供应链系统是一个具有复杂动态因果关系、变量众多的不确定性系统,因此,要实现协调供应链中各因素,获得整体效率最优化是供应链管理所面临的重要问题,也是目前很多生产销售企业难以解决的问题。本文通过对目前大多数分析供应链所采用方法的研究,发现其普遍存在着信息交流不及时、不具有普遍意义、难以仿真建模、评价指标的选取不具有普遍性等缺点。本文的目标是通过描绘系统各个状态节点间双向原因——结果关系,进而构建较为准确的供应链系统模型,便于及时对系统的变化调整进行分析和决策。由于模糊认知图(FCM)具有能良好地表达因果关系复杂性这一优点,为了实现上述目标,本文采用模糊认知图来模拟具有供应商,生产者和零售商三环节的供应链系统,通过专家法构建出认知图的基本结构,即明确状态节点和节点间因果关系的强弱性,采用遗传算法自动构建出FCM模型的权重矩阵。供应链的外部状态是具有一定概率性的行为(例如：机器故障率),他们通过复杂的因果关系影响着供应链的内部状态(例如：库存水平),因此在仿真初始阶段,采用概率性的随机数生成法产生外部状态数值。当内部状态发生变化时,通过FCM的迭代运算可以得到前向的(what-if)分析结果,也就是整体系统对于某几个状态变化所做出的反应；同时,当系统的某一状态突然改变,通过反向分析和历史数据可以找到发生变化的原因,也就是找到是哪些状态变化导致了最终状态的产生。为了获得实时监控供应链系统的状态数据,本文放弃传统的人力+条形码方法,而采用射频识别技术(radio frequency identifications RFID)技术。在最后的实验阶段,构建出基本供应链认知图和结合了供应商生产运作部分的扩展供应链认知图,通过仿真给出了基于所提出的前向——反向分析方法供应链系统的表现,前向分析的平均误差为0.19,后向分析的核心原因平均误差为0.11。根据仿真结果得知,通过模糊认知图构建的供应链系统具有良好的逻辑表达性,通用性,并且预测和分析结果达到了理想的精确度。