基于 C-OWA-CRITIC 二维云模型的装配式建筑供应链韧性评价研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、引言

（一）研究背景

近年来，装配式建筑凭借其节能环保、施工高效、质量可控等优势，成为我国建筑行业转型升级的重要方向。国家相继出台多项政策鼓励装配式建筑发展，如《“十四五” 建筑业发展规划》明确提出要大力推广装配式建造方式，到 2025 年装配式建筑占新建建筑的比例达到 30% 以上。然而，装配式建筑供应链具有参与主体多、环节复杂、协同要求高、外部环境依赖性强等特点，易受到自然灾害、原材料价格波动、政策调整、疫情等内外部扰动因素的影响。

例如，2020 年新冠疫情爆发期间，多地装配式建筑构件生产厂家停工停产，运输通道受阻，导致大量项目工期延误；2021 年以来，钢材、水泥等主要建筑原材料价格大幅上涨，使得装配式建筑供应链成本压力剧增，部分企业面临资金链断裂风险。这些事件充分暴露了当前装配式建筑供应链韧性不足的问题，如何科学评价并提升装配式建筑供应链韧性，成为保障装配式建筑行业持续健康发展的关键课题。

（二）研究意义

1. 理论意义：当前关于供应链韧性评价的研究多集中在制造业、零售业等领域，针对装配式建筑供应链的研究相对较少，且现有评价方法在处理不确定性、模糊性以及指标权重确定的客观性等方面仍存在不足。本研究将 C-OWA（Combined Ordered Weighted Averaging）算子、CRITIC（Criteria Importance Through Intercriteria Correlation）法与二维云模型相结合，构建装配式建筑供应链韧性评价模型，能够有效弥补传统评价方法的缺陷，丰富供应链韧性评价的理论体系，为装配式建筑供应链领域的相关研究提供新的思路和方法。

1. 实践意义：通过构建科学合理的装配式建筑供应链韧性评价指标体系和评价模型，能够帮助装配式建筑供应链各参与主体准确识别供应链运行过程中的薄弱环节，明确影响供应链韧性的关键因素，为制定针对性的韧性提升策略提供依据，进而提高装配式建筑供应链应对内外部扰动的能力，保障装配式建筑项目的顺利实施，促进装配式建筑行业的稳定发展。

（三）国内外研究现状

1. 国外研究现状：国外学者对供应链韧性的研究起步较早，最早由 Holling 于 1973 年在生态系统研究中提出 “韧性” 概念，随后将其引入供应链领域。近年来，国外学者在供应链韧性评价方面开展了大量研究，如 Sheffi 等（2005）从供应链冗余、灵活性、协作性等方面构建了供应链韧性评价指标体系；Wang 等（2016）采用模糊层次分析法（FAHP）对供应链韧性进行评价；Bai 等（2020）将贝叶斯网络应用于供应链韧性评价，有效处理了评价过程中的不确定性问题。在装配式建筑供应链研究方面，国外学者更多关注供应链协同管理、精益建造等领域，对供应链韧性的研究相对较少。

1. 国内研究现状：国内学者对供应链韧性的研究始于 21 世纪初，近年来随着各类突发事件的频繁发生，供应链韧性研究逐渐成为热点。在装配式建筑供应链领域，部分学者开始关注供应链韧性问题，如李忠富等（2018）分析了装配式建筑供应链面临的风险因素，提出了供应链韧性提升的对策；张静等（2021）基于熵权 - TOPSIS 法构建了装配式建筑供应链韧性评价模型。然而，现有研究在指标权重确定的客观性、评价结果的模糊性处理等方面仍有待改进。

（四）研究内容与方法

1. 研究内容：

• 装配式建筑供应链韧性影响因素分析：通过文献研究、专家访谈等方法，识别影响装配式建筑供应链韧性的关键因素，构建装配式建筑供应链韧性评价指标体系。

• C-OWA-CRITIC 权重确定方法：将 CRITIC 法与 C-OWA 算子相结合，充分考虑指标的客观重要性和专家评价的不确定性，确定各评价指标的权重。

• 二维云模型评价方法：基于二维云模型理论，构建装配式建筑供应链韧性评价模型，实现对装配式建筑供应链韧性的科学评价。

• 实例验证：以某装配式建筑项目供应链为例，运用构建的评价模型对其韧性进行评价，验证模型的可行性和有效性，并根据评价结果提出韧性提升建议。

1. 研究方法：

• 文献研究法：通过查阅国内外关于供应链韧性、装配式建筑供应链、评价模型等方面的文献，梳理相关研究成果，明确研究现状和不足，为本文的研究奠定理论基础。

• 专家访谈法：邀请装配式建筑领域的开发商、承包商、构件生产企业、物流企业以及相关科研机构的专家，进行访谈，识别影响装配式建筑供应链韧性的关键因素，完善评价指标体系，并获取专家对各指标的评价数据。

• CRITIC 法：该方法通过计算指标的标准差和指标之间的相关系数，综合考虑指标的区分度和冲突性，确定指标的客观权重，避免了主观赋权法的随意性。

• C-OWA 算子：该算子能够根据专家的风险态度和评价对象的实际情况，对专家评价数据进行有序加权平均，有效处理评价过程中的不确定性和模糊性。

• 二维云模型：二维云模型将模糊性和随机性有机结合，能够通过期望、熵、超熵三个数字特征来描述评价对象的不确定性，实现对评价结果的直观呈现和科学分析。

二、装配式建筑供应链韧性相关理论基础

（一）装配式建筑供应链概念与特点

1. 概念：装配式建筑供应链是指以装配式建筑项目为核心，由原材料供应商、构件生产企业、物流运输企业、施工企业、监理单位、业主等参与主体组成，通过信息流、物流、资金流的协同运作，将装配式建筑构件从生产到安装交付的全过程所形成的网络链条。

1. 特点：

• 参与主体多且协同复杂：装配式建筑供应链涉及原材料供应、构件生产、物流运输、现场施工等多个环节，参与主体包括供应商、生产商、运输商、施工方等，各主体之间的利益诉求、管理模式存在差异，协同难度较大。

• 构件生产与施工高度依赖：装配式建筑构件多为预制生产，构件的质量、生产进度直接影响现场施工的顺利进行，且构件的规格、型号具有定制化特点，生产周期较长，对供应链的时效性要求较高。

• 供应链脆弱性高：装配式建筑供应链受外部环境影响较大，如原材料价格波动、自然灾害、政策变化等因素均可能导致供应链中断；同时，供应链内部各环节之间的衔接紧密，任何一个环节出现问题都可能引发 “牛鞭效应”，影响整个供应链的稳定运行。

（二）供应链韧性概念与内涵

1. 概念：供应链韧性是指供应链在面临内外部扰动时，能够快速识别风险、抵御冲击、恢复正常运行状态，并从中学习和适应，提升自身应对未来扰动能力的特性。

1. 内涵：

• 抵御能力：指供应链在受到扰动初期，能够通过自身的冗余资源、灵活的运作机制等，减少扰动对供应链造成的损失，维持供应链基本功能的能力。

• 恢复能力：指供应链在受到扰动后，能够迅速采取措施，修复受损环节，恢复供应链正常运行状态的能力。

• 适应能力：指供应链在经历扰动后，能够总结经验教训，调整自身的结构、流程和管理模式，提升应对类似扰动的能力，实现供应链的持续优化和发展。

三、装配式建筑供应链韧性评价指标体系构建

（一）指标体系构建原则

1. 科学性原则：评价指标应能够准确反映装配式建筑供应链韧性的内涵和本质特征，指标的定义、计算方法应具有科学依据，避免主观臆断。

1. 系统性原则：装配式建筑供应链韧性是一个复杂的系统特性，评价指标体系应全面涵盖影响供应链韧性的各个方面，包括供应链的结构、运作、管理、外部环境等，形成一个完整的指标体系。

1. 可操作性原则：评价指标应具有可获取性和可量化性，指标的数据能够通过实地调研、企业报表、专家评价等方式获取，避免使用难以量化或无法获取数据的指标。

1. 动态性原则：装配式建筑供应链所处的环境和自身的运作状态是不断变化的，评价指标体系应能够适应这种变化，及时调整指标的内容和权重，确保评价结果的时效性和准确性。

（二）韧性影响因素识别

通过文献研究和专家访谈，结合装配式建筑供应链的特点，从供应链的抵御能力、恢复能力、适应能力三个维度，识别出影响装配式建筑供应链韧性的关键因素如下：

1. 抵御能力影响因素：

• 供应链冗余度：包括原材料库存冗余、构件生产能力冗余、物流运输能力冗余等，冗余度越高，供应链在面临扰动时的抵御能力越强。

• 供应链灵活性：包括构件生产的柔性、物流运输路线的灵活性、供应商的可替代性等，灵活性越高，供应链能够快速调整运作方式，应对扰动的能力越强。

• 信息共享水平：供应链各参与主体之间的信息共享程度，信息共享越充分，能够及时发现潜在风险，提前采取措施，减少扰动的影响。

• 合作伙伴关系：供应链各参与主体之间的合作紧密程度、信任度，良好的合作伙伴关系能够提高供应链的协同能力，共同抵御扰动。

1. 恢复能力影响因素：

• 应急响应速度：供应链在受到扰动后，能够迅速启动应急机制，制定应对措施的速度。

• 资源调配能力：供应链在受到扰动后，能够快速调配人力、物力、财力等资源，修复受损环节的能力。

• 物流恢复能力：物流运输环节在受到扰动后，能够迅速恢复运输功能，保障构件按时送达的能力。

• 生产恢复能力：构件生产企业在受到扰动后，能够迅速恢复生产，满足项目需求的能力。

1. 适应能力影响因素：

• 学习能力：供应链在经历扰动后，能够总结经验教训，改进管理方法和运作流程的能力。

• 创新能力：供应链能够不断引入新技术、新方法，优化供应链结构，提升自身韧性的能力。

• 政策适应能力：供应链能够及时了解和适应国家相关政策的变化，调整自身发展战略的能力。

• 市场适应能力：供应链能够根据市场需求的变化，调整产品结构和生产计划的能力。

（三）评价指标体系确定

根据上述影响因素识别结果，结合指标体系构建原则，构建装配式建筑供应链韧性评价指标体系，该体系分为目标层、准则层、指标层三个层次，具体如下：

1. 目标层（A）：装配式建筑供应链韧性（A）

1. 准则层（B）：

• 抵御能力（B1）

• 恢复能力（B2）

• 适应能力（B3）

1. 指标层（C）：

• 原材料库存冗余率（C11）：原材料实际库存量与安全库存量的比值，反映原材料库存的冗余程度。

• 构件生产能力利用率（C12）：实际生产能力与设计生产能力的比值，比值越低，生产能力冗余越高。

• 物流运输备用路线数量（C13）：为应对运输路线受阻而准备的备用路线数量，数量越多，物流运输灵活性越高。

• 供应商替代率（C14）：具有可替代性的供应商数量与总供应商数量的比值，比值越高，供应商可替代性越强。

• 信息共享平台覆盖率（C15）：使用信息共享平台的参与主体数量与总参与主体数量的比值，反映信息共享水平。

• 合作伙伴信任度（C16）：通过专家评价确定，采用 1-5 分制，分数越高，信任度越高。

• 应急响应时间（C21）：从发现扰动到启动应急机制的时间，时间越短，应急响应速度越快。

• 资源调配效率（C22）：资源调配完成时间与计划调配时间的比值，比值越低，资源调配效率越高。

• 物流恢复时间（C23）：从物流中断到恢复正常运输的时间，时间越短，物流恢复能力越强。

• 生产恢复时间（C24）：从生产中断到恢复正常生产的时间，时间越短，生产恢复能力越强。

• 经验总结频率（C25）：供应链定期总结经验教训的次数，频率越高，学习能力越强。

• 技术创新投入占比（C31）：技术创新投入金额与企业总投入金额的比值，比值越高，创新能力越强。

• 政策解读及时性（C32）：从政策出台到企业完成政策解读的时间，时间越短，政策适应能力越强。

• 市场需求响应速度（C33）：从市场需求变化到企业调整生产计划的时间，时间越短，市场适应能力越强。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

[1]张勇,杨慧慧,颜瑜.基于C-OWA-CRITIC二维云模型的装配式建筑供应链韧性评价研究[J].项目管理技术, 2025, 23(2):120-130.DOI:10.3969/j.issn.1672-4313.2025.02.018.

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码