基于改進TOPSIS-模糊貝葉斯網絡的郵輪建造物資物流風險評估

曹潔， 王海燕， 鄭凌垚

(武漢理工大學交通與物流工程學院， 武漢 430063)

0 引 言

郵輪建造物資具有單船定制性強、物流層級復雜、種類和數量巨大、多專業多地域協同等特點，物資物流周期長、參與主體眾多、節點控制嚴格等造成物流管理存在較多不確定性和不可控因素。同時，不同物資的物流模式和不同的物流渠道會導致不同性質的風險，若不對風險加以識別和控制，則物流進度會受到直接影響甚至出現物流中斷，導致郵輪建造企業的物資需求得不到及時滿足，甚至出現生產中斷等嚴重后果[1-2]。

國內外針對船舶建造物資物流風險的研究較少，其中關于郵輪的更少。GIAGLIS等[3]指出造船物資物流風險主要來自外部環境、企業內部、管理過程和信息傳遞過程等；陳勃等[4]從生產計劃、外部環境、合作關系、生產建造、采購供應和船舶交付等方面構建造船供應鏈運作模型；謝亞雄等[5]將造船供應鏈風險分為供給、需求和協調風險，從內、外部分析風險產生機理，提出造船供應鏈風險管理五階段模型；王海燕等[6]基于流程圖構建郵輪建造舾裝物流集配流程風險評價體系，結合粗糙集理論剔除影響小的指標，并利用三角模糊數評估風險；姚建波[7]運用人因工程理論構建評價體系，基于多級模糊綜合評估理論，建立客滾船應急脆弱性綜合評估方法。

綜合現有文獻，普通商船建造物資物流風險評估多采用模糊綜合評價和層次分析法，主觀性均較強，不適用于郵輪。有些文獻在主觀性、不全面性、不確定性、因果關系量化等問題上仍存在不足，難以滿足郵輪建造物資物流風險管理的實際需求。基于此，采用工作分解結構-風險分解結構(work breakdown structure - risk breakdown structure,WBS-RBS)全面識別風險因素，利用改進逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)排序篩選以確定主要風險，然后基于貝葉斯網絡在處理復雜、不確定性、數據不全、因果分析等問題上的優勢，根據事故樹構建貝葉斯網絡評估模型，引入模糊理論弱化主觀判斷，并以國產首艘大型郵輪的暖通空調物資物流為例進行驗證。

1 風險評估模型建立

郵輪建造物資物流過程復雜，風險種類繁多。為避免評估中遺漏重大風險，采用WBS分解物流流程，利用RBS分解風險種類，耦合形成WBS-RBS矩陣識別風險，保證風險識別的全面性和分解結構合理性。為合理簡化風險，同時考慮風險的模糊性和可獲取數據的有限性，選擇改進TOPSIS對已識別的風險因素從發生概率、損失程度和可控性等3個方面進行定量分析，得到重要度高的風險。結合貝葉斯網絡處理不確定性問題的優越性，采用模糊貝葉斯網絡定量評估風險，分析風險間的因果關系，推斷風險事件發生概率和主要原因。

1.1 風險因素辨識

1.1.1 郵輪建造物資物流影響因素分析

郵輪建造物資物流活動受造船企業內部和外部的影響，內部影響主要來自人、物等資源以及對這些資源的管理協調和指導，外部影響主要來自供應商、海關、第三方物流公司等。因此，本文主要從人員、設備、環境、管理和外部因素等5個方面進行分析。

(1)人員因素。①人的不安全行為：員工因其對普通商船建造經驗豐富而盲目自信，安全意識下降，以及過勞工作等，均會增加操作風險。②違章操作：物流操作崗位多為復合工種人員，對郵輪業務或物資特性不熟悉，違章操作可能性較高。

(2)設備因素。①物流設備：設備和設施出現故障或老化，會影響物資的存取，進而影響物資流通。②設備及其場地資源支持：一些郵輪建造物資超大、超重，不能采用一般的設備進行裝卸和搬運，必須配備專用設備及場地。

(3)環境因素。①自然環境：臺風和暴雨等惡劣天氣影響物資運輸、裝卸、倉儲環節，造成物流效率降低甚至停工。②倉儲、運輸環境：部分物資對倉儲、運輸環境要求高，倉儲溫度、濕度等條件控制難度大。

(4)管理因素。①計劃管理：郵輪建造過程中各節點的調整都會導致計劃變更，計劃管理不到位將加劇設計計劃變更的影響。②管理制度、組織及培訓：郵輪與其他類型船舶在物資物流模式、操作等方面存在較大差異，制度、組織及培訓等都會影響物流高效運行。③溝通與協作：郵輪物資物流環節相關方多、溝通鏈條長，溝通不足會導致物流活動在時間進度和安排上脫節。

(5)外部因素。①供應商供貨：物資物流活動以供應商發貨為起點，生產部門領用為終點。發貨延遲或供貨質量、重量問題會影響整個物流進度。②第三方合作：第三方企業與造船企業在運作機制、管理方式方面有差異，雙方銜接不暢會導致物流進度與船舶建造進度不匹配。③突發事件：疫情、罷工等突發狀況會影響國內外供應商供應、員工正常工作等，甚至使物流活動中斷。

1.1.2 WBS-RBS識別風險

WBS將物流過程按照結構關系分解成若干獨立的作業單元。RBS將物資物流過程中可能存在的風險逐層分解，細化至不同層次的子風險。以RBS為行，WBS為列，建立WBS-RBS耦合矩陣，構建風險與作業活動的映射關系，判斷各子級工作可能存在的導致風險事件發生的風險因素[8]。

1.2 改進TOPSIS篩選確定主要風險因素

1.2.1 風險因素量化

為給風險決策提供明確、可量化的依據，運用專家打分法從風險發生概率、損失程度和可控性等3個方面按照不同層級量化風險，最終風險等級由這3個屬性決定。風險等級具體評分標準見表1。

表1 風險等級評定及評分標準

1.2.2 風險因素排序篩選依據

TOPSIS是采用數學逼近思想，根據有限對象與理想化目標的接近程度排序的方法。改進TOPSIS排除不同指標量綱的影響，充分利用原始信息，改進正負理想解的距離公式，更客觀地反映對象優劣性[9]。改進TOPSIS排序篩選風險因素的步驟如下：

將初始矩陣U歸一化處理后統一規范為效益型指標[10]，得標準化矩陣E=(eij)n×3，其公式為

(1)

(2)

式中：eij為第i個風險因素的第j個屬性指標標準化后的值；uij為第i個風險因素的第j個屬性指標值；minuj、maxuj分別為第j個屬性指標的最小值和最大值。

(2)屬性權重確定及風險因素優劣排序。為減小專家的主觀影響，根據標準化矩陣建立目標規劃優化模型，通過數學方法客觀計算屬性指標的權重，求解步驟如下。風險屬性的權重為wj,各風險因素的正負理想解加權距離平方和為

(3)

(4)

由此構造拉格朗日函數：

(5)

(3)風險因素篩選。為簡化風險因素，引入熵值理論。熵值法根據風險因素信息量的大小判斷其重要性。信息熵Hi越小說明風險因素的信息量越大，作用越大，以此判斷是否采納[10]。對于標準化矩陣E=(eij)n×3，有

(6)

(7)

式中：zij為第i個風險因素的第j個屬性的貢獻度；ki為第i個風險因素在整個風險體系中的比重。根據信息熵Hi的閾值，完成對風險因素的篩選，確定主要風險因素。

1.3 模糊貝葉斯網絡評價模型構建

1.3.1 貝葉斯網絡基本原理

貝葉斯網絡由概率規則表示各形式的不確定性，是由網絡結構和參數組成的概率圖形模型[11]。

(1)貝葉斯網絡結構是由節點和有向邊組成的有向無環圖，通過網絡結構表示各變量間的依賴和獨立關系，節點表示變量狀態，有向邊為依賴關系，將節點分為根節點、中間節點和目標節點。

(2)貝葉斯網絡參數由根節點的先驗概率和節點間的條件概率組成。貝葉斯公式見式(8)，貝葉斯網絡通過m個隨機變量X={X1,X2,…,Xm}的聯合分布表示研究目標，如式(9)和(10)：

(8)

P(Xi)=∑P(π(Xi))P(Xi|π(Xi))

(9)

P(X1,X2,…,Xm)=∏P(Xi|π(Xi))

(10)

式中：P(π(Xi)|Xi)為后驗概率；P(π(Xi))為先驗概率；P(Xi|π(Xi))為條件概率；P(Xi)為節點概率；P(X1,X2,…,Xm)為聯合概率[12]。

1.3.2 事故樹模型轉化為貝葉斯網絡

首先確定事故樹頂事件T，通過篩選的風險因素構建事故樹并向貝葉斯網絡映射(貝葉斯網絡節點與事故樹中事件對應)，并根據事故樹的邏輯門確定條件概率關系[12]，與門、或門映射關系見圖1和2，其中X1和X2為基本事件，也稱為底事件。

圖1 與門映射關系

圖2 或門映射關系

1.3.3 梯形模糊數和Buckley法確定先驗概率

貝葉斯網絡根節點先驗概率與事故樹基本事件發生概率一一對應。采用梯形模糊數代替評比尺度，將根節點概率對比矩陣標定為Buckley矩陣：

B=(vij)n×n

式中：vij(i,j=1,2,…,n)為梯形模糊數，vij=(aij,bij,cij,dij)，且B對角線上v11～vnn=(1,1,1,1)，vji=1/vij=(1/dij,1/cij,1/bij,1/aij)[13]。

vk=(ai/d,bi/c,ci/b,di/a)

(11)

為便于比較模糊數的大小，引入梯形模糊數精確化公式[14]，則

vxk=(ai/d+bi/c+ci/b+di/a)/4

(12)

以vxk作為根節點的發生概率值，則所有標定的根節點概率為V={vx1,vx2,…,vxk,…,vxn}。

1.3.4 風險推理分析

根據先驗概率和條件概率，結合貝葉斯網絡進行風險推理分析，主要包括風險預測、風險診斷和重要度分析。風險預測指通過因果推理預測風險發生概率。風險診斷指基于反向推理得到根節點后驗概率，將其與先驗概率對比診斷事故發生原因[15]。重要度分析采用結構重要度、概率重要度和關鍵重要度作為風險評估標準，分析基本事件導致頂事件發生的可能性[13]。

(1)結構重要度。結構重要度假定各基本事件發生概率相等，分析基本事件發生對頂事件產生的影響。

P(T=1|Xi=0,P(Xj=1)=0.5,1≤j≠i≤n)

(13)

式中：T為頂事件；Xi、Xj為基本事件；P(T=1|·)為頂事件發生的條件概率；Xi=1表示基本事件i發生；Xi=0表示基本事件i不發生；P(Xj=1)為基本事件j發生的概率；n為基本事件數量。

(2)概率重要度。概率重要度指某基本事件發生概率的單位變化量引起的頂事件發生概率的變化值。

(14)

(3)關鍵重要度。關鍵重要度指頂事件發生概率的變化率與基本事件發生概率變化率的比值。

(15)

排序比較根節點先驗概率、后驗概率和重要度后，分析整合評估結果，確定頂事件發生的主要原因事件，并提出相應措施。

2 實例分析

選取國產首艘大型郵輪的暖通空調物資物流進行實證研究，采用建立的風險評估模型分析風險，以驗證該模型的正確性和科學性。

2.1 暖通空調物資概況

國產首艘大型郵輪的暖通空調物資有種類復雜、主要依賴進口、高值易損、風管數量巨大等特點。風管運輸、加工、配送全過程由國內供應商負責；其余物資均從國外進口。進口物資通關后，供應商根據企業需求將其送至廠內或第三方物流公司(即外借倉庫)，經清點檢查、重量和質量檢驗后接收并定置存放，然后根據生產需求集配物資。外借倉庫根據物資需求按時供應，配齊后配送給生產部門。物流模式見圖3。

圖3 國產首艘大型郵輪暖通空調物資物流模式

2.2 暖通空調物資物流風險因素確定

2.2.1 物流風險識別

基于郵輪暖通空調物資物流流程，按作業階段分為到貨前(W1)、到貨檢驗入庫(W2)、倉儲庫存集配(W3)、發放配送(W4)、物資回收(W5)等5個環節，再根據各環節作業流程細分，見圖4。基于物流影響因素分析，從人員風險(R1)、設備風險(R2)、環境風險(R3)、管理風險(R4)、外部風險(R5)等5個方面構建物流風險分解結構，見圖5。

圖4 郵輪暖通空調物資物流工作分解結構

圖5 郵輪暖通空調物資物流風險分解結構

WBS-RBS耦合識別各子級工序Wgh(g=1,2,…,5；h=1,2,…,4)與風險層級Rpq(p=1,2,…,5；q=1,2,…,4)結合是否產生風險因素WghRpq，風險因素清單見表2。

2.2.2 風險因素排序篩選

選擇參與國產首艘大型郵輪建造暖通空調物資物流管理的5名專家進行問卷調查，統計分析風險的相對重要度。因風險發生概率、損失程度和可控性量綱統一，無須歸一化，直接根據式(1)和(2)進行標準化處理。風險發生概率和損失程度為成本型指標，可控性為效益型指標。根據式(3)得fi(w)值，實現風險預排序。由式(6)和(7)計算風險信息熵Hi，分析各區間風險數，將Hi閾值設為(0, 0.3)篩選風險，見表3。

2.3 基于模糊貝葉斯網絡的風險評價模型構建

2.3.1 貝葉斯網絡構建

綜合國內外船舶及郵輪建造物資物流歷史事故，物流風險后果主要有配送延遲、質量損失、成本增加、安全事故等，其中配送延遲發生頻率高且直接影響郵輪建造進度，引發的后果最嚴重。因此，以配送延遲為例，結合篩選后的風險因素構建配送延遲事故樹，具體事件設計和事故樹模型見表4和圖6。根據第1.3.2節的映射方法，將配送延遲事故樹映射成對應的貝葉斯網絡，見圖7。

表2 郵輪暖通空調物資物流風險因素清單

表3 改進TOPSIS篩選后的風險因素

2.3.2 模糊標定貝葉斯網絡根節點

選擇5名專家對基本事件發生的概率打分，各專家資質背景相當，默認他們打分的權重相同。將專家賦值翻譯為基本事件相對概率的Buckley決策矩陣，利用第1.3.3節的梯形模糊數和Buckley法計算得到各根節點的相對先驗概率，見表5。

2.3.3 風險分析

(1)風險預測。將根節點先驗概率和條件概率輸入貝葉斯網絡，通過Netica軟件計算得到暖通空調物資配送延遲風險發生的概率是0.444 0，其中導致事故發生的直接原因物資未配齊發生的概率為0.368 0，物資已配齊未及時發放發生的概率為0.077 5，風管供應商發放不及時發生的概率為0.047 0。因此，可優先采取措施降低物資未配齊風險，從而降低配送延遲發生的可能性。

表4 郵輪暖通空調物資配送延遲事故樹事件

圖6 郵輪暖通空調物資配送延遲事故樹

圖7 郵輪暖通空調物資配送延遲貝葉斯網絡

表5 貝葉斯網絡根節點相對先驗概率

(2)風險診斷。在Netica軟件中調整配送延遲風險發生概率為100%得到各根節點的后驗概率，對比先驗概率與后驗概率相差值，見圖8。通過對比發現，設計和計劃變更、人員對新物資認識不足、存放不規范、理貨混亂、風管供應商發放不及時、外借倉庫未保質保量及時配送的發生概率顯著增加，供應商發貨延遲、物資重量和質量不合格、到貨跟蹤不到位的先驗概率和后驗概率始終較大。因此，暖通空調物資配送延遲的主要潛在風險源為設計和計劃變更、人員對新物資認識不足、存放不規范、理貨混亂、風管供應商發放不及時、外借倉庫未保質保量及時配送、供應商發貨延遲、物資重量和質量不合格以及到貨跟蹤不到位。

圖8 貝葉斯網絡先驗概率與后驗概率對比

(3)根節點重要度分析。根據式(13)～(15)，結合Netica軟件，計算貝葉斯網絡根節點的結構重要度、概率重要度和關鍵重要度，見表6。根據重要度計算結果，結構重要度排序為

概率重要度排序為

關鍵重要度排序為

由結構重要度排序結果可知，專業水平和安全意識不足、設計和計劃變更、人員對新物資認識不足、物資擺放不穩、零散物件未綁扎、風管供應商發放不及時，以及外借倉庫未保質保量及時配送等重要度較高，通過降低這些事件的發生概率能保障暖通空調物資物流進度的穩定。

概率和關鍵重要度的高峰交集表示影響事故發生程度較高、降低先驗概率較容易的事件，通過降低這些事件發生的概率，能有效降低配送延遲風險。

表6 貝葉斯網絡根節點重要度計算結果

由概率和關鍵重要度排序結果可知，兩者排序均位居前列的主要有人員對新物資認識不足、專業水平和安全意識不足、物資存放不規范、設計和計劃變更、風管供應商發放不及時、理貨混亂、外借倉庫信息傳遞不及時以及未保質保量及時配送等。

綜上，通過加強人員對郵輪暖通空調物資的認知，提高人員專業水平和安全意識，保證計劃準確及物資倉儲集配規范，加強對第三方企業和供應商的監管等，可大大降低暖通空調物資配送延遲發生的可能性，保障物資供應穩定。

3 結 論

針對郵輪建造物資物流過程中風險的復雜性和模糊不確定性，從物流流程層級和風險種類雙重角度識別風險源，運用改進TOPSIS進行定量分析，引入熵值篩選影響較大的風險，并綜合事故樹與模糊貝葉斯網絡，以事故控制為重點，分析風險傳播的關鍵線路，診斷預防風險。該評價模型具有層次清晰、覆蓋全面、準確性高、針對性強的特點，為郵輪物資物流過程中的風險預防及管控提供借鑒和參考。

通過實例分析可以看出，利用梯形模糊數和Buckley法標定貝葉斯網絡節點的概率，彌補了數據和信息絕對精確的弊端；利用其正向推理預測出郵輪暖通空調物資配送延遲風險發生概率偏高，診斷出該事故的成因機理，并通過分析重要度確定了導致事故發生的關鍵風險，進而提出能夠降低風險的措施，體現了貝葉斯網絡在處理物流風險的復雜性和不確定性及因果分析問題方面的優勢。

本研究未考慮時變效應，建立的是靜態貝葉斯網絡，未來可考慮隨郵輪建造物資物流進度的推進，構建動態多連通的貝葉斯網絡，進一步提高物流過程中風險因素分析的準確性。