系统分析中小制造企业的供应链全过程，并识别出所有潜在风险因素47。在此以研发低碳产品（R&D1）流程为例对流程元素层进行构建，如图3所示。图3中共有6个流程，分别是R&D1.1企业确定产品设计方向；R&D1.2 制定产品设计方案及规划；R&D1.3新产品试产；R&D1.4新产品评估、R&D1.5品质测试；R&D1.6量产。R&DS1.1.1-R&DS1.6.3是各执行元素的支持元素。合作回收研发回收陈岚辉，等：“双碳”目标下中小制造企业的供应链风险识别与评价-97供应链管理物流技术2023年第42卷第7期（总第442期）2.2供应链内部风险识别由改进的SCOR模型可知，供应链内部风险类别包括：计划风险、采购风险、研发风险、制造风险、配送风险、合作风险和回收风险。对流程元素层进行扫描式识别，可得到供应链内部风险因素指标。参考已有文献，主要考虑三个角度：一是影响供应链运作的风险；二是供应链运作过程中可能产生的风险；三是由于输入因素和输出因素异常而导致的风险47。Y1计划风险。（1）计划不准确风险C1：战略规划存在的不确定性，导致目标定的过高或过低。（2）目标不一致风险C2：企业间由于理念、模式、规模等不同，导致的战略目标差异。（3）标准体系不完善风险C3：企业间节能减排的标准体系不完善或未及时更新，导致无法及时发现并解决问题。Y2采购风险。（1）采购价格波动风险C4：碳排放约束下由于降碳投入会使产品价格提高，叠加市场环境、供需变化、季节等因素，造成采购价格不稳定。（2）采购材料不符合要求风险C5：碳排放约束下，采购材料交货不达标概率会增加，影响交货期和信任关系，从而降低供应链稳定性。（3）供应商选择风险C6：在低碳生产要求下，部分供需关系需要重塑，短期内增加了供应链不确定性。Y3研发风险。（1）产品与技术创新风险C7：由于低碳要求的产品与技术创新要求高、难度大，技术不成熟会增加废品率，致使资源消耗。（2）低碳研发欺骗风险C8：迫于政策监管压力，部分企业可能会在履行低碳承诺中存在欺骗行为，或试图强行给产品夹带低碳绿色属性。（3）目标产品不被接受风险C9：低碳产品存在不被消费者接受的可能。（4）管理模式研发风险C10：相对粗放的管理模式的存在与改善是中小制造企业低碳转型的主要风险点之一。Y4制造风险。（1）缺陷产品流出风险C11：监管不严可能造成缺陷产品流出，造成客户流失和退货风险。（2）生产减排风险C12：低碳减排若规划设计不合理，会导致次品率升高、交货期延长等问题，造成生产风险。（3）生产设备与人员达标风险C13：满足低碳减排生产相关要素的缺失或不达标对生产造成影响。Y5配送风险。（1）物流配送风险C14：物流配送是降碳减排的重点方面，资金投入加大会影响企业利润。（2）库存管理风险C15：低碳目标下，企业库存管理压力增大，库存不合理时，牛鞭效应更易出现。（3）交货延迟风险C16：库存和物流成本控制，会增加交货延迟或缺货风险，甚至导致供应链中断。Y6合作风险。（1）低碳共识度低风险C17：企业间低碳共识度不够，会形成短板效应，制约减碳效果。（2）利益分配不均风险C18：减碳成本分摊或绿色收益分配不均，会影响企业合作和供应链稳定。（3）信任风险C19：共识不够或利益分配不均，会进一步导致企业间信任度降低，影响供应链低碳目标达成。（4）信息共享水平低风险C20：供应链上下游企业信息不对称造成牛鞭效应，增加供应链脆弱性。Y7回收风险。（1）缺陷产品召回风险C21：若产品不符合低碳标准，会增加召回概率和成本。（2）产品回收风险C22：低碳减排对回收机制和通道具有更高的要求和依赖，系统不健全会产生回收风险。2.3供应链外部环境风险识别“双碳”目标下中小制造企业供应链风险与外部环境的变化息息相关，因此，引入外部环境风险识别。Y8环境风险。（1）政策干预和限制风险C23：陆续出台国家“双碳”政策和法规，需要企业动态调整产品结构、制造流程、质量标准等，产生新的不确定性运营风险。（2）碳交易市场不完善风险C24：我国碳排放权交易市场尚不完善，存在交易机制不成熟、部分定价不合理等问题，增加了供应链的不确定性。（3）产业链不成熟风险C25：“双碳”提出时间不长，缺乏相应的配套设备和制度，相应产业链不成熟，增加了供应链运作风险。综上所述，可以得到“双碳”目标下中小制造企业供应链主要风险因素的评价指标体系，见表3。图3中小制造企业R&D1研发低碳产品流程元素层分析R&DS1.1.1 系统需求管理R&DS1.1.2 市场需求预测R&DS1.1.3 消费者偏好分析R&D1.1 企业确定产品设计方向R&D1.2 制定产品设计方案及规划是否符合碳排放标准R&D1.3 新产品试产R&D1.4 新产品评估是否符合碳排放标准R&D1.5 品质测试是否符合碳排放标准R&D1.6 量产R&DS1.3.1 新产品技术R&DS1.3.2 制造指导和技能培训R&DS1.5.1 检验设备与人才R&DS1.5.2 数据处理支持R&DS1.6.1 采购制度管理R&DS1.6.2 洽谈签约R&DS1.6.3 健康资金流R&DS1.4.1 资源配置管理R&DS1.2.1 资料和相关设备准备R&DS1.2.2 相关数据R&DS1.2.3 制度政策匹配R&DS1.2.4 设计人才否否是是是否-98供应链管理3构建熵权可拓物元模型对中小制造企业供应链风险进行评价3.1建立物元矩阵供应链风险N，供应链风险特征c和指标特征量值v共同构成中小制造企业的供应链风险物元。本文供应链风险N以25个特征ci(i=1,2,.,25)和相应的特征量值vi(i=1,2,.,25)描述，表示为：R=Nc1v1c2v2c25v25=R1R2R25（1）式（1）中特征量值vi(i=1,2,.,25)为专家最终评分。3.2确定经典域和节域供应链风险的经典域是所对应风险等级的数值范围，可表示为：Rj=Njc1vj1c2vj2c25vj25=Njc1(aj1,bj1)c2(aj2,bj2)c25(aj25,bj25)（2）式（2）中，Nj(j=1,2,.,5)表示供应链处于第j级风险，vji表示ci(i=1,2,.,25)风险指标的度量范围。参照已有研究成果52，结合中小制造企业供应链风险特质，本文将风险等级的数值范围即各等级经典域划分为：0-60低风险为第1级风险、(60-70较低风险为第2级风险、(70-80中等风险为第3级风险、(80-90较高风险为第4级风险、（90-100高风险为第5级风险。每个对象特征的风险节域为0-100。故可构造节域为：Rp=Npcvp1c2vp2c25vp25=Npc10,100c20,100c250,100（3）式（3）中，vpi表示表示Np关于ci(i=1,2,.,25)的风险度量范围。3.3计算关联度关联度是评价对象之间及评价指标之间关联程度的度量。通过分析中小制造企业供应链风险复杂性特点，关联度的计算公式表示如下：kxj(vj)=-ji(vxi,vji)|bji-aji|，vxivjiji(vxi,vji)ji(vxi,vpi)-(vxi,vji)，vxivji（4）其中：ji(vxi,vji)=|vxi-12(aji+bji)|-12(bji-aji)，i=1,2,.,25；j=1,2,.,5（5）ji(vxi,vpi)=|vxi-12(api+bpi)|-12(bpi-api)，i=1,2,.,25；j=1,2,.,5（6）式（5）、式（6）中ji(vxi,vji)和ji(vxi,vpi)分别表示第i个指标专家打分值与其典型域和节域的距离，在供应链中，所得出的关联度kxj(vj)即为各指标所对应的风险值。3.4熵权法确定各指标的权重系数指标的熵值越大，则其权重越小，说明该指标的重要度越低，相反，该指标的重要度就越高53。熵权法能更加客观地反映各指标的权重，具体表示如下：i=1-Hin-i=1nHi，i=1,2,.,25（7）其中，Hi为第i个指标的熵值，且i=1ni=1。3.5供应链风险等级评定结合上文所计算的各指标权重，就可以得到中小制造企业的供应链风险Nx关于供应链风险等级j的关联度为：Kj(Nx)=i=1nikj(vi)（8）若Kj(Nx)=maxKj(Nx)|j=1,2,.,5，则Nx的风险等级为第j级。.表3“双碳”目标下中小制造企业的供应链主要风险评价指标体系准则层计划风险Y1采购风险Y2研发风险Y3制造风险Y4配送风险Y5合作风险Y6回收风险Y7环境风险Y8指标层计划不准确风险C1、目标不一致风险C2、标准体系不完善风险C3采购价格波动风险C4、采购材料不符合要求风险C5、供应商选择风险C6产品与技术创新风险C7、低碳研发欺骗风险C8、目标产品不被接受风险C9、管理模式研发风险C10缺陷产品流出风险C11、生产减排风险C12、生产设备与人员达标风险C13物流配送风险C14、库存管理风险C15、交货延迟风险C16低碳共识度低风险C17、利益分配不均风险C18、信任风险C19、信息共享水平低风险C20缺陷产品召回风险C21、产品回收风险C22政策干预和限制风险C23、碳交易市场不完善风险C24、产业链不成熟风险C25陈岚辉，等：“双碳”目标下中小制造企业的供应链风险识别与评价-99供应链管理物流技术2023年第42卷第7期（总第442期）4算例分析4.1待评企业简介本文以宁波市某一高新技术先进制造企业为例，该企业成立于2010年，以物联网技术和智能家居产品为基础，集智慧、安全、高新技术为一体。该企业发展理念包括智慧消防、防盗、健康、环境四个方面，旨在建立即时、远程、自由的安防控制体系及云数据中心，构建以人为本的安全居家。且该企业销售网络遍布亚洲、欧洲、美洲、澳洲，国际化程度明显。4.2数据收集与处理在利用改进SCOR模型识别出中小制造企业的供应链风险因素的基础上，邀请与待评企业相关的15位专家对指标体系中因素的风险水平进行打分，评分数据见表4，采用熵权可拓物元模型进行评估分析，具体步骤如下：表4专家评分数据汇总指标得分指标得分指标得分指标得分指标得分C174.80C680.00C1169.93C1670.33C2167.73C270.47C769.60C1282.93C1781.47C2270.47C370.73C867.13C1368.67C1869.40C2370.33C472.27C969.13C1469.33C1968.40C2481.93C571.60C1068.33C1570.73C2068.67C2571.204.2.1计算各指标权重。将专家最终评分代入式（7），计算得出各指标权重结果，见表5。表5指标权重指标权重指标权重指标权重指标权重指标权重C10.038 5C60.033 7C110.041 8C160.040 4C210.043 5C20.040 1C70.044 5C120.031 8C170.037 5C220.040 4C30.038 0C80.044 4C130.041 0C180.031 1C230.040 4C40.029 4C90.046 1C140.045 7C190.040 4C240.032 9C50.035 3C100.050 2C150.044 8C200.041 2C250.039 74.2.2计算关联度及风险等级的评定。由式（4）-式（8）最终计算得出该企业的供应链风险指标关于风险等级的关联度值，见表6。表6指标层关于风险等级的关联度风险因素C1C2C3C4C5C6C7C8C9C10C11C12C13C14C15C16C17C18C19C20C21C22C23C24C25综合关联度k1(vi)-0.150 0-0.100 0-0.475 0-0.400 0-0.275 0-0.175 0-0.025 0-0.125 0-0.225 0-0.100 0-0.225 0-0.725 0-0.225 0-0.200 0-0.325 0-0.175 0-0.575 0-0.075 0-0.175 0-0.200 0-0.225 0-0.200 0-0.475 0-0.350 0-0.225 0-0.248 6k2(vi)0.400 00.400 0-0.300 0-0.200 0-0.033 30.300 00.100 00.500 00.100 00.400 00.100 0-0.633 30.100 00.200 0-0.100 00.300 0-0.433 30.300 00.300 00.200 00.100 00.200 0-0.300 0-0.133 30.100 00.092 2k3(vi)-0.105 3-0.142 90.100 00.400 00.100 0-0.083 3-0.187 5-0.125 0-0.031 3-0.142 9-0.031 3-0.450 0-0.031 3-0.058 80.300 0-0.083 3-0.150 0-0.159 1-0.083 3-0.058 8-0.031 3-0.058 80.100 00.400 0-0.031 3-0.026 3k4(vi)-0.291 7-0.307 7-0.045 5-0.142 9-0.236 8-0.282 6-0.327 6-0.300 0-0.261 9-0.307 7-0.261 90.100 0-0.261 9-0.272 7-0.205 9-0.282 60.300 0-0.314 8-0.282 6-0.272 7-0.261 9-0.272 7-0.045 5-0.187 5-0.261 9-0.218 2k5(vi)-0.413 8-0.419 4-0.343 8-0.368 4-0.395 8-0.410 7-0.426 5-0.416 7-0.403 8-0.419 4-0.403 8-0.083 3-0.403 8-0.407 4-0.386 4-0.410 7-0.291 7-0.421 9-0.410 7-0.407 4-0.403 8-0.407 4-0.343 8-0.381 0-0.403 8-0.386 9风险等级较低较低中等中等中等较低较低较低较低较低较低较高较低较低中等较低较高较低较低较低较低较低中等中等较低较低由以上结果可知，该企业的整体供应链风险属于较低等级，其中制造风险中的生产减排风险属于较高风险等级，合作风险中的低碳共识度低风险属于较高风险等级。4.2.3对策建议。（1）从法律上为供应链的风险防范提供相应的支持，组建专门的供应链风险控制部门，-100供应链管理强化企业的供应链风险现代管理。（2）合理配套生产设施，提高自身低碳减排的生产能力，强化生产过程节能减排，优化能源结构，实现能源的高效利用，可加大对碳捕集及利用技术的研发投入。（3）创新供应链共同防范机制，提高合作伙伴间的共识度，有效识别供应链风险源，通过长期合约机制、合理的利益分配机制和有效的信息分享机制加强合作关系。5主要结论第一，随着双碳目标和绿色理念在社会生活中的不断深入，加速推动了企业绿色低碳高质量发展，是企业绿色转型的重要机遇，那么在此背景下如何准确评估企业的供应链风险程度就成为一个值得研究的方向。第二，本文结合SCOR改进模型和物元模型对中小制造企业的供应链风险进行识别和评价。SCOR改进模型通过结合行业特征，能更全面识别出供应链各个流程的潜在风险；熵权可拓物元模型可以直观地体现出评价指标体系中各定性指标的关联度，使计算更加简单、便捷，提高了计算效率和结果精确度，进一步完善了中小制造企业的供应链风险评价方法和思路。第三，物元模型不仅可以评价供应链整体风险，还能评价单个指标风险，既细化评估结果，又提高评价精度。评价结果基本与企业实际情况相符，表明该评价方法是可行有效的。第四，本文所提出的评价方法对于中小制造企业的供应链风险识别和评估具有一定的参考价值，但在具体评估过程中，由于受主观及行业特征的影响，评价指标的选取可以在本研究提出的指标体系基础上进行调整。参考文献1金珺,李诗婧,李猛.负担变资产:双碳目标下的企业零碳战略J.清华管理评论,2021(9):101-109.2姜骞,王晟.绿色供应链核心企业网络能力的维度结构:基于“关系-过程-知识”多重视角的实证研究J.技术经济,2016,35(7):19-26.3ALI Zulqurnain,BI Gongbing,MEHREEN Aqsa.Do vulnera-bility mitigation strategies influence firm performance:themediating role of supply chain riskJ.International Journalof Emerging Markets,2023,18(3):748-767.4戈小军.不确定性环境下中小企业供应链脆弱性影响因素的实证研究D.济南:山东大学,2020.5杜志平,胡贵彦,刘永胜.基于复杂性供应链脆弱性研究J.中国流通经济,2011,25(6):49-54.6范如国,林金钗,朱超平,等.考虑利他行为的低碳供应链决策模型及其复杂性分析J.软科学,2019,33(11):85-91.7胡海青,薛萌,张琅,等.复杂供应链网络视域下关系资本对供应链融资作用机制研究:有调节的多重中介效应模型构建与检验J.管理评论,2020,32(1):262-274.8霍宝锋,王倩雯,赵先德.供应链复杂性对组织学习和运营竞争力的影响J.系统工程理论与实践,2017,37(3):631-641.9TIPPAYAWONG K Y,TIWARATREEWIT T,SOPADANGA.Positive Influence of Green Supply Chain Operations onThai Electronic FirmsFinancial PerformanceJ.ProcediaEngineering,2015,118:683-690.10 王丽杰,刘宇清.浅议绿色供应链风险管理J.社会科学战线,2014(7):255-256.11 ZHANGWen,YANShaoshan,LIJian,etal.Creditriskprediction of SMEs in supply chain finance by fusingdemographicandbehavioraldataJ.TransportationRe-searchPartE:LogisticsandTransportationReview,2022,158.12KUMAR R P,SHAW K,ISHIZAKA A.Developing an integrat-ed fuzzy credit rating system for SMEs using fuzzy-BWM andfuzzy-TOPSIS-Sort-CJ/OL.Annals of Operations Research,2022:1-332022-11-10.DOI:10.1007/S10479-022-04704-5.13 匡海波,杜浩,丰昊月.供应链金融下中小企业信用风险指标体系构建J.科研管理,2020,41(4):209-219.14 ZHUYou,ZHOULi,XIEChi,etal.ForecastingSMEscredit risk in supply chain finance with an enhancedhybrid ensemble machine learning approachJ.Interna-tional Journal of Production Economics,2019,211:22-33.15 杨晓叶.绿色供应链金融风险评估研究:基于Logit模型与 BP 神经网络的比较研究J.工业技术经济,2020,39(12):46-53.16 SVENSSON Goran.A conceptual framework for the analy-sis of vulnerability in supply chainsJ.International Jour-nal of Physical Distribution&Logistics Management,2000,30(9):731-750.17FINCH Peter.Supply chain risk managementJ.Supply ChainManagement:An International Journal,2004,9(2):183-196.18 THUN Jorn-Henrik,HOENIG Daniel.An empirical anal-ysis of supply chain risk management in the GermanautomotiveindustryJ.InternationalJournalofProduc-tion Economics,2011,131(1):242-249.19 THUN J H,DRUKE M,HOENIG D.Managing uncertainty-an empirical analysis of supply chain risk management insmall and medium-sized enterprisesJ.International Jour-nal of Production Research,2011,49(18):5 511-5 525.20 HECKMANN Iris,COMES Tina,NICKEL Stefan.A criti-cal review on supply chain risk-Definition,measure and陈岚辉，等：“双碳”目标下中小制造企业的供应链风险识别与评价-101供应链管理物流技术2023年第42卷第7期（总第442期）modelingJ.Omega,2015,52:119-132.21 马士华.如何防范供应链风险?J.中国计算机用户,2003(3):21.22 SHARMA S K,SRIVASTAVA P R,KUMAR A,et al.Sup-ply chain vulnerability assessment for manufacturing in-dustryJ.Annals of Operations Researchy,2023(326):65