基于复杂网络的装配式建筑供应链韧性影响因素

刘伟; 谢骏豪

doi:10.12404/j.issn.1671-1815.2503605

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (11) :4813-4820 DOI: 10.12404/j.issn.1671-1815.2503605

建筑科学

基于复杂网络的装配式建筑供应链韧性影响因素

刘伟 ¹^,² ,
谢骏豪 ¹

作者信息 +

Influencing Factors of Prefabricated Building Supply Chain Resilience Based on Complex Networks

LIU Wei ¹^,² ,
XIE Jun-hao ¹

Author information +

文章历史 +

摘要

随着装配式建筑在全球范围内快速推广,其供应链面临多环节协同带来的复杂性与不确定性挑战。为增强供应链的竞争力和稳定性,系统研究了装配式建筑供应链的韧性及其影响因素,构建了装配式建筑供应链影响因素网络模型,系统识别并量化了影响供应链韧性的关键因素,揭示了装配式建筑供应链同时呈现小世界与无标度特性。研究表明,装配式建筑供应链网络中,设计变更、供应链效率与信息共享等节点具有显著的枢纽作用,为提升供应链韧性提供了量化且可操作的路径。提出并比较了五种免疫策略,通过动态仿真评估其对影响因素传播与网络效率的抑制效果。结果显示,基于度中心性的免疫策略能更有效地降低网络效率,从而控制影响因素的发生与传播。研究为装配式建筑供应链管理提供了新的理论视角与实践建议,同时也为其他行业的供应链韧性研究提供了参考。

Abstract

The rapid global adoption of prefabricated buildings introduces complexities and uncertainties in their supply chains, necessitating enhanced resilience to maintain competitiveness and stability. A systematic investigation was conducted on the influencing factors of prefabricated building supply chain resilience (PBSCR). A network model of influencing factors was constructed, and key factors affecting supply chain resilience were identified and quantified. It was demonstrated that the supply chain exhibits both small-world and scale-free characteristics. Nodes such as design changes, supply chain efficiency, and information sharing were revealed to play significant hub roles within the network. Quantitative and actionable pathways for improving supply chain resilience were provided. Five immune strategies were proposed and compared, and their effectiveness in suppressing the spread of influencing factors and network efficiency was evaluated through dynamic simulation. The degree centrality-based immunization strategy is found to most effectively reduce network efficiency, thereby controlling the occurrence and propagation of influencing factors. The findings provide new insights and practical strategies for managing prefabricated building supply chains, with implications for enhancing resilience in other industrial supply systems.

Graphical abstract

关键词

装配式建筑供应链 / 供应链韧性 / 复杂网络 / 免疫策略

Key words

prefabricated building supply chain / supply chain resilience / complex networks / immunization strategy

引用本文

引用格式 ▾

刘伟, 谢骏豪. 基于复杂网络的装配式建筑供应链韧性影响因素[J]. 科学技术与工程, 2026, 26(11): 4813-4820 DOI:10.12404/j.issn.1671-1815.2503605

LIU Wei, XIE Jun-hao. Influencing Factors of Prefabricated Building Supply Chain Resilience Based on Complex Networks[J]. Science Technology and Engineering, 2026, 26(11): 4813-4820 DOI:10.12404/j.issn.1671-1815.2503605

登录浏览全文

4963

注册一个新账户忘记密码

随着装配式建筑凭借高效环保优势在全球快速推广,其供应链因涉及多环节协同而面临复杂性与不确定性挑战。设计变更、物流延误及信息壁垒等问题频发,严重威胁供应链稳定性^[1]。供应链韧性作为抵御风险与快速恢复的核心能力,对保障项目按时交付、控制成本超支至关重要^[2]。然而,现有研究多聚焦于装配式建筑的项目管理与施工技术,对系统性提升供应链韧性的探索仍显不足。

当前学者对装配式建筑供应链的定义尚未统一,主要围绕业主需求、项目生命周期及多主体协同等视角展开。Giannoccaro等^[3]强调供应链是围绕业主需求的信息流、物流与资金流协同网络;Zhang等^[4]则从项目全周期出发,将其界定为由设计、生产、运输等多环节主体构成的动态协调网络。供应链韧性的内涵可归纳为两大维度:抵御风险的能力和中断后的恢复能力。已有研究提出通过供应商多元化、信息共享及数字化技术提升韧性,Hussein等^[5]倡导多元化供应商策略,Machado等^[6]强调协同合作对风险响应的优化作用。然而,针对装配式建筑供应链韧性的系统性研究仍较为匮乏,尤其是对关键影响因素及其级联效应的解析亟待深入^[7]。

现旨在基于复杂网络理论构建装配式建筑供应链影响因素网络模型,以解析其小世界与无标度特性,识别关键节点。通过动态仿真验证选择性免疫策略的有效性,并最终提出针对性提升路径。

1 装配式建筑供应链韧性影响因素识别及网络模型构建

1.1 影响因素识别

装配式建筑供应链作为多层级协同体系,其运作涵盖设计、生产、运输及装配等多环节协作,涉及业主、供应商、承包商等多维度利益主体交互^[8]。现聚焦装配式建筑供应链韧性的影响因素传导机制以及其对供应链韧性整体系统的影响。在这个供应链中,影响韧性的传递依赖于3个关键要素:影响发出者、影响接收者以及传递载体^[9]。这些要素都位于供应链的各个参与方,并且影响的传递可能通过系统性因素、信息流通或人员活动等载体实现^[10]。

基于影响因素传递机制,通过系统梳理国内外装配式建筑领域文献数据库进行分析归纳与专家访谈相结合的方式,对装配式建筑供应链影响因素和传递关系进行识别。在影响因素识别方面,孙亚琪等^[11]的研究中,通过文献整理和专家访谈构建了风险因素的装配式建筑供应链风险清单,并基于复杂网络理论分析了影响因素传递效应;朱蕾等^[12]基于解释结构模型(interpretative structural modeling, ISM)的研究成果,从设计、制造、运输等环节提炼出15个关键影响因素的结构化层级关系,验证了信息共享和运输能力对韧性的直接影响。王红春等^[13]提出的DEMATEL(decision making trial and evaluation laboratory)-ISM模型方法,将影响因素划分为根本、中间和直接层级,强调了设计变更(R₁₁)、供应链效率(R₂₀)等枢纽节点的核心作用。王乾坤等^[14]采用扎根理论方法论,系统构建了供应链弹性评估框架。进一步从弹性资源、协同合作等维度补充了库存管理(R₁₄)、构件冗余(R₁₈)等关键因素,初步形成了影响因素指标体系。

计划阶段中,政府政策(R₁),通过调整装配式建筑标准直接影响设计与装配流程,自然天气的极端变化可能延缓施工进度(R₂),战略目标的分歧成为非政府主体间协作的主要障碍(R₃)。战略计划制定,因忽略关键因素降低实用性(R₄),供应链利益分配的失衡加剧合作冲突(R₅),供应链结构的安排流程不合理导致环节矛盾(R₆)。设计审批的延迟源于审批方对装配式设计的理解不足(R₇),合作基础薄弱(R₈)与信息共享平台缺陷削弱协同稳定性(R₉),人才供需失衡对项目质量形成潜在威胁(R₁₀),设计变更导致工作量增加需多方协调(R₁₁),R₁₂:设计信息协调的偏差引发制造方生产误差(R₂),成本控制受设计或市场波动直接影响采购成本(R₁₃)。采购阶段中,库存管理因物流延迟面临挑战(R₁₄),原料采购质量(R₁₅),制造工艺标准的波动对项目进度和质量至关重要(R₁₆)。制造阶段需应对R₁₇:构件交货时间的波动(R₁₇)构件质量标准的偏差(R₁₈)及流动人员比例对工艺规范性的影响(R₁₉),供应链效率的延迟直接拖累项目进程(R₂₀)。运输阶段的风险集中于运输规划冲突(R₂₁)与构件运输损坏率(R₂₂),而装配工期受供应链延迟间接制约(R₂₃)。装配阶段的装配质量问题多由人员技术问题引发(R₂₄),装配精度因构件相似度高易引发安装位置错误(R₂₅),安全管理需严格把控施工现场材料或机械隐患从而避免安全事故(R₂₆)。各阶段影响因素环环相扣,主体涵盖政府、业主、设计方、制造方及建设单位,突出供应链韧性管理的系统性与复杂性。

1.2 影响因素网络模型构建

识别了影响因素之后,参考李政道等^[15]提出的多阶段传导机制分析方法,邀请组织装配式建筑领域专家矩阵评估26项影响因素之间的传导关系。如表1所示,通过构建26×26的邻接矩阵,采用0-1标度法对因素间的直接传导路径进行标注(其中“1”表示存在直接影响,“0”表示无直接关联)。鉴于矩阵规模较大,表1仅呈现部分代表性关联的示例性结构,通过厘清影响因素之间的传导逻辑,归纳出完整的传递链条并且明确其层级关系。在装配质量(R₂₄)的作用机制当中,政府政策调整(R₁)将引起装配标准的修订更新,业主方须依据新标准重新修改设计要求(R₁₁),设计方需对图纸进行技术修订,并通过协同平台向制造方实时同步更新数据。这一过程要求制造方重新解析设计规范并重构生产执行方案,进而引发构件交货周期波动(R₁₇)。最终,施工方因工期调整导致装配节奏变化,致使构件质量出现偏差(R₂₄)。

为解析装配式建筑供应链影响因素网络特性,采用基于Java虚拟机(Java virtual machine, JVM)架构的开源复杂网络分析工具Gephi,通过拓扑参数计算与可视化揭示网络结构特征。将影响因素节点及其有向传递关系导入Gephi生成网络图,直观呈现交互结构与动态传播路径,如图1所示。

2 装配式建筑供应链韧性网络特性及节点分析

2.1 小世界特性和无标度特性解析

小世界网络的结构特性主要体现在节点间的高效连接与局部聚集效应。在供应链影响因素网络中多数节点虽无直接连接,但可通过有限的中间节点实现跨节点关联^[16]。小世界网络的显著特性表现为低平均高聚类系数和路径长度。计算公式分别为

(1)C_i=$\frac{{M}_{i}}{{k}_{i}({k}_{i}-1)}$

(2)L=$\frac{1}{N(N-1)}\sum _{i\ne i}$d_ij

式中:C_i为节点 i的聚类系数;M_i为节点i的实际存在边数;k_i为节点i的度;L为平均路径长度;N为网络节点总数;d_ij为节点i和j之间的最短路径边数。

平均路径长度L代表网络节点间的信息传递效率,计算方式为全部节点对最短路径边数的算术均值。对于包含N个节点的网络,任意两节点间的最短路径边数记为d,该指标值越小则表明供应链中信息的扩散速率越高。聚类系数C_i反映网络局部紧密程度,定义为各节点实际存在边数M与其理论最大边数k(k-1)/2的比值[式(1)],全网络聚类系数为各节点值的平均。该指标越大说明节点间关联越强,网络结构抗干扰能力越突出^[17]。通过Python计算获得目标网络的平均路径长度为1.926,聚类系数为0.213。为验证结构特征,生成10组随机网络,构建相同规模的随机网络作为对照样本,聚类系数与路径长度均值如表2数据所示。对比分析,实测网络的聚类系数明显高于随机网络的聚类系数均值,而平均路径长度明显低于随机网络。这一数据差异证实了影响因素网络具有小世界特性。

无标度网络的识别核心在于节点连接度的异质分布特征^[18]。具体表现为少数枢纽节点拥有远超平均水平的连接度,这类核心单元通过广泛连接形成信息传导的关键通道,显著增强了网络整体风险传导能力^[19]。节点度分布概率P(k)表征网络中度为k的节点概率分布特性,针对小规模网络,采用累积度分布概率P(k)判断影响因素网络是否具有无标度特性^[20]。无标度特性表明该影响因素网络中存在某些会对供应链系统产生较大影响的影响因素节点。无标度网络度分布服从幂律分布,幂律指数为γ,则其累积度分布函数也服从幂律指数为γ-1的幂律分布,即

(3)P(k)∝$\stackrel{\infty }{\sum _{k\text{'}=k}}\frac{1}{k\text{'}\gamma }$∝$\frac{1}{{k}^{\gamma -1}}$

式(3)中:P(k)为累积度分布函数;k、k'为节点度;γ为幂律指数。

影响因素网络的累积分布函数如图2所示,呈现典型的幂律衰减趋势,其中γ=1.620,实际幂指数需通过γ'=γ+1=2.62进行标准化修正。

该值位于经典无标度网络幂指数区间[2,3]内,证实网络拓扑结构符合无标度特性。该特性表明网络中存在少量高连接度枢纽节点,作为供应链网络中的核心枢纽,这些节点与众多其他节点存在密集连接,一旦“枢纽节点”影响发生,将对装配式建筑供应链系统造成更多影响。

3.2 节点中心化程度解析

构建的装配式建筑供应链影响因素网络兼具无标度特性与小世界特性,影响传导效率显著高于常规网络结构。要精准识别装配式建筑供应链中的关键影响因素,还需对该网络进行节点中心化程度进行解析。

为评估节点在网络中的影响力,识别关键节点,选取度中心性、紧密中心性、介数中心性及PageRank等指标进行量化分析,各指标计算公式为

(4)C_d(i)=$\frac{{k}_{i}}{N-1}$

(5)C_c(i)=$(\stackrel{i=1}{\sum _{N}}{d}_{ij}{)}^{-1}$

(6)C_b(i)=$\sum _{s\ne i\ne t}\frac{{g}_{i}(s,t)}{g(s,t)}$

(7)PR(i)=$\frac{1-d}{n}$+d

$\sum _{u\in B\left(i\right)}\frac{\mathrm{P}\mathrm{R}\left(u\right)}{L\left(u\right)}$

式中:C_d(i)为节点i的度中心性;k_i为节点i的度;N为网络节点总数;C_c(i)为节点i的紧密中心性;d_ij为节点i和j之间的最短路径边数;C_b(i)为节点i的介数中心性;g(s,t)为节点s和t之间的最短路径总数;g_i(s,t)为经过节点i的最短路径数;PR(i)为节点i的PageRank值;d为阻尼因子(通常取0.85);n为网络节点总数;B(i) 为指向节点i的节点集合;L(u) 为节点u的出度。

根据式(4)~式(7),运用Python计算获得节点的度中心性、紧密中心性、介数中心性及PageRank值4类中心化指标,并对排名前五的节点进行深入分析。

(1) 度中心性。度中心性反映节点在网络中的直接连接数量,表征其级联效应强度^[21]。由图3可知,排名前五的节点依次为供应链效率(R₂₀)、设计变更(R₁₁)、信息共享(R₉)、构件交货时间(R₁₇)、装配质量(R₂₄)。其中供应链效率作为核心枢纽,直接关联多个供应链环节(如制造、运输),其效率波动会迅速影响生产计划调整与运输延误,引发网络效率大幅下降。设计变更因涉及设计与制造方的协同,变更信息若未及时传递,将导致装配质量偏差与构件生产返工,形成一系列链式反应。信息共享的高连接性表明其是信息流通的关键节点,信息壁垒会加剧计划阶段的分歧,降低供应链协同效率。

(2)紧密中心性。紧密中心性衡量节点与节点之间的平均接近程度,值越高表明其信息传播路径越短^[16]。由图4可知,前五节点为供应链效率(R₂₀)、装配质量(R₂₄)、构件运输损坏率(R₂₂)、库存管理(R₁₄)、装配工期(R₂₃)。其中供应链效率的高紧密性使其成为供应链动态调整的核心,效率下降会通过制造延迟与运输冲突快速扩散至全网络。装配质量作为终端风险节点,质量问题通过精度偏差直接影响工期与安全管理。构件运输损坏率与运输规划和装配工期(R₂₃)紧密相连,损坏率上升将触发库存补充与生产计划调整。库存管理的紧密性在采购与制造环节的核心作用显著,库存管理失序将会显著增加供应链延误和额外成本。装配工期作为进度的重要控制节点,其延误通过设计变更与信息共享滞后扩大上游影响,形成级联风险^[22]。

(3)介数中心性。介数中心性表征节点在网络中的桥梁作用,控制资源与信息流动^[23]。由图5可知,排名前五为设计变更(R₁₁)、供应链效率(R₂₀)、信息共享(R₉)、设计信息协调(R₁₃)、战略目标(R₃)。其中设计变更的介数中心性最高,因其是设计方与制造方的关键衔接点,变更需通过该节点协调多方信息,其失效将导致信息孤岛与生产混乱。供应链效率作为多环节交汇点,其效率波动通过制造与运输路径传导,显著影响网络连通性。信息共享的高介数性表明其是计划阶段冲突与执行阶段问题的调解中枢。设计信息协调的设计标准偏差会引发制造工艺调整与成本控制失效,加剧网络脆弱性。战略目标若未达成共识,将通过利益分配冲突与供应链结构矛盾削弱整体韧性。

(4)PageRank值。PageRank值衡量节点基于链接结构的全局影响力^[24]。由图6可知,前五节点为装配质量(R₂₄)、供应链效率(R₂₀)、设计变更(R₁₁)、构件运输损坏率(R₂₂)、库存管理(R₁₄)。其中装配质量的高PageRank值表明其是终端风险的“汇聚点”,质量问题通过装配精度反向影响设计变更与制造工艺。供应链效率的全局主导性源自其对制造、运输及库存环节的协同调控,效率降低会削弱网络抗干扰能力设计变更在此过程中发挥关键作用,其变更管理不善会通过构件生产与装配质量引发多层级风险^[25]。构件运输损坏率的全局影响力体现在其对运输规划与装配工期的双向制约,损坏需额外协调库存与生产^[26]。库存管理的PageRank值凸显其在供应链动态平衡中的作用,库存失衡会通过成本控制与效率波动放大网络脆弱性。

3 装配式建筑供应链韧性影响因素免疫分析

3.1 影响因素免疫策略

以上研究表明,该网络呈现有向互依拓扑架构,其节点间存在多对多关联关系,验证了网络兼具无标度性与小世界特性。为深入分析网络特性以及研究互连网络在面对各种攻击时的稳定性,并找出对网络结构影响最大的关键节点,在此进行影响因素免疫分析。

根据免疫理论,网络节点的免疫策略可分为选择性免疫与随机性免疫两类^[27]。选择性免疫是通过影响因素网络中节点的重要程度依次进行移除,根据节点的度中心性、紧密中心性,介数中心性、PageRank值4类中心化指标^[28],对关键性排序前10位的节点实施优先级免疫;随机免疫策略则采用Python软件对影响因素节点进行随机移除。两类免疫策略具体顺序如表3所示。

3.2 各种免疫策略下的网络鲁棒性

网络效率作为免疫效果的核心评价指标,其数值降低幅度直接表征影响因素间关联网络的解构程度^[29]。通过控制免疫策略中的影响因素节点,可以有效降低装配式建筑供应链韧性所受到的冲击^[30]。网络效率E计算公式为

(8)E=$\frac{1}{N(N-1)}\sum _{i\ne j}{{d}_{ij}}^{-1}$

式(8)中:E为网络效率;N为网络节点总数;d_ij为节点i和 j之间的最短路径边数。

应用4种免疫策略进行网络仿真实验,通过观察节点移除后网络效率变化来评估免疫效果。结合Python平台与式(8)的计算结果绘制出网络效率动态曲线,如图7所示。由于随机性免疫无法有效定位关键节点,对供应链韧性的抑制效果较弱;而选择性免疫则可以有效降低网络效率,控制影响因素的传递和发生。选择性免疫策略下,网络效率表现出快速下降趋势,选择性免疫策略下降速率显著高于随机性免疫,这结果符合无标度网络对枢纽节点的特性。

由图7可知,不同免疫策略对装配式建筑供应链影响因素网络的破坏效率存在显著差异。基于节点重要性指标的选择性免疫策略在破坏网络连通性方面展现出明显优势,而随机性免疫策略对网络结构的影响相对有限。具体而言,当依次移除前十节点时,度中心性攻击和介数中心性攻击策略表现出最强的破坏力,对网络核心结构有着瓦解作用。相比之下,PageRank攻击和紧密中心性攻击效果稍弱。随机攻击的破坏效果最为微弱,即使移除10个节点,网络效率仍保持在0.9,反映了无标度网络对随机攻击的强鲁棒性特征。

上述结果表明,选择性免疫策略的有效性排序为:度中心性攻击>介数中心性攻击 > 紧密中心性攻击>PageRank攻击>随机攻击。这一发现与网络的无标度特性高度契合,说明针对枢纽节点的定向免疫能够通过破坏级联传播的关键路径,大幅度降低网络效率。研究结果验证了第2节中关于供应链效率(R₂₀)、设计变更(R₁₁)等枢纽节点主导风险传播的结论,为后续韧性提升策略的制定提供了量化依据。同时数据进一步表明,移除前十节点即可达到对网络结构的显著破坏,凸显了精准识别在提升供应链韧性中的核心作用。

4 结论与建议

基于复杂网络理论,构建了装配式建筑供应链影响因素网络模型,揭示了网络的小世界与无标度特性,并提出了5种免疫策略,通过动态仿真验证了基于度中心性的免疫策略能最有效地降低网络效率,系统解析了关键影响因素的作用机制,从而为提升供应链韧性提供了量化且可操作的路径。以下从关键因素识别、路径提升策略两个方面展开讨论,并提出针对性建议。

(1)供应链效率(R₂₀)、设计变更(R₁₁)、信息共享(R₉)是网络中最核心的枢纽节点。其中,供应链效率(R₂₀)的度中心性与介数中心性均居首位,直接关联制造、运输、库存等环节,其波动可导致网络效率下降21.3%。设计变更(R₁₁)因其高PageRank值成为信息流的关键枢纽,未及时协调的变更会通过制造工艺偏差(R₁₆)引发构件交货延迟(R₁₇)。验证了管理因素在供应链中的核心地位。

(2)在装配式建筑供应链影响因素网络中,度中心性最高的前5个节点依次为供应链效率(R₂₀)、设计变更(R₁₁)、信息共享(R₉)、构件交货时间(R₁₇)和装配质量(R₂₄)。这些节点作为风险传播的核心枢纽具有高度的连接性,供应链效率波动通过制造、运输环节迅速扩散;设计变更引起工期延误与生产返工;信息共享不足加剧协同失效;交货时间延迟联动库存与进度失控;装配质量问题反向传导至设计与制造。

针对关键影响因素,提出以下装配式建筑供应链提升路径建议。

(1)增强设计团队与供应链其他环节的沟通,保证设计变更能够准确传达并被执行和理解。采用BIM(建筑信息模型)技术,实现设计信息的集成和共享,减少设计变更对供应链的影响。建立标准化的设计变更管控机制,涵盖变更申请提交、技术可行性论证、多层级审核及执行等环节。对设计变更的影响进行快速评估,并及时调整供应链计划。提升设计和生产流程的灵活性,以适应频繁的设计变更。采用模块化设计,减少设计变更对生产和供应链的影响。

(2)通过精益管理和持续改进,优化供应链流程,减少浪费和提高效率。采用先进的供应链管理软件,实现供应链的实时监控和优化。增强供应链各方的合作,共享需求信息和库存,达到供应链的协同运作。建立长期合作关系,提高供应链的整体效率和响应速度。投资于自动化和数字化技术,提高供应链的效率和准确性。利用大数据分析和人工智能技术,预测需求和优化供应链操作。

(3)建立供应链信息的共享平台,保障信息的实时更新和共享。采用云技术和移动解决方案,提高信息共享的便捷性和可访问性。加强数据管理,确保数据的准确性和一致性。利用数据分析工具,从共享信息中提取有价值的洞察,指导供应链决策。对供应链各方进行信息共享和协作的培训,让构件生产工作人员和现场施工人员提高对信息共享重要性的认识。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Jausovec M, Sitar M. Comparative evaluation model framework for cost-optimal evaluation of prefabricated lightweight system envelopes in the early design phase[J]. Sustainability, 2019, 11(18): 5106.

[2]	Du Q, Pang Q, Bao T, et al. Critical factors influencing carbon emissions of prefabricated building supply chains in China[J]. Journal of Cleaner Production, 2021, 280: 124398.

[3]	Giannoccaro I, Iftikhar A. Mitigating ripple effect in supply networks: the effect of trust and topology on resilience[J]. International Journal of Production Research, 2022, 60(4): 1178-1195.

[4]	Zhang H, Yu L. Resilience-cost tradeoff supply chain planning for the prefabricated construction project[J]. Journal of Civil Engineering and Management, 2021, 27(1): 45-59.

[5]	Hussein M, Eltoukhy A E E, Karam A, et al. Modelling in off-site construction supply chain management: a review and future directions for sustainable modular integrated construction[J]. Journal of Cleaner Production, 2021, 310: 127503.

[6]	Machado N, Morioka S N. Contributions of modularity to the circular economy: a systematic review of literature[J]. Journal of Building Engineering, 2021, 44: 103322.

[7]	刘子琦, 张云宁, 欧阳红祥, 等. 基于云物元理论的装配式建筑供应链可持续性评价[J]. 土木工程与管理学报, 2020, 37(3): 109-115, 122.

[8]	Liu Ziqi, Zhang Yunming, Ouyang Hongxiang, et al. Sustainability evaluation of prefabricated building supply chain based on cloud matter-element theory[J]. Journal of Civil Engineering and Management, 2020, 37(3): 109-115, 122.

[9]	何正豪, 田元福. 参建单位视角的装配式建筑施工安全风险因素[J]. 科学技术与工程, 2023, 23(1): 321-326.

[10]	He Zhenghao, Tian Yuanfu. Safety risk factors of prefabricated building construction from the perspective of participating units[J]. Science Technology and Engineering, 2023, 23(1): 321-326.

[11]	刘燕平, 王作文, 蒲万丽. 基于组合赋权-证据理论-模糊综合评价法的EPC模式下装配式建筑工程成本风险评价[J]. 科学技术与工程, 2022, 22(11): 4562-4571.

[12]	Liu Yanping, Wang Zuowen, Pu Wanli. Cost risk assessment of prefabricated building engineering under EPC mode based on combined weighting-evidence theory-fuzzy comprehensive evaluation method[J]. Science Technology and Engineering, 2022, 22(11): 4562-4571.

[13]	李乃旭, 王浩玮, 梅江钟. 基于云物元理论的装配式建筑供应链风险预警[J]. 土木工程与管理学报, 2020, 37(3): 123-129.

[14]	Li Naixu, Wang Haowei, Mei Jiangzhong. Risk early warning of prefabricated building supply chain based on cloud matter-element theory[J]. Journal of Civil Engineering and Management, 2020, 37(3): 123-129.

[15]	孙亚琪, 田源. 基于复杂网络理论的装配式建筑供应链关键风险研究[J]. 建筑经济, 2020, 41(11): 79-83.

[16]	Sun Yaqi, Tian Yuan. Research on key risks of prefabricated building supply chain based on complex network theory[J]. Construction Economy, 2020, 41(11): 79-83.

[17]	朱蕾, 陈静怡, 袁竞峰. 基于ISM的装配式建筑供应链韧性关键影响因素研究[J]. 土木工程与管理学报, 2020, 37(5): 108-114.

[18]	Zhu Lei, Chen Jingyi, Yuan Jingfeng. Research on key influencing factors of prefabricated building supply chain resilience based on ISM[J]. Journal of Civil Engineering and Management, 2020, 37(5): 108-114.

[19]	王红春, 陈雅文. 基于DEMATEL-ISM模型的装配式建筑供应链韧性影响因素研究[J]. 工程管理学报, 2023, 37(2): 13-18.

[20]	Wang Hongchun, Chen Yawen. Research on influencing factors of prefabricated building supply chain resilience based on DEMATEL-ISM model[J]. Journal of Engineering Management, 2023, 37(2): 13-18.

[21]	王乾坤, 段宏磊, 申楚雄, 等. 装配式建筑弹性供应链影响因素研究[J]. 建筑经济, 2021, 42(10): 79-82.

[22]	Wang Qiankun, Duan Honglei, Shen Chuxiong, et al. Research on influencing factors of resilient supply chain for prefabricated buildings[J]. Construction Economy, 2021, 42(10): 79-82.

[23]	李政道, 曾佳, 吴恒钦. 装配式建筑供应链韧性影响因素及多阶段传导关系研究[J]. 工程管理学报, 2024, 38(1): 18-23.

[24]	Li Zhengdao, Zeng Jia, Wu Hengqin. Influencing factors and multi-stage conduction relationships of prefabricated building supply chain resilience[J]. Journal of Engineering Management, 2024, 38(1): 18-23.

[25]	王迪飞, 菅利荣, 刘思峰, 等. 基于边数随机增长的扩展无标度网络演化模型研究[J]. 系统工程理论与实践, 2022, 42(5): 1327-1344.

[26]	Wang Difei, Jian Lirong, Liu Sifeng, et al. Research on extended scale-free network evolution model based on random edge growth[J]. Systems Engineering-Theory & Practice, 2022, 42(5): 1327-1344.

[27]	Artime O, Grassia M, De Domenico M, et al. Robustness and resilience of complex networks[J]. Nature Reviews Physics, 2024, 6(2): 114-131.

[28]	张爱琳, 王光浩, 丁超, 等. 基于社会网络分析法的装配式建筑供应链关键风险因素[J]. 科学技术与工程, 2024, 24(19): 8372-8381.

[29]	Zhang Ailin, Wang Guanghao, Ding Chao, et al. Key risk factors of prefabricated building supply chain based on social network analysis[J]. Science Technology and Engineering, 2024, 24(19): 8372-8381.

[30]	Zhang R J, Tai H W, Cao Z X, et al. Green innovation ecosystem evolution: diffusion of positive green innovation game strategies on complex networks[J]. Journal of Innovation & Knowledge, 2024, 9(3): 100500.

[31]	Servedio V D P, Bellina A, Calò E, et al. Fitness centrality: a non-linear centrality measure for complex networks[J]. Journal of Physics: Complexity, 2025, 6(1): 015002.

[32]	成连华, 薛思婷, 曹东强. 基于社会网络分析法的建筑施工高处作业风险传递及管控措施[J]. 科学技术与工程, 2022, 22(20): 8995-9003.

[33]	Cheng Lianhua, Xue Siting, Cao Dongqiang. Risk transmission and control measures of high-altitude work in building construction based on social network analysis[J]. Science Technology and Engineering, 2022, 22(20): 8995-9003.

[34]	瞿富强, 颜伟, 陈初一. 装配式建筑供应链协同绩效评价指标体系的构建研究[J]. 建筑经济, 2019, 40(10): 97-102.

[35]	Qu Fuqiang, Yan Wei, Chen Chuyi. Research on the construction of collaborative performance evaluation index system for prefabricated building supply chain[J]. Construction Economy, 2019, 40(10): 97-102.

[36]	Shi J, Liu Z, Feng Y, et al. Evolutionary model and risk analysis of ship collision accidents based on complex networks and DEMATEL[J]. Ocean Engineering, 2024, 305: 117965.

[37]	Cao M, Wu D, Du P, et al. Dynamic identification of important nodes in complex networks by considering local and global characteristics[J]. Journal of Complex Networks, 2024, 12(2): 15.

[38]	周涛, 周亚萍, 郭宇晨. 装配式建筑产业链多维度阐释及其供应链自主可控力影响因素测评[J]. 建筑科学与工程学报, 2022, 39(4): 192-203.

[39]	Zhou Tao, Zhou Yaping, Guo Yuchen. Multi-dimensional interpretation of prefabricated building industry chain and evaluation of influencing factors of supply chain autonomous controllability[J]. Journal of Building Science and Engineering, 2022, 39(4): 192-203.

[40]	Dubey R, Altay N, Gunasekaran A, et al. Supply chain agility, adaptability and alignment: empirical evidence from the Indian auto components industry[J]. International Journal of Operations & Production Management, 2018, 38(1): 129-148.

[41]	Böttcher L, Porter M A. Complex networks with complex weights[J]. Physical Review E, 2024, 109(2): 024314.

[42]	Chen J, Wen H. The application of complex network theory for resilience improvement of knowledge-intensive supply chains[J]. Operations Management Research, 2023, 16(3): 1140-1161.

[43]	Zou L, Wang C, Zeng A, et al. Link prediction in growing networks with aging[J]. Social Networks, 2021, 65: 1-7.

[44]	张驰, 张文杰, 何坤, 等. 装配式建筑绿色供应链的利益分配研究[J]. 建筑经济, 2023, 44(3): 79-87.

[45]	Zhang Chi, Zhang Wenjie, He Kun, et al. Research on benefit distribution of green supply chain in prefabricated buildings[J]. Construction Economy, 2023, 44(3): 79-87.