基于WBS-RBS和區間直覺模糊集的X網絡貨運平臺運營風險評估

劉玲　陳博寧　楊雪鍵　夏露

關鍵詞：工作分解結構-風險分解結構（WBS-RBS）法；相關系數；TOPSIS；網絡貨運平臺

中圖分類號：F270 文獻標識碼：A 文章編號：2096-7934（2023）11-0017-13

一、引言

網絡貨運平臺是一種通過物聯網和互聯網技術融合應用于網絡貨運平臺解決方案的新型物流服務。此類平臺在實現傳統的車貨匹配業務的基礎上，融入GIS技術、GPS定位、手機APP和大數據分析等技術，追加了司機后端市場、在線交易、運輸全程跟蹤等功能，形成了一套完整的生態體系，在貨運行業掀起了顛覆性的改變。

近幾年，網絡貨運呈現出快速發展的態勢，且在提高行業組織化程度，降本增效，促進轉型升級和高質量發展等方面的作用日益顯著［1-2］。本文主要進行了網絡貨運平臺運營風險評估的研究，提出了一種工作分解結構—風險分解結構（WBS-RBS）與基于相關系數與改進TOPSIS的區間直覺模糊群決策相結合的評估方法，并以云南X網絡貨運平臺為例進行分析，證明了該方法的有效性，可為其他網絡貨運平臺的運營提供參考。

二、文獻綜述

目前國內外針對網絡貨運運營風險開展的研究比較少。常連玉等人［3］提出 PCA-Logit網絡貨運平臺風險預警模型，根據網絡貨運平臺經營過程中風險的主要來源，構建了包含 26 項指標的風險預警指標體系，在對指標體系進行主成分分析（PCA） 的基礎上，通過Logit風險預警模型計算網絡貨運平臺的風險概率。李敬泉［4］網絡貨運平臺風險總結為運輸合同風險、承托責任和信用風險、貨物安全風險、信息管理風險四項。韓雪峰［5］設計并分析了一套網絡貨運平臺風險調查問卷，提出發生風險問題后的緊急預案是客戶和網絡貨運平臺共同關注的關鍵問題。但以上研究沒有從業務全流程進行風險評估，這導致風險識別不完全、目前的風險控制手段較為單一，雜亂無章，造成了風險的疏漏與交叉辨識。WBS-RBS（Work Breakdown Structure- Risk Breakdown Structure）模型作為項目管理中的常用工具，一方面能夠系統地整理出項目中可能存在的風險，并且能夠依據 RBS對每個 WBS節點進行識別，有效地避免了遺漏；另一方面，通過對風險類別的分類和分級，使其更加清晰、系統，可以有效地規避可能發生的風險；目前已被廣泛應用于鐵路運輸［6］、企業管理［7］、輪船建造［8］等領域的運營風險識別中。因此，本文將該方法運用于網絡貨運平臺的運營風險識別，能較好地克服網絡貨運平臺在運營過程產生風險的復雜性和不確定性。

標準的WBS-RBS模型風險矩陣中只能識別風險，不能準確地反映出風險的不安全程度，也不能根據風險的特征對風險進行重要性排序［9］。因此本文引入區間直覺模糊集和失效模式與影響分析（FMEA）兩種工具對WBS-RBS進行改進。

區間直覺模糊理論是由Atanassov［10］于1989年在直覺模糊集的基礎上推廣而來，由于區間直覺模糊集能較為精確的反映出決策者的決策偏好，得到了學界的廣泛關注，相應的成果也較為豐富［11-12］；相繼有一些學者針對區間直覺模糊集的排序的得分函數和精確函數進行了研究，但該類積分函數都出現了排序結果不準甚至與現實結果相悖的情況，其原因在于沒有考慮猶豫度對排序結果的影響；為解決以上問題，郭鵬［13］提出了一種基于相關系數及改進TOPSIS的區間直覺模糊群決策方法，此方法較為準確的解決了排序的問題。

失效模式與影響分析簡稱為FMEA（Failure Mode and Effects Analysis），質量管理中應用最廣泛的可靠性分析工具，其核心思想為從三個維度測量風險發生頻率、嚴重程度和可探測度，并將三個維度的評分相乘得到乘積，用以評價風險的重要程度，該乘積也被稱為風險系數RPN（risk priority number）［14］，常在制造業［15］、物流業［16］和電力行業［17］評估風險的重要性。為了該方法可以較好的與項目背景融合，本文對RPN進行了改進：①由于可探測程度多在工業制成品中進行評價，在本項目中并不能直接的反應風險的特點，所以本文將可探測度刪除；②在項目管理中，需要對項目的進度、費用和質量進行管理以達到帕累托最優，則可以使用風險對于項目進度的影響、對于費用的影響和對于質量的影響代替嚴重度；③風險評估的最終目的為控制風險，本文加入風險的可控程度以更全面地衡量風險的重要性。

三、理論與方法

（一）WBS-RBS基本定義

WBS-RBS分解結構由Rafele在2005年提出［18］，并在各行各業中廣泛運用，WBS是指工作分解結構，每一個獨立的工作工序都是一個作業包；RBS是指風險分解結構，此結構由不同的風險類別組成，該方法可以較為系統、全面地識別風險；WBS-RBS的基本思路包括：①分解工作任務，形成相互獨立的任務包；②分解風險因素，形成相互獨立的風險因素；③以工作分解結構的任務包作為矩陣的行，以風險分解結構最底層的風險因子集合作為矩陣的列，組成工作分解結構與風險分解結構關聯的矩陣，交叉點記為風險點。

具體示意如表1所示。

表1WBS-RBS示意

（二）區間直覺模糊與相關系數基本定義

相比于直覺模糊集，區間直覺模糊集能對復雜且不確定程度較高的決策對象進行更精準地描述，體現出更高的信息表達能力，區間直覺模糊集的定義如下：設X是一個已知的非空論域，且 D ［0，1］代表了一個區間［0，1］上的所有閉合的集合，那么 X上的一個區間直觀模糊集定義如下：

將有限論域X上的全體區間直覺模糊集為IVIFS（X）。

本文利用的方法使用了相關系數的方法將隸屬度、非隸屬度和猶豫度三個因素考慮在內，衡量每個決策者與決策均值之間的相似度，相似度越高則該決策者的權重越大。設A^，B^∈IVIFS（X），設區間直覺模糊集A^，B^之間的相關系數定義為：

其中：

（三）基于相關系數及改進TOPSIS的區間直覺模糊群決策方法

運用基于相關系數及改進TOPSIS的區間直覺模糊群決策方法對專家權重和指標權重完全未知的網絡貨運運營風險評價問題進行求解，具體步驟如下：

步驟1：由各專家整體評價信息之間的相似度確定各個專家的權重：

步驟3：確定正理想方案、負理想方案：

參考記分函數，通過步驟2計算出的群體決策矩陣來確定正理想解R⁺及負理想解R^－，正負理想解分別為：

步驟4：通過正負理想方案及群體區間直覺模糊決策矩陣確定各個準則權重：

備選方案ci與正理想方案在uj評價準則下，相關系數越大，則表明關于準則uj備選方案與正理想解的距離越小，越理想，反之亦然。為了使得各方案與正理想解的加權相關系數總和達到最大，可構建以下的目標規劃函數：

四、X網絡貨運平臺運營風險識別

為證明本方法的有效性，本文以云南X網絡貨運平臺為例，首先利用WBS-RBS 識別出風險矩陣，再邀請3位專家從風險發生頻率、對于項目進度的影響、對于費用的影響、對于質量的影響、可控程度五個維度（分別記為u_1-5）對風險進行打分后對風險進行排序，對排序結果進行K均值聚類算法排序，識別出主要風險，并對主要風險涉及的主要流程提出相應的建議，為預防及處理各項風險提供依據。

（一）云南省X網絡貨運平臺簡介

云南某國有企業投資建設的陸運口岸監管區已投入運營，由于處于對越出口邊境口岸，有著大量的進出口需求；且該監管區依托海關開展跨境電商、大宗商品交易、工業制成品出口等貿易，是我國對東南亞進出口的重要節點，因此產生了大量的車貨匹配需求；該國有企業投資建設了X網絡貨運平臺，也是該陸運口岸監管區數字化一體服務平臺的重要入口，面向承運人、貨主和監管區內其他商戶提供著信息發布、車貨匹配、油品服務和園區管理等功能。

（二）X網絡貨運平臺WBS-RBS分解

根據鄭景祺（2018）［20］的相關研究并結合實地調研與項目，可分解得網絡貨運平臺的WBS如圖1所示，各部分編號為W₁₁₁-W₃₂₃；按照法慧妍等（2022）［21］的相關研究，將并結合該網絡貨運平臺的特點，可將網絡貨運平臺的風險因素按照環境層面、基礎層面、運輸服務層面進行分類，各因素編號為R₁₁₁-R₃₂₁，如圖2所示；根據以上信息構建WBS-RBS表格識別出風險矩陣，如表2所示。

圖1 X網絡貨運平臺WBS分解結果

圖2 X網絡貨運平臺RBS分解結果

（三）X網絡貨運平臺風險排序

邀請3位在網絡貨運平臺運營有著豐富經驗的專家按照風險的存在的概率進行1級-5級的打分，并根據不確定語言集區間直覺模糊集轉化表［22］，將專家打分轉化成為判斷矩陣R^（k），再使用IIFWA算子集結專家判斷矩陣，可得判斷矩陣均值r_ij^*，通過公式3-7可以得到專家e^k對風險R_i關于準則u_1-5的偏好信息所體現出的專家權重，如表2—表5所示：

通過表2—表5可以看出，每個專家對于各個準則的權重相似偏差較小，專家們的對于風險的判斷較為一致，側面反映出了專家的專業性，也證明了數據的有效性和可信度。

通過式10得出以正理想方案和負理想解為基準的各準則權重，即：

表2 X網絡貨運平臺WBS-RBS識別結果

表3 專家關于風險R_{111_122}在單準則下的決策權重

表4 專家關于風險R_211-222在單準則下的決策權重

表5 專家關于風險R311-322在單準則下的決策權重

通過式11可求出各個風險以正負理想解為參照的加權相關系數，如表6所示。

表6各風險正負理想解參照加權相關系數

通過以上相關系數，可通過式12計算得到各方案與正負理想解的相對加權相關系數，相關加權系數為越靠近零，即相關加權系越大，則風險越高，具體系數如表7所示。

表7 各方案相對加權相關系數

依據以上相關加權系數，可以對網絡貨運的風險進行排序，可得排序結果為R121>R321>R311>R111>R322>R212>R221>R211>R112>R312>R222>R222>R122，針對以上得分，進行K均值聚類算法分類，以便于后續的風險防范與管理，當聚類數為3時，CH（Calinski-Harbasz Score）值最小分類效果最優，具體分類結果如圖3所示。

圖3 Kmeans聚類散點

如表8所示，國際環境、時效性失效、車輛事故、同質化競爭為最突出的風險，將其定義為A類風險；貨物滅失、數據失真、信貸壞賬、數據泄露定義為B類風險；市場容量、操作失誤、劣質產品、國內政策為C類風險。

表8 Kmeans聚類分類

（四）X網絡貨運平臺風險分析與建議

由于企業資源的有限性，需要首先滿足處理主要風險即A類風險的資源需求，所以本文對A類風險的產生原因與防范措施做出以下分析。

（1）本項目處于我國邊境，主要面向越南開展進出口轉運、分撥與加工作業，是我國“一帶一路”面向南亞、東南亞的重要連接節點。雖然在2020年11月15日《區域全面經濟伙伴關系協定》簽署后，中國與東盟合作邁入了新階段，但國際局勢動蕩，中國和東南亞國家合作仍存在很大的發展空間，以上原因對該網絡貨運平臺的運營造成了較大的不確定性。從WBS-RBS表格中可以看出外國國際環境主要影響W12即在線交易模塊，造成的影響主要為：可能大幅降低貨運需求。降低該風險影響的建議如下：及時關注我國與東南亞國家政治動向，及時把握國際政治動向，一定程度上提前應對風險，與此同時積極擴展網絡貨運平臺的影響力，擴充業務種類和經營區域，增加生態鏈的穩定性，確保在政治環境出現波動時，有較強的抗沖擊性和可持續性。

（2）網絡貨運平臺的運輸時效性、車輛事故風險主要影響W12交易管理業務、W22智能運輸管理業務，其主要影響體現在：因運輸超時引起客戶對于服務質量的不滿，從而造成合同糾紛和運輸超時索賠，且本文中的網絡貨運平臺運輸的產品包括一定量的農產品，此類產品對于運輸的時效性要求高。防范建議如下：①建立完善的平臺激勵與管理機制完善公平競價模式，對于按要求完成運輸的實際給予相應的獎勵，并定時開展培訓和服務活動，保證運輸能夠按時按量完成；②與外部保險公司合作，按照運輸貨物價值與運輸時間購買相應價值的保險，在保證盈利能力的情況下與保險公司共同分擔這兩項風險。

（3）同質化競爭的風險主要影響：該風險主要影響W11增值業務業務、W12交易管理業務、W22智能運輸管理模塊。由于現階段網絡貨運平臺發展趨勢迅猛，本項目服務周邊已經有一些企業開展了相關業務，雖然競爭對手的平臺功能不夠全面且功能性不強，運業業態較為初級，但是競爭對手建設較早具有先發優勢，在該項目運營邊境地區有著一定的知名度，且不排除該平臺在本項目建設期間不斷迭代更新的可能性。該風險的防范建議如下：依托海關監管區的產業優勢，建立健全司機后端市場，形成完整的產業鏈和生態鏈，從而形成對貨源、司機、客戶和運營人才的虹吸效應，利用后發優勢形成錯位競爭，規避同質化競爭風險。

五、結論

本文利用WBS-RBS風險識別表將云南省X網絡貨運平臺的工作結構分解為6大模塊并分解出3大層面共12個風險，經過基于相關系數及改進TOPSIS的區間直覺模糊群決策方法的排序后，得出國際環境、時效性失效、車輛事故、同質化競爭為該平臺運營的首要風險，并針對以上風險進行了建議。但本文中的WBS-RBS風險識別表通過0和1來反應風險因素對工作結構的影響，存在著一定的信息失真問題，下一步的研究建議放在利用直覺模糊集對WBS-RBS的改進上。

參考文獻：

［1］郭曉龍， 湯婷婷， 蘇增慧.?網絡貨運平臺背景下考慮物流服務努力的供應鏈定價策略研究［J］. 中國管理科學， 2022，11：1-14.

［2］鄧齊月.?完善網絡貨運平臺稅務監管的思考［J］. 稅務研究， 2023（1）：123-128.

［3］常連玉， 胡大偉， 陳海燕， 等.?基于PCA-Logit模型的無車承運人風險預警［J］. 江蘇大學學報（自然科學版）， 2017， 38（3）：273-279.

［4］李敬泉.?中國網絡貨運平臺業態發展研究［M］. 南京：南京大學出版社， 2017.

［5］韓雪峰.無車承運人問卷調查分析［J］. 中國儲運， 2017（6）：40-41.

［6］賀政綱， 郭靜妮， 徐君翔.?基于WBS-RBS和PFWA算子的多式聯運網絡安全風險評估［J］. 安全與環境學報， 2020， 20（2）：441-446.

［7］王衛， 張夢君.?基于WBS-RBS的數據交易侵權風險識別［J］. 情報理論與實踐， 2021， 44（1）：83-88.

［8］曹潔， 王海燕， 鄭凌垚.?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［J］. 上海海事大學學報， 2022， 43（4）：91-98，104.

［9］王衛， 張夢君.基于WBS-RBS的數據交易侵權風險識別［J］. 情報理論與實踐， 2021， 44（1）：83-88.

［10］ATANASSOV K，GARGOV G.?Interval valued intuitionistic fuzzy sets［J］. Fuzzy sets and systems， 1989， 31（3）：343-349.

［11］彭友， 劉曉鶴， 孫健博.區間直覺模糊數環境下基于猶豫度和相關系數的多屬性群決策模型研究［J］. 中國管理科學， 2021， 29（8）：229-240.

［12］劉久兵， 彭莉莎， 李華雄， 等.考慮權重信息未知的區間直覺模糊三支群決策方法［J］. 運籌與管理， 2022， 31（7）：50-57.

［13］郭鵬， 韓二東， 趙靜.基于相關系數及改進TOPSIS的區間直覺模糊群決策方法［J］. 模糊系統與數學， 2016， 30（5）：132-141.

［14］張孟飛， 王鐵旦， 彭定洪， 等.?基于猶豫模糊偏好關系FMEA方法的改進［J］. 運籌與管理， 2021， 30（5）：73-78.

［15］石旭東， 成博源， 黃琨， 等.?基于模糊TOPSIS-FMEA的飛機IDG風險評價［J］. 系統工程與電子技術， 2022， 44（6）：2060-2064.

［16］張晨宇， 王偉， 陳志松， 等.?基于HACCP和FMEA的水產品冷鏈物流全流程優化［J］. 包裝工程， 2023， 44（9）：254-264.

［17］李蒙， 王海峰， 汪小勇， 等.?基于FMEA和模糊TOPSIS的波浪能發電裝置風險評估方法［J］. 船舶工程， 2023， 45（1）：6-16.

［18］RAFELE ?C.?Understanding project risk exposure using the two-dimensional risk breakdown matrix［J］. Engineering，2005，9.

［19］JIANG Y， XU Z， XU J.?Interval-valued intuitionistic multiplicative sets［J］. International journal of uncertainty， fuzziness and knowledge-based systems， 2014， 22（3）：385-406.

［20］鄭晟祺.基于互聯網的物流商業模式分析——以無車承運人為例［J］. 商業經濟研究， 2018（11）：103-105.

［21］法慧妍， 帥斌， 呂敏， 等.?基于WBS-RBS和IFWA算子的中歐班列多式聯運安全風險評估［J］. 中國安全科學學報， 2022， 32（6）：200-206.

［22］ZHANG S F，LIU S Y.A GRA-based intuitionistic fuzzy multi-criteria group decision making method for personnel selection［J］. Expert systems with applications， 2011， 38（9）：11401-11405.

Operational Risk Assessment of X Online Freight Platform Based on

WBS-RBS and Interval Intuitionistic Fuzzy Set

LIU Ling1，CHEN Bo-ning1，YANG Xue-jian2，XIA Lu1

（1.School of Logistics and Management Engineering， Yunnan University of

Finance and Economics，Kunming，Yunnan 650032;

2.Yunnan Tobacco Company Dali Prefecture Company， Dali， Yunnan 671000）

Abstract： Online freight transport， representing the digital economys integration into the logistics sector， is experiencing rapid growth.?However， research on its operational risk assessment remains limited.In this paper， a method combining Work Breakdown Structure- Risk Breakdown Structure （WBS-RBS） with interval intuitive fuzzy group decision making based on correlation coefficient and improved TOPSIS is proposed for risk identification of online freight platform.?To address these risks， specific recommendations and suggestions are provided， offering valuable insights for enhancing the overall operational security of online freight platforms.

Keyword： work breakdown structure-risk breakdown structure （WBS-RBS） method; correlation coefficient; TOPSIS; online freight platform

基金項目：國家自然科學基金地區科學基金項目“基于時間成本優化的面向訂單制造企業生產與運輸協同調度問題模型與算法研究”（71862034）；云南省基礎研究計劃項目“基于啟發式算法的易腐產品供應鏈協同調度優化研究”（202001AT070073）；云南省省院省校教育合作項目“‘一帶一路倡議下云南跨境物流體系建設研究”（SYSX202007）；中國煙草總公司云南省公司科技計劃項目“基于工商異址協同下的卷煙物流即時直供模式研究與應用”（2023530000241031）