双碳目标下绿色供应商多属性决策及评价研究.pdf

54学术论文May.2023Evaluation&Management2023年5 月Vol.21 No.2与理第2 期价评管双碳目标下绿色供应商多属性决策及评价研究张俊毛薇（杭州电子科技大学管理学院，浙江杭州310 0 18）【摘要】农产品供应链的低碳减排为实现“碳达峰、碳中和”提供了机会窗口。本文首先搭建了一个基于云计算的碳最小化框架，将碳足迹相关属性与价格、重量和可追溯性等传统标准属性结合生成新的生猪采购标准，以最大限度地减少养殖场的碳排放。其次，为保证将碳足迹纳入标准采购属性的理念有效落地，通过采用在模糊环境下评估低碳供应商的多属性决策方法一一模糊TOPSIS，根据上述标准属性对生猪供应商上传到云端的信息进行处理，选择最接近模糊正理想解的低碳供应商。最后，利用一个算例来验证该方法可以实际应用于生态友好型供应商的评估，帮助供应链的参与者主动做出更环保的决策，为进一步推动整个农产品供应链开展低碳减排研究提供科学依据。【关键词】碳足迹；云计算；猪肉供应链；多属性决策；模糊TOPSISResearch on Multi-attribute Decision-making and Evaluation ofGreen Suppliers with Strategic Target of Carbon Peak and Carbon NeutralityZhang Jun,Mao Wei(School of Management,Hangzhou Dianzi University,Zhejiang Hangzhou,310018)Abstract】L o w-c a r b o n e mi s s i o n r e d u c t i o n s i n t h e a g r i-f o o d s u p p l y c h a i n p r o v i d e a w i n d o w o f o p p o r t u n i t y t o a c h i e v e c a r b o npeaking and carbon neutrality.This paper builds a cloud-based carbon minimization framework that combines carbon footprintrelated attributes with traditional standard atributes such as price,weight and traceability to generate new pig sourcing standards tominimize the carbon emissions of farms.Secondly,in order to ensure the effective implementation of the concept of incorporatingcarbon footprint into standard procurement attributes,according to the above standard attributes,this paper processes theinformation uploaded to the cloud by pig suppliers through a multi-attribute decision-making method for evaluating low-carbonsuppliers in a fuzzy environment,fuzzy TOPSIS,and the low-carbon supplier closest to the fuzzy positive ideal solution is selected.Finally,a study is used to verify that the method can be applied to the assessment and selection of eco-friendly suppliers,helpingsupply chain participants to proactively make more environmentally friendly decisions,as well as providing a scientific basis forfurther promoting low-carbon emission reduction research in the entire livestock supply chain.Key words I Carbon footprint;Cloud computing;Pork supply chain;Multi-attribute selection;Fuzzy TOPSIS引言为积极应对全球气候变暖，国家提出了“碳达峰、碳中和”的战略目标，控制碳排放成为各行业发展的必要前提。要加快发展方式绿色转型，低碳化是实现高质量发展的关键环节。然而，现有的许多研究主要关注制造业和运输业，从而忽视了全球排放的主要贡献者之一的畜牧业。因此，需要增强整条供应链的碳意识与碳责任，从而使养殖场将碳足迹纳人选择属性之一，将其作为采购标准，推动养殖场绿色生态转型。猪肉供应链的碳排放主要发生在生猪养殖场，原因是由于生猪的肠道发酵和排泄物会产生大量的温室气体。生猪养殖场的碳排放量取决于各种影响因素，例如生猪的品种、年龄、饲养方式等。养殖户会每天收集大量与这些因素相关的数据，数据量庞大而分散。测量碳足迹有很多方法，不同行业也都开发出了测量碳足迹基金项目：浙江省教育厅科研项目资助（Y202249749）；浙江省高校重大人文社科攻关计划项目（2 0 18 GH036）。55双碳目标下绿色供应商多属性决策及评价研究的工具一一石碳计算器，但成本通常较高，对于养殖场来说，选择合适的工具进行碳足迹的测量记录是养殖场面临的最大挑战。为了解决上述问题，本文在云计算环境下搭建考虑碳足迹的供应商决策框架，研究如何利用云计算技术帮助养殖户监测记录饲养的碳足迹，如何帮助屠宰加工商在碳足迹属性和价格等传统属性之间进行决策，解决如何利用标准属性信息选择合适的生态友好型生猪供应商等关键性问题。1文献综述目前，广泛使用的碳足迹定义是“衡量个人、组织、事件或产品直接和间接造成的温室气体排放总量称为碳足迹。”为实现双碳目标，形成生态农业多样化的低碳模式与技术体系，使系统能够顺应自然调控整体过程，便可作进一步优化组合。而生命周期评估法(Life Cycle Assessment，L CA)是评估因养殖方式发生变化而可能减少温室气体排放量的有用工具。考虑到碳封存现象，农业生产企业被敦促将环保与固碳减排问题有效地纳人其供应链管理(Supply Chain Management,SCM)。R o b e r t 使用LCA方法计算3个牛肉供应链的碳足迹后，与屠宰、加工和物流等相比，得出养殖场碳排放量最大的结论。Holden等通过调查欧盟2 7 国与畜牧业供应链(从生产到消费和浪费)相关的温室气体排放，发现排放主要发生在畜牧养殖场，土地利用和食物浪费是产生温室气体的主要原因。Jacobsen提出了一种计算塞浦路斯牛、猪和家禽养殖过程中能源使用(电力、液化石油气、柴油等)引起温室气体排放量的方法。Li8等采用生态足迹方法，计算19 9 0 年至2 0 15 年间青藏高原农业和畜牧业的碳足迹，并分析青藏高原碳排放、碳封存和碳足迹的时空分布。进而，王学婷等9 着重阐述了实现农业绿色低碳发展的基本路径和措施。环境协作被定义为“特别关注供应链成员之间的组织间互动，包括联合环境目标设定、共享环境规划，以及共同努力减少环境污染，可以将上游导向供应商或将下游导向客户。”将绿色低碳与供应链环境行为决策相结合的农产品供应链可持续性问题受到越来越多关注，此类决策问题可以通过整合组织间的相互依存关系来实现，这些相互依存关系非常关注生态效率的各个方面。在供应链管理中采用环境实践是否会对公司的环境和运营绩效产生积极影响，描述性案例研究等定性研究方法所呈现的结论通常没有使用基于定量模型方法得出的结果更具说服力2 。谢鑫鹏等13通过建立经济主体的主从博奔模型，来解决在不确定条件下做出供应链决策时平衡短期盈利能力和长期环境可持续性的问题。Xu等14提出一种战略决策模型，该模型考虑了供应链网络中二氧化碳排放造成的运营成本和社会成本。此外，将碳足迹纳人供应商决策的多标准属性之一，能有效促进传统型供应商向生态友好型供应商转变。Abdullahsl通过建立绿色供应商评级系统，并采用动态模糊隶属函数来评估供应商决策过程中的环境绩效。关于农产品供应链与环境责任(即从源头消除污染)相关决策过程的研究，数据包络分析法（DEA)、灰色DEMATEL和模糊TOPSIS方法是绿色低碳供应商决策中评价较为客观准确、适用范围相对比较广泛的几种方法，可以为每个供应商生成一个整体绩效得分16-18 。因此，确定绿色供应链背景下碳管理的主要标准，并且考虑到区域排放合规标准和法律，鼓励供应商走向“绿色”并减少碳足迹是提高供应商减少碳排放表现的关键。综上所述，已有文献在利用定量模型、标准分配权重和筛选供应商等方面基本形成共识，但缺乏融合应用云计算、大数据技术、数字赋能农业食品供应链低碳减排的研究。本文提出在云计算环境下考虑到在供应商决策过程中将碳足迹作为标准属性的研究框架，激励利益相关者主动做出更环保的决策。2基于云计算的碳最小化框架云计算技术是一种新的信息技术。它是一种提供IT服务以满足特定需求的模式2 0 。简单地说，云计算包含5 个基本特征、3个服务模型和4个部署模型2 1。云计算技术（CCT)由3种基本服务交付模型组成：平台即服务(PaaS)、软件即服务(SaaS)和基础设施即服务(laaS)20)。从云部署方面来看，专门针对云计算使用宣传的观点，云有3种类型，即公共云、私有云和混合云2 1。首先，第三方服务提供商托管公共云，计算基础设施服务在使用该服务的任何组织成员之间共享，基于这种类型的云计算服务可以提供最佳规模经济效益。其次，云基础设施服务由单个组织拥有或租赁，并且仅为该组织运营，这一类称为私有云2 。最后，是来自私有和公共空间服务的混合云。本文以猪肉供应链为例，结合云计算技术构建了一个碳最小化框架，旨在最大限度地减少整个猪肉供应链的碳足迹猪肉的整条供应链都与碳排放有关。猪肉供应链通常由投入品采购环节、生猪饲养管理环节、生猪屠宰加工环节和猪肉储运销售环节组成2 3。消费者更倾向绿色低碳环境中生产的农产品，并能够接受环保成本增加而产生的少量溢价3。供应链所有利益相关者都在积极的采取预防措施以减少碳排放2 4。因此，需要屠宰加工商将碳足迹属性纳入生猪供应商的决策过程中，以最大限度减少碳排放的绿色养殖方式饲养。猪肉屠宰加工商正在维护一个私有云，屠宰加工商及其列出的供应商随时可以访问该云，生猪养殖户将在私有云上开户并输人所饲养的生猪和养殖场信息，这56与理价评管些信息生成生猪采购的标准属性。屠宰加工商在生猪供应商的决策过程中，首先从供应链源头出发，使用云服务对养殖场产生的碳足迹信息进行监测和记录；然后利用构建的碳最小化框架使养殖户能够通过云连接到屠宰加工商，有机会了解学习如何在生猪饲养环节中减少碳足迹排放的相关知识和技术；最后，屠宰加工商上传关于养殖户基于云的框架及指导方针。生猪饲养场负责猪肉供应链中发生的最大碳排放量，生猪的体重、生长周期和饲料种类等属性信息是养殖场碳排放量的潜在来源，与其碳排放量的大小构成正比。本文在考虑生猪碳排放量的情况下，选择生猪供应商的标准属性如下：C：品种、C:年龄、C3：饮食、C4：体型、Cs：价格、C.重量、C,：PH 值、Cs：可追溯性。养殖户必须在饲养生猪整个过程中定期存储与所有上述变量相对应的信息，云端就会生成对应不同供应商选择标准属性的值。云端将提取养殖户输入的所有信息，然后将碳足迹属性与价格、PH值和可追溯性等传统标准属性结合，最后生成新的生猪采购标准。3低碳供应商的模糊多属性决策方法随着供应链各节点企业环保意识的增强，供应商决策过程中重视碳足迹并考虑将作为标准采购属性。然而，猪肉供应商选择不同的变量其规模、性质和测量单位是不同的。因此，提出一种云计算环境下的低碳供应商多属性决策方法一一模糊TOPSIS，用于评估生猪供应商的环境绩效。模糊集理论19 用于模拟由于缺乏完整信息而导致决策过程中模糊性和不确定性。此外，决策者通过使用熟悉的语言值而不是精确的数值能够更能表达判断15 。因此，决策者的偏好和意见在评估过程中以语言模糊变量表达，使用模糊TOPSIS方法考虑模糊格式的数据去执行。评估供应商环境绩效的模糊多标准方法主要包括以下步骤：3.1评价标准选择第一步涉及选择评估生猪供应商低碳养殖绩效的标准。本文使用从专家意见(人类偏好)中获得的标准来考虑他们对该标准的实际经验，由专家使用语言评估对标准和备选方案进行评级。由于语言学术语在数学上不可操作，要先将其转换为模糊三角数，以便可以用于模糊TOPSIS。语言变量是一个变量，其值是自然或者人工语言的单词或句子，这些单词或句子先是以语言术语表示，然后由转换尺度将语言术语转换为模糊数 。本文将使用1-9 的等级对标准和备选方案进行评分，表1展示了标准的语言变量和模糊评级。VP(Verypoor)表示非常差，P(Poor)表示差，M(Medium)表示中等，G(Good)表示好，VC(Verygood)表示非常好。表1标准评级的语言术语语言变量模糊评级Very poor(VP)(1,1,3)Poor(P)(1,3,5)Medium(M)(3,5,7)Good(G)(5,7,9)Very good(VC)(7,9,9)模糊TOPSIS方法涉及对TOPSIS中标准和备选方案的模糊评估9。通过定义与理想解的相对接近度，也就是正理想解决方案和负理想解决方案分别对应每个标准的最佳和最差性能值，以此为依据来选择最接近正理想解和最远离负理想解的备选方案。模糊TOPSIS的执行过程及算法实现如下：第1步：为标准属性和备选方案分配评级第2 步：计算标准属性和备选方案的聚合模糊评级第少：订算标属性和备选方柔的聚合模评假设所有决策者对标准属性和备选方案的模糊评分均被描述为三角模糊数Rk=(ak,bk,Ck),k=1,2,K，则聚合的模糊评分R=(a,b,c),k=1,2,.,K,a=mink(ak),K1bksC=maxk(ckl，则聚合的模糊评分（(x)bK4k=1关于每个标准的备选方案(3ij=（a i j,b i j,Ci）由下式给出：aj=min(aul,b=ZiKbik Cj=max(cijk)(1)Kk=1k聚合模糊权重（(Wi）的每个标准(Wj=（W j 1,W j z,W j 3）由下式给出：Wi=minfwij w/z=ZkKWik2,Wj3=max(cjk3)(2)kk=1K第3步：计算模糊决策矩阵第4步：模糊决策矩阵归一化使用线性尺度变换对原始数据归一化处理，以将各种标准尺度转化为可比较的尺度15 ，归一化模糊决策矩阵R由下式给出：R=ri.n,i=1,2,.m;j=1,2,.n(3)第5 步：计算加权归一化矩阵.第6 步：计算备选方案的模糊理想解(FPIS)和模糊负理想解(FNIS):A*=(V1,V2,Vn)=maxi(yij3),i=1,2,.m;j=1,2,.n(4)A-=(V1,V2,.,Vn)Vj=min;(yviji,i=,2,.;j=,2,.n第7 步：计算备选方案与FPIS和FNIS的距离距离（d，d,）FPIS和FNIS中的每个加权备选i=1,.m的计算如下：dd,(vj,f),=1,2,.m(5)j=1ndd,(vij,j),=1,.m(6)j=157双碳目标下绿色供应商多属性决策及评价研究d,(a,b)是两个模糊数a和6 之间的距离度量。第8 步：计算每个备选方案的接近系数（CC）接近系数CC表示同时到模糊正理想解（A）和模糊负理想解(A)的距离，每个备选方案的接近系数计算为：CC,=ar+did,i=1,2,.,m(7)第9 步：对备选方案进行排名。不同的备选方案根据接近系数（CC）以降序排列，最好的选择离 FPIS最近，离FNIS最远。3.2使用选定标准评估选择最佳方案第二步涉及为8 个标准属性和每个标准属性的潜在替代方案分配语言等级。采购决策者首先使用表2 中给出的标准术语对生猪选择标准属性和备选供应商分别提供语言评级，然后将语言学术语转换为模糊三角数，其次用模糊TOPSIS来汇总标准和替代评级，最后生成评估低碳生猪供应商环境绩效的总体得分，得分最高是最佳生猪供应商。最终列表包含8 条标准属性。4数值计算根据上文所提及方法来评估和决策低碳生猪供应商中的应用，该公司旨在根据生猪养殖场产生的碳足迹来决策出生态友好型肉类供应商。自猪仔出生以来，养殖场就一直在记录猪的品种、饮食、体重、年龄和体型等属性信息，这些属性与生猪产生的碳足迹有着密不可分的联系。养殖户会在云端做一个账号，输入生猪最终属性的详细信息，如可追溯性、品种及PH值等8 个属性。假设有四个生猪供应商选择(供应商 A、A、A、A)。这些备选的生猪供应商将由三个采购决策者(决策者D,、D,、D)组成的采购委员会使用标准语言(表 2)对其进行评估。采购决策者凭借专业素养和从业经验为标准属性提供语言评级，并为每个标准属性向4家生猪供应商提供语言评级。评级在表2、表3中给出。表2 决策者对8 个标准的语言评估标准决策者1决策者2决策者3C1VPMVGC2MVGVGC3GGMC4VGVPVGCsPVGPC6GMMC7VPPPCsVGVGVG表3备选供应商的语言评估标准供应商1供应商2供应商3供应商4D1D2D3D1D2D3D1D2D3D1D2D3CiMVGMVPPVGMNVPPVGVGC2MGVGVPPPPPGVGGMC3PMPVPMVGVGGVGVPVGVGC4GPVGGGMMPVGVGVGVGCsVGVGGVGMPPVPGVGPMC6VPGMVGVPVGGVPVGVGPPC7PVGVPGGGMMGGMGC8PVGVGGMVPGMVGVPVPVP如下，聚合的模糊权重（wi）每个标准的计算使用公式，例如对于标准Ct，聚合模糊权重W;=（W i j 1,W j 2,Wi3）由下式给出：73Wj1=min(1,3,7),Wj2(1+5+9),k3Wj3=max(3,7,9)=W;=(1,5,9)K同理，计算剩余7 项标准的聚合模糊标准权重，如表4所示。然后，使用等式计算备选供应商的总模糊权重，根据三个采购决策者分别给出的评级，求得供应商A,的标准C，的总评级计算如下：31aij=min(3,7,3),bij=之(5+9+5),cij=max(7,9,7),3kk=1=(3,6.33,9)表4聚合模糊标准权重标准决策者1决策者2决策者3聚合模糊权重Ci1,1,33,5,77,9,91,5,9C23,5,77,9,97,9,93,7.67,9C35,7,95,7,93,5,73,6.33,9C4.7,9,91,1,37,9,91,6.33,9Cs1,3,57,9,91,3,51,5,9C65,7,93,5,73,5,73,5.67,9C71,1,31,3,51,3,51,2.33,5Cs7,9,97,9,97,9,97,9,9同理，计算所有备选供应商相对于其余标准的总评级，备选方案的聚合模糊决策矩阵如表5 所示。58与理评价管表5 备选供应商的聚合模糊决策矩阵标准备选方案供应商1供应商2供应商3供应商4C13,6.33,91,4.33,91,3.67,71,7,9C23,7,91,2.33，51,4.33,93,7,9C31,3.67,71,5,95,8.33,91,6.33,9C41,6.33,91,6.33,91,5.67,97,9,9Cs5,8.33,91,5.67,91,3.67,91,5.67,9C61,4.33,91,6.33,91,5.67,91,5,9C71,4.33,95,7,93,5.67,97,9.,9C81,7,91,4.33,93,7,91,1,3在下一步中，将使用方程对备选供应商的模糊决策矩阵进行归一化，例如标准C,的备选A,的标准化评级由下式给出：cj=max(9,9,7,9)=9,aj:=min(3,1,1,1)=1 i由于C,代表生猪(品种)的标准属性，有下式：36.339rij9(0.33,0.70,1.00)（99同理，计算出8 个标准的所有备选方案的归一化值aj=1和c=1，四种备选供应商方案的归一化模糊决策矩阵。然后，使用等式构建四种备选供应商方案的模糊加权决策矩阵，表9 中的值rij和表7 中的值W;用于计算备选供应商的模糊加权决策矩阵，例如以备选供应商A,为例，标准C(品种)模糊权重由下式给出：Vj=(0.33,0.7,1)()(1,5,9)=(0.33,3.5,9)同理，计算四个备选供应商8 个标准属性的模糊权重，然后使用方程计算模糊正理想解(A)和模糊负理想解(A)。以标准C,为例，A=(0.11,0.11,0.11)和A=(9,9,9)，对其余标准执行类似的计算，其结果显示在表6 的最后两列中。表6 加权归一化备选方案标准备选方案AA供应商1供应商2供应商3供应商4Ci0.33,3.5,90.11,2.41,90.11,2.04,70.11,3.89,90.119C21,5.96,90.33,1.99,50.33,3.69,91,5.96,90.339C30.33,2.58,70.33,3.5,91.67,5.86,90.33,4.46,90.339C40.11,4.45,90.33,4.45,90.11,3.99,90.78,6.33,90.119Cs0.56,4.63,990.11,3.15,90.11,2.04,90.11,3.15,90.119C60.33,2.73,90.33,3.99,90.33,3.57,90.33,3.15,90.119C70.11,1.12,50.56,1.81,50.33,1.47,50.33,1.64,50.115Cs0.78,7,90.78,4.33,92.33,7,90.78,1,30.789然后，使用等式计算每个备选供应商与模糊负理想矩阵(A)和模糊正理想矩阵(A)的距离d.(.)。计算四个备选供应商其余标准的距离，计算结果如表7 所示。表7 足距离用于备选方案标准dv(A1,A)d(A1,A)12341234Ci5.495.34.135.575.926.396.625.92C25.982.865.36 5.984.946.835.86 4.94C34.065.335.98 5.546.335.924.65.65C45.715.715.66.375.765.655.89 4.99Cs5.765.425.255.425.496.146.526.14C65.195.43 5.345.266.175.785.96.03C72.8832.932.963.63.163.383.32Cs5.955.176.021.294.885.464.027.4741.0238.2240.6138.3943.0945.3342.7944.46然后，使用方程式计算距离d和d。计算四个备选供应商的接近系数(CC)，例如，对于备选供应商At，接近系数由下式给出：CC,=d,/(d+d,)=41.02/(41.02+43.09)=0.4877同理，计算其他三个备选供应商的，最终结果如表8 所示。表8 备选供应商的接近系数备选生猪供应商供应商1供应商2供应商3供应商4di41.0238.2240.6138.2943.0945.3342.7944.46CC;0.4876946860.4574506280.4869304560.462719033一旦定义了生猪供应商决策的各种属性的重要性，模糊TOPSIS方法将生成供应商从最合适到最不合适的排名顺序。根据由屠宰加工商成立的采购委员会设定的标准以及养殖户的具体情况，进而比较四种决策方案的值，以降序排列，A,A,A,A。发现供应商A,的CC,值离FPIS最近，离FNIS最远。因此，根据生猪采购委员会的决策，供应商A,的表现最好，该供应商生产高质量的肉类，同时产生最低的碳排放。屠宰加工商将选择最合适的绿色供应商采购生猪。59双碳目标下绿色供应商多属性决策及评价研究运用模糊TOPSIS方法选择模糊正理想解最接近的供应商，其优势在于能够在部分或缺乏定量信息的情况下对生猪供应商的标准属性和养殖场产生的碳足迹之间进行最佳权衡，实现最终选择绿色供应商。加快发展农产品生产方式绿色转型，进而推动经济社会发展绿色化，统筹应对全球气候变暖，推动“碳达峰、碳中和”早日实现。参考文献1 Kythreotou N,Tassou S A,Florides G.The contribution ofdirect energy use for livestock breeding to the greenhouse gasesemissions of CyprusJ.Energy,2011,36(10):6090-6097.2 Benjaafar S,Li Y Z,Daskin M.Carbon footprint and themanagement of supply chains:insights from simple modelsJ.IEEE Transactions on Automation Science and Engineering,2013,10(1):99-116.3骆世明.基于控制论的农业低碳发展方略 .中国生态农业学报(中英文),2 0 2 2,3 0(4):49 5-49 9.4 Liu C C.Research on coordination mechanism and low-carbontechnology strategy for agricultural product supply chainJ.International Journal of Information Systems and Supply ChainManagement,2017,10(3):1-23.5 Goodland R.A fresh look at livestock greenhouse gas emissionsand mitigation potential in EuropeJ.Global Change Biology,2014,20(7):2042-2044.6 Casey J W,Holden N M.Quantification of GHG emissions fromsucker-beef production in IrelandJ.Agricultural Systems,2006,90(1/2/3):79-98.7 Jacobsen R,Vandermeulen V,Van Huylenbroeck G,et al.Carbon footprint of pigmeat in FlandersJJ.International Journalof Agricultural Sustainability,2014,12(1):54-70.8 Li M Q,Liu S L,Sun Y X,et al.Agriculture and animalhusbandry increased carbon footprint on the Qinghai-TibetPlateau during past three decadesJ.Journal of CleanerProduction,2021,278:123963.9王学婷，张俊飚.双碳战略目标下农业绿色低碳发展的基本路径与制度构建 J.中国生态农业学报(中英文),2 0 2 2,30(4):516-526.10 Eltayeb T K,Zailani S,Ramayah T.Green supply chaininitiatives among certified companies in Malaysia andenvironmental sustainability:investigating the outcomesJ.Resources,Conservation and Recycling,2011,55(5):495-506.1l Vural C A.Sustainable demand chain management:analternative perspective for sustainability in the supply chainJ.Procedia-Social and Behavioral Sciences,2015,207:262-273.12成琼文，周璐，余升然.绿色供应链管理与实践绩效研究一以电解铝企业为例,中国软科学,2 0 17(10):16 3-17 2.13 谢鑫鹏,赵道致.低碳供应链生产及交易决策机制 .控制与决策,2 0 14,2 9(4):6 51-6 58.14 Xu X P,He P,Xu H,et al.Supply chain coordination with greentechnology under cap-and-trade regulationJ.InternationalJournal of Production Economics,2017,183:433-442.15 Abdullah L.Fuzzy multi criteria decision making and itsapplications:a brief review of categoryJ.Procedia-Social andBehavioral Sciences,2013,97:131-136.16吴坚，曹清玮.不确定决策环境下绿色供应商选择方法研究 J.运筹与管理,2 0 12,2 1(1):2 2 0-2 2 5.17董文心，王英，张悦，等.基于DEMATEL-相关性分析和VIKOR-灰色关联分析的供应链绩效评价模型研究 J.科技管理研究,2 0 18,3 8(9):19 1-19 7.18王应明，阙翠平，蓝以信.基于前景理论的犹豫模糊TOPSIS多属性决策方法 J.控制与决策，2 0 17,3 2(5):8 6 4-870.19 He X S,Zhang J.Supplier selection study under the respectiveof low-carbon supply chain:a hybrid evaluation model based onFA-DEA-AHPJ.Sustainability,2018,10(3):564.20 Marston S,Li Z,Bandyopadhyay S,et al.Cloud computingthebusiness perspectiveJJ.Decision Support Systems,2011,51(1):176-189.21 Vouk M A.Cloud computingIssues,research andimplementationsJ.ITI 2008-30th International Conference onInformation Technology Interfaces,2008:31-40.22 Kumar K,Lu Y H.Cloud computing for mobile users:canoffloading computation save energy?J.Computer,2010,43(4):5156.23胡凯，甘筱青“公司+农户”模式生猪供应链中农户最优饲养规模研究 .系统工程理论与实践，2 0 13,3 3(5):1200-1206.24左志平，齐振宏，兰娅.碳税补贴视角下规模养猪户低碳养殖行为决策分析 .中国农业大学学报，2 0 16，2 1(2):150-159.作者简介张俊，男，（19 9 5），山东枣庄人，硕士研究生，研究方向为绿色供应链管理、供应商决策分析的研究。毛薇，女，（19 6 9-），通信作者，吉林长春人，副研究员，博士，研究方向为物流与供应链管理。