基于贝叶斯网络的供应链风险模糊综合评判

吴天魁等

摘 要 由于导致供应链失效的风险因素具有模糊性、复杂性，增加了供应链风险分析难度，一般的风险分析方法不能很好地评判供应链风险.文章提出了基于贝叶斯网络的供应链风险模糊综合评判方法，以某企业供应链风险为例，通过构建供应链失效风险的贝叶斯网络对风险事件发生概率进行线性推理，再采用模糊综合评判方法求出供应链风险中主要风险事件及总风险事件的风险等级，为该企业及早调控供应链提供依据.本评判方法可为企业供应链风险及其他类似风险的预防和控制提供参考依据.

关键词 贝叶斯网络；供应链风险；故障树；模糊综合评判

中图分类号 O224 文献标识码 A

1 引 言

供应链风险管理已经成为组织，甚至是当前经济和金融危机所应关注的核心问题.供应链风险评判的目的是为了更加全面了解供应链风险的整体状况，从而为实施有效的风险管理措施提供依据.供应链风险评估的方法有风险矩阵法、故障树分析法、蒙特卡洛模拟法、模糊综合评判法等，但是这些方法只能进行定性或半定量分析，无法完整地从定量角度准确反应风险水平的高低.

贝叶斯概率模型的提出解决了从定量角度分析难的问题，它通过概率理论与可视化网络图来进行概率推理，并且能够有效地将专家经验、历史数据以及各种不完整、不确定信息综合起来提高建模效率和可信度.贝叶斯网络（Bayesian Network， BN）技

术在国内外区域经济预测^[1]、期权定价^[2]、军事对抗模拟、工业废水处理^[3]等领域得到了广泛应用.近年来，国内外许多学者也采用了贝叶斯网络技术对供应链风险进行了评判.比如李恩平^[4]运用BN对供应链进行了可靠性分析，Soberanis^[5]将贝叶斯网络扩展模型应用于供应链风险评判中，索秀花^[6]利用BN对供应链质量进行了评价与识别.这些文章运用贝叶斯网络技术从定量角度进行评估，然而评判中未考虑损失的影响，无法反应实际情况，也无法对不确定因素进行准确考虑.

因此，本文提出将贝叶斯网络技术与模糊综合评判法相结合解决上面出现的问题，目前将两者结合起来进行风险评判在国内外很少见.以某企业供应链风险数据为基础，通过基于贝叶斯网络技术与模糊综合评判相结合对供应链风险进行了评判 ，为以后进行相关风险研究提供参考依据.

2 基于故障树的贝叶斯网络建造方法

2.1 故障树分析法的基本介绍

故障树分析法（Fault Tree Analysis， FTA）^[7]是一种运用演绎法逐级分析，寻找导致某种故障事故的各种可能原因，直到最基本原因，并通过逻辑关系的分析确定潜在的风险故障，以便采取防范措施的分析方法.在此方法中通常把人们不希望发生的，但可以预见的对系统性能、经济性、可靠性和安全有显著影响的故障事件作为顶事件，把引发顶事件故障的最终原因作为底事件，把反映顶事件与底事件之间因果关系的事件称为中间事件.然后通过各事件间的逻辑关系建立系统故障的数学模型.

故障树模型的建立有3个前提假设：1）事件状态为两态：工作（w）或失效（F）；2）各事件之间独立；3）事件之间中有“与、或”两种逻辑门相互联系.^[8]从这些前提假设可以看到，FTA方法在分析问题时存在一些局限性，比如事件要求两态性，各事件之间独立且逻辑门表示方法有限.事实上有些事件不止存在着两态，有时处于两态之间，并且许多事件又是相互联系的，单纯地用“与门”或者“或门”来表示它们之间的关系是不够的，比如本文要研究的供应链失效风险，就存在这样的情况，因此再单纯的运用故障树模型处理就不能很好地反应实际问题了，故本文提出了贝叶斯网络与故障树分析法相结合，使所要研究的结果更加切合实际.

由表6可以得出，网上订购失效等级为4级，说明该企业网上订购存在很大的风险隐患，如果不及时采取合理措施将造成很大损失；系统故障的等级为4级，很大原因是该企业技术配置较低，配送以及调度信息处理不当，因此该企业应该采取有效的办法及早提高技术配置并以合理快速的方式处理配送及调度信息；客户订单递交失效、网络差和调度不当的风险等级为3级，此时该企业也应该提高网络技术以及客服的服务水平.依据同样的研究方法，可以计算出供应链失效中其他非根节点的风险等级.结果表明，供应链失效总风险等级为3级，产品失效及原材料失效都为3级.对于不同等级的风险事件应该采取相应的措施来降低风险，以此来减少供应链失效带来的损失.

4 结束语

将贝叶斯网络技术与模糊综合评判方法结合起来，提出基于贝叶斯网络的供应链风险模糊综合评判方法.以文中生产企业供应链风险数据为基础，运用基于贝叶斯网络的模糊综合评判方法计算出该企业供应链风险总等级以及其他事件的风险等级.本方法可为研究其他类似风险提供参考依据.

针对不同企业要结合具体实际情况，运用本文的研究方法，将很容易分析出企业运营中的其他类似风险等级，为企业及时调控提供依据.

参考文献

[1] 王 飞. 基于贝叶斯向量自回归的区域经济预测模型： 以青海为例[J]. 经济数学，2011，28（2）：95-100.

[2] 熊炳忠，马柏林. 基于贝叶斯MCMC算法的美式期权定价[J]. 经济数学，2013，30（2）：55-62.

[3] H MTHLENBEIN， T MAHNIG. Evolutionary optimization using graphical models [J]. New Generation Computing， 2000， 18（2）： 157-166.

[4] 李恩平，葛兰.基于贝叶斯网络的供应链可靠性诊断分析[J].物流技术，2010，21（9）：96-99.

[5] E D SOBERANIS. An extended Bayesian network approach for analyzing supply chain disruptions[D].Lowa：Industrial Engineering，University of Lowa， 2010.

[6] 索秀花，张仁发.基于贝叶斯网络的供应链质量风险识别与评估[J].中国市场，2010，23（12）：127-130.

[7] 曾声奎.可靠性设计与分析[M].北京：国防工业出版社，2011：225-246.

[8] 谢斌，张明珠，严于鲜.贝叶斯网络对故障树方法的改进[J].燕山大学学报，2004，28（1）：55-57.

[9] 齐善明，李磊，杨欢.基于故障树贝叶斯网络的装备故障诊断方法研究[J].舰船电子工程，2012，32 （6）：112-113.

[10]杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（2）：116-119.

[11]程鹏.供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012，2（5）：215-216.

[12]周红波.基于贝叶斯网络的深基坑风险模糊综合评估方法[J].上海交通大学学报，2009，43（9）：1474 -1478.

[13]张姣，贾敏才，张建.地铁隧道盾构法施工全过程风险分析[J].公路工程，2013，38（3）：39-41.endprint

摘 要 由于导致供应链失效的风险因素具有模糊性、复杂性，增加了供应链风险分析难度，一般的风险分析方法不能很好地评判供应链风险.文章提出了基于贝叶斯网络的供应链风险模糊综合评判方法，以某企业供应链风险为例，通过构建供应链失效风险的贝叶斯网络对风险事件发生概率进行线性推理，再采用模糊综合评判方法求出供应链风险中主要风险事件及总风险事件的风险等级，为该企业及早调控供应链提供依据.本评判方法可为企业供应链风险及其他类似风险的预防和控制提供参考依据.

关键词 贝叶斯网络；供应链风险；故障树；模糊综合评判

中图分类号 O224 文献标识码 A

1 引 言

供应链风险管理已经成为组织，甚至是当前经济和金融危机所应关注的核心问题.供应链风险评判的目的是为了更加全面了解供应链风险的整体状况，从而为实施有效的风险管理措施提供依据.供应链风险评估的方法有风险矩阵法、故障树分析法、蒙特卡洛模拟法、模糊综合评判法等，但是这些方法只能进行定性或半定量分析，无法完整地从定量角度准确反应风险水平的高低.

贝叶斯概率模型的提出解决了从定量角度分析难的问题，它通过概率理论与可视化网络图来进行概率推理，并且能够有效地将专家经验、历史数据以及各种不完整、不确定信息综合起来提高建模效率和可信度.贝叶斯网络（Bayesian Network， BN）技

术在国内外区域经济预测^[1]、期权定价^[2]、军事对抗模拟、工业废水处理^[3]等领域得到了广泛应用.近年来，国内外许多学者也采用了贝叶斯网络技术对供应链风险进行了评判.比如李恩平^[4]运用BN对供应链进行了可靠性分析，Soberanis^[5]将贝叶斯网络扩展模型应用于供应链风险评判中，索秀花^[6]利用BN对供应链质量进行了评价与识别.这些文章运用贝叶斯网络技术从定量角度进行评估，然而评判中未考虑损失的影响，无法反应实际情况，也无法对不确定因素进行准确考虑.

因此，本文提出将贝叶斯网络技术与模糊综合评判法相结合解决上面出现的问题，目前将两者结合起来进行风险评判在国内外很少见.以某企业供应链风险数据为基础，通过基于贝叶斯网络技术与模糊综合评判相结合对供应链风险进行了评判 ，为以后进行相关风险研究提供参考依据.

2 基于故障树的贝叶斯网络建造方法

2.1 故障树分析法的基本介绍

故障树分析法（Fault Tree Analysis， FTA）^[7]是一种运用演绎法逐级分析，寻找导致某种故障事故的各种可能原因，直到最基本原因，并通过逻辑关系的分析确定潜在的风险故障，以便采取防范措施的分析方法.在此方法中通常把人们不希望发生的，但可以预见的对系统性能、经济性、可靠性和安全有显著影响的故障事件作为顶事件，把引发顶事件故障的最终原因作为底事件，把反映顶事件与底事件之间因果关系的事件称为中间事件.然后通过各事件间的逻辑关系建立系统故障的数学模型.

故障树模型的建立有3个前提假设：1）事件状态为两态：工作（w）或失效（F）；2）各事件之间独立；3）事件之间中有“与、或”两种逻辑门相互联系.^[8]从这些前提假设可以看到，FTA方法在分析问题时存在一些局限性，比如事件要求两态性，各事件之间独立且逻辑门表示方法有限.事实上有些事件不止存在着两态，有时处于两态之间，并且许多事件又是相互联系的，单纯地用“与门”或者“或门”来表示它们之间的关系是不够的，比如本文要研究的供应链失效风险，就存在这样的情况，因此再单纯的运用故障树模型处理就不能很好地反应实际问题了，故本文提出了贝叶斯网络与故障树分析法相结合，使所要研究的结果更加切合实际.

由表6可以得出，网上订购失效等级为4级，说明该企业网上订购存在很大的风险隐患，如果不及时采取合理措施将造成很大损失；系统故障的等级为4级，很大原因是该企业技术配置较低，配送以及调度信息处理不当，因此该企业应该采取有效的办法及早提高技术配置并以合理快速的方式处理配送及调度信息；客户订单递交失效、网络差和调度不当的风险等级为3级，此时该企业也应该提高网络技术以及客服的服务水平.依据同样的研究方法，可以计算出供应链失效中其他非根节点的风险等级.结果表明，供应链失效总风险等级为3级，产品失效及原材料失效都为3级.对于不同等级的风险事件应该采取相应的措施来降低风险，以此来减少供应链失效带来的损失.

4 结束语

将贝叶斯网络技术与模糊综合评判方法结合起来，提出基于贝叶斯网络的供应链风险模糊综合评判方法.以文中生产企业供应链风险数据为基础，运用基于贝叶斯网络的模糊综合评判方法计算出该企业供应链风险总等级以及其他事件的风险等级.本方法可为研究其他类似风险提供参考依据.

针对不同企业要结合具体实际情况，运用本文的研究方法，将很容易分析出企业运营中的其他类似风险等级，为企业及时调控提供依据.

参考文献

[1] 王 飞. 基于贝叶斯向量自回归的区域经济预测模型： 以青海为例[J]. 经济数学，2011，28（2）：95-100.

[2] 熊炳忠，马柏林. 基于贝叶斯MCMC算法的美式期权定价[J]. 经济数学，2013，30（2）：55-62.

[3] H MTHLENBEIN， T MAHNIG. Evolutionary optimization using graphical models [J]. New Generation Computing， 2000， 18（2）： 157-166.

[4] 李恩平，葛兰.基于贝叶斯网络的供应链可靠性诊断分析[J].物流技术，2010，21（9）：96-99.

[5] E D SOBERANIS. An extended Bayesian network approach for analyzing supply chain disruptions[D].Lowa：Industrial Engineering，University of Lowa， 2010.

[6] 索秀花，张仁发.基于贝叶斯网络的供应链质量风险识别与评估[J].中国市场，2010，23（12）：127-130.

[7] 曾声奎.可靠性设计与分析[M].北京：国防工业出版社，2011：225-246.

[8] 谢斌，张明珠，严于鲜.贝叶斯网络对故障树方法的改进[J].燕山大学学报，2004，28（1）：55-57.

[9] 齐善明，李磊，杨欢.基于故障树贝叶斯网络的装备故障诊断方法研究[J].舰船电子工程，2012，32 （6）：112-113.

[10]杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（2）：116-119.

[11]程鹏.供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012，2（5）：215-216.

[12]周红波.基于贝叶斯网络的深基坑风险模糊综合评估方法[J].上海交通大学学报，2009，43（9）：1474 -1478.

[13]张姣，贾敏才，张建.地铁隧道盾构法施工全过程风险分析[J].公路工程，2013，38（3）：39-41.endprint

摘 要 由于导致供应链失效的风险因素具有模糊性、复杂性，增加了供应链风险分析难度，一般的风险分析方法不能很好地评判供应链风险.文章提出了基于贝叶斯网络的供应链风险模糊综合评判方法，以某企业供应链风险为例，通过构建供应链失效风险的贝叶斯网络对风险事件发生概率进行线性推理，再采用模糊综合评判方法求出供应链风险中主要风险事件及总风险事件的风险等级，为该企业及早调控供应链提供依据.本评判方法可为企业供应链风险及其他类似风险的预防和控制提供参考依据.

关键词 贝叶斯网络；供应链风险；故障树；模糊综合评判

中图分类号 O224 文献标识码 A

1 引 言

供应链风险管理已经成为组织，甚至是当前经济和金融危机所应关注的核心问题.供应链风险评判的目的是为了更加全面了解供应链风险的整体状况，从而为实施有效的风险管理措施提供依据.供应链风险评估的方法有风险矩阵法、故障树分析法、蒙特卡洛模拟法、模糊综合评判法等，但是这些方法只能进行定性或半定量分析，无法完整地从定量角度准确反应风险水平的高低.

贝叶斯概率模型的提出解决了从定量角度分析难的问题，它通过概率理论与可视化网络图来进行概率推理，并且能够有效地将专家经验、历史数据以及各种不完整、不确定信息综合起来提高建模效率和可信度.贝叶斯网络（Bayesian Network， BN）技

术在国内外区域经济预测^[1]、期权定价^[2]、军事对抗模拟、工业废水处理^[3]等领域得到了广泛应用.近年来，国内外许多学者也采用了贝叶斯网络技术对供应链风险进行了评判.比如李恩平^[4]运用BN对供应链进行了可靠性分析，Soberanis^[5]将贝叶斯网络扩展模型应用于供应链风险评判中，索秀花^[6]利用BN对供应链质量进行了评价与识别.这些文章运用贝叶斯网络技术从定量角度进行评估，然而评判中未考虑损失的影响，无法反应实际情况，也无法对不确定因素进行准确考虑.

因此，本文提出将贝叶斯网络技术与模糊综合评判法相结合解决上面出现的问题，目前将两者结合起来进行风险评判在国内外很少见.以某企业供应链风险数据为基础，通过基于贝叶斯网络技术与模糊综合评判相结合对供应链风险进行了评判 ，为以后进行相关风险研究提供参考依据.

2 基于故障树的贝叶斯网络建造方法

2.1 故障树分析法的基本介绍

故障树分析法（Fault Tree Analysis， FTA）^[7]是一种运用演绎法逐级分析，寻找导致某种故障事故的各种可能原因，直到最基本原因，并通过逻辑关系的分析确定潜在的风险故障，以便采取防范措施的分析方法.在此方法中通常把人们不希望发生的，但可以预见的对系统性能、经济性、可靠性和安全有显著影响的故障事件作为顶事件，把引发顶事件故障的最终原因作为底事件，把反映顶事件与底事件之间因果关系的事件称为中间事件.然后通过各事件间的逻辑关系建立系统故障的数学模型.

故障树模型的建立有3个前提假设：1）事件状态为两态：工作（w）或失效（F）；2）各事件之间独立；3）事件之间中有“与、或”两种逻辑门相互联系.^[8]从这些前提假设可以看到，FTA方法在分析问题时存在一些局限性，比如事件要求两态性，各事件之间独立且逻辑门表示方法有限.事实上有些事件不止存在着两态，有时处于两态之间，并且许多事件又是相互联系的，单纯地用“与门”或者“或门”来表示它们之间的关系是不够的，比如本文要研究的供应链失效风险，就存在这样的情况，因此再单纯的运用故障树模型处理就不能很好地反应实际问题了，故本文提出了贝叶斯网络与故障树分析法相结合，使所要研究的结果更加切合实际.

由表6可以得出，网上订购失效等级为4级，说明该企业网上订购存在很大的风险隐患，如果不及时采取合理措施将造成很大损失；系统故障的等级为4级，很大原因是该企业技术配置较低，配送以及调度信息处理不当，因此该企业应该采取有效的办法及早提高技术配置并以合理快速的方式处理配送及调度信息；客户订单递交失效、网络差和调度不当的风险等级为3级，此时该企业也应该提高网络技术以及客服的服务水平.依据同样的研究方法，可以计算出供应链失效中其他非根节点的风险等级.结果表明，供应链失效总风险等级为3级，产品失效及原材料失效都为3级.对于不同等级的风险事件应该采取相应的措施来降低风险，以此来减少供应链失效带来的损失.

4 结束语

将贝叶斯网络技术与模糊综合评判方法结合起来，提出基于贝叶斯网络的供应链风险模糊综合评判方法.以文中生产企业供应链风险数据为基础，运用基于贝叶斯网络的模糊综合评判方法计算出该企业供应链风险总等级以及其他事件的风险等级.本方法可为研究其他类似风险提供参考依据.

针对不同企业要结合具体实际情况，运用本文的研究方法，将很容易分析出企业运营中的其他类似风险等级，为企业及时调控提供依据.

参考文献

[1] 王 飞. 基于贝叶斯向量自回归的区域经济预测模型： 以青海为例[J]. 经济数学，2011，28（2）：95-100.

[2] 熊炳忠，马柏林. 基于贝叶斯MCMC算法的美式期权定价[J]. 经济数学，2013，30（2）：55-62.

[3] H MTHLENBEIN， T MAHNIG. Evolutionary optimization using graphical models [J]. New Generation Computing， 2000， 18（2）： 157-166.

[4] 李恩平，葛兰.基于贝叶斯网络的供应链可靠性诊断分析[J].物流技术，2010，21（9）：96-99.

[5] E D SOBERANIS. An extended Bayesian network approach for analyzing supply chain disruptions[D].Lowa：Industrial Engineering，University of Lowa， 2010.

[6] 索秀花，张仁发.基于贝叶斯网络的供应链质量风险识别与评估[J].中国市场，2010，23（12）：127-130.

[7] 曾声奎.可靠性设计与分析[M].北京：国防工业出版社，2011：225-246.

[8] 谢斌，张明珠，严于鲜.贝叶斯网络对故障树方法的改进[J].燕山大学学报，2004，28（1）：55-57.

[9] 齐善明，李磊，杨欢.基于故障树贝叶斯网络的装备故障诊断方法研究[J].舰船电子工程，2012，32 （6）：112-113.

[10]杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（2）：116-119.

[11]程鹏.供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012，2（5）：215-216.

[12]周红波.基于贝叶斯网络的深基坑风险模糊综合评估方法[J].上海交通大学学报，2009，43（9）：1474 -1478.

[13]张姣，贾敏才，张建.地铁隧道盾构法施工全过程风险分析[J].公路工程，2013，38（3）：39-41.endprint