基于贝叶斯网络的军用物资配送服务采购风险研究

王 敏，吴兆东，龙绵伟

(1.陆军军事交通学院 军事物流系，天津 300161； 2.陆军军事交通学院 学员旅，天津 300161)

● 军事物流MilitaryLogistics

基于贝叶斯网络的军用物资配送服务采购风险研究

王 敏1，吴兆东2，龙绵伟1

(1.陆军军事交通学院 军事物流系，天津 300161； 2.陆军军事交通学院 学员旅，天津 300161)

在军民融合背景下，为度量地方配送力量完成军用物资配送服务的采购风险，在分析军用物资配送服务采购风险各项指标的基础上，应用贝叶斯网络方法建立军用物资配送服务采购风险评价模型，并以具体实例验证该模型的可行性。可为制订军用物资配送服务采购策略提供决策支持。

配送服务；采购风险；贝叶斯网络

根据军事物流军民融合式建设发展原则，军用物资配送服务可以通过采购的方式由具有比较优势的地方配送力量完成，利用社会力量和物流资源来保障军队后勤配送服务。实施军用物资配送服务采购，不仅可以摒弃军队后勤传统的分离式平行线性保障，构建出环节优化、库存合理，呈扁平网状结构的现代化保障体系，而且还可以直接面向用户，掌握用户个性需求，提高配送、接收、储存和发放环节的准确性，实现按需供应的个性化服务。但是，缺乏对配送服务商投机行为的认知、配送服务商选择不当以及监督不力等因素，也容易导致军用物资配送服务达不到理想情况。因此，军用物资配送服务采购是一把双刃剑，能够带来优势的同时也具有一定的风险，如何评价军用物资配送服务采购风险，并对其进行规避防范，是亟需解决的现实问题。文献[1]对配送服务采购风险进行了研究，但是指标选取简单，研究结果仅能确定风险的大小程度，不能确定导致风险产生的关键指标。本文对军用物资配送采购风险评价指标进行了进一步的研究，利用贝叶斯网络建立军用物资配送服务采购风险评价模型，确定军用物资配送服务采购风险程度值和需要重点防范的关键指标。

1 军用物资配送服务采购风险评价指标

军用物资配送服务采购可以说是后勤保障部门与配送服务商的一种合作。由于军地双方的目标差异、机会主义行为和利益冲突等存在，军用物资配送服务采购存在着一定的风险。深入分析风险产生的来源，主要有来自于配送服务商的风险、客观环境的风险和后勤采购部门的风险3个方面。考虑风险评价指标体系构建遵循的系统性、综合性和动态性等基本原则，结合文献[1]，确立军用物资配送服务采购风险评价指标体系(如图1所示)。

图1 军用物资配送服务采购风险评价指标体系

2 贝叶斯网络对配送服务采购风险评价

2.1贝叶斯网络及基本原理

贝叶斯网络(bayesian network，BN)是一个有向无环的图，由代表指标的节点及连接这些节点的有向边构成，它是目前不确定知识表达和推理领域较为有效的理论模型[2-3]。其适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制因素的决策，可以从不完全、不精确或不确定的知识或信息中做出推理。已广泛应用于人因安全性、施工安全评估、爆炸事故、导弹装备质量评估等方面[3-6]。由6个节点构成的简单的贝叶斯网络图(未包含条件概率分布)如图2所示。

一个具有N个节点的贝叶斯网络可用N={(V，E)，P}来表示,其意义包括如下两部分。

(1)(V，E)表示一个具有N个节点的有向无环图G。图中的节点V=(V1，V2，…，VN)代表变量,节点间的有向边E代表了变量间的关联关系。节点变量可以是任何问题的抽象，如部件状态、风险指标等。对于有向边(Vi,Vj)，Vi称为Vj的父节点，而Vj称为Vi的子节点。没有父节点的节点称为根节点，没有子节点的节点称为叶节点。Vi的父节点集合和非后代节点集合分别用pa(Vi)和A(Vi)来表示。有向图(V,E)蕴含了条件独立性假设，即在给定pa(Vi)下,Vi与A(Vi)条件独立，有：

P(Vi|pa(Vi),A(Vi))=P(Vi|pa(Vi))

(1)

(2)P表示一个与每个节点相关的条件概率分布。由贝叶斯网络的条件独立性假设可知，条件概率分布可用P(Vi|pa(Vi))来描述,它表达了节点与其父节点的关联关系。如果给定根节点先验概率分布和非根节点条件概率分布，就可以得到包含所有节点的联合概率分布。图2中包含全部节点的联合概率分布函数为

P(V1，V2，V3，V4，V5，V6)=P(V6|V5)·P(V5|V3，V2)·P(V4|V2，V1)·P(V3|V1)·P(V2|V1)·P(V1)

(2)

2.2风险故障树向贝叶斯网络转化思想

故障树是一种特殊的倒立树状逻辑因果关系图，它用事件符号、逻辑门符号和转移符号描述系统中各种事件之间的因果关系。逻辑门的输入事件是输出事件的“因”，逻辑门的输出事件是输入事件的“果”。将风险指标作为故障树中的节点，就可以利用风险故障树转化为贝叶斯网络。

步骤1 对故障树中的每个底事件，在贝叶斯网络中建立一个根节点，并根据该事件名称进行命名，对于重复事件只建立一个节点；

步骤2 按照故障树中相应底事件的失效分布确定贝叶斯网络中根节点的先验分布；

步骤3 对故障树中的逻辑门，在贝叶斯网络中建立一个相应的节点，并根据该逻辑门的输出事件名称进行命名，对于重复的输出事件只建立一个节点；

步骤4 按照故障树中顶事件，中间事件和底事件之间的连接关系，建立贝叶斯网络中节点之间的连接；

步骤5 按照故障树中与、或、非以及表决逻辑关系确定贝叶斯网络中非根节点的条件概率分布。

其中与、或、非以及2/3表决逻辑关系对应的贝叶斯网络拓扑结构及条件概率分布参见文献[2，7]。

2.3配送服务采购风险贝叶斯网络评价思路

利用贝叶斯网络对军用物资配送采购风险进行综合评价，其基本思路：①根据表1建立的军用物资配送服务采购风险评价指标，以及各指标之间的相互关系，构建军用物资配送采购风险故障树；②利用上面风险故障树向贝叶斯网络转化思想，转化为贝叶斯网络；③根据历史数据，将各指标风险概率依次输入网络中，利用MSBNX软件进行贝叶斯分析，得到总风险发生的后验概率值，即军用物资配送服务采购风险发生的程度；④根据先验概率与后验概率的相互关系，假定军用物资配送服务采购风险发生的情况下，确定哪些风险指标是导致军用物资配送服务采购风险发生的关键因素，从而确定军用物资配送服务采购管理的重点。

3 评价实例

3.1背景介绍

某部队向某军事物流基地提出5个基数的军需物资保障需求。军事物流基地接受到任务之后，迅速组织基地保障力量筹备好物资，但由于基地配送力量不足，决定借助某地方物流企业作为研究试点，采购其配送服务。为保证服务可靠，提高军用物资配送的军事经济效益，需对军用物资配送采购风险进行科学的评价。

3.2建立贝叶斯网络结构

根据以上分析，建立军用物资配送服务采购风险贝叶斯网络(如图3所示)。图3中，各个底层风险指标称为基本事件。在各风险指标中，应急应战与交通事故的发生有显著关系，在图中用箭头联系起来。其他有联系的指标之间用箭头表示父子节点关系。同时，在逻辑关系上，这里认为实践经验、配送工具状态、交通条件状况为2/3表决逻辑关系。

3.3确定贝叶斯网络结构参数

确定贝叶斯网络的参数，实质上是在已知网络结构的条件下来确立每个节点的先验概率分布。先验概率是指根据以往经验和分析得到的概率。在本文的模型中，用 1、 0 分别表示对应的各类指标风险的发生和不发生两个状态。通过历史数据观测和专家知识确定图1中各指标的实验概率值(见表1—表3)。

表1 配送服务商风险子指标先验概率

表2 客观环境风险子指标先验概率

表3 后勤采购部门风险子指标先验概率

图3 军用物资配送服务采购风险贝叶斯网络

在图3贝叶斯网络结构中，不同的根节点之间存在相互依赖关系，如配送服务商信息交换与信息处理会影响采购部门过程监督，其条件概率确定如下：

(3)

同理，根据贝叶斯网络中根节点之间的相互关系，确定其条件概率如下：

P(X8=1|X9=1)=0．01

P(X8=1|X9=0)=0．002

P(Y1=1|X1=1)=0．003

P(Y1=1|X1=0)=0．001

P(Z6=1|Z1=1)=0．002

P(Z6=1|Z1=0)=0．001

3.4计算与结果分析

由于贝叶斯网络有很成熟的算法计算各节点的联合概率分布和在各种条件下的条件概率分布, 因而构建军用物资配送服务采购风险贝叶斯网络和确定网络中各参数之后，就可以很方便地进行概率评估, 包括计算各个风险发生的先验概率和后验概率。在小概率复杂网络中，通过后验概率可以明显地看出军用物资配送服务采购风险需要管理和防范的重点。

对于上面总风险发生的联合概率为

(4)

式中：j∈O，O为叶结点outcome的状态空间；节点Ei(1≤i≤M)对应于贝叶斯网络中非叶节点；M为非叶结点的数目；ei={0，1}为事件Ei的发生与否。

用MSBNX软件进行计算，可以得到军用物资配送服务采购风险发生概率(见表4)。

表4 军用物资配送服务采购风险发生概率

该实例中军用物资配送服务采购风险发生的概率为3.65%。可以看出，来自于配送服务商和后勤采购部门的风险高于客观环境风险，但军用物资配送服务采购总体风险属于较低风险的范畴。

假定因为一些未知的风险，军用物资配送服务采购风险已经发生，即P(U)=1。利用贝叶斯网络，可以推测图1中各个指标风险发生的后验概率。配送服务商、客观环境和后勤采购部门各风险指标的先验概率与后验概率对比如图4—图6所示。

图4 配送服务商风险先验概率与后验概率对比

图5 客观环境风险先验概率与后验概率对比

从图4中可以看出，配送服务商的装备完好率X5和信息处理能力X7是配送服务商发生风险的关键指标。配送服务商一方面需要进一步充实装备力量提高军用物资配送质量；另一方面，需要提高与军队以及相关部门之间的信息交换能力和处理效率。在图5中可以看出，客观环境需要关注Y4宏观政策和Y5微观市场的变化。在图6中可以看出需要后勤采购部门重点关注Z2和Z5，即军队和军用物资配送商之间的合同完善程度以及采购方式。

4 结 语

本文对军用物资配送服务采购风险进行了研究，分析了军用物资配送服务采购风险评价指标，应用贝叶斯网络理论建立了军用物资配送服务采购风险评价模型，并验证了该模型的可行性。贝叶斯网络建立在概率论、统计学和图论的基础之上，能够充分地利用统计数据和专家知识信息，考察军用物资配送服务采购风险发生的概率，以及在风险发生的情况下各类风险指标的后验概率，为确定军用物资配送采购风险和需要重点管理与防范的关键指标提供了方法和依据。

[1] 王敏，荀烨，焦红，等.配送式运输服务采购风险评价[J]．军事交通学院学报，2016，18 (11)：54-57．

[2] 李硕豪，张军.贝叶斯网络结构学习综述[J].计算机应用研究,2015,32(3):641-645.

[3] 周忠宝, 周经伦, 金光, 等. 基于贝叶斯网络的概率安全评估方法研究[J].系统工程学报，2006，21(6):636-643.

[4] 侯政良，杨自春，陈国宾.基于贝叶斯网络的燃油控制系统人因安全性定量分析[J].燃气轮机技术，2010,23(4)：38-43.

[5] 唐立建，黄德镛.基于动态贝叶斯网络分析法的炸药库爆炸事故分析[J].安全与环境学报,2010,10(6):160-163.

[6] 王鑫，徐延学，安进，等.基于贝叶斯网络的导弹装备质量评估研究[J].船舰电子工程,2013,33(7):104-106.

[7] 姚成玉，陈东宁，王斌.基于T-S故障树和贝叶斯网络的模糊可靠性评估方法[J].机械工程学报,2014,50(2):193-200.

(编辑：史海英)

PurchaseRiskofMilitaryMaterialsDistributionServiceBasedonBayesianNetwork

WANG Min1, WU Zhaodong2, LONG Mianwei1

(1.Military Logistics Department, Army Military Transportation University, Tianjin 300161, China; 2.Cadets Brigade, Army Military Transportation University, Tianjin 300161, China)

In order to measure purchase risk of military materials distribution service with local forces under the background of civil-military integration, the paper firstly analyzes the indicators of purchase risk for military materials distribution service. Then, it establishes an evaluation model for purchase risk of military materials distribution service with Bayesian network, and proves the feasibility of the model through an example, which can provide decision support for formulating purchase strategy of military materials distribution service.

distribution service; purchase risk; Bayesian network

10．16807/j.cnki.12-1372/e.2017.11.010

E233

A

1674-2192(2017)11- 0046- 05

2017-06-23；

2017-08-17．

王 敏(1979—)，女，博士，副教授．