基于BWM與模糊FMEA-TOPSIS的網絡貨運平臺風險評估研究

中圖分類號：U491 文獻標志碼：A

Studyon Risk Assessment of Online Freight Platform Based on BWM and Fuzzy FMEA-TOPSIS Model

Gan Weihua'，Zhang Qiaoyuan'，Geng Ting2 （1.SchoolofTransportation Engineering，EastChinaJiaotong University，Nanchang33ool3，China; 2.PBC School ofFinance， Tsinghua University，Beijing 1oo83，China）

Abstract： Online freight platform is one kindof typical new platform economy mode in logistics industry while risks are emerging due to the separationofcargoes property，fund，place，and time in thecourse of the operation process.Therefore，scientifically assessing the risks associated with online freight transportation platforms is crucial for promoting reasonable regulation on these platforms. Starting from the operational processof online freight platforms，this study constructedarisk evaluation index system including 8aspects and 30 indicators，i.e. registration，verification，truck-cargo matching，order execution，order completionand etc.The best-worst method （BWM） was adopted to determine the weights of risk sources and experts’weights through evaluating decision makers’understanding of online freight platforms.Then，comprehensive weights were obtained through combined consideration of the two results.Risk assessment was then conducted based on the fuzzy FMEA-TOPSIS model，calculatingthe distances fromrisk factors to both positiveand negative ideal solutions.The risk levels were ranked according to their relative closeness，and comparison was made with traditional FMEA to verify the effectiveness of fuzzy FMEA-TOPSIS model.

Key words： risk assessment; online freight platform; best-worst method; failure mode and effects analysis Citationformat： GAN WH， ZHANG QY，GENG T.Study onrisk assessment of online freight platform based on bwmand fuzzy fmea-topsis model[J].Journal ofEast China Jiaotong University，2025，42（4）：110-119.

網絡貨運平臺是新興數字化平臺的重要代表之一，近年來發展迅猛，行業規模持續擴大與活躍度不斷提升。但網絡貨運平臺交易過程因貨權、資金、地點、時間高度分離，伴隨許多風險。例如，平臺對貨主/車主資質審查不嚴，造成違規上路；車主接單后違約導致訂單無法完成，從而造成貨主權益受損；車主在運送貨物時造成貨損貨差，平臺對貨主貨物賠付不及時等問題。這些問題不僅會使網絡貨運平臺蒙受經濟損失，也會因其較低的服務質量使平臺不斷流失用戶。

當前國內外學者對網絡貨運平臺的風險管理研究主要集中在風險分析、評估和預警3個方面。在風險識別方面，Giaglis等2揭示了物流運輸過程中，風險因素的多樣性及其對企業產生的差異化影響。Deane等[3進一步強調，識別運輸風險是物流風險管理中的關鍵，且外部風險相較于內部風險具有更廣泛深遠的影響。劉玲等4提出一種融合了工作分解結構-風險分解結構（WBS-RBS）與基于相關系數及改進綜合評價法（technique fororderprefer-encebysimilaritytoanidealsolution，TOPSIS）的區間直覺模糊群決策的風險識別方法。在風險評估方面，Thompson等[為了降低交通擁堵和運輸成本的潛在風險，構建了城市區域的通用貨運共享網絡模型并進行了評價。陳晨將不確定性作為主要考慮因素，借助MATLAB和層次分析法，構建了一個風險評估模型，為網絡貨運企業風險防控提供依據。常連玉等在風險預警方面展開了探索，依托主成分分析（PCA）和Logit風險預警模型，研究了無車承運人的風險概率，并指出管理、價格、市場和服務質量等因素對風險具有直接影響。綜上，關于網絡貨運平臺的研究多集中于運力匹配8、定價策略[10-]等領域，而對其風險監管[12]和治理的深入探討相對較少。盡管部分學者對平臺的某些環節進行了風險分析3，但針對整個運營流程的系統性風險評估研究仍顯不足。

失效模式與影響分析（failuremodeamp;effectanal-ysis，FMEA）是一種常用的風險評價技術，在制造業[1]、醫療[15]、航空航天[等多個領域廣泛應用。傳統的FMEA根據風險優先級（riskprioritynumber，RPN）數 Y_RPN 的度量來表示故障等級， Y_?RPN 值越大表示故障等級越高。 Y_?RPN 值受發生率 o 、故障嚴重度S和被檢測率 D 這3個因子的影響，即將3者簡單相乘。這種計算方法存在排序結果重復，不夠準確等缺點。

為了克服傳統FMEA對風險因子 S，O，D 的評價需采用精確數值來表示其程度大小，存在排序結果重復的問題，本文創新性地引入最佳最劣法（best-worstmethod，BWM），確定風險源的權重。同時通過衡量專家們對網絡貨運平臺的認知程度以確定專家權重，將風險源和專家權重結合得到綜合權重。建立模糊FMEA-TOPSIS模型，采用“VH”\"H\"\"M\"\"L\"\"VL\"5級語言術語，簡化評估過程，提升決策精準度與便捷性，實現網絡貨運平臺風險評估的簡化操作、信息抓取和結果精確。與傳統FMEA對比表明，該模型有效避免了簡單相乘導致的排序模糊問題，提升了評估精度。

1網絡貨運平臺風險評估指標體系

網絡貨運平臺從審核車主、貨主的資質注冊開始，一直到貨運訂單交付為止，具體的業務流程如圖1所示。

經過對網絡貨運平臺相關行政處罰案例的收集整理，發現涉稅務類的處罰占據了較高比例。部分網絡貨運平臺企業面臨著車輛運行軌跡數據與真實運輸作業不一致的困境，出于經濟利益的考量，未能嚴格遵循既定的操作規范，轉而采取變通手段，此舉在發票開具環節留下了顯著的合規缺陷，進而可能觸及虛開增值稅發票的法律紅線。

值得注意的是，當前的網絡貨運平臺與其實際運輸任務的承擔者之間缺乏有效的互動機制，平臺對承運車輛和人員的管理掌控能力相對較弱，這使得對運輸和交易全過程的實時監控和動態管理變得困難，從而引發了一定的責任風險。此外，相較于傳統貨運承運人，網絡貨運平臺對貨物的掌控能力相對不足，對于運輸過程中可能出現的貨物毀損、錯送及丟失等情況，平臺往往難以進行有效的追責。

圖1網絡貨運平臺業務流程圖

Fig.1Business flowchart of the online freight platform

文章基于業務流程，識別出30個可能導致平臺業務失效的風險源；建立了一個多層次的評估指標集，包括目標層、準則層和指標層，以全面評估網絡貨運平臺的風險狀況。具體的評估指標體系如圖2。

2 評估理論及模型

2.1 BWM

風險源賦權是多準則決策過程，其中，基于兩兩比較的方法，如層次分析法（AHP）網絡分析法（ANP）以及BWM，被廣泛采納以輔助決策過程。AHP與ANP均強調在維持一致性前提下，反復實施風險源間的兩兩比對，構建判斷矩陣并據此計算權重，這一過程不僅計算繁瑣，還常因結果一致性不足而削弱了專家評估的可靠性。

BWM是一種多準則決策方法，與AHP與ANP相比，BWM并非直接對所有指標進行成對比較，而是首先識別出最優與最劣指標，隨后聚焦于最優指標與其余指標，以及其余指標與最劣指標之間的相對重要性評估。得益于其簡潔性、直觀性和在多標準決策場景下的高效性，BWM已在諸多領域[17-19內得到深入應用，有效削弱了主觀偏見及決策者個人偏好的干擾。特別是在網絡貨運平臺風險評估這類復雜決策場景中，BWM為專家提供了一個高效整合和評估多因素決策信息的框架，可以提升決策的客觀性和科學性。

1）在準則層構建過程中，根據專家組的綜合意見甄選出最重要指標 C_B 與最不重要指標 C_w 。

2）依據表1所設定的評估標度，采用1～9分制確定最優指標相對于其他指標的重要性。通過最優指標和其他指標相對重要度的兩兩比較，得到向量 A_B=（a_B1，a_B2，…，a_Bn） 。 a_Bj 為最優指標 C_B 相對于指標 C_j 的重要性，1為兩者同等重要，9為最優指標相對后者完全重要； j=1，…，n n 為風險因子總個數。

圖2網絡貨運平臺風險評估指標體系 Fig.2 Risk assessment index systemof online freightplatform

表1BWM評估標準Tab.1AssessmentcriteriaforBWM

3）依據表1所設定的評估標度，采用1～9分制確定其他指標相對于最差指標的重要性。通過其他指標和最差指標相對重要度的兩兩比較，得到向量 A_w=（a_1w，a_2w，…，a_nw）^T 。 a_?jw 為指標 C_j 相對于最差指標 C_w 的重要性。

4）采用線性BWM模型，計算最佳權重

轉化后求解準則權重，考慮到權重的非負和條 件，計算式為

n

式中： 為最優指標主觀權重； q_w 為最差指標主觀權重； q_j 為指標 j 的主觀權重； ξ 為求解權重結果的指示值。

5）計算一致性比率。鑒于評估決策的復雜性，專家在提供偏好信息時難以達成完全一致。當偏好信息在一致性程度上達到一定標準時，則可以視其為可靠的。當所有準則 j 的偏好值均滿足設定的條件 a_?Bj×a_?jW=a_?BW 時，則認定這些偏好信息是完全一致的，確保了決策的穩健性和準確性。

2.2專家權重計算

1）在評估過程中，為了提升評價的一致性和準確性，文章需要合理確定各位計算專家的權重向量[20]。權重的確定基于專家們各自的資質水平、工作經驗以及對評價領域的熟悉程度。通過綜合考量，對每位專家的得分進行累加，從而得出每位專家的評價權重。專家評價的分數1分配依據具體如表2所示。

表2專家評價權重分配 Tab.2 Distributionof experts'evaluationweights

式中： L_i 為專家 i 資質水平項目得分； E_i 為專家 i 工作經驗項目得分； F_i 為專家 i 熟悉程度項目得分； u 為專家的總數； i=1，2，…，ν 。

2）確定專家權重。所有專家完成評估后，基于表2，計算專家權重 λ

λ=[λ₁，λ₂，…，λ_s]^T

3）在風險評估過程中，對于專家結果的整合至關重要。文章依據BWM法所確定的風險源權重 q_k 以及之前計算得出的專家權重，進一步計算出加權平均值，這一結果將作為風險源的總權重向量 。計算式為

Q=Q_z×λ

式中： 為風險源總權重向量; Q_z=[q₁，q₂，…，q₅]

q₁～q_s 為5位專家評估所得風險源權重。

2.3 模糊FMEA-TOPSIS模型

在網絡貨運平臺的事故資料與故障統計數據稀缺的背景下，風險評估工作面臨挑戰，大多依賴于業內專家的經驗性判斷。傳統FMEA法由于等級之間概念模糊，區分度不高，通常情況下難以準確判斷評價因素所屬等級。為了減少傳統FMEA法中專家決策主觀性，避免 Y_RPN 可能出現的排序混亂問題，借助模糊FMEA-TOPSIS模型[2]，可解決風險影響因素量化評價困難的問題，進而提升風險評估的精確性與可信度。

1）專家組根據自身經驗通過調研、討論、實驗等形式，獲取網絡貨運平臺中存在的風險模式，并制定各風險因子的模糊術語集[22]。

2）專家模糊語言評價。如表3，專家 i 對某一風險評價指標 j 的三角模糊評價為

A=（a_i，b_i，c_i）

表3模糊語言術語Tab.3Fuzzy language term

3）標準化后得到加權判斷矩陣 H 風險評價 指標的去模糊化評價結果 X 為

標準化后得到

式中：第1，2，3行分別為對 Λ_O，S，D 的評價；第例（ i=1，2，…，n ）為故障模式 i 的評價值。

4）分別計算故障模式 i 與正負理想解的歐氏距離 D_i⁺ 和 D_i^- 。在風險評價體系中，正理想解被定義為在 s 內，針對特定風險評價指標所對應列元素的最大值；而負理想解則相應地取該列元素的最小值。若某一評價對象與正理想解的距離最為接近，且同時與負理想解保持最遠的偏離，則該對象被視為最優。

5）計算各風險模式的相對貼近度 G_i 并進行風險排序。計算式為

式中： D_i⁺ 和 D_i^- 分別表示故障模式 i 與正負理想解的歐氏距離。

進一步地，依據相對貼近度 G_i 對風險優先級數進行有序排列：相對貼近度數值愈高，意味著該風險優先級數愈顯著，從而賦予其更高的維護優先級；反之，若相對貼近度較低，則該風險優先級數處于較低水平。

3網絡貨運平臺的風險評估過程

3.1 權重確定

1）為確定風險源的權重，基于BWM對準則層和指標層的權重進行分別計算。

組建一個由5位專家（DM1～DM5）構成的評估團隊。專家根據圖3中明確的風險源，并參照表1中的評估標度，各自對“準則層\"進行1次評估，再對“指標層”的8組風險源分別進行8次獨立評估。將8組“指標層\"風險源的評估結果與它們各自所屬的“準則層\"風險類別評估結果進行相乘，從而得到這些風險源在研究對象“網絡貨運平臺風險”中的具體權重。如表4所示，CR為高分組和低分組的臨界比值。

表4指標權重及一致性比率 Tab.4Indexweightand consistency ratio

2）專家權重計算。為全面考量專家意見的權重，首先依據表3中的評估標準，對5位專家（DM1～DM5）的資質水平、工作經驗以及熟悉程度進行了詳細分析，進而確定。計算式為

λ=[0.281，0.234，0.203，0.156，0.125]^T

3）專家結果聚合。基于BWM計算得出的風險源權重與上一步確定的專家權重，計算加權平均值以作為 ，見圖4。

經過對評估結果的細致分析，算術平均值與加權平均值詳細結果如圖4所示，從圖中可以觀察到兩者整體趨勢相近，但在 C₆₁ 和 C₇₁ 兩個點上存在一定程度的偏差，盡管差異并不顯著。為了更清晰地展示這些細微差別以及專家個體評估結果的對比，放大相關部分并繪制圖5。在圖5中，可以明顯看到DM2的評估結果與其他4位專家相比存在較大的差異，這在一定程度上反映了DM2在處理所研究的網絡貨運平臺問題時的決策能力相對較弱。特別是在 C₂₂，C₂₃，C₃₂ 這3個方面，加權平均值相較于算術平均值更能有效地削弱DM2的影響，從而提高了整體評估的準確性和可靠性。

圖4權重的算術平均值與加權平均值的對比 Fig.4Comparison betweenarithmeticandweighted meanvaluesofglobalweights

3.2 模糊FMEA評價

使用表3的模糊語言術語進行評價，得到適用于網絡貨運平臺的FMEA評估標準表[24]

圖5不同方法得到的風險排序結果

Fig.5Rankingresultsofriskbasedondifferentmethods

3.3 TOPSIS評價

首先，對 S，O，D 的三角模糊評估結果進行去模糊化和標準化處理，從而得到網絡貨運平臺風險模式的 H 接著，確定各指標的正理想解和負理想解，并計算出風險因子與正理想解及負理想解的距離，如表5所示。

從表5中可以清晰看出， C₇₁ 的風險最高，其次是 C₇₂、C₈₂ 和 C₈₉ 。

對于網絡貨運平臺而言，貨損貨差風險排序最高，可能是因為貨物在運輸過程中會受到不同程度的損壞，比如受潮、碎裂、擠壓等，可能會導致客戶投訴或索賠，影響平臺的聲譽和業績。網絡貨運平臺可以加強對貨物打包和裝載的質量控制，強化貨物運輸過程中的監控與保護，建立完善的貨物運輸保險制度。并且與物流公司開展緊密合作，共同打造更為穩定的運輸服務機制，從而降低貨物損失的風險。貨物錯送的風險在貨物分揀、裝車和配送過程中可能發生訂單指派失誤，導致貨物發送錯誤的目的地。網絡貨運平臺應加強貨物信息管理，實施全程追蹤監控，提高貨物分揀和裝車的準確性，建立貨物簽收驗證機制，及時處理投訴和彌補客戶損失。

發票虛開的風險居高不下，可能是因為平臺與供應商之間信息流通不暢，稅務監管機制不夠嚴密，難以及時發現虛假發票。網絡貨運平臺需建立完善的內部審計機制，定期對發票信息進行核查，確保發票的真實性和合規性。同時加強平臺與供應商之間的信息披露和溝通，減少信息不對稱帶來的風險。

表5各風險因子與正負理想解歐氏距離

Tab.5Euclideandistancebetweeneachfaultmodeand positiveandnegativeideal solution

油品抵扣的風險高的原因可能是許多網絡貨運公司對油品進項稅抵扣的政策理解不足，導致無法正確操作。因此，網絡貨運平臺應加強財務人員和承運司機的培訓和學習，提高核算準確性。在核算過程中要嚴格按照政策規定進行操作，確保應納稅額和可抵扣稅額的準確核算。

3.4 與傳統FMEA法對比

為了驗證新方法的有效性，文章分別應用傳統FMEA法和模糊FMEA-TOPSIS法對實例中的風險因子進行排序，所得結果詳見表7。

表7傳統FMEA與模糊FMEA-TOPSIS的對比 Tab.7 Comparisonof traditional FMEA withfuzzyFMEA-TOPSIS

通過對比分析表7中的數據，可以觀察到兩種方法在識別高風險因子時呈現出一致性，即 C₇₁ C₇₂，C₈₂，C₈₉ 均被識別為優先級最高的前4位風險因子，而 C₈₆ 均被視為優先級最低的風險因子。這一結果說明，無論是采用傳統FMEA法還是模糊FMEA-TOPSIS法，在網絡貨運平臺的風險評價中，它們都能有效地識別出風險水平最高與最低的風險模式，從而驗證了這兩種方法的適用性。

進一步對比分析表7數據發現，模糊FMEA-TOPSIS法在處理風險優先數計算時，沒有任何 Y_?RPN 值是相同的，有效避免了簡單相乘帶來的弊端，同時也降低了風險評價指標屬性值微小變化對最終結果產生的顯著影響。以油品抵扣（ （C₈₉） 、車輛事故（C₇₃） 、市場變化 （C₁₂） 、實際承運人履約 （C₆₁） 白條入賬 （C₈₃） 這5項風險因子為例，在傳統FMEA法的計算框架下，這些因子的 Y_?RPN 值相同，并列排名第4，無法有效區分其潛在影響的差異。然而，當采用模糊FMEA-TOPSIS法進行評估時，各風險因子的相對貼近度值被精確量化為 0.72204（C₈₉）、0.55165 ，這一變化不僅打破了原有并列排名的局限，而且根據各自風險因子的實際影響程度進行了更為細致的排序，從而更加準確地反映了各風險因子在整體風險評估體系中的相對重要性和優先級。這在一定程度上顯示了該方法相較于傳統FMEA方法的優越性。

4結論

1）傳統FMEA與模糊FMEA-TOPSIS兩種方法均將貨損（ （C₇₁） 、貨物丟失錯送 （C₇₂） 、發票虛開中 （C₈₂） 、油品抵扣 （C₈₉） 列為首要風險因子，而最低優先級的風險模式則共同為未扣繳個人所得稅 （C₈₆） ，這一結果驗證了兩種方法在識別風險模式上的一致性。但新方法有效規避了簡單相乘可能帶來的缺陷，同時降低了風險評價指標屬性值微小變化對最終結果產生的顯著影響。這一優勢表明新方法在處理復雜風險評價任務時更具優越性和實用性。

2）為了降低網絡貨運平臺貨損貨差風險、貨物錯送丟失風險、發票虛開風險，平臺可以投保貨物運輸保險，選擇可靠的物流合作伙伴，在貨物的運輸過程中實施嚴格的跟蹤和監控系統；同時核實和記錄發票信息，確保所有發票信息真實有效，從而提升貨物運輸和交易的安全性和可靠性。

3）該研究有助于網絡貨運平臺管理者明確平臺運營中各環節風險水平的大小，提前準備風險應對措施，幫助網絡貨運平臺提升運輸安全性，優化管理效率、保證服務質量，為平臺持續健康發展提供有力支持。

參考文獻：

[1]崔忠付.運用網絡貨運新數據創造物流信用新價值[J]中國物流與采購，2024（13）：11-12. CUI Z F. Creating new value of logistics credit by using new data of network freight transportation[J]. China Logistics amp; Purchasing，2024（13）： 11-12.

[2]GIAGLISG M， MINIS I， TATARAKIS A， et al. Minimizing logistics risk through real- time vehicle routing and mobile technologies： research to date and future trends[J]. International Journal of Physical Distribution amp; Logistics Management，2004，34（9）： 749-764.

[3]DEANE J K， RAGSDALE C T，RAKES TR， et al. Managing supply chain risk and disruption from IT security incidents[J]. Operations Management Research，2009，2（1）： 4-12.

[4] 劉玲，陳博寧，楊雪鍵，等.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[J].供應鏈管 理，2023，4（11）： 17-29. LIU L， CHEN B N， YANG X J， et al. Operational risk assessment of ΔX online freight platform based on WBSRBS and interval intuitionistic fuzzy set[J]. Supply Chain Management，2023，4（11）：17-29.

[5]THOMPSON R G， NASSIR N， FRAUENFELDER P. Shared freight networks in metropolitan areas[J]. Transportation Research Procedia， 2020，46： 204-211.

[6]陳晨.網絡貨運平臺風險分析及評估模型構建[J].物流 工程與管理，2021，43（6）：175-177. CHEN C.Risk analysis and evaluation model construction of network freight platform[J].Logistics Engineering and Management，2021，43（6）： 175-177.

[7] 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. CHANG L Y， HU D W， CHEN H Y， et al. Risk warning of no-car operating carrier based on PCA-Logit model[J]. Journal of Jiangsu University （Natural Science Edition）， 2017， 38（3）： 273-279.

[8] PARK A， CHEN R， CHO S， et al. The determinants of online matching platforms for freight services[J]. Transportation Research Part E：Logistics and Transportation Review，2023，179：103284.

[9]周瀟.數字平臺、行業重組與群體生計：以公路貨運市場 車貨匹配模式的變遷為例[J].社會學研究，2021，36（5）： 47-69，227. ZHOU X. Digital platform， industry reorganization and group livelihood： a case study of the change of trucks（5）： 47-69， 227.

[10]桂云苗，程靜，龔本剛.不同信息策略下競爭型網絡貨運 平臺定價研究[J].中國管理科學，2023，31（5）：176-186. GUI Y M， CHENG J， GONG B G. Research on pricing of competitive network freight platform under different information strategy[J]. Chinese Journal of Management Science，2023，31（5）： 176-186.

[11] YANG C C， BIAN J S， GUO X L， et al. Logistics outsourcing strategy with online freight platforms[J]. Omega，2024，125：103042.

[12]甘衛華，劉鄭，劉亞楠，等.基于獎懲機制的網絡貨運平 臺監管策略演化博弈分析[J].華東交通大學學報， 2023，40（1）： 34-43. GAN W H， LIU Z，LIU Y N， et al.Evolutionary game analysis of regulating strategy based on reward and punishment mechanisms[J]. Journal of East China Jiaotong University，2023，40（1）： 34-43.

[13]龐瑞琪，儲雪儉，楊玉彬.數字信任監管與小微運力企業 融資信用風險：基于網絡貨運平臺的演化博弈分析[J] 上海大學學報（自然科學版），2022，28（6）： 970-980. PANG R Q， CHU X J， YANG Y B. Digital trust regulationand the credit risk of small and micro transportation capacity enterprises’ financing： evolutionary game analysis based on online freight platform[J]. Journal of Shanghai University （Natural Science Edition）， 2022，28（6）： 970-980.

[14]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. LI M，WANG H F， WANG X Y， et al. Risk assessment method ofwave energy converter based on FMEA and fuzzy TOPSIS[J]. Ship Engineering，2023，45（1）： 6-16.

[15] WANG X Z，LIU L， WANG L Y， et al. An application of BWM for risk control in reverse logistics of medical waste[J].Frontiers in Public Health，2024，12： 1331679.

[16]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. SHI XD， CHENG B Y， HUANG K，et al. Risk assessment of aircraft IDG based on fuzzy TOPSIS-FMEA[J]. Systems Engineering and Electronics，2022，44（6）： 2060- 2064.

[17] 劉嘉亮 全楊 金建星 等 其干RWM群決簫賦權與 FMEA的風險評估方法[J].中國安全生產科學技術， 2022，18（8）： 37-43. LIUJH，YUY，YUJX，etal.Risk assessment method based on BWM group decision- making weighting and FMEA[J]. Journal of Safety Science and Technology， 2022，18（8）： 37-43.

[18]李耘宇，張智成，陳金州，等.基于BWM與模糊理論的 橋梁綜合評估方法[J].重慶交通大學學報（自然科學 版），2023，42（12）： 9-14，22. LI Y Y， ZHANG ZC，CHENJ Z，et al. Synthetic evaluation method ofbridge based on BWM and fuzzy theory[J]. Journal of Chongqing Jiaotong University （Natural Science），2023，42（12）： 9-14，22.

[19]朱潔，馮建剛，高玉琴，等.基于BWM-CRITIC-TOPSIS 的幸福河湖綜合評價模型[J].水利水電科技進展， 2022，42（6）： 8-14. ZHUJ，FENGJG，GAOYQ， etal.Comprehensive evaluation model for happy rivers and lakes based on BWMCRITIC-TOPSIS[J].Advancesin Science and Technology of Water Resources，2022，42（6）： 8-14.

[20]黃棟，周景冉.基于改進FMEA的裝備采購供應鏈質量 風險評估[J].海軍工程大學學報，2022，34（2）：50-56. HUANG D， ZHOU JR. Quality risk assessment of equipment procurement supply chain based on improved FMEA[J]. Journal of Naval University of Engineering， 2022，34（2）：50-56.

[21] SHARIFI F， ALI VAHDATZAD M， BARGHI B， et al. Identifying and ranking risks using combined FMEATOPSIS method for new product development in the dairy industry and offering mitigation strategies： case study of Ramak Company[J]. International Journal of System Assurance Engineering and Management，2022，13 （5）： 2790-2807. [22]BHATTACHARJEEP，DEYV，MANDALUK.Failure Modeand EffectsAnalysis（FMEA）usinginterval numberbasedBWM-MCDMapproach：RiskExpected Value （REV）method[J]. Soft Computing，2022，26（22）：12667-

12688. [23]王浩倫，徐翔斌，甘衛華.基于三角模糊軟集的FMEA風 險評估方法[J].計算機集成制造系統，2015，21（11）：

3054-3062. WANGHL，XUXB，GANWH.RiskevaluationmethodinFMEA basedon triangular fuzzy soft sets[J].ComputerIntegrated Manufacturing Systems，2015，21（11）：

3054-3062.

第一作者：甘衛華（1969一），女，教授，博士，博士生導師，研究方向為物流與供應鏈管理。E-mail：weihuagan@163.com。

通信作者：張巧媛（1999一），女，碩士研究生，研究方向為物流與供應鏈管理。E-mail：645834317@qq.com。

（責任編輯：姜紅貴）