高端装备制造多源风险传递关键节点和关键路径挖掘

doi:10.16381/j.cnki.issn1003-207x.2024.0738

摘要/Abstract

摘要：

高端装备制造极易遭受技术封锁、贸易制裁、地缘冲突等风险多源叠加和多重传递的影响，导致企业运营失稳失效。识别多源风险传递的关键节点和关键路径，是高端装备制造企业高效防控风险的前提。为此，本文探讨高端装备制造多源风险传递网络构建、多源风险传递关键节点及关键路径挖掘方法。首先，结合短语抽取、BERTopic、语义分析、情感分析等技术，识别多源风险因子及其关联关系，量化风险因子自身风险强度和风险因子间传递风险强度，构建多源风险传递网络；其次，利用加权接近中心性量化风险因子在网络中传递风险强度，结合风险因子自身风险强度，挖掘多源风险传递关键节点；最后，基于Choquet Fuzzy积分非线性叠加多源风险，采用蚁群算法挖掘多源风险传递关键路径。本文方法突破传统单源风险分析方法的局限，智能构建多源风险非线性叠加下高端装备制造风险传递网络，量化风险因子在网络中的重要度，测度风险多源叠加多重传递下路径风险水平，挖掘多源风险传递关键节点和关键路径，为企业精准防控多源风险提供科学依据。

关键词: 高端装备制造, 多源风险传递网络, 关键节点, 关键路径

Abstract:

High-end equipment is characterized by high technological complexity and significant reliance on critical external components， making enterprises in this sector particularly vulnerable to multi-source risks such as technological blockades， trade sanctions， and geopolitical conflicts in unstable and uncertain environments. These risks often overlap， propagate， and amplify， leading to cascading disruptions， operational instability， and substantial losses. Constructing multi-source risk transmission networks and identifying critical nodes and paths within these networks is essential for effectively preventing and mitigating risks in high-end equipment manufacturing.In this study， a systematic methodology is developed to construct multi-source risk transmission networks and identify critical nodes and paths. Potential risk factors are identified using phrase extraction techniques combined with the BERTopic model. Semantic association rules between risk factors are defined， and their associations are determined using a sliding window similarity method， which facilitated the construction of a multi-source risk factor association network. The intrinsic risk strength of each risk factor， as well as the transmission strength between factors， is quantified to transform the association network into a multi-source risk transmission network. Weighted closeness centrality is employed to measure the transmission strength of risk factors in the network， and critical nodes are identified by integrating their intrinsic risk strength with transmission potential. Finally， the Choquet fuzzy integral is applied to non-linearly aggregate multi-source risks， and an ant colony algorithm is exploited to determine critical transmission paths within the network.Risk texts are collected through a mixed-method approach： online texts are crawled from prospectuses and annual reports of listed high-end equipment manufacturers， while offline texts are gathered through on-site interviews with managers and employees at a CRRC subsidiary to supplement operational risk-related narratives.Key findings include　1） Identification of 91 risk factors and their associations， forming a multi-source risk factor association network； 2） Derivation of 28 two-source concurrent risk scenarios from eight primary risk sources， leading to the construction of 28 two-source risk transmission networks； 3） Frequent identification of critical risk factors such as insufficient production capacity， rising production costs， and declining market demand in two-source risk transmission networks， alongside other critical factors like damaged production equipment， reduced industrial investment， and reliance on imported raw materials； 4） Observation that two-source risks tend to converge and amplify at critical factors such as insufficient production capacity， rising production costs， and declining market demand； 5） The most detrimental critical paths emerged from the concurrent occurrence of public health emergencies and macroeconomic downturns， causing peak-level risks and severe operational damage to enterprises.

Key words: high-end equipment manufacturing, multi-source risk transmission networks, critical nodes, critical paths

中图分类号:

魏晨,刘平峰,安健. 高端装备制造多源风险传递关键节点和关键路径挖掘[J]. 中国管理科学, 2026, 34(6): 50-65.

Chen Wei,Pingfeng Liu,Jian An. Mining Critical Nodes and Critical Paths in Multi-source Risk Transmission Networks in High-end Equipment Manufacturing[J]. Chinese Journal of Management Science, 2026, 34(6): 50-65.

图/表 15

图1

图2

图3

图4

图5

表1

图6

表2

多源风险因子分类及编号"

类别	风险因子	编号	类别	风险因子	编号	类别	风险因子	编号
不稳定与不确定环境	突发公共卫生事件	UUE01	采购风险	出口海运费价格波动	PCR11	销售风险	新市场拓展失败	MKR07
	突发自然灾害	UUE02		采购资源分散	PCR12		海外市场运营困难	MKR08
	地缘政治紧张	UUE03		信息不对称	PCR13		行业景气度下降	MKR09
	宏观经济恶化	UUE04		贸易限制	PCR14		产品竞争力缺失	MKR10
	环保政策变动	UUE05	生产风险	生产安全事故	PDR01		产品结构单一	MKR11
	产业政策变动	UUE06		生产能力不足	PDR02		产品供货中断	MKR12
	补助政策变动	UUE07		生产设备滞后	PDR03		产品定价失败	MKR13
	汇率大幅波动	UUE08		生产设备损坏	PDR04		产品价格下降	MKR14
研发风险	核心人才流失	RDR01		生产技术过时	PDR05		客户结构变化	MKR15
	研发决策失误	RDR02		生产扩展融资限制	PDR06		过度依赖地域市场	MKR16
	研发资源分配不当	RDR03		生产效率下降	PDR07		经营业绩下滑	MKR17
	研发周期过长	RDR04		生产管理能力不足	PDR08		客户拖欠应收账款	MKR18
	研发投入下滑	RDR05		生产成本增加	PDR09		产业投资速度放缓	MKR19
	研发成果未达预期	RDR06		环保生产不合规	PDR10		销售人员违规	MKR20
	核心技术落后	RDR07		新增产能消化困难	PDR11		业绩承诺不达标	MKR21
	技术标准变化	RDR08		需求结构调整	PDR12		股票价格大幅波动	MKR22
	核心技术泄密	RDR09		外协加工不达标	PDR13		订单萎靡	MKR23
	技术侵权	RDR10		劳动力短缺	PDR14		限制市场准入	MKR24
	技术成果产业化失败	RDR11		员工士气下降	PDR15		营销策略失误	MKR25
	市场需求评估错误	RDR12		竞标失败	PDR16	运维风险	运维能力滞后	OMR01
	行业认知不足	RDR13		厂房结构受损	PDR17		运维制度不完善	OMR02
采购风险	原材料供应中断	PCR01		产品质量不达标	PDR18		备件供应不及时	OMR03
	原材料依赖进口	PCR02		许可资质丧失	PDR19		服务响应延迟	OMR04
	原材料质量不达标	PCR03		严格监管审查	PDR20		灾难恢复	OMR05
	原材料交货时间延误	PCR04	销售风险	市场需求下降	MKR01		预防措施不足	OMR06
	原材料价格波动	PCR05		市场信息更新不及时	MKR02		产品召回	OMR07
	过度依赖供应商	PCR06		市场竞争加剧	MKR03		项目延期交付	OMR08
	供应商相对集中	PCR07		市场占有率下降	MKR04		法律诉讼	OMR09
	供应商破产	PCR08		市场多样性不足	MKR05		客户满意度下降	OMR10
	过度依赖自然资源	PCR09		市场声誉受损	MKR06	现金流风险	现金流恶化	CFD
	关键原材料短缺	PCR10

表2

表3

表4

图7

图8

表5

图9

图10

参考文献 38

[1]	杨善林，王建民，侍乐媛，等. 新一代信息技术环境下高端装备智能制造工程管理理论与方法［J］. 管理世界， 2023， 39（1）： 177-190
	Yang S L， Wang J M， Shi L Y， et al. Engineering management theory and methodology for high-end equipment intelligent manufacturing in the era of new-generation information technology［J］.Journal of Management World， 2023， 39（1）： 177-190.
[2]	裴军，周娅，彭张林，等. 高端装备智能制造创新运作：从平台型企业到平台型供应链［J］. 管理世界， 2023， 39（1）： 226-240.
	Pei J， Zhou Y， Peng Z L， et al. The innovative operation of high-end equipment smart manufacturing： From platform-based enterprise to platform-based supply chain［J］. Journal of Management World， 2023， 39（1）： 226-240.
[3]	史丹，聂新伟，齐飞. 数字经济全球化：技术竞争、规则博弈与中国选择［J］. 管理世界， 2023， 39（9）： 1-15.
	Shi D， Nie X W， Qi F. Globalization of digital economy： Technological competition， rule game and China’s choice［J］. Journal of Management World， 2023， 39（9）： 1-15.
[4]	李明钰，牛东晓，纪正森，等. 面向数据空间体系构建的电力制造业多价值链经营风险识别与管控研究［J］. 中国管理科学， 2023， 31（11）： 349-360.
	Li M Y， Niu D X， Ji Z S， et al. Research on multi-value chain management risk identification and control of electric power manufacturing industry oriented to the construction of data space system［J］. Chinese Journal of Management Science， 2023， 31（11）： 349-360.
[5]	Hu X， Yin X， Guo Y， et al. Perspectives on black swans and complexity： Practical implication to Natech risks in China［J］. Safety Science， 2025， 184： 106776.
[6]	万程鹏，刘翼飞，吴兵，等. 基于复杂网络的水上交通风险辨识及事故演化机理研究［J］. 中国安全生产科学技术， 2023， 19（8）： 165-171.
	Wan C P， Liu Y F， Wu B， et al. Study on risk identification and accident evolution mechanism of maritime traffic accidents based on complex network［J］. Journal of Safety Science and Technology， 2023， 19（8）： 165-171.
[7]	王猛. 基于Petri网模型的高铁沿线外部环境安全风险研究［J］. 中国安全科学学报， 2022， 32（S1）： 57-62.
	Wang M. Study on safety risk of external environment along high-speed rail based on Petri net model［J］. China Safety Science Journal， 2022， 32（S1）： 57-62.
[8]	Zhang J， Cheng H， Wu S， et al. Risk analysis of underground debris flows in mines based on a coupled weighted Bayesian network［J］. International Journal of Disaster Risk Reduction， 2024， 114： 104922.
[9]	刘高峰，李佳静，王慧敏，等. 城市暴雨洪涝灾害链辨识及系统性风险评估［J］.中国管理科学， 2025， 33（7）： 222-231.
	Liu G F， Li J J， Wang H M， et al. Identification of urban rainstorm flood disaster chain and assessment of systematic risk［J］. Chinese Journal of Management Science， 2025， 33（7）： 222-231.
[10]	王海英，楚林，许建. 融合N-K模型的复杂网络架桥机施工安全风险因素分析［J］. 中国安全科学学报， 2023， 33（9）： 10-17.
	Wang H Y， Chu L， Xu J. Construction safety risk analysis of bridge girder-erecting machine based on complex network integrating N-K model［J］. China Safety Science Journal， 2023， 33（9）： 10-17.
[11]	Xiang P， Yang Y， Yan K， et al. Identification of key safety risk factors and coupling paths in mega construction projects［J］. Journal of Management in Engineering， 2024， 40（4）： 04024023.
[12]	Zhu X， Wang Y， Li J. What drives reputational risk？ Evidence from textual risk disclosures in financial statements［J］. Humanities and Social Sciences Communications， 2022， 9（1）： 1-15.
[13]	李斌，王颖慧，朱晓谦，等. 保险业重要风险点的识别和演化分析——基于财务报告中披露的文本风险信息［J］. 系统工程理论与实践， 2022， 42（2）： 333-344.
	Li B， Wang Y H， Zhu X Q， et al. Identification and evolution analysis of important risks in insurance industry based on the textual risk disclosures in financial reports［J］. Systems Engineering-Theory & Practice， 2022， 42（2）： 333-344.
[14]	Bao Y， Datta A. Simultaneously discovering and quantifying risk types from textual risk disclosures［J］. 2014， 60（6）： 1371-1391.
[15]	崔文波，张涛，孙钦莹，等. 算法推荐风险影响因素系统动力学研究——以政策与科研主题协同为视角［J］. 图书与情报， 2023（1）： 66-76.
	Cui W B， Zhang T， Sun Q Y， et al. The system dynamics study of the influencing factors of risks in algorithmic recommendation：From the collaborative perspective of policy and scientific research topics［J］. Library & Information， 2023（1）： 66-76.
[16]	Li S， You M， Li D， et al. Identifying coal mine safety production risk factors by employing text mining and Bayesian network techniques［J］. Process Safety and Environmental Protection， 2022， 162： 1067-1081.
[17]	Cao J， Xu X， Yin X， et al. A risky large group emergency decision-making method based on topic sentiment analysis［J］. Expert Systems with Applications， 2022， 195： 116527.
[18]	胡慕海，肖钦，夏火松，等. 组织数字化管理中的多重数据安全风险及影响因素动态关联机制研究［J］. 情报理论与实践， 2024， 47（5）： 148-157.
	Hu M H， Xiao Q， Xia H S， et al. Research on dynamic correlation mechanism of multiple data security risks and influencing factors in digital management of organization［J］. Information Studies （Theory & Application）， 2024， 47（5）： 148-157.
[19]	Egger R， Yu J. A topic modeling comparison between LDA， NMF， Top2Vec， and BERTopic to demystify twitter posts［J］.Frontiers in Sociology，2022， 7： 886498.
[20]	Grootendorst M. BERTopic： Neural topic modeling with a class-based TF-IDF procedure［EB/OL］. （2022-03-11）［2024-01-15］..
[21]	胡小荣，姚长青，高影繁. 基于风险短语自动抽取的上市公司风险识别方法及可视化研究［J］. 情报学报， 2017， 36（7）： 663-668.
	Hu X R， Yao C Q， Gao Y F. Risk identification method of listed companies based on the automatic risk phrase extraction and visualization［J］. Journal of the China Society for Scientific and Technical Information， 2017， 36（7）： 663-668.
[22]	高影繁，王峥，胡小荣，等. 一种专利与企业相关性测度方法［J］. 情报学报， 2019， 38（12）： 1268-1274.
	Gao Y F， Wang Z， Hu X R， et al. A method for measuring the relevance between patents and enterprises［J］. Journal of the China Society for Scientific AndTechnical Information， 2019， 38（12）： 1268-1274.
[23]	李玥琪，王晰巍，王楠阿雪，等. 突发事件下社交媒体网络舆情风险识别及预警模型研究［J］. 情报学报， 2022， 41（10）： 1085-1099.
	Li Y Q， Wang X W， Wang N A X， et al. Risk identification and early warning model of social media network public opinion in emergencies［J］. Journal of the China Society for Scientific AndTechnical Information， 2022， 41（10）： 1085-1099.
[24]	王林，索玮岚. 复杂关联情境下城市关键基础设施运行风险演化机理研究［J］. 管理评论， 2024， 36（1）： 225-235.
	Wang L， Suo W L. Research on the risk evolutionary mechanism of critical infrastructures in complex interdependent scenarios［J］. Management Review， 2024， 36（1）： 225-235.
[25]	张劲，索玮岚. 考虑风险关联性和随机性的交通基础设施建设风险评估方法研究［J］. 管理评论， 2020， 32（6）： 45-55.
	Zhang J， Suo W L. Research on risk assessment method for transport infrastructure construction considering the interdependency and stochasticity of risks［J］. Management Review， 2020， 32（6）： 45-55.
[26]	李建平，孙灏，常闫芃，等. 考虑审计要素多重语义关联的财务欺诈识别［J］. 管理科学学报， 2024， 27（3）： 58-70.
	Li J P， Sun H， Chang Y P， et al. Financial statement fraud identification considering the multiple-dimensional semantic associations of auditing elements［J］. Journal of Management Sciences in China， 2024， 27（3）： 58-70.
[27]	Sevinc V， Kucuk O， Goltas M. A Bayesian network model for prediction and analysis of possible forest fire causes［J］. Forest Ecology and Management， 2020， 457： 117723.
[28]	陈荣达，周寒娴，余乐安，等. 基于互联网金融模式的结构性理财产品风险度量研究进展［J］. 中国管理科学， 2020， 28（11）： 23-34.
	Chen R D， Zhou H X， Yu L A， et al. Risk measurement on structured financial products and its application based on Internet financial model［J］. Chinese Journal of Management Science， 2020， 28（11）： 23-34.
[29]	Cao Y， Iulia M， Majumdar A， et al. Investigation of the risk influential factors of maritime accidents： A novel topology and robustness analytical framework［J］. Reliability Engineering & System Safety， 2025， 254： 110636.
[30]	冯丹. 基于IE-UM的大型桥梁施工安全风险评估［J］. 建筑安全， 2023， 38（2）： 76-80.
	Feng D. Safety risk assessment of large bridge construction based on IE-UM［J］. Construction Safety， 2023， 38（2）： 76-80.
[31]	He Z， Weng W. A risk assessment method for multi-hazard coupling disasters［J］. Risk Analysis， 2021， 41（8）： 1362-1375.
[32]	郑德俊，程为. 基于三维主题特征测度的新兴主题识别研究［J］. 情报学报， 2024， 43（2）： 167-180.
	Zheng D J， Cheng W. Emerging topic recognition based on three-dimensional topic feature measurement［J］. Journal of the China Society for Scientific AndTechnical Information， 2024， 43（2）： 167-180.
[33]	Wang L， Chen P， Chen L， et al. Ship AIS trajectory clustering： An HDBSCAN-based approach［J］. Journal of Marine Science and Engineering， 2021， 9（6）： 1-20.
[34]	Shashavali D， Vishwjeet V， Kumar R， et al. Sentence similarity techniques for short vs variable length text using word embeddings［J］. Computación y Sistemas， 2019， 23（3）： 999-1004.
[35]	尹海员，吴兴颖. 投资者日度情绪、订单流不均衡与股票流动性［J］. 中国管理科学， 2023， 31（5）： 60-70.
	Yin H Y， Wu X Y. Investor sentiment， order flow imbalance and stock liquidity［J］. Chinese Journal of Management Science， 2023， 31（5）： 60-70.
[36]	唐慧玲，唐恒书，朱兴亮. 基于改进蚁群算法的低碳车辆路径问题研究［J］. 中国管理科学， 2021， 29（7）： 118-127.
	Tang H L， Tang H S， Zhu X L. Research on low-carbon vehicle routing problem based on modified ant colony algorithm［J］. Chinese Journal of Management Science， 2021， 29（7）： 118-127.
[37]	徐红梅，陈义保，刘加光，等. 蚁群算法中参数设置的研究［J］. 山东理工大学学报（自然科学版）， 2008， 22（1）： 7-11.
	Xu H M， Chen Y B， Liu J G， et al. The research on the parameters of the ant colony algorithm［J］. Journal of Shandong University of Technology （Natural Science Edition）， 2008， 22（1）： 7-11.
[38]	叶志伟，郑肇葆. 蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例［J］. 武汉大学学报（信息科学版）， 2004， 29（7）： 597-601.
	Ye Z W， Zheng Z B. Configuration of parameters α， β， ρ in ant algorithm［J］. Geomatics and Information Science of Wuhan University， 2004， 29（7）： 597-601.

评估类别	评估指标	KPE-BERTopic	BERTopic
	主题置信概率	86.34%	78.25%
主题识别性能	离群风险段落数量	532	1361
	主题识别准确率	93.00%	82.80%
主题聚类性能	戴维森堡丁指数	1.23	1.56
主题聚类性能	轮廓系数	0.57	0.39

名称	词语
风险触发词	导致、造成、引发、引起
递进词	进而、从而，甚至、继而
主动式连接词1	不仅、不但
主动式连接词2	还、同时、而且、且、也
被动式连接词1	不仅受、不仅取决于、不但受、不但取决于
被动式连接词2	还、同时、而且、且、也

风险因子语义关联规则	风险因子级联关系
A→风险触发词→B	1
受→A→影响→风险触发词→B→递进词→C	2
由于→A→主动式连接词1→风险触发词→B→主动式连接词2→C	3
C→被动式连接词1→A→被动式连接词2→B→风险触发词	4
A→风险触发词→B→递进词→C→递进词→D	5
A→主动式连接词1→风险触发词→B→主动式连接词2→C→递进词→D	6
由于→A→风险触发词→B→主动式连接词1→C→主动式连接词2→D	7
C→被动式连接词1→A→被动式连接词2→B→风险触发词→递进词→D	8