基于SEIS的多状态中断模型：异质供应链网络中的风险传播机理与系统韧性研究

《Frontiers in Sustainability》：Risk propagation in heterogeneous supply-chain networks using a SEIS-based multi-state disruption model

本文聚焦于运输与供应链系统中断风险的传播问题。针对传统SIS（Susceptible-Infectious-Susceptible）模型忽略暴露/退化阶段的局限，研究人员开发了一个基于SEIS（Susceptible-Exposed-Infectious-Susceptible）框架、结合节点度（连通性）的异质性风险传播模型。通过随机模拟，研究发现引入暴露状态（E）显著改变了中断动态：在同质网络中平滑了中断演化，而在异质/分层网络中则会导致压力在结构性中心节点积累，并可能引发快速的系统性升级。该研究为更真实地刻画中断传播、评估系统风险提供了新视角，强调了在异质网络中建模潜在退化的重要性。

　　

当今的全球供应链如同一张精密而复杂的巨网，将世界各地的企业紧密连接。全球化带来了效率提升和市场拓展，但也使得供应链网络异常脆弱，一个局部的“小感冒”——无论是日本的地震海啸、意大利供应商的设备故障，还是COVID-19疫情——都可能迅速演变成波及全球多个产业的“系统性感染”。这些事件反复揭示了一个核心难题：我们如何准确预测和管控中断风险在庞大、异质的供应链网络中的传播？

传统上，管理科学领域通过优化模型来应对不确定性，而复杂网络科学则常借用流行病学模型，如SIR或SIS模型，来模拟风险的扩散。这些模型将网络节点类比为个体，状态分为易感（S，正常但面临风险）、感染（I，发生中断并能传播）和移除/恢复（R）。然而，一个关键的简化假设限制了其真实性：它们通常认为节点从中断发生到完全激活是瞬间的，忽略了现实中普遍存在的“潜伏期”或“性能退化期”。就像一个港口不会因为一艘船延误就立刻瘫痪，它可能先经历拥堵、效率下降（暴露状态），压力累积到临界点后才彻底中断。忽视这个中间状态，会严重低估可用于早期干预的时间窗口，也无法捕捉压力在关键枢纽节点上积累、最终引爆系统的动态过程。

为了弥补这一不足，一项题为“Risk propagation in heterogeneous supply-chain networks using a SEIS-based multi-state disruption model”的研究在《Frontiers in Sustainability》上发表。该研究创新性地引入了一个“度感知”（degree-aware）的SEIS风险传播模型，明确加入了“暴露”（Exposed, E）状态，以表征从性能退化到完全激活之间的延迟（激活滞后），并考虑了网络结构的异质性（即节点连接数不同导致的行为差异）。通过这一模型，研究者旨在量化激活滞后和网络结构如何共同塑造风险的瞬态和稳态传播，以及这些动态如何与系统层面的运营绩效相关联。

为了开展这项研究，作者主要运用了以下几个关键技术方法：首先，构建了经典的SEIS模型框架，定义了易感（S）、暴露（E）和感染（I）三种状态及其转换关系。其次，开发了“度感知”的异质性扩展模型，其中暴露率（λ）、激活率（α）和恢复率（μ）都变为与节点自身及其邻居节点度（连接数）相关的函数，并进行了全局强度校准，以确保与同质模型的可比性。最后，研究采用了基于随机过程的蒙特卡洛模拟方法，在具有代表性的网络拓扑结构上进行大量重复实验，以分析模型的动态行为。

研究结果显示：

1. 经典SEIS模型与度感知SEIS风险传播模型

研究首先明确了SEIS模型中各状态在供应链语境下的含义：S代表正常运行但脆弱的节点；E代表经历性能下降、积压等但尚未完全中断的节点（即潜伏退化）；I代表经历重大运营中断的节点。模型通过一组微分方程描述了系统演化。随后，针对标准SEIS模型假设所有节点行为相同的不足，研究提出了“度感知”的SEIS模型。该模型利用节点度作为结构位置的代理变量，使转换机制依赖于节点连接性。例如，连接数多的中心节点（枢纽）对邻居的影响更大，但自身也可能因资源多而更稳健。模型通过校准公式确保了在异质模型中，整体的暴露、激活和恢复强度与同质模型保持一致，从而将动态差异归因于网络结构本身。

2. 度依赖性暴露率

研究定义了从感染节点j（度为k'）到易感邻居节点i（度为k）的边上的暴露率λ_l(k'→k)。该速率是节点度之比的函数，并包含一个控制异质性影响的指数参数。通过施加全局暴露强度相等的校准条件，推导出了归一化常数，从而得到了校准后的度依赖暴露率具体表达式。这反映了连接性不同的节点之间相互影响的差异。

3. 度依赖性激活率（E→I）与恢复率（I→S）

类似地，研究假设节点从暴露状态激活为感染状态的速率α_i(k_i)，以及从感染状态恢复的速率μ_i(k_i)，都与其节点度k_i成反比关系，并分别由指数参数γ和β控制。通过施加与同质模型全局激活强度、恢复强度相等的约束，得到了相应的归一化常数公式。这表明高度数节点可能因为“结构负载”更重而需要更长时间来激活（或恢复），或者因为资源更丰富而恢复更快，具体取决于参数设定。

4. 度感知SEIS过程的随机模拟

研究采用随机模拟来近似实现连续时间的度感知SEIS过程。模拟使用固定时间步长Δt和同步更新方案。关键的转换概率（S→E, E→I, I→S）均由对应的度依赖转换强度通过指数分布推导得出。例如，一个易感节点在一个时间步内被其任一感染邻居“暴露”的概率，是各条边上独立暴露事件概率的联合结果。

5. 模拟参数与基线配置及跨网络拓扑的暴露和感染时空动态

研究设定了基线模拟参数，并对比了在三种典型网络拓扑（Erd?s–Rényi, ER，同质随机网络；Barabási–Albert, BA，无标度异质网络；Layered，分层网络）上的模拟结果。分析发现，网络拓扑和激活滞后共同决定了中断的演化动态。在ER同质网络中，引入暴露状态平滑了中断的演变过程。而在BA异质网络中，高度连通的中心节点起到了“缓冲”作用，积累了大量的潜在压力（E状态），但转化为主动中断（I状态）相对较慢，改变了传播时间线。在分层网络中，暴露会迅速转化为感染，并且一旦中心节点被感染，会导致非常高的总体感染水平，表现出快速系统级升级的阈值式动态。

在结论与讨论部分，研究强调，明确建模暴露延迟从根本上改变了对供应链中断传播的理解。SEIS框架通过捕捉结构异质性和延迟激活的综合效应，克服了传统SIS模型的局限。研究结果表明，仅关注活跃中断会低估系统风险，因为在潜在退化阶段可能已经发生了严重的性能衰减。对于同质网络，暴露延迟主要影响升级的时机；而对于异质或分层网络，它会导致潜在压力在结构上积累，一旦达到临界质量便会突然引发系统性升级。这项研究的发现对运输和物流管理具有重要启示：韧性规划必须同时考虑激活滞后和结构异质性。通过监控关键节点的压力积累，运营者或能在中断全面爆发前实施早期干预。研究方法上采用的度感知校准确保了对比的公平性，使观察到的差异能够明确归因于网络结构特征。该框架为进一步研究包含方向性、权重、节点类型差异、多层依赖性和自适应行为等更复杂系统不对称性，乃至包含永久失效状态的SEIS-F扩展模型，奠定了坚实的基础。