物聯網環境下“互聯網+”農業的供應鏈風險評估

高更君， 孫敬軒

(上海海事大學物流研究中心，上海 201306)

經濟新常態下，“互聯網+”得到了國家的高度重視，給各行各業發展模式都帶來了深刻改變。農業產業在我國國民經濟發展中起重要作用，農業與“互聯網+”的融合將會給傳統農業運作模式帶來巨大改變，為農業信息化及農業現代化提供動力支持[1]。而隨著物聯網技術的不斷普及，“互聯網+”農業有了技術支持。在近幾年來，許多學者都圍繞著物聯網和農產品供應鏈進行了一些探討。其中，一些學者研究了怎樣把物聯網技術與農業生產結合起來。例如，韓俊德等把物聯網技術和生鮮農產品配送結合起來，提出了一種新的配送方案[2]。李建偉對供應鏈的各個節點進行了深入分析，指出物聯網的應用可以提高供應鏈效率[3]。彭劍等則是以湖南省農產品供應鏈管理為案例，分析了物聯網技術對于供應鏈管理水平的提升[4]。胡建淼分析了物聯網技術應用于農產品供應鏈的重要性[5]。也有一些學者從農產品安全衛生的角度出發，對農產品供應鏈開展了相關探討[6-9]。

上述文獻基本上都是對于物聯網和傳統農產品供應鏈管理怎樣融合進行研究。不過，對于農產品供應鏈風險問題，現有文獻中更多的是從傳統農產品供應鏈的角度出發研究[10-12]，很少有從物聯網的角度進行考慮的，本研究將從這一角度出發，對物聯網環境下農產品供應鏈的風險進行分析。

1 物聯網環境下的農產品供應鏈分析

我國傳統農產品供應鏈模式大致有以下幾類：以農產品批發市場為核心環節，以龍頭企業為核心環節，以第三方物流企業為核心環節以及“農超對接”模式。傳統農產品供應鏈模式存在著種種問題，諸如信息化程度低、不注重質量安全管理、組織化程度偏低等。傳統農產品供應鏈存在的相關問題，已經嚴重限制了我國農業現代化的前進步伐，要想實現“互聯網+”農業的目標，就必須高度重視信息平臺的建設。伴隨著目前“互聯網+”和物聯網的發展浪潮，農業管理者也更加關注信息化的建設，我國農業物聯網的發展也取得了一定的成果。例如，江西省農業廳聯合北京農信通集團、中國聯通江西分公司，采取公私合作制模式(public private partnership，簡稱PPP)，大力開展智慧農業建設。2017年3月，寧夏科技廳與寧夏農業物聯網工程技術研究中心共同組織舉辦智慧農業創新發展論壇。物聯網應用于農業供應鏈可以解決傳統供應鏈存在的問題，加速農業現代化進程，農業物聯網、智慧農業將會是未來農業發展的主模式。

根據物聯網技術的結構特點，可以把農產品物聯網劃分為應用層、網絡層和感知層3個層次[13]，如圖1所示。在感知層中，溫濕度傳感器可以對生產環節進行實時監控，隨時掌握農作物生長狀態。電子標簽傳感器可以簡化生產加工環節，便于獲取農作物生長信息。GPS(global positioning system)定位系統可以隨時掌握路況信息。電子標簽的應用可以在零售及最終消費環節，使消費者通過產品標簽了解到產品在各個環節的各項信息，確保產品安全。在網絡層中，會把感知層中獲取的各項信息，包括作物產地、加工過程、運輸位置、市場價格等信息上傳到信息平臺，從而實現信息共享。在應用層中，生產者可以根據市場需求趨勢來調整種植計劃，加工中心可以根據加工信息適時調整加工進度，配送中心可以根據路況信息合理調配車輛。消費者可以更加方便地了解產品信息，政府等監管部門可以根據市場價格趨勢進行相應調控措施。

2 基于VFPE的風險識別

價值決策的流程分析方法(value-focused process engineering，簡稱VFPE)是Neiger等學者于2009年提出的一種風險識別方法，他們通過把基于價值的決策建模方法(value-focused thinking，簡稱VFT)和擴展事件驅動過程鏈方法(extended-event-driven process chain，簡稱e-EPC)整合起來，分析了利用這種方法如何進行風險識別，并給出了一個風險識別案例[14]。VFPE通過把供應鏈運作流程和價值目標結合起來，使運營層面和戰略層面達到整合，并以此為基礎建立模型，從而評估整個供應鏈的表現。

2.1 基于VFPE方法的風險識別步驟

2.1.1 基于活動步驟的風險識別 為了確保所有活動都包括，無論組織或其他邊界，供應鏈的過程模型用來生成完整的活動列表。利用e-EPC建模思想，構建活動步驟流程。在這個步驟中，風險被確定為功能目標，并納入到供應鏈的目標結構。

2.1.2 基于目標的風險識別 這一步驟是獨立于活動流程之外去識別風險，VFPE方法提供了結構框架，與傳統的基于目標的風險識別方法是一致的。為了確保風險目標被考慮在內，本研把最小化農產品質量風險作為最上層的根本目標，再利用VFT的思想把上層風險目標進行分解。

2.1.3 風險目標的同步分解 步驟1和步驟2提供了將基于活動步驟的風險和基于目標的風險識別聯系起來的機制，這一步將利用VFPE建模方法中的同步分解方法來完善風險識別。在基于活動步驟的工作流程模式的幫助下，使用步驟1中的風險目標創建功能性風險目標結構，為了將該結構與步驟2中描述的基于目標的風險聯系起來，將步驟2中的風險目標進行功能分解，然后利用二進制數量矩陣分析這些風險之間的相互關系，從而建立一個風險目標結構圖。

2.1.4 風險來源分類 根據e-EPC的資源分類法，每一個功能目標都有相關的影響因素，而每一個因素都有潛在的風險對其造成影響，該步驟就是為了挖掘出隱藏的風險事件。

2.2 構建農產品供應鏈功能風險目標的e-EPC模型

農產品供應鏈的活動流程可以分為農產品生產加工、農產品儲運、農產品銷售這3大流程。本研究基于農產品供應鏈的活動步驟，再根據e-EPC方法的建模思想，構建農產品供應鏈功能風險目標的e-EPC模型，如圖2所示。

2.3 基于價值風險目標的識別

供應鏈質量風險包括實體產品質量和各環節服務質量[15]。農產品整條供應鏈運作的最終目的是保證農產品的質量品質，這樣才能保證在激烈的市場競爭中占據市場份額，獲得更多的購買力，以實現更多的利益。從供應鏈的管理、設備、技術等因素進行考慮，結合VFT的思想，把最小化農產品質量風險這一根本目標分解成最小化安全衛生風險、最小化營養價值風險、最小化感官品質風險這3個方面，如圖3所示。

2.4 農產品供應鏈風險目標整合

如圖4所示，把基于功能的風險和基于價值的風險聯系起來。考慮利用二進制數量矩陣來進行分析。矩陣元素Aij表示功能風險i對于價值風險j的影響程度，若Aij=1則表示影響程度很大，需要考慮，若為0，則二者關聯不大，可以不予考慮。

2.4.1 農產品生產加工 對于安全衛生風險，在農產品生產加工過程中，很多種植者為了無病蟲害，追求高產量和好的品相，使用過量的化肥農藥，殘留的藥物會嚴重影響農產品的安全質量。對于營養價值風險，如果購買了劣質假冒的作物種子，那么必然會影響農產品的生產。種植土壤的酸堿度、微量元素及pH值、環境的濕度、日照時長，甚至是空氣質量都會對農產品的營養價值造成影響。對于感官品質風險，在用人工或者機械方法對農產品進行收獲過程中，可能會被農用工具破壞作物表面，從而影響到感官品質。

2.4.2 農產品儲運 對于安全衛生風險，在農產品儲運過程中，一般不會對安全質量造成影響。對于營養價值風險，如果儲運過程中由于溫濕度等控制不足，會造成對溫濕度敏感的農作物有變質的風險；運輸線路過長會對農產品的新鮮度造成影響，從而影響到營養價值。對于感官品質風險，運輸路況太差的話，車輛的顛簸會造成農產品之間相互擠壓，破壞感官品質。

2.4.3 農產品銷售 對于安全衛生風險，銷售環境的臟亂差會影響到農產品的衛生安全，沒有達到國家標準要求的包裝材料也會對安全衛生產生影響。對于營養價值風險，在銷售環節，超市等零售方如果沒有配備專業的保鮮設備，銷售時間過長的話會降低農產品的新鮮度，影響作物的營養價值。對于感官品質風險，一般銷售環節對感官品質影響較小。

根據圖4所示的基于功能和價值的不同風險之間的關系矩陣，再結合圖2所構建的功能風險目標的e-EPC模型，可以得到農產品供應鏈質量風險目標結構圖，如圖5所示。

2.5 物聯網環境下農產品供應鏈質量風險因素識別

以物聯網環境下的農產品供應鏈為研究對象，根據之前構建的物聯網環境下農產品供應鏈體系架構(圖1)，從感知層、網絡層、應用層這3個層次來對物聯網環境下農產品供應鏈功能活動下隱藏的風險事件進行挖掘，同時，考慮到這3個層次之外的其他風險，再加入“其他層面”作為第4個層次。具體結果如圖6、圖7、圖8所示。根據風險識別結果，構建物聯網環境下“互聯網+”農業的農產品供應鏈風險評估指標體系，如圖9所示。

3 基于模糊層次分析法(fuzzy analytical hierarchy process，簡稱FAHP)的指標權重計算

物聯網環境下“互聯網+”農業的風險評估是一個復雜的系統工程，建立正確且合適的風險評價指標體系是風險評估的第1步，因此，選取合適的評價方法至關重要。為了盡可能地減少主觀因素的影響，本文選取基于三角模糊數的層次分析法來計算指標權重，具體過程如下：

第1步：構造模糊判斷矩陣。通過3位專家對準則層因素的重要性進行兩兩比較，建立了B層各元素相對于總目標A的綜合模糊判斷矩陣，如表1所示。考慮到篇幅原因，指標層與準則層之間的具體計算步驟省略。

表1 B1～B4對A的綜合模糊判斷矩陣

第3步：層次單排序。

第i個元素比第j個元素更重要(Si≥Sj)的可能性程度記為V，則

對于模糊判斷矩陣，第i個元素Bi相對于其他各元素重要的可能性程度記為d′(Bi)，則

d′(B1)=V(S1≥S2，S3，S4)=min(0.7，0.88，1)=0.7同理，可計算出：d′(B2)=1，d′(B3)=0.8，d′(B4)=0.6。

由此得出B層相對于A層的特征向量為：w′=(0.7，1，0.8，0.6)，歸一化后，得到B層相對于A層的權重向量為W=(0.23，0.32，0.26，0.19)。同理，可以計算出指標層C對準則層B中各元素的單排序。

第4步：層次總排序。可以計算出16個評價指標的權重值依次為0.082 8，0.089 7，0.034 5，0.023 0，0.169 6，0.086 4，0.064 0，0.062 4，0.032 5，0.035 1，0.036 4，0.046 8，0.046 8，0.095，0.049 4，0.045 6。

根據各個評價指標的權重值可以看出，物聯網環境下農產品供應鏈的主要風險因素為信息安全風險、信譽風險和配送風險，其中信息安全風險排在了首位，這與物聯網技術中的計算機風險及網絡穩定性相關，可見物聯網技術的引入，使傳統農產品供應鏈發生了風險變遷并產生了新的風險。

4 建議與結論

基于上述研究結果，本研究對物聯網環境下“互聯網+”農業的供應鏈風險控制提出以下幾點建議：一是加強信息平臺建設，未來農產品供應鏈之間的競爭，比拼的是信息的流暢度，加強對信息的來源、信息的流通進行審核，建立審核機制；二是提高自身信譽度，針對供應鏈上下游的所有參與者，嚴把準入標準，選擇優秀的、值得信賴的合作伙伴；三是提升硬件基礎設施服務，對基礎設施建設加大投入力度，提升農產品的包裝、倉儲技術，建立完善的配送網絡，提高配送效率。

本研究討論了“互聯網+”環境下應用物聯網技術給農產品供應鏈帶來的風險問題，建立了風險評價指標體系和評價模型。根據物聯網技術下農產品供應鏈的特點，本研究基于VFPE建模思想從感知層風險、網絡層風險、應用層風險和其他風險4個方面構建了基于物聯網的農產品供應鏈風險評價指標體系，并在此基礎上，提出利用基于三角模糊數的層次分析法對評價指標權重進行求解，為物聯網環境下農產品供應鏈的風險評估提供了指導。由于農產品物聯網技術在我國還處于發展階段，各方面都不是很成熟，缺乏相關的經驗，因此，基于物聯網的農產品供應鏈風險評價指標體系要隨著技術的不斷完善而做出進一步的改進。模糊綜合評價法也具有一定的局限性，還需要不斷研究主觀與客觀、定性與定量相結合的評價方法。