Search Advanced

Message Board

Dear readers, authors and reviewers,you can add a message on this page. We will reply to you as soon as possible!

2023 Volume 45 Issue 11
Article Contents
Previous Article Next Article

XU Shuang, CAI Hongming, ZHAO Linchang, et al. Sustainability Index Metrics and Analysis of Agricultural Food Supply Chains[J]. Journal of Southwest University Natural Science Edition, 2023, 45(11): 186-196. doi: 10.13718/j.cnki.xdzk.2023.11.018
Citation: XU Shuang, CAI Hongming, ZHAO Linchang, et al. Sustainability Index Metrics and Analysis of Agricultural Food Supply Chains[J]. Journal of Southwest University Natural Science Edition, 2023, 45(11): 186-196. doi: 10.13718/j.cnki.xdzk.2023.11.018
shu

Sustainability Index Metrics and Analysis of Agricultural Food Supply Chains

  • 1.

    School of Economics and Management, Guiyang University, Guiyang 550005, China

  • 2.

    School of Software, Shanghai Jiao Tong University, Shanghai 201100, China

  • 3.

    School of Mathematics and Information Science, Guiyang University, Guiyang 550005, China

  • 4.

    School of Electronics and Communications Engineering, Guiyang University, Guiyang 550005, China

More Information
  • Received Date: 18/04/2023
    Available Online: 20/11/2023

  • MSC: TP393

  • As global unrest and the natural environment continue to deteriorate, the sustainability of the agricultural food supply chain (AFSC) has become a topic of greater interest to consumers, businesses, government organizations, and academia. Most of the current research on AFSC sustainability mainly uses the triple bottom line (TBL) sustainability related key performance indicators. However, the characteristics of modern AFSC are non-linear and circular, which need focus on indicators such as waste management, recycling and recirculation. Therefore, by introducing performance indicators related to circular economy into the TBL indicator system, a sustainability performance indicator model based on four dimensions of environment, society, economy, and cycle was proposed to evaluate the sustainability of AFSC. The model first used triangular fuzzy number-based hierarchical analysis to determine the weights of the dimensions and key performance indicators in the framework. Then, the improved TOPSIS method was used to assess the sustainability performance of the alternatives and rank them. The analysis of empirical results verified the feasibility and validity of the proposed method, which can provide some guidance for the sustainability of agricultural food supply chains.

  • 加载中
  • [1] ADAMS D J, DONOVAN J, TOPPLE C. Implementing Sustainability in Food Manufacturers' Operations and Supply Chains [J]. Management of Environmental Quality: An International Journal, 2022, 33(5): 1132-1146. doi: 10.1108/MEQ-09-2021-0225

    CrossRef Google Scholar

    [2] IVO DE CARVALHO M, RELVAS S, BARBOSA-PÓVOA A P. A Roadmap for Sustainability Performance Assessment in the Context of Agri-Food Supply Chain [J]. Sustainable Production and Consumption, 2022, 34: 565-585. doi: 10.1016/j.spc.2022.10.001

    CrossRef Google Scholar

    [3] BENJAMIN A G A, YAW K L, EBENEZER A, et al. Firm Performance Implications of Supply Chain Integration, Agility and Innovation in Agri-Businesses: Evidence from an Emergent Economy [J]. Journal of Agribusiness in Developing and Emerging Economies, 2022, 12(2): 320-341. doi: 10.1108/JADEE-03-2021-0078

    CrossRef Google Scholar

    [4] ARCESE G, FORTUNA F, PASCA M G. The Sustainability Assessments of the Supply Chain of Agri-Food Products: The Integration of Socio-Economic Metrics [J]. Current Opinion in Green and Sustainable Chemistry, 2023, 40: 100782-100788. doi: 10.1016/j.cogsc.2023.100782

    CrossRef Google Scholar

    [5] LOXTON M, TRUSKETT R, SCARF B, et al. Consumer Behaviour during Crises: Preliminary Research on how Coronavirus Has Manifested Consumer Panic Buying, Herd Mentality, Changing Discretionary Spending and the Role of the Media in Influencing Behaviour [J]. Journal of Risk and Financial Management, 2020, 13(8): 166-186. doi: 10.3390/jrfm13080166

    CrossRef Google Scholar

    [6] MU W, VAN ASSELT E D, VAN DER FELS-KLERX H J. Towards a Resilient Food Supply Chain in the Context of Food Safety [J]. Food Control, 2021, 125: 107953-107960. doi: 10.1016/j.foodcont.2021.107953

    CrossRef Google Scholar

    [7] EKANAYAKE E M A C, SHEN G Q P, KUMARASWAMY M M. Identifying Supply Chain Capabilities of Construction Firms in Industrialized Construction [J]. Production Planning & Control, 2021, 32(4): 303-321.

    Google Scholar

    [8] SHARMA R, SHISHODIA A, KAMBLE S, et al. Agriculture Supply Chain Risks and COVID-19: Mitigation Strategies and Implications for the Practitioners [J]. International Journal of Logistics Research and Applications, 2020, 2020: 1-27.

    Google Scholar

    [9] SINGH C S, SONI G, BADHOTIYA G K. Performance Indicators for Supply Chain Resilience: Review and Conceptual Framework [J]. Journal of Industrial Engineering International, 2019, 15(1): 105-117.

    Google Scholar

    [10] 孙广刚. 绿色食品产业与中国绿色农业的可持续性发展战略[J]. 中国市场, 2022(16): 4-6.

    Google Scholar

    [11] BATWARA A, SHARMA V, MAKKAR M, et al. An Empirical Investigation of Green Product Design and Development Strategies for Eco Industries Using Kano Model and Fuzzy AHP [J]. Sustainability, 2022, 14(14): 8735-8769. doi: 10.3390/su14148735

    CrossRef Google Scholar

    [12] 张仕超, 王金亮, 魏朝富, 等. 丘陵山区多元新型农业经营主体时空演变及产业响应[J]. 西南大学学报(自然科学版), 2022, 44(1): 118-137.

    Google Scholar

    [13] KAMBLE S S, GUNASEKARAN A, GAWANKAR S A. Achieving Sustainable Performance in a Data-Driven Agriculture Supply Chain: a Review for Research and Applications [J]. International Journal of Production Economics, 2020, 219: 179-194. doi: 10.1016/j.ijpe.2019.05.022

    CrossRef Google Scholar

    [14] LIU Y, ECKERT C, YANNOU-LE BRIS G, et al. A Fuzzy Decision Tool to Evaluate the Sustainable Performance of Suppliers in an Agrifood Value Chain [J]. Computers & Industrial Engineering, 2019, 127: 196-212.

    Google Scholar

    [15] CECCHINI L, VENANZI S, PIERRI A, et al. Environmental Efficiency Analysis and Estimation of CO2 Abatement Costs in Dairy Cattle Farms in Umbria (Italy): a SBM-DEA Model with Undesirable Output [J]. Journal of Cleaner Production, 2018, 197: 895-907. doi: 10.1016/j.jclepro.2018.06.165

    CrossRef Google Scholar

    [16] HOUSSARD C, MAXIME D, BENOIT S, et al. Comparative Life Cycle Assessment of Five Greek Yogurt Production Systems: a Perspective beyond the Plant Boundaries [J]. Sustainability, 2020, 12(21): 9141-9161. doi: 10.3390/su12219141

    CrossRef Google Scholar

    [17] SHI H A, QUAN M Y, LIU H C, et al. A Novel Integrated Approach for Green Supplier Selection with Interval-Valued Intuitionistic Uncertain Linguistic Information: a Case Study in the Agri-Food Industry [J]. Sustainability, 2018, 10(3): 733-750. doi: 10.3390/su10030733

    CrossRef Google Scholar

    [18] BANAEIAN N, MOBLI H, FAHIMNIA B, et al. Green Supplier Selection Using Fuzzy Group Decision Making Methods: a Case Study from the Agri-Food Industry [J]. Computers & Operations Research, 2018, 89: 337-347.

    Google Scholar

    [19] ZHANG J, YANG D, LI Q A, et al. Research on Sustainable Supplier Selection Based on the Rough DEMATEL and FVIKOR Methods [J]. Sustainability, 2020, 13(1): 88-107. doi: 10.3390/su13010088

    CrossRef Google Scholar

    [20] TIRKOLAEE E B, DASHTIAN Z, WEBER G W, et al. An Integrated Decision-Making Approach for Green Supplier Selection in an Agri-Food Supply Chain: Threshold of Robustness Worthiness [J]. Mathematics, 2021, 9(11): 1304. doi: 10.3390/math9111304

    CrossRef Google Scholar

    [21] KUMAR S, RAUT R D, NAYAL K, et al. To Identify Industry 4.0 and Circular Economy Adoption Barriers in the Agriculture Supply Chain by Using ISM-ANP [J]. Journal of Cleaner Production, 2021, 293: 126023-126035. doi: 10.1016/j.jclepro.2021.126023

    CrossRef Google Scholar

    [22] 程永龙, 杨海旭, 杜国强, 等. 基于TFN-AHP赋权的木结构建筑可靠性评估研究[J]. 林产工业, 2019, 56(11): 6-12.

    Google Scholar

    [23] 邹筱, 庞天赐, 周欢. 双向收益共享成本分担契约下生鲜农产品供应链优化研究[J]. 西南大学学报(自然科学版), 2021, 43(11): 122-130.

    Google Scholar

    [24] SUFIYAN M, HALEEM A, KHAN S, et al. Evaluating Food Supply Chain Performance Using Hybrid Fuzzy MCDM Technique [J]. Sustainable Production and Consumption, 2019, 20: 40-57. doi: 10.1016/j.spc.2019.03.004

    CrossRef Google Scholar

    [25] KUMAR M, KUMAR CHOUBEY V, DEEPAK A, et al. Life Cycle Assessment (LCA) of Dairy Processing Industry: a Case Study of North India [J]. Journal of Cleaner Production, 2021, 326: 129331-129343.

    Google Scholar

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(3)  /  Tables(7)

Export Citation
PDF
XML

Article Metrics

Article views(1431) PDF downloads(394) Cited by(0)

Access History

Other Articles By Authors

Sustainability Index Metrics and Analysis of Agricultural Food Supply Chains

  • Received Date: 18/04/2023
  • Available Online: 20/11/2023

Abstract: 

As global unrest and the natural environment continue to deteriorate, the sustainability of the agricultural food supply chain (AFSC) has become a topic of greater interest to consumers, businesses, government organizations, and academia. Most of the current research on AFSC sustainability mainly uses the triple bottom line (TBL) sustainability related key performance indicators. However, the characteristics of modern AFSC are non-linear and circular, which need focus on indicators such as waste management, recycling and recirculation. Therefore, by introducing performance indicators related to circular economy into the TBL indicator system, a sustainability performance indicator model based on four dimensions of environment, society, economy, and cycle was proposed to evaluate the sustainability of AFSC. The model first used triangular fuzzy number-based hierarchical analysis to determine the weights of the dimensions and key performance indicators in the framework. Then, the improved TOPSIS method was used to assess the sustainability performance of the alternatives and rank them. The analysis of empirical results verified the feasibility and validity of the proposed method, which can provide some guidance for the sustainability of agricultural food supply chains.

    HTML

  • 开放科学(资源服务)标识码(OSID)：

  • 农业食品供应链(Agricultural Food Supply Chain，AFSC)是农业生产的重要组成部分，也是事关农业食品安全的关键一环. 因此，AFSC对于各个国家都至关重要[1-2]. 然而，随着气候变暖、经济复苏乏力、局部冲突和动荡频发等全球性危机加剧，农业食品供应链受到一定程度的冲击，使得世界各地的食品供应链都遭受了不利影响[3]，因此全球多个国家出台了不同程度的农业食品保护主义政策，增加了维持供应链可行性的复杂性[4]. 部分国家居民为了应对疫情、战争及自然灾害，选择囤积保质期超长的应急储备食物，而这种消费行为的重大变化又给供应网络带来了额外的负担[5]. 在这种情况下，如何防范化解食品供应链风险，保证食品供应链的安全与可持续运作，已成为学术界和商业界广泛关注和研究的重要课题.

    目前，针对农业食品供应链的风险管理，专家学者提出了加强农业食品供应链可行性和可持续性的多种方法. Mu等[6]提出了弹性食品供应链的建议. Ekanayake等[7]讨论了与供应链相关的风险管理技术. Sharma等[8]主张更广泛地使用工业4.0技术来应对农业食品供应链扭曲的风险. Singh等[9]提出了一种新的公共食品分配框架，以提高食品供应链的弹性. 然而，上述研究仅仅停留在定性描述阶段，对农业食品供应链可持续性发展能力缺少系统、深入的多维度定量评估. 因此，需要建立一个适当的模型和指标评估体系，用于衡量农业食品供应链可持续性的绩效.

    可持续性发展是指在不牺牲后代满足其需求能力的基础上，满足现有群体需求能力的发展途径[10]. 将可持续性纳入供应链的绩效评估中，有助于缓解环境破坏、劳动力短缺等风险和脆弱性，提高企业稳定性，并避免生产和分销过程的延误. 农业部门期待通过提高可持续发展绩效来实现AFSC中的可持续发展. AFSC可持续性评估对于实现优质、安全、可靠、营养和负责任的社会食品至关重要[11]. 农业食品供应链可持续性绩效评估研究本质上是多学科问题，其内容包括确定指标、评估关键绩效指标的相对权重及开发合适的绩效评估模型[12]. 基于经济、环境、社会三重底线(Triple Bottom Line，TBL)的评估方法为可持续农业食品供应链提供了一个有效途径[13]. Liu等[14]将TBL可持续性概念应用于农业食品供应链，用于衡量农业食品供应链系统的可持续绩效. Cecchini等[15]利用松弛测度法(Slacks-based Measure，SBM)和数据包络分析法(Data Envelopment Analysis，DEA)来衡量乳制品企业的环境效率. Houssard等[16]使用生命周期评估(Life Cycle Assessment，LCA)技术评估了乳制品行业的环境可持续性. 考虑到TBL背景下农业食品供应链绩效评估是多维度的，Shi等[17]采用多标准决策方法(multi-criteria decision-making model，MCDM)对AFSC中的供应链系统进行了整体分析. Banaeian等[18]和Zhang等[19]分别使用多准则妥协解排序法(VIKOR)和模糊多准则妥协解排序法(Fuzzy VIKOR)来评估农业食品供应链中供应商的可持续能力. Tirkolaee等[20]将模糊集理论、层次分析法(Analytic Hierarchy Process，AHP)和逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)相结合，构建了一种衡量可持续供应商绩效的模糊决策方法. 农业食品本质上易腐烂，需要严格的温度控制和冷链物流. 但是，在AFSC中仍会存在大量的食物损失和浪费，这使可持续性发展面临严重挑战. Kumar等[21]在供应链可持续评估中引入了循环经济的概念，通过有效的管理降低浪费，最大限度地确定供应链的可持续发展. 循环经济概念有助于可持续发展，为TBL增加了价值，并确保人民最大限度地获得AFSC的安全管理.

    国外学者在农业食品供应链及可持续供应链发展方面做出了很多有效的探索，但是国内鲜有学者涉足农业食品供应链可持续性的定量研究，而农业食品供应链可持续性指标衡量和分析是AFSC可持续发展的起点，具有重要意义. 鉴于此，本文拟构建农业食品供应链可持续性评价指标体系，并采用三角模糊数-层次分析法(TFN-AHP)和改进TOPSIS综合方法对AFSC进行可持续绩效评估，以期为农业食品产业经济发展、食品安全、环境污染问题提供理论基础和实践指导.

    本文的创新之处在于提供了一个全面标准的绩效指标体系，为AFSC可持续消费和生产进行有效评价，即在现有AFSC可持续指标TBL体系中引入循环维度. 可持续绩效评估表明，经济和环境维度在促使企业可持续发展方面发挥了更重要的作用，其次是循环和社会维度. 循环维度在可持续发展中起到催化剂作用，通过减少、回收、再利用和循环利用来管理AFSC过程中的废物，减少碳排放，从而为经济、社会和环境提供动力.

1.   AFSC可持续性评价指标体系

  • 循环经济是AFSC可持续发展的驱动力. 本文在AFSC可持续性评价指标体系中环境、社会、经济3个维度的基础上，构建新的循环维度来评价农业食品供应链的可持续性. 图 1给出了AFSC可持续发展的维度和关键绩效指标.

    • 1.1.   环境维度(EN)

  • 从环境维度来评估AFSC时，需要从生态层面评估AFSC的可持续性. 因此，将绿色材料消耗(EN1)、环境法规和政策(EN2)、资源利用(EN3)、绿色物流(EN4)和温室气体排放(EN5)作为AFSC的环境维度关键绩效指标.

    • 1.2.   社会维度(S)

  • 社会维度是可持续发展评估的第2个重要支柱. 社会表现标志着该行业对人民及其生活方式的影响程度. 本文将供应链内部透明度(S1)、人力资源(S2)、员工福利(S3)和利润分享(S4)作为AFSC的社会维度关键绩效指标.

    • 1.3.   经济维度(EC)

  • 经济维度被用来衡量AFSC的经济增长和财务健康程度. 本文将盈利能力(EC1)、食品质量(EC2)、物流效率(EC3)和收入增长(EC4)作为AFSC的经济维度关键绩效指标.

    • 1.4.   循环维度(C)

  • 循环维度是在可持续TBL维度的基础上，针对AFSC绩效评估新引入的维度. 循环维度有助于通过额外指标引入提高供应链的可持续性，特别是在环境和经济目标方面. 循环经济实践在供应链可持续性方面有多个指标，本文将废物管理(C1)、逆向物流有效性(C2)及资源利用回收和再循环(C3)作为循环维度的关键绩效指标.

2.   AFSC可持续性评价模型

  • 对农业食品供应链可持续性进行综合评价，涉及到非定量因素，本文采用三角模糊数-层次分析法和改进TOPSIS综合评价法对AFSC进行可持续绩效评估. 首先，采用三角模糊数-层次分析法计算4个维度和相应关键绩效指标的权重. 然后，利用权重系数，通过改进TOPSIS法对AFSC的可选项进行排序. 图 2给出了本文评价模型的框架. 图 2中CR(一致性比例)用于评估判断矩阵的一致性，通常设置为小于0.1的值，旨在确保决策者在构建判断矩阵时不会引入过多的不一致性.

    • 2.1.   基于TFN-AHP法的权重计算

  • 层次分析法(AHP)是将与决策相关的元素分解成目标、准则、方案等层次，并进行定量分析的决策方法. 对于多指标综合评估类问题，一般采用AHP方法对指标权重进行计算. 考虑到专家评分往往具有一定的不确定性和模糊性，本文采用TFN-AHP法来进行权重确定[22].

    • 2.1.1.   三角模糊数

  • 为了表示某一特征t隶属于集合O的程度，采用三角形函数来表达模糊隶属函数. 设O=(l，o，v)为三角模糊数，其隶属度函数ηO(t)为：

    式(1)中，t代表输入变量；l代表三角形模糊数的起始点；v代表三角形模糊数的结束点. o表示输入变量t对模糊集O的隶属度为1的中值. 当t=o时，t完全属于O；l和v分别为下界和上界.

    假定两个三角模糊数O1=(l1，o1，v1)和O2=(l2，o2，v2)，其基本运算规则为：

    为比较两个三角模糊数O1与O2的大小，应先按照式(3)求得B(O1≥O2)与B(O2≥O1)的值. 其中，当O1≥O2的可能度用三角模糊函数定义为：

    因此，一个三角模糊数O大于r个三角模糊数Oi(i=0，1，…，r)的可能度为：

    图 3说明当公式(4)中比较O1与O2大小时，纵坐标上ηO1和ηO2之间交叉点E对应最大值，该值同时满足B(O1≥O2)和B(O2≥O1).

    • 2.1.2.   TFN-AHP计算权重

  • TFN-AHP计算权重的具体运算过程为：

    步骤1  构造三角模糊判断矩阵

    利用已构建的评估指标体系，由C位专家对同一层次评估指标的重要程度进行两两比较. 利用三角模糊数构造模糊判断矩阵，指标重要程度描述与三角模糊数对应关系见表 1.

    步骤2  建立模糊综合判断矩阵

    假设有n个评估指标，则构造的模糊判断矩阵为A=(aij)n×n，其中aij=(lij，oij，vij). 考虑到共有C位专家进行评分，因此A为C专家评分后的综合判断矩阵，其定义为：

    式(5)中，aijk表示第k个专家评的三角模糊数.

    步骤3  计算模糊综合度

    假设Ohi1，Ohi2，…，Ohig第i个一级指标下有g个二级指标三角模糊数，则其模糊综合度Qi表示为：

    步骤4  去模糊化，计算权重

    设D′(Fi)=minB(Qi≥Qj)，则评估指标的初始权重矩阵W′为：

    式(7)中，Fi为第i个一级评估指标.

    对初始权重矩阵进行标准化处理，即可求出评估指标的最终权重向量W，为：

    步骤5  一致性检验

    计算模糊综合判断矩阵的最大特征根lmax，根据式(9)计算判断矩阵的一致性指标CI.

    然后，计算一致性比例CR：

    式(10)中，RI为随机一致性指标，其值取决于判断矩阵的维度(也就是元素的数量). RI的值会随着判断矩阵的维度而变化，如表 2所示. 当 CR≤0.1时，判断矩阵为满意一致性矩阵；当CR＞0.1时，判断矩阵不具有一致性，需要对其进行调整，直到其为满意一致性矩阵为止.

    • 2.2.   基于改进TOSIS法评估AFSC可持续性

  • TOPSIS法是一种多属性的决策分析方法，其基本思路是通过计算有限数量的评价对象与正、负理想化方案之间的接近程度、相对贴近度来对评价对象的优劣做出判断[23].

    假设某多属性决策问题有m个备选方案，即方案集为X={x1，x2，…，xm}. 评价方案优劣的属性有n个，构成属性向量Y={y1，y2，…，yn}. 此时任一方案xi(i=1，2，…，m)的n个属性值构成决策向量Yi={yi1，yi2，…，yin}，则m个方案的向量可构成决策矩阵Y=(yij)m×n. 向量Yi能够唯一表示方案xi，其可视为n维空间中的一个点. 在该空间中，假设存在一个理想解x*，其每个属性值都是决策矩阵中该属性的最优值. 假设存在一个负理想解x0，其每个属性值都是决策矩阵中该属性的最劣值. 在n维空间中，对每个备选方案xi(i=1，2，…，m) 到理想解x*和负理想解x0的距离进行比较，其中离理想解最近，离负理想解最远的方案就是最优方案，可据此对方案的优劣性进行排序.

    • 2.2.1.   传统TOSIS算法

  • TOPSIS具体运算过程为：

    步骤1  计算规范决策矩阵

    已知决策矩阵Y=(yij)m×n，则规范化决策矩阵Z=(zij)m×n可通过以下公式计算得到：

    步骤2  构建加权规范矩阵

    假设各属性的权重向量W=(w1，w2，…，wn)T已知，则加权规范矩阵X=(xij)m×n可通过以下公式计算得到：

    式(12)中，权重向量W中的各个权重系数由TFN-AHP计算得到.

    步骤3确定理想解x*和负理想解x0

    假设理想解x*和负理想解x0的第j属性值分别为xj*和xj0，则其定义为：

    步骤4  计算评价方案与理想解的距离

    方案xi到理想解x*的距离为：

    方案xi到负理想解x0的距离为：

    步骤5  计算各方案的综合评估指数

    根据方案xi综合评估指数ci的大小来判定各方案的优劣次序.

    • 2.2.2.   改进TOSIS算法

  • TOPSIS法可以充分反映各方案与最优方案之间的差距，呈现出最真实的情况，而且在使用时对数据的限制较少，使用起来比较灵活. 但传统的TOPSIS法存在不足，其距离计算基于欧式距离，可能存在与理想解x*和负理想解x0欧式距离都较近的方案，此时TOPSIS法不能对方案进行排序. 针对欧式距离存在的不足，可以引入灰色关联分析法，利用灰色关联度代替欧氏距离.

    具体而言，加权规范矩阵X=(xij)m×n不需要通过步骤2进行构建. 根据步骤3中的理想解z*和负理想解z0将规范化决策矩阵代入式(13)-式(14)求得.

    计算理想解z*和负理想解z0的灰色关联系数Uj*和Uj0，其中j表示第j个属性.

    根据灰色关联系数Uj*，Uj0和权重向量wj，计算各方案与理想解z*和负理想解z0的灰色关联度数Ui*和Ui0.

    最后，计算各方案的灰色关联贴近度Pi，根据灰色关联贴近度大小判断各方案的优劣.

3.   案例分析

  • 针对农业食品供应链可持续性评估，本文选择西南地区4家乳品生产企业的乳制品供应链作为案例对象进行评价、分析. 为了能够向乳制品生产行业提供真实、有效的科学数据，相关人员采用问卷形式从环境、社会、经济和循环4个维度，对16个关键绩效指标进行打分. 打分人员包括相关部门的专家学者、乳制品生产人员、销售人员和消费者. 通过整理，得到模糊判断矩阵(表 3).

    • 3.1.   基于TFN-AHP法计算权重

  • 首先，整理相关人员的打分，获得模糊判断矩阵. 表 3给出了4个维度上的整体模糊判断矩阵. 单个维度上二级指标对应的判断矩阵A1，A2，A3和A4分别为：

    其次，使用式(8)获得每个标准和指标的权重，并使用式(10)检查结果的一致性. 维度和关键指标的一致性比率如表 4所示. 从表 4中可以看出，所有维度和关键指标的一致性比率都低于0.1. 表 5给出了各维度的局部权重和全局权重.

    • 3.2.   基于改进TOPSIS法进行排名

  • 首先，根据专家打分，获取4个乳制品生产企业在每个维度下的关键绩效得分并形成决策矩阵. 其次，通过式(11)规范化后可消除量纲的影响，得到规范化决策矩阵(表 6). 在本文中，环境维度的3个指标(资源利用、绿色物流和温室气体排放)属于成本标准，其他13个指标都是效益标准.

    利用式(13)-式(14)确定理想解和负理想解，并根据理想解和负理想解计算每个备选方案的距离. 在确定各备选方案的距离后，计算其接近系数. 通过接近系数的值，确定备选方案的最终排名(表 7).

    • 3.3.   结果分析与讨论

  • 采用TFN-AHP和改进TOPSIS相结合的方法来计算绩效指标的权重，并根据4个乳制品生产企业在环境、社会、经济和循环4个维度的综合得分对其进行排名. 研究结果表明，经济维度的权重最高，环境维度和循环维度处于中间，而社会维度的权重最低. 本文在环境维度、社会维度、经济维度的权重与文献[24]中提供的权重基本一致.

    在二级指标中，绿色材料消耗的权重是环境维度中最高的加权指标，而环境法规和政策权重最低. 社会维度中的人力资源和利润分享权重、经济维度中的食品质量和物流效率权重、循环维度中的废物管理和逆向物流有效性权重的数值及排名与文献[25]中的结果一致. 表 5给出了4个维度16个指标的局部权重、全局权重及排名. 从全局权重来看，食品质量权重为0.16，排名第1，收入增长权重为0.14，排名第2，说明企业首先要关注产品的质量和收益，从而实现可持续目标. 此外，帮助企业实现可持续发展的关键绩效指标是绿色材料消耗，通过该指标可以控制材料和能量消耗，引导企业在满足生产需求的同时，通过降本增效实现可持续发展目标. 循环维度中的废物管理、逆向物流有效性及资源利用回收和再循环指标权重分别为0.04，0.08和0.04，排名分别为11，5，8. 由于乳制品行业因使用化学品而产生废水和工业污泥，可持续发展目标中的循环指标可以帮助企业实现废水处理和污泥转化为肥料，从而提高公司的经济和生态收益.

    改进TOPSIS方法被用于评估4家乳制品厂供应链可持续的能力并对其进行排名. 该方法将TFN-AHP获得的权重和专家对每个备选方案的决策矩阵作为输入，其结果如表 7所示. 从表 7中可知，第1家乳制品厂的接近系数最高，其距离最接近理想解，第4家乳制品厂的接近系数最低，其可持续性能力最低；其余2家可持续性能力为中等. 根据可持续绩效得分，第1家乳制品厂被评为4家乳制品厂供应链中可持续性和循环能力最佳的企业.

4.   结论

  • 本文提出一种融合循环维度和TBL维度的可持续性评估框架，用于评估现代农业产品供应链的可持续性. 该框架根据AFSC的主要特征要素，从环境、经济、社会和循环4个维度构建了包含16个关键绩效标准的指标体系，保证了评估指标的科学性和全面性. 为了对AFSC可持续性关键绩效指标进行量化，设计了一种基于TFN-AHP和改进TOPSIS的综合方法. 首先利用TFN-AHP计算4个维度和16个关键绩效指标的权重；然后使用改进TOPSIS法评估供应链备选方案的可持续发展绩效，并根据接近系数对其进行排序；最后通过乳制品企业的案例验证了本文方法的可行性和合理性，可有效指导实际农业产品供应链的实践活动.

    因为所采用的关键绩效指标都是固定的，所以本文主要缺陷是定性评估. 下一步研究计划是将本文指标体系推广到其他行业供应链进行可持续性评估，且引入VIKOR等其他MCDM工具共同完成.

Figure (3)  Table (7) Reference (25)

Catalog

    Copyright Journal of Southwest University Natural Science Edition

    Address： Tel：023-68254576, 68252540, 68366165,68366917 E-mail：lkxb@swu.edu.cn

    Supported by:Beijing Renhe Information Technology Co. Ltd

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return