基于風險交互網絡模型的項目風險仿真評估

黃鵬 狄鵬 邵帥

摘要：項目運行過程中的不確定性越來越高，風險之間出現了多種多樣的交互作用，為更加高效準確地評估風險，通過建立風險交互網絡模型，評估風險交互強度并將風險分為常數、吸收器、載體和倍增器四類;然后以Anylogic軟件為仿真平臺，對風險發生概率進行建模仿真，從三個角度：①風險獨立;②風險受“上游”風險影響;③風險影響“下游”風險，分別對風險進行評估，通過分析初始風險值、局部風險值和全局風險值之間的關聯和區別，確定項目風險重點控制范圍。最后通過某建筑工程項目為算例，驗證該模型的適用性及有效性。

Abstract： Uncertainties in the operation of the project are getting higher and higher， and there are various interactions between risks. In order to assess risks more efficiently and accurately， risk interaction strength is assessed by establishing a risk interaction network model and the risks are divided into four categories： constants， absorbers， carriers and multipliers. Then use Anylogic software as the simulation platform to model and simulate the risk occurrence probability. Risks are assessed from three perspectives： ①Risk independence， ②Risk is affected by "upstream" risk， ③Risk impact "downstream" risk. The project risk control scope is determined by analyzing the correlation and difference between the initial risk value， the local risk value and the global risk value. Finally， a construction project as example to verify the applicability and validity of the model.

關鍵詞：多智能體;建模仿真;交互作用;風險評估

Key words： multi-agent;modeling simulation;interaction;risk assessment

中圖分類號：TU71? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2018）34-0026-07

0? 引言

在項目的風險管理過程中，由于項目日益復雜以及風險識別手段單一，導致項目風險越來越難以保持其獨立性，風險之間出現了多種多樣的關聯關系[1-4]，這種關聯關系導致了一個風險之間存在交互作用的風險網絡。在該風險交互網絡中，某風險的發生可能會受到“上游”風險發生的影響（因），也可能會對“下游”風險的發生造成影響（果）。

風險交互作用對風險管理甚至對項目帶來的影響越來越受到國內研究者的重視。譬如王重陽[5]等人針對區間形態的交互效應多項目組合風險優化問題進行了研究，運用復雜網絡統計特征分析了多項目組合中各項目的重要性及在組合網絡中的地位，構建了交互效應下區間型多項目組合風險優化模型。王敏[6]構建了三類項目組合風險系統模型：①具有階段結構及稀疏效應的單項目風險模型;②交互效應下具有階段結構及稀疏效應的兩項目組合風險模型;③基于交互效應的三項目組合風險模型。陶莎[7]等人研究了帶有不確定項目收益交互和資源交互作用的項目組合選擇問題，建立了魯棒性可調節的魯棒優化模型，適用于不同風險偏好的決策者。

也有文獻使用仿真模擬方法進行風險評價方面的研究，于偉杰[8]等利用RBF神經網絡的無線逼近能力和快速收斂的特點，建立了新型建筑工程風險評價模型，運用MATLAB仿真方法評估了建筑工程項目安全風險。王春雪[9]為研究城市燃氣管道泄漏風險，構建了城市燃氣管道泄漏風險系統動力學模型，運用系統動力學仿真分析了泄漏風險影響因子間的因果關系及變量方程。劉秦南[10]為提高對PPP項目運營階段的風險控制與管理，提出了基于系統動力學分析PPP項目運營風險演化動態分析方法，通過仿真模擬分析了PPP項目在運營階段各個風險指標熵值的變化趨勢。

上述文獻較多地研究了多項目組合之間的風險交互影響，而對于項目內的風險“因—果”關系的復雜交互研究較少，而且MATLAB和系統動力學仿真方法[11-16]不能準確模擬風險交互網絡中的鏈式交互現象。本文通過設計風險交互矩陣，建立風險交互網絡模型，通過專家評估得到風險交互強度，并將風險分為常數、吸收器、載體和倍增器四類;然后以Anylogic軟件為平臺建立仿真模型，對風險交互作用及其傳播現象進行仿真，得到風險發生概率，分析風險交互作用對風險發生概率的影響程度和在交互作用下某風險對項目的累積影響程度。通過仿真分析，可為風險管理者進一步確定風險控制重點及制定風險響應措施提供決策依據。

1? 風險交互網絡模型及仿真

風險交互網絡模型可以識別風險之間的交互作用，通過仿真模型演示風險的傳播行為（在風險交互網絡中一個風險引發另一個風險），得到交互作用下的風險排序，然后進一步分析在這種作用下某風險對項目的累積影響程度。

1.1 建立風險交互網絡模型

建立風險交互網絡模型關鍵在于對風險交互關系的識別。通過設計風險交互矩陣[17-19]，由專家根據經驗或專業知識識別風險交互關系并評估交互強度，得到風險交互網絡和風險交互矩陣，分別如圖1和圖2所示。

當風險Rj的發生會影響Ri的發生概率時，即在它們之間存在交互作用關系，在模型中表示為Rj到Ri的指向關系，如圖1風險交互網絡中節點及箭線所示：R1的發生會影響R3的發生;而R3的發生又會影響到R2和R4的發生。在上述風險鏈路中，R1為R3的“上游”風險，R2和R4為R3的“下游”風險。圖2風險交互矩陣中元素大小表示風險交互強度，即風險Rj發生后觸發Ri發生的概率，記為TPij。風險交互強度不同于自發概率，譬如在圖2中，風險R5只以其自發概率發生;風險R4的實際發生概率則為自發概率和來自R5的風險交互強度的綜合。風險在交互作用影響下的發生概率在下文第1.3.1節將作具體說明。

1.2 風險分類

通過風險交互強度分析，風險之間雖然存在交互作用，但其特性并不相同，本文在Eckert[20]等人對風險分類的基礎上進行了進一步改進，在考慮交互作用的情況下對項目風險進行分類。

考慮比較復雜的交互作用情況，風險Ri既受到多個“上游”風險的影響，同時又會影響“下游”風險的發生，他們之間的交互強度評估結果均為0～1之間的數值。將風險Ri所有“上游”、“下游”風險交互強度分別加和，即可得到風險Ri的“上游”、“下游”交互程度，分別記為？姿iu和？姿id。

將風險源分為以下四類：

①常數：它們不受其他風險源或外部環境的影響，同時也不會導致其他風險源的變化。

②吸收器：它們在風險網絡中受到較多“上游”風險源的影響，而不會或較少地引起“下游”風險源的變化。若對于風險Ri，有？姿iu？叟？姿id+0.5，則風險源Ri為吸收器型風險源。

③載體：它們在風險網絡中不會增加交互強度，只是將自身受到的影響進行傳遞。若對于風險Ri，有？姿id-0.5<？姿iu<？姿id+0.5，則風險源Ri為載體型風險源。

④倍增器：它們在風險網絡中對“下游”風險源的影響遠大于自身受到其“上游”風險源的影響，若對于風險Ri，有，則風險源Ri為倍增器型風險源。

1.3 風險交互仿真

風險網絡中交互行為的作用很難量化計算，且在投資高、周期長等項目背景下，對具體項目試驗性的研究不太現實。通過仿真技術可以模擬項目運行，本文利用Anylogic軟件仿真風險的交互作用，然后從三個角度對風險進行評估。

1.3.1 風險發生概率

①在仿真時，若風險Ri只受到1個“上游”風險Rj的影響時，即Rj→Ri，風險Ri的發生概率可用公式（1）表示。

SPi表示風險Ri的發生概率;Pi表示風險Ri的自發概率;TPij表示風險Ri受到其“上游”風險Rj的交互強度。

SPi表示風險Ri的發生概率;SPj表示風險Ri的“上游”風險Rj的發生概率;表示風險Ri所有“上游”風險Rj的發生概率之和。此時SPi的值不再介于0到1，而有可能SPi？叟1，當SPi？叟1時則表示風險Ri必然發生，本文對SPi取值最大為1。

1.3.2 初始風險值

風險Ri的風險值為Ri的發生概率和Ri對項目影響程度的綜合，用于評估風險[21]，本文定義為兩者的乘積。

在風險Ri相對獨立，不考慮風險之間交互作用時，Ri的風險值定義為初始風險值，可用公式（3）表示。

Oi為風險Ri的初始風險值，Pi為風險Ri的自發概率，Ci為風險Ri對項目的影響程度，Pi和Ci均可由專家調查、查詢歷史資料等方法得出。

1.3.3 局部風險值

在考慮風險之間交互作用時，風險Ri在風險網絡中受到“上游”風險影響，在節點Ri處的作用結果，定義為風險Ri的局部風險值，可用公式（4）表示。

SOi為風險Ri的局部風險值。

1.3.4 全局風險值

為分析風險Ri交互作用的傳播影響后果，可設置風險Ri的自發概率為1而所有其他風險的自發概率都是0，此時風險網絡對項目的全部影響均由風險Ri以及Ri的交互作用在網絡中傳播所造成，故可將這種情況下風險網絡的全部風險值之和定義為風險Ri的全局風險值，可由公式（5）表示。

通過對初始風險值、局部風險值和全局風險值的排序進行分析，可幫助管理者確定項目風險重點控制范圍。

2? 實例分析

某建筑工程項目，框架剪力墻結構，共15層，設計層高3.6m，總建筑面積25000m2，預算5000萬元，計劃工期300日歷天。首先分析相似建設項目可能存在的風險，然后通過研讀文獻、查閱相關法律標準、與有實踐經驗的專家交流等多種方法，構建本工程項目的初始風險清單，共包含30項風險因素，包括社會風險、經濟風險、自然風險、技術風險、公共關系風險、組織管理風險5類。如表1所示。

2.1 風險網絡建模

運用本文第1.1節所述方法建立風險交互網絡模型，得到風險交互矩陣，如圖3所示。

根據第1.2節中的風險分類原則，將風險分為常數、吸收器、載體和倍增器4類，如圖4所示。

2.2 風險交互仿真

在仿真中不僅要模擬單個風險的發生，且要考慮風險交互情況，因此仿真模型需要考慮風險單元、風險狀態以及風險網絡等要素。

2.2.1 風險交互仿真模型要素

①風險單元。

在仿真模型中，最基礎的部件就是風險單元，Anylogic軟件中使用智能體定義，如圖5所示。

在圖5所示的風險單元中，Ri為風險序號;P為風險發生概率;n為該風險受到“上游”風險影響的數量，一次仿真結束后可以通過n來觀察某一風險所受“上游”風險影響的具體數量，以驗證風險交互關系的存在;左側點為“上游”風險接入點;右側點為“下游”風險接入點。

②風險狀態。

風險狀態圖反映了風險從“待發生”到“發生”或“未發生”的運行機制，如圖6所示。

在圖6中，在設計風險狀態時，風險Ri從“待發生”開始，存在兩種情況：一是當該風險不受“上游”風險影響時，若時間超過預設值（可以為一天，一月等，為了縮短仿真時間，這里設置為1秒），該風險將以自發概率發生，定義為風險發生超時變遷。二是當該風險受“上游”風險影響時，此時又存在兩種情況：A“上游”風險已經發生，交互影響關系存續，該風險將以發生概率發生，定義為風險發生條件變遷;B“上游”風險未發生，交互影響關系中斷，則該風險將以自發概率發生，風險亦發生超時變遷。而不論風險Ri以哪種概率發生，最終狀態均為“發生”或“未發生”兩種，并將最終狀態信息發送至“下游”風險。

③風險交互網絡圖。

根據已有的風險交互關系，將風險連接為風險網絡，每個風險在該網絡中均擔任著“上游”或“下游”風險的角色，如圖7所示。

2.2.2 風險交互仿真

風險對項目的影響后果集中于經濟損失和工期損失兩方面：經濟損失為風險的發生使得項目實際費用超出計劃費用的金額;進度損失為風險的發生使得項目工期拖延而超出計劃工期的天數。由于風險值定義為風險概率和風險對項目影響的乘積，為方便風險值計算，需要對項目所受影響的嚴重程度進行賦值，賦值標準如表2所示。

仿真次數從10次開始逐漸增加，記錄運行過程中發生的每一個風險，發現在8000次仿真后，風險發生概率值以及影響后果值均趨于穩定，表3和圖8所示。

這里采用了10000次仿真以方便計算。經過仿真后，依據第1.2節所述方法，得到各風險的模擬概率、模擬風險值以及傳遞風險值，如表3所示。

2.3 確定風險排序

初始風險值、局部風險值和全局風險值結果如表4所示。

仿真之后，在考慮不同風險排序時，大部分風險排序在初始風險值、局部風險值或全局風險值方面均有升降變化，如圖9、圖10所示。

例如，R30結合圖3和表3可以看到，R30受到“上游”風險R18、R23和R25的影響，但無“下游”風險受其影響，這種交互作用在R30處進行了累積，并不向“下游”傳播，其自發概率為0.1317，但發生概率高達0.448，在表4風險排序中表現為：由在初始風險排序的第12位上升至在局部風險值排序的第3位，其全局風險值排序并不靠前，為第17位。

在風險值上也存在變化。譬如R19和R30的初始風險值相差0.087，但它們的局部風險值卻相差1.94，排名差距拉大;而R11和R15則正好相反，它們初始風險值相差較大，局部風險值反而更接近。全局風險值也有相似的例子，如R12和R18。

風險R23在初始風險值和局部風險值排序中均較后，但在全局風險值指標下，排序躍升至第3位，結合圖3和表2分析，其“下游”風險中含有R30這類對項目影響程度比較嚴重的風險，增大了其本身的潛在影響，導致在反映風險交互作用傳播的全局風險值排序中，其排序躍升幅度很大。而R9則是相反的例子，雖然受其影響的“下游”風險很多，但它們對項目的影響程度不大，導致在全局風險指標的排序中，R9排名上升但并不靠前。

在考慮了風險交互影響之后的風險排序可以幫助管理者識別重要風險或者縮小重點風險管控范圍，譬如受“上游”風險交互作用影響較大的R30。還有特別值得管理者注意的風險，如R21、R23這類初始風險值及局部風險值不大，但全局風險值增加很大的風險，易被忽視，若在實際項目中未對其進行控制，可能對項目造成極大影響，或者在項目已遭受損失時，管理者在復雜的交互關系中難以查找出項目的損失原因。

3? 結論

本文通過風險交互網絡模型識別了風險交互關系、評估了風險交互強度，然后通過Anylogic軟件搭建仿真模型，仿真風險交互作用風險網絡中的傳播，從初始風險值、局部風險值和全局風險值三個角度對風險進行評估，對現有文獻中的風險評估方法是種更為全面的補充，為項目風險管理尤其是風險評估方面提供了新思路。同時，基于本文仿真分析結果發現，在項目中識別重點關注和控制的風險范圍時，不能只停留在發生概率比較大的風險上，那些初始風險值及局部風險值不大，但全局風險值增加很大、處于風險網絡“上游”的風險需要管理者予以重視。

參考文獻：

[1]曹吉鳴，申良法，彭為，馬騰.風險鏈視角下建設項目進度風險評估[J].同濟大學學報（自然科學版），2015，43（03）：468-474.

[2]. Cooperation of agents in complex systems based on supervision [J]. Cybernetics and Information Technologies， 2014， 14（1）： 40-51.

[3]Hiroaki H， Yoshiyasu T. Dynamical process of complex systems and fractional differential equations [J]. Central European Journal of Physics，2013， 11（10）： 1238-1245.

[4]Domingues Maria S. Q， Baptista Adelina L. F， Diogo Miguel T. Engineering complex systems applied to risk management in the mining industry [J]. International Journal of Mining Science and Technology， 2017， 27（4）： 611-616.

[5]王重陽，鄭唯唯，劉晨.基于復雜網絡的交互效應下多項目組合風險優化研究[J].陜西科技大學學報（自然科學版），2016，34（04）：187-192.

[6]王敏.基于交互效應的項目組合風險模型研究[D].西安工程大學，2016.

[7]陶莎，盛昭瀚，朱建波.交互作用不確定下的項目組合選擇魯棒決策[J].中國管理科學，2017，25（04）：190-196.

[8]于偉杰，陳大偉.以AHP-RBFNN評估建筑工程項目的風險[J].安全，2018，39（01）：8-11.

[9]王春雪.城市燃氣管道泄漏風險系統動力學仿真分析[J].消防科學與技術，2017，36（09）：1287-1291.

[10]劉秦南，王艷偉，姚明來，李靖.基于系統動力學的PPP項目運營風險演化與仿真研究[J].工程管理學報，2017，31（05）：57-61.

[11]Ximei Liu，Ming Zeng. Renewable energy investment risk evaluation model based on system dynamics[J]. Renewable and Sustainable Energy Reviews，2017，73.

[12]李存斌，陸龔曙.工程項目風險元傳遞的系統動力學模型[J].系統工程理論與實踐，2012，32（12）：2731-2739.

[13]江新，吳園莉，徐平，張巍.工程項目群施工風險演化的SD模型研究[J].中國安全科學學報，2015，25（06）：155-161.

[14]Emmanuel Garbolino， Jean‐Pierre Chery，Franck Guarnieri. A Simplified Approach to Risk Assessment Based on System Dynamics： An Industrial Case Study[J]. Risk Analysis，2016，36（1）.

[15]馮民權，張園園.基于MATLAB的貝葉斯網絡供水工程水質風險分析[J].黑龍江大學工程學報，2015，6（01）：5-11.

[16]Xuemei Zhang，Li Yang. Improving SVM through a Risk Decision Rule Running on MATLAB[J]. Journal of Software，2012，7（10）.

[17]Issam M. S， Mohamed-Asem U. A， Ali A. Y. A methodology for scheduling overlapped design activities based on dependency information [J]. Automation in Construction， 2013， 29： 1-11.

[18]Thanh C. N， Yao J. Modeling the Collaborative Design of the Automotive Powertrain System Based on the Design Structure Matrix [J]. Applied Mechanics and Materials， 2015， 4113（789）.

[19]Diagne S， Coulibaly A. Complex product modeling based on a Multi-solution eXtended Conceptual Design Semantic Matrix for behavioral performance assessment[J]. Computers in Industry，2016，75： 101-115.

[20]Eckert C， Clarkson P. J， Zanker W. Change and customisation in complex engineering domains [J]. 2004， 15（1）： 1-21.

[21]Mariusz Zieja， Henryk Smolinski，Pawel Golda. Qualitative and Quantitave Risk Evaluation on the Basis of Military Aviation Event Analysis[J]. Research Works of Air Force Institute of Technology，2016，38（1）.