用于制造系统的风险分析的供应方非正常投入产出模型（SIM）外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

用于制造系统的风险分析的供应方非正常投入产出模型（SIM）

摘要：本文提出了一种基于Ghosh模型的相互依赖制造系统风险分析的方法方法，即Leontief投入产出模型的变化。拟议的方法能够量化生产系统中供应扰动对由于自然或人为灾害和突然的政策变化导致的供应下降导致的增值投入的价格增加造成的生产产出的影响。与文献中提出的需求驱动型扰动模型不同，由于需求通常是预先确定的，生产成本通常会随着投入价格的增加而增加，因此供给驱动的不可操作性投入产出模型(SIIM)似乎更具有相关性。在菲律宾中部的一家家具制造公司进行了一个实际的案例研究，并提出了三种方案来说明所提出的方法:(1)供应商所在地的突然的原木禁令，(2)劳动力成本的增加，以及恶劣天气造成的金属短缺。结果表明，上游工序的供给摄动不会影响下游工序，只要这些过程不受公司系统结构和拓扑结构的影响，就不会影响上游工序。这也表明，非摄动过程的影响程度取决于其对摄动过程的依赖性。在制定和实施缓解和适应政策方面，建议的方法与制造业从业者高度相关。

关键词：制造系统；供应驱动的非正常投入产出模型；风险分析；非正常；制造弹性

1. 介绍

随着全球竞争和复杂性的增加，制造企业如今不仅要生存，而且要在各自的行业中保持竞争力^[1,2]。Hayes and Wheelwright^[3]指出，制造业企业必须努力从被动反应到竞争和保持竞争优势，这需要管理者做出有效的决策过程。从制造的角度来看，决策需要在供应商选择、技术选择、生产计划、生产控制、劳动力管理、库存管理、质量管理和过程优先化等各个方面^[4]。在多智能文献^[1,3]中全面论述了制造业的竞争力，以及随之而来的可持续发展问题。为了维持这种竞争力，制造业从业人员必须在各种决策领域中保持清醒，而制造系统中任何决策过程的重要投入都是对内部和外部组件的破坏所带来的风险进行分析，而这些因素是制造企业极易受到影响的。因此，制造业企业必须寻求理解风险评估和管理的风险，这在过去的十年中成为一个新兴的问题^[5]。这项工作中所采用的主要论点是，通过执行风险分析来评估由中断引起的潜在损失，这对一般的组织决策和特别是生产过程具有重要意义。不可用工人、机器停机、原材料短缺、自然灾害等造成的破坏等领域生产过程的潜在不可操作性。了解如何从系统方法中减轻这些影响，可以提高当前对制造业弹性研究的认识。

在文献中提出了在企业层次上进行风险分析的各种方法。这些分析包括利用优势、劣势、机会和威胁(SWOT)、失效模式评估分析(FMEA)、层次分析法(AHP)、系统动力学(SD)等。杨和李的作品^[6]，图昆丹等^[7]和Lolli等^[8]对这些方法的应用。一般来说，这些方法都是基于对决策者价值判断的定性措施，这可能会影响决策的可靠性。SD虽然是定量的，但它是一个模拟工具，由于某些参数和条件而传播不同的结果。然而，在拥有已知和特定信息的情况下，一个仿真工具被分析工具所取代。因此，制造系统的风险分析缺乏一个基于硬数据的严格工具。

在宏观经济规模上，Santos和Haimes ^[9]， Jiang和Haimes ^[10]， Haimes等^[11]和Santos^[12]已经成功地展示了一种基于Leontief^[13]所开发的奖励投入产出模型(IOM)的经济系统中的风险分析方法。IOM展示了一种有前景的方法，因为它描述了最初用于经济中的部门的系统组件的关系或相互依赖关系。国际移民组织还能够解决一个系统组成部分(即经济部门)的变化如何通过定量措施影响其他部门——通常是通过闭环系统内的货物流动。它已被广泛采用在宏观、国家一级、甚至在地方一级的部门间的相互关系分析^[14]。作为一个对等点，Ghosh^[15]引入了Leontief的IOM的供给驱动的视角，其中增值投入的变化，而不是外生的需求，在部门的生产产出上的变化。由Santos和Haimes^[9]开发的模型提供了非正常投入产出模型(IIM)的基础，这是Leontief的IOM风险分析的一个重要延伸，该模型评估了经济部门无法执行预期的功能，即由于自然灾害、恐怖主义等造成的中断而导致的不可操作性^[9]。IIM的优点在于它能够处理对相互依赖的扇区或系统组件的扰动的级联效应。虽然IIM在经济系统中进行风险分析，但它也适用于其他类似的相互依赖的系统，如制造系统。一些尝试在生产过程中加入了IOM^[16]，但在目前的文献中尚未对其在风险分析中的适用性进行探讨。

IIM评估了所有相互依赖的经济部门最终产出的减少，这是由于一个部门的外生需求下降造成的。这使得IIM成为一种需求驱动的方法。与此相反，Leung等人^[17]开发了基于“Ghosh”模型的供给驱动IIM的数学模型。与需求驱动的IIM不同的是，供给驱动的IIM评估了由于供应减少而导致的价格上涨带来的风险。这种方法在领域文献中得到了相当的发展和应用。见梁伯韬^[18]、Park^[19]、Xu et al.^[20]、Xu and Wang^[21]等重点论述此方法的论文。当制造系统被类似地视为经济系统时，每一个过程都被视为经济部门，需求驱动的IIM可能不合适，因为在大多数制造系统中，除了制造零件的过程外，除了最终过程之外的其他过程可能没有外生需求。例如，汽车制造系统的轮胎生产过程会产生备用轮胎，而这些轮胎直接用于制造汽车。因此，供给驱动的IIM更适用于分析制造系统的风险。需求IIM由于以下:(1)大多数制造系统流程没有外生需求,((2)外生或客户需求制造通常是由所有有关各方事先同意,这样减少需求后放置极不可能的需求,(3)增加价格输出将增加附加值的价格输入在制造系统是高度相关的。

因此，本文试图用供给驱动的IIM来演示制造系统的风险分析。虽然以前的方法提供了关于这个问题领域的见解，但是他们没有提供一个定量的分析框架，这在制造决策中是非常重要的。SIIM的意义在于分析系统中相互依赖的组件。本文对家具制造行业的工艺系统进行了实例研究。本研究的贡献在于提出了一种全新的方法框架，该框架能够全面地解决制造系统中的风险分析。

1. 准备工作

2.1 Leontief投入产出模型

由Leontief ^[13]开发的投入产出（IO）模型是一个定量工具，通常描绘系统内组件的相互关系，如 经济中的部门。 它原本打算解决一个经济部门的变化如何可能对其他部门产生影响，从而提供一个系统的方法来观察经济。国际移民组织整合了整个经济部门的生产数据，并提供了部门所需的生产量，以满足最终消费者和其他部门的需求。一般来说，Leontief开发的模型^[13]是一种需求驱动型方法，其分析根植于整个系统受经济部门需求变化影响的情况下^[14]。国际移民组织通过一个简单而有效的线性方程式来表达经济部门之间的关系，也就是所谓的Leontief平衡方程式，如方程（1）：

x= Ax c （1）

其中x是一个ntimes;1向量包含n个部门的产量,A是扇区的ntimes;n个相互依赖性，也称为IO系数向量，表示为一个部门的比例值的输入对其输出,c是最终需求的ntimes;1向量。货币单位的货物流量记录在IO表中，如表1所示：

表1 投入产出表

术语O_ij代表第i部门的中间销售或行业间产出，当i = j时，由其他部门j消费，包括它自己在内的产品^[14]。 表1所示的增值行表示不同部门使用的外部商品。 从表中可以得出，技术矩阵A可以通过将单个元素O_ij除以总投入y得到。作为国际移民组织的一个基本规则，总投入y必须等于所需产量x。 具有矩阵A和单位矩阵I，所需输出的向量可以通过将（1）重写为：

X=（1-A）^-1c （2）

矩阵（I-A）^-1被广泛称为Leontief逆或总需求矩阵（TRM）。 这个矩阵可能是一个简单的矩阵; 然而，它被公认为IO模型的强大优势之一，因为一旦TRM被获得，关键部门的识别就完成了^[22]。 通过将（I-A）^-1的列值相加并且具有最大总输出乘数值的扇区被认为是关键扇区来计算任何扇区的总输出乘数。 IOM的全面讨论可以在Miller和Blair中找到^[14]

2.2 用投入产出模型进行风险分析

投入产出模型通常解释不同经济部门的行为和关系或者它们之间的相互依存关系。移徙组织认定关键部门或高度敏感的部门在依赖其他部门方面^[14]。国际移民组织的内在结构是解决一般系统的相互依赖关系，这使得它在风险分析中很有吸引力。关键部门的优先化需要执行预防措施、政策和投资促进发展。决策者有必要优先部门来减少上述风险的影响^[23]。一个部门的内部或外部失败可能会使该部门无法履行其预期的职能。由于各部门之间存在固有的相互联系，这种失败的影响可能会传播到整个系统，从而引发系统功能障碍^[12]。Santos^[12]将这种现象称为“无能力”，从而为风险分析带来了新的视角。投入产出模型的扩展集中在评估一个部门或系统扰动的可能影响上，称为不合格投入产出模型（IIM）^[9]。 IIM通过量化和可验证的数据描述了扰动对相互关联部门的级联效应。 Tan等人^[5]认为组织必须设法了解这种中断，并能够量化中断对某个部门和整个系统的影响，以便更有效地缓解这种影响。从 Leontief的移民组织采用的IIM评估了因灾害，恐怖主义等原因造成的相互依存的部门的不可操作性^[9]。IIM已被广泛应用于不同的应用，如评估恐怖主义攻击^[9]，气候变化引起的自然资源投入损失^[24,25]，电力中断^[23]，劳动力部门流行性流感后果^[26]等。

IIM的简单性通过将其与不同的方法联系起来，从而实现了各种发展和扩展，从而更有效地实现其目的。IIM在经济部门的应用使得这些部门的决策者能够执行政策，预防方法和其他投资以减少风险的影响。但是，IIM的框架并不仅限于生态经济部门。 在分析风险的系统方法之后，它适用于其他系统，例如生产系统中的过程。 生产过程将原材料转化为成品^[27]，这些过程产生的输出成为后续过程或过程的输入，以便将半成品转化为成品。 因此，生产过程建立与其他过程的互连，使整个系统相互依存。

1. 非正常投入产出模型

3.1概念和数学基础

Haimes和Jiang ^[28]根据Wassily Leontief在1936年建立的投入产出模型（IOM）开发了不可操作性投入产出模型（IIM）。IOM概述了经济部门与另一部门的相互依赖关系，一个扇区的输出成为另一扇区的输入，从而在系统内创建相互依赖关系。另一方面，IIM是一种简单的工具，用于分析和量化受影响部门的人为或自然灾害的影响，以及由于系统内其他部门的相互依赖性而产生的级联效应.IIM被应用于宏观经济和国家层面的分析。它提供了一个框架，说明不同部门的相互依存关系如何影响中断的蔓延^[11]。 IIM将不稳定性定义为系统由于内部故障或外部扰动而无法执行其预期功能。它使用的是无量纲度量，这是一个无量纲指标，其值在量化风险时的值从0（系统正常状态）到1（系统总失败）^[12]。 Santos和Haimes ^[9]后来将IIM的焦点扩大到了需求方面的不可操作性上，这可以表示为最终需求减少造成的经济损失的百分比.IIM被用来量化互联基础设施恐怖主义引发的经济损失。这种方法的概念和数学基础由Jiang和Haimes ^[10]，Haimes ^[29]和Haimes等人^[11]详细阐述。 IIM结构的简单性为开发分析中断影响的额外能力提供了机会^[30]。以IIM为核心，分析了帮助决策者提供风险缓解政策的中断的级联效应。Santos and Haimes^[9]首先通过研究相互依存系统中的破坏效应并将其作为不可操作性输入 - 输出模型（IIM）进行扩展，从而扩展了IOM。 IIM的数学方法论在他们的第一次出版物中明确提出。从IOM获得的数据中得出的非正常投入产出模型可以如下构造：

q=Alowast;q clowast; （3）

其中，

clowast;为按照工业部门i的归一化退化最终需求表示的需求侧摄动向量；

Alowast;表示行业部门耦合程度的相互关系矩阵；

q是以正常化经济损失表示的不可操作性向量。

3.2需求侧扰动

需求侧扰动向量的第i个部门的标量要素可以按照“按计划”最终需求_i减去实际最终需_{i 剩余内容已隐藏，支付完成后下载完整资料}

资料编号：[24087]，资料为PDF文档或Word文档，PDF文档可免费转换为Word