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
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社