印度尼西亚食品制造中小企业可持续采购的障碍：ISM-模糊MICMAC分析

首页

印度尼西亚食品制造中小企业可持续采购的障碍：ISM-模糊MICMAC分析 | MDPI Logistics

MDPI社科资讯

2026-07-22

导读：欢迎阅读。

点击左上角“MDPI社科资讯”关注我们，为您推送更多最新资讯。

1. 引言

可持续采购已成为负责任商业实践的重要组成部分，但中小企业在实施过程中面临独特挑战。与大型企业不同，中小企业往往缺乏财务、技术和人力资源，难以有效采纳可持续实践。现有研究虽已探讨多种障碍，但多将其孤立呈现，缺乏系统性视角。本研究聚焦印度尼西亚食品制造业中小企业，采用解释结构模型与模糊MICMAC (Impact Matrix Cross-Reference Multiplication Applied to a Classification) 相结合的方法，旨在识别并分析可持续采购障碍之间的层次关系，为制定针对性干预措施提供洞察。

2. 文献综述

可持续采购是指在供应链中考虑经济价值、环境保护和社会责任的商品与服务采购方式。中小企业占全球企业90%以上，但其在实施可持续采购时面临财务资源有限、缺乏内部可持续性专长、绿色供应商获取困难、议价能力弱等独特障碍。文献中常见的障碍可分为财务与资源、组织与文化、信息与技术、制度与市场五大类别。

现有障碍分析方法包括定性访谈、案例研究、问卷回归和因子分析等，但这些方法往往将障碍视为孤立或线性相关的变量，难以捕捉复杂系统内的相互依赖关系。解释结构模型能够基于专家知识构建层次结构，揭示变量间的驱动与依赖关系。模糊MICMAC则通过引入模糊逻辑量化影响程度，增强分析的稳健性。然而，将ISM (Interpretive Structural Modeling) 与模糊MICMAC整合应用于中小企业可持续采购障碍的研究仍十分匮乏。本研究填补这一方法论空白，系统探索障碍间的层次结构和影响-依赖关系。

3. 方法

研究采用探索性设计，整合ISM与模糊MICMAC。首先通过文献综述和专家咨询识别出13个关键障碍，涵盖经济、社会和环境三个维度。专家小组由8名来自学术界、政府、私营部门和咨询领域的专家组成，均具有五年以上相关经验。数据分两轮收集：第一轮通过结构化访谈构建结构自交互矩阵；第二轮通过在线问卷获取模糊影响评分。

ISM过程包括：建立SSIM (structural self-interaction matrix)，转换为初始可达矩阵，应用传递性规则得到最终可达矩阵，然后进行层级划分，最终生成有向图。模糊MICMAC则采用五级模糊量表 (0.0至1.0)，构建模糊直接关系矩阵，通过最大-最小合成规则迭代得到稳定矩阵，计算各障碍的驱动力和依赖性，并划分为自主、依赖、联动和独立四个集群。

4. 结果

图1. 通过基于ISM的有向图对障碍物进行结构性表示

图2. ISM模型

通过分析，13个障碍被分类如下：

独立/驱动集群 (集群IV)：仅包含“资金限制” (EK5)，具有最强的驱动力和最低的依赖性，是整个障碍系统的根本原因。

联动集群 (集群III)：包括依赖进口转基因大豆 (EK1)、政府激励不足 (EK2)、环保原材料供应有限 (LN10)、本地非转基因大豆供应商缺乏 (LN13)。这些障碍驱动力和依赖性均高，形成自我强化的反馈循环。

依赖集群 (集群II)：包括初始成本高 (EK4)、本地供应商协作弱 (SO7)、供应链协作弱 (SO9)、法规不完善 (LN11)、文化抵制 (LN12)。这些是系统深层问题的结果性障碍。

自主集群 (集群I)：包括对高成本的认知 (EK3)、人力资源能力弱 (SO6)、消费者偏好低 (SO8)。它们影响力和依赖性较低，但作为背景挑战仍然重要。

ISM层级结构显示，资金限制位于最底层 (第五级)，是最根本的驱动障碍；而依赖型障碍位于顶层。敏感性分析验证了结果的稳健性。

5. 结论与未来研究

本研究通过ISM-模糊MICMAC整合方法，揭示了印度尼西亚食品制造中小企业可持续采购障碍是一个具有清晰层次结构的相互依赖系统。资金限制被确认为最关键的独立障碍，是系统性变革的根本前提。联动集群中的障碍 (进口依赖、政府激励不足、环保原料稀缺、本地供应商缺乏) 形成了加剧成本困境的恶性循环。依赖型障碍 (如高初始成本、协作薄弱、法规不足) 是结构性约束的结果，而自主型障碍 (如认知和技能差距) 则是需要长期关注的背景因素。

未来研究可向以下方向拓展：第一，开展跨行业、跨国比较分析，检验本障碍层次结构的可迁移性；第二，进行纵向研究，追踪障碍动态演化；第三，整合其他多准则决策方法 (如ANP: Analytic Network Process、DEMATEL: Decision-Making Trial and Evaluation Laboratory) 或系统动力学建模，模拟干预策略的效果；第四，通过成功案例的质性研究，探索打破约束循环的管理策略。

识别二维码

阅读英文原文

原文出自Logistics 期刊：

Masudin, I.; Lestari, I.D.; Khoidir, A.; Restuputri, D.P. Sustainable Procurement Barriers in Indonesian Food Manufacturing SMEs: An ISM–Fuzzy MICMAC Analysis. Logistics 2025, 9, 175.

下一代物流与供应链：人工智能与自主系统的作用

人工智能 (AI) 正在迅速改变供应链和物流系统的设计、管理与优化方式。机器学习、深度学习、生成式AI、大语言模型、数字孪生、自主系统及高级分析技术的最新进展，使各类组织能够提升整个供应链生态系统中的运营效率、韧性、可持续性、透明度及决策能力。随着供应链日益复杂、互联互通且由数据驱动，AI技术正成为民用及国防领域实现智能规划与执行的关键推动力。

本特刊旨在为研究人员和从业者提供一个综合性平台，展示关于供应链管理与物流领域中基于AI的解决方案之开发与部署的前沿理论、方法及应用成果。本特刊欢迎各类原创研究论文、综述文章、案例研究及实际应用分析，探讨AI如何支持供应链网络中的战略、战术及运营层面的决策制定。

关注的主题包括但不限于供应链执行环节，如仓库管理、仓储作业、货物运输、城市物流、末端配送及逆向物流。特别鼓励涉及AI赋能的运输管理系统、路径与调度优化、自动驾驶车辆、无人机、机器人系统、数字孪生及智能物流平台的投稿。

投稿截止日期：2027年7月31日

客座编辑：Dr. Vasilis Zeimpekis; Dr. Michael Madas