这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

作者及机构
本研究由Shiraz University管理系的Rohham Farzadnia、Payam Shojaei和Seyed Hadi Mirghaderi合作完成，发表于*Scientific Reports*期刊（2025年，卷15，文章编号31957）。

学术背景

研究领域：
本研究属于“循环供应链管理”（Circular Supply Chain Management, CSCM）与“大数据技术”交叉领域，聚焦食品行业。

研究动机：
全球经济增长导致资源过度消耗和环境恶化（如气候变化、资源稀缺），传统线性供应链（linear supply chain）模式不可持续。循环经济（Circular Economy, CE）通过“回收-翻新-再利用”原则减少浪费，但实施面临高风险，尤其在发展中国家（如伊朗）。食品供应链因易腐性、高损耗（全球约1/3食物被浪费）和复杂网络成为研究重点。

研究目标：
1. 识别伊朗食品行业实施循环供应链（CSC）的主要障碍；
2. 利用模糊多准则决策方法（Fuzzy MCDM）评估大数据技术对障碍的缓解作用；
3. 提出优先级解决方案，为行业管理者提供决策支持。

研究流程与方法

1. 障碍识别与验证
- 文献筛选：通过PRISMA框架系统检索ScienceDirect、Springer等数据库，筛选2018年后发表的30篇相关文献，提取CSC实施障碍。
- 专家验证：邀请30名伊朗食品行业从业者（涵盖15家中小企业）和2名学术专家，通过问卷评估障碍的“内容效度比”（Content Validity Ratio, CVR）。
- 障碍分类：采用Cohen’s Kappa系数（0.8，高信度）将障碍分为5类：
- 经济障碍（如缺乏政府补贴）；
- 基础设施障碍（如产品追溯系统缺失，权重占比75%）；
- 网络障碍（如利益相关者协作不足）；
- 管理障碍（如战略规划缺失）；
- 供应障碍（如可回收材料短缺）。

2. 障碍权重计算（Fuzzy SWARA方法）
- 步骤：
1. 专家按重要性排序障碍；
2. 通过模糊语言变量（如“非常高”“低”）比较相邻障碍的相对重要性；
3. 计算调整系数（kj）和权重（qj），最终归一化为全局权重。
- 关键结果：基础设施障碍中，“缺乏支持CSC的组织架构”和“产品追溯系统缺失”占比最高（合计75%）。

3. 大数据技术优先级评估（Fuzzy Einstein WASPAS方法）
- 技术分类：7类大数据技术（如社交网络分析SNA、优化模型、云计算）；
- 评估流程：
1. 专家对技术有效性进行模糊语言评分；
2. 结合Einstein算子计算加权平均（WSi）和加权积（WPi）；
3. 综合得分（Δi）排序技术优先级。
- 创新方法：首次将Einstein模糊集与WASPAS结合，提升不确定环境下的决策鲁棒性。

主要结果

1. 障碍分析：

   • 基础设施障碍是最大瓶颈，尤其是组织架构和追溯系统的缺失（表4）；
     
   • 管理障碍中，“缺乏CSC战略愿景”显著（权重12.35%）。
     

2. 技术优先级：

   • 社交网络分析（SNA）得分最高（7.11），因其能优化供应链信息流；
     
   • 优化模型（6.97）和云计算（6.95）紧随其后（表5）。
     

3. 逻辑关联：
   障碍权重为技术评估提供基准，例如SNA的高优先级直接对应“网络协作不足”问题。

结论与价值

科学价值：
1. 提出首个针对伊朗食品行业CSC的障碍-技术匹配框架；
2. 开发Fuzzy Einstein WASPAS新方法，解决模糊决策问题。

应用价值：
1. 建议企业优先投资基础设施（如追溯系统）和SNA技术；
2. 为政策制定者提供行业改进方向（如补贴循环技术）。

研究亮点

1. 创新方法：首次将Einstein模糊理论引入WASPAS，增强决策可靠性；
   
2. 行业特异性：聚焦伊朗食品供应链，填补发展中国家CSC研究空白；
   
3. 跨学科整合：结合大数据分析与循环经济理论，提供实证支持。
   

其他价值

• 局限性：样本限于伊朗法尔斯省，未来需扩展至其他地区；
  
• 未来方向：建议对比不同模糊MCDM方法，并开展SNA技术案例研究。
  

（全文完）