摘要：供应中断是OEM供应链中企业面临的主要风险。本文基于供应链弹性分析的角度，将OEM供应链弹性运作问题描述为多变量耦合控制模型，构建了可变结构的弹性控制系统，研究了在供应中断风险冲击下OEM供应链弹性交互影响机制。在此基础上，提出了一种有针对性的提升供应链弹性的深度学习机制，此算法比传统的BP神经网络更加能够提高供应链绩效，并结合案例进行验证。研究结果表明：当供应中断发生时，深度学习算法可有效提升OEM供应链弹性，最大程度减轻企业损失。

关键词：oem供应链 供应中断 多变量耦合 深度学习机制 弹性提升策略 

单位：天津理工大学循环经济与企业可持续发展研究中心; 天津300384; 天津大学管理与经济学部; 天津300072