生鲜农产品供应链突发事件风险的评估模型

徐 娟，章德宾

0 引言

近几年来，我国出现的一系列典型案例引起人们对生鲜农产品供应链突发事件风险管理的重视。例如，2007年“毒香蕉”、2008年“柑橘蛆虫”、2009年“三聚氰胺奶粉、问题鸡蛋”、2010年“瘦肉精”事件等，都给生鲜农产品供应链上的节点企业带来极大的损失，更严重的甚至给社会带来巨大的人员伤亡和财产损失。这些层出不穷的突发事件，反映出生鲜农产品供应链各节点上的运营都不同程度地存在许多问题和风险，也越来越暴露出生鲜农产品供应链应对突发事件的脆弱性[1]。因此，生鲜农产品供应链突发事件风险分析与评估成为亟待解决的问题。

目前对于供应链突发事件的研究，大多数学者把焦点放在突发事件应急管理的研究上[2]，关于供应链突发事件风险的研究非常有限[3]，更鲜有对生鲜农产品供应链突发事件风险的研究。由于生鲜农产品供应链突发事件多样性和复杂性，采用传统方法很难对风险进行准确的计量和预评估。贝叶斯网络方法近年来在人工智能和数据挖掘中得到了广泛的应用，它较好地揭示了客观事件之间的条件概率分布与因果关系，是对不确定性问题进行推理的重要工具，目前已经在各个领域得到了广泛的应用。本文结合生鲜农产品供应链突发事件的特征，在定性分析的基础上加入定量分析，建立基于贝叶斯网络的供应链突发事件风险评估模型。

1 生鲜农产品供应链突发事件风险分析

生鲜农产品供应链是由遍及各地的农户、批发商、配送中心、零售商组成的复杂网络，是一个动态、开放的复杂系统。而突发事件是供应链系统复杂性与不确定性的产物。同时，生鲜农产品供应链的特殊性决定了其更具脆弱性，抵御突发事件风险的能力较弱，一旦出现突发事件，会给供应链节点带来严重的损失甚至导致整个产业的毁灭。但目前在国内外相关研究中，对生鲜农产品供应链突发事件风险的研究较少，因研究内容、研究方法不同，对供应链突发事件风险的分类方法也不尽相同。本文结合生鲜农产品供应链的特点和过程，将生鲜农产品供应链突发事件风险分为三类:农户生产风险、运营风险、需求风险，具体如图1。

图1 生鲜农产品供应链突发事件风险因素

1.1 农户生产风险

农户是生鲜农产品的主要生产者，来自农户的突发事件风险因素主要有两个方面。一方面是来自外部环境，如自然灾害（水涝干旱、地震、泥石流、冰雹、暴风等）、动植物疫情（动植物病虫害等）。如2009年我国干旱、洪涝、地震、台风等灾害均有不同程度发生，农作物受灾面积4721.4万公顷，绝收面积491.8万公顷，因灾直接经济损失2523.7亿元，给我国经济社会发展和人民生命财产安全带来严重影响[4]。还有近年的禽流感、猪蓝耳病、香蕉黑毒病等。另一方面来自农户自身，主要风险因素有质量安全（农药、化肥、激素等生产资料滥用）、资源环境污染（耕地、水资源污染破坏）等。由于经济利益的驱使，农户为了提高产量与收入，种植过程违法使用禁用农药，养殖过程中添加瘦肉精、氯霉素等违禁药物，导致生鲜农产品质量安全问题，如“瘦肉精”、三聚氰胺奶粉、苏丹红红心鸭蛋、农药残留、金属超标等事件，都暴露出我国生鲜农产品生产中隐含巨大风险。

1.2 运营风险

生鲜农产品的易腐性、不耐贮存、区域性等特点决定了运营管理的重要性。生鲜农产品突发事件运营风险主要来自物流风险和运营商的诚信缺失。从某种意义上讲，生鲜农产品的物流状态决定着各个中间环节的利润空间。其物流过程包括运输、包装、装卸搬运、储存、流通加工、配送等环节，每一个环节都需要有相配套的物流设施、技术、管理来保证产品的品质与质量。例如，鲜奶、猪肉、牛肉等产品必须在一定温度下存储才不易变质。在国外，生鲜农产品从采摘一直到市场出售，是一个品质不断提高的过程，但目前中国的情况却常常是品质不断下降的过程。另一方面，运营商的诚信缺失也是生鲜农产品突发事件风险的主要因素。由于保险物流设施成本较高，运营商为了保证产品的保质期和外观质量，不惜以牺牲产品质量为代价，使用违禁添加剂和农药对农产品进行处理。

1.3 需求风险

生鲜农产品供应链突发事件需求风险来自客户需求的突然变化，主要影响因素有价格波动、科技进步、谣言等。由于生鲜农产品的消费受自然条件、环境条件的影响较大，与工业品相比市场波动较频繁，市场需求信号的突然变化可能引起农产品价格剧烈波动，最终导致整个供应链中断。其次，随着农业科技的快速发展，产品检测技术不断进步，新检测技术可能检测出某些农产品含有有害物质，从而导致产品滞销。再次，谣言也是生鲜农产品供应链突发事件需求风险的一个重要因素。例如，2008年的毒香蕉、柑橘生蛆事件其实都是谣言所致。

2 生鲜农产品供应链突发事件风险评估的贝叶斯网络模型

2.1 贝叶斯网络拓扑结构

我们将生鲜农产品供应链突发事件风险的节点分为风险因素、状态、事件三类，第一类是风险因素节点，即直接风险源；第二类是状态节点，涵盖风险事件的直接原因；第三类是风险事件，即生鲜农产品供应链突发事件。根据上一节中对风险因素的分析，风险因素节点有自然灾害、动植物疫情、质量安全、环境污染、物流、诚信缺失、谣言、价格波动等；状态节点有农户生产风险、运营风险、需求突变风险。为与贝叶斯网络的定义相契合，用Xi代表风险分析网络中的风险因素节点，Si代表风险状态节点，T代表风险事件，得到如图2所示的简化贝叶斯网络结构。

按照贝叶斯网络模块化的要求以及如图2的风险因素与风险状态、事件之间的逻辑关系,我们绘制了突发事件风险贝叶斯网络拓扑结构如图3。图3中，每个贝叶斯网络节点的状态都为两个，分别是Y或N，其中Y表示该节点所描述的事件发生；N表示该节点所描述的事件不发生。每一节点的方框显示了该节点的风险状态与发生概率。节点间的有向弧表示贝叶斯网络的构造关系。

图2 生鲜农产品供应链突发事件风险贝叶斯网络结构示意

图3 生鲜农产品供应链突发事件风险贝叶斯网络拓扑结构

2.2 节点赋值

在确定了风险贝叶斯网络结构后，需要对节点进行赋值。由于缺少较为完整的数据库，采用专家评判的方式确定风险因素的概率值。为了使专家对概率和风险发生可能性的表述理解统一，本研究参考Wickens提出的概率表述，采用七档分级的风险发生概率模糊语言变量及其相对应的概率数值[5]。Wickens将事件发生概率分为7个语义值：非常高（VH）、高（H）、偏高（FH）、中等（M）、偏低（FL）、低（L）和非常低（VL），其模糊形式和 λ截集[6]，其中λ=0,0.1,0.2,0.3,...,1。具体如表1。

表1 模糊数形式和λ截集

对于多个专家的评判结果，采用算术平均法进行综合，n个专家评判的综合评判可表示为：

在得到专家综合评判结果后，可利用重心法或积分值法求出模糊数P的概率值，即风险因素的先验概率值。

状态节点与事件节点的概率将通过贝叶斯网络学习获得。例如，我们已知农民生产风险S1主要来自自然灾害X1、动植物疫情X2、质量安全X3、环境污染X4四个方面，现假设通过专家综合评价得到风险因素X1,X2,X3,X4发生的概率分别为PXI,PX2,PX3,PX4，则不发生的概率分别为1-PX1,1-PX2,1-PX3,1-PX4。

从图3中可以看出，风险因素自然灾害X1、动植物疫情X2、质量安全X3、环境污染X4，每个变量以及他们的整体综合作用都对农民生产风险S1的发生有影响，获取农民生产风险S1的发生概率，即求概率P(S1)的过程，实质上是一个贝叶斯学习的过程。根据贝叶斯规则，我们可以计算出S1发生的概率：

在图3的贝叶斯网络中，由于X1,X2,X3,X4相互独立，因此节点X1,X2,X3,X4,S1的联合概率可通过条件独立公式进行计算,即

将（2）代入（1）：

由X1,X2,X3,X4的先验概率和S1的条件概率，可计算出S1发生的概率。同理，可依次推算出各状态节点与事件节点的发生概率。

2.3 风险影响评估

风险影响评估包括两个部分，即对突发事件风险损失的评估和风险影响的综合评估。风险影响的评估步骤为：

（1）定义风险因素后果集D={数量，质量，收益}，数量，质量，收益分别表示突发事件造成整个供应链产品在数量、质量、收益的减少或降低。

（2）风险损失评估。构建专家评估矩阵C，以此来评价各种风险对风险后果集D造成的影响。Qi,Ui,Ri由分别表示各风险对风险后果数量、质量和收益的损失评估，具体如表2所示。

（3）根据风险评估损失以及上节中计算的各风险节点发生概率，调用风险当量的计算公式:

得到风险当量的数据如表3所示。

表2 风险损失评估

表3 生鲜农产品供应链突发事件风险评估

3 结论

由于生鲜农产品供应链突发事件风险的机理和结构关系较为复杂,传统的风险评估方法难以表示风险因素与风险体系之间的复杂关系。本文采用贝叶斯网络方法，通过构建由风险因素、风险状态、风险事件组成的生鲜农产品供应链突发事件风险拓扑结构，分析各层次之间的作用形式，在对各层节点赋值的基础上，从突发事件损失的数量、质量和收益三个方面实现对风险的评估。本文对生鲜农产品供应链突发事件的风险评估进行了初步探索，期望能够为生鲜农产品供应链突发事件的研究提供一种新视角和新方法。研究不同因素导致的生鲜农产品供应链突发事件发生机理、突发事件的监控预警模型构建是值得进一步探讨研究的问题。

[1]叶成利，蒙少东.农产品(食品)供应链风险管理文献综述[J].农业经济问题，2007,（增刊）.

[2]贾增科，邱菀华，郭章林.基于脆弱性的突发事件风险分析[J].兵工学报，2009，（30）.

[3]Wagener S.M，Bode C.An Empirical Investigation into Supply Chain Vulnerability[J].Journal of Purchasing and Supply Management,2006,12(6).

[4]梅盈洁，刘军，邱俊荣，尹艳，刘彩霞.农业突发事件的分类及特征分析——以广东为例[J].广东农业科学，2010，37（12）.

[5]Wickens C.D.Engineering Psychology and Human Performance[M].New York:Harper Collins Publishers Inc,1992.

[6]陆莹，李启明，周志鹏.基于模糊贝叶斯网络的地铁运营安全风险预测[J].东南大学学报（自然科学版），2010，40（5）.