基于改进TOPSIS-模糊贝叶斯网络的邮轮建造物资物流风险评估

曹洁， 王海燕， 郑凌垚

(武汉理工大学交通与物流工程学院， 武汉 430063)

0 引 言

邮轮建造物资具有单船定制性强、物流层级复杂、种类和数量巨大、多专业多地域协同等特点，物资物流周期长、参与主体众多、节点控制严格等造成物流管理存在较多不确定性和不可控因素。同时，不同物资的物流模式和不同的物流渠道会导致不同性质的风险，若不对风险加以识别和控制，则物流进度会受到直接影响甚至出现物流中断，导致邮轮建造企业的物资需求得不到及时满足，甚至出现生产中断等严重后果[1-2]。

国内外针对船舶建造物资物流风险的研究较少，其中关于邮轮的更少。GIAGLIS等[3]指出造船物资物流风险主要来自外部环境、企业内部、管理过程和信息传递过程等；陈勃等[4]从生产计划、外部环境、合作关系、生产建造、采购供应和船舶交付等方面构建造船供应链运作模型；谢亚雄等[5]将造船供应链风险分为供给、需求和协调风险，从内、外部分析风险产生机理，提出造船供应链风险管理五阶段模型；王海燕等[6]基于流程图构建邮轮建造舾装物流集配流程风险评价体系，结合粗糙集理论剔除影响小的指标，并利用三角模糊数评估风险；姚建波[7]运用人因工程理论构建评价体系，基于多级模糊综合评估理论，建立客滚船应急脆弱性综合评估方法。

综合现有文献，普通商船建造物资物流风险评估多采用模糊综合评价和层次分析法，主观性均较强，不适用于邮轮。有些文献在主观性、不全面性、不确定性、因果关系量化等问题上仍存在不足，难以满足邮轮建造物资物流风险管理的实际需求。基于此，采用工作分解结构-风险分解结构(work breakdown structure - risk breakdown structure,WBS-RBS)全面识别风险因素，利用改进逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)排序筛选以确定主要风险，然后基于贝叶斯网络在处理复杂、不确定性、数据不全、因果分析等问题上的优势，根据事故树构建贝叶斯网络评估模型，引入模糊理论弱化主观判断，并以国产首艘大型邮轮的暖通空调物资物流为例进行验证。

1 风险评估模型建立

邮轮建造物资物流过程复杂，风险种类繁多。为避免评估中遗漏重大风险，采用WBS分解物流流程，利用RBS分解风险种类，耦合形成WBS-RBS矩阵识别风险，保证风险识别的全面性和分解结构合理性。为合理简化风险，同时考虑风险的模糊性和可获取数据的有限性，选择改进TOPSIS对已识别的风险因素从发生概率、损失程度和可控性等3个方面进行定量分析，得到重要度高的风险。结合贝叶斯网络处理不确定性问题的优越性，采用模糊贝叶斯网络定量评估风险，分析风险间的因果关系，推断风险事件发生概率和主要原因。

1.1 风险因素辨识

1.1.1 邮轮建造物资物流影响因素分析

邮轮建造物资物流活动受造船企业内部和外部的影响，内部影响主要来自人、物等资源以及对这些资源的管理协调和指导，外部影响主要来自供应商、海关、第三方物流公司等。因此，本文主要从人员、设备、环境、管理和外部因素等5个方面进行分析。

(1)人员因素。①人的不安全行为：员工因其对普通商船建造经验丰富而盲目自信，安全意识下降，以及过劳工作等，均会增加操作风险。②违章操作：物流操作岗位多为复合工种人员，对邮轮业务或物资特性不熟悉，违章操作可能性较高。

(2)设备因素。①物流设备：设备和设施出现故障或老化，会影响物资的存取，进而影响物资流通。②设备及其场地资源支持：一些邮轮建造物资超大、超重，不能采用一般的设备进行装卸和搬运，必须配备专用设备及场地。

(3)环境因素。①自然环境：台风和暴雨等恶劣天气影响物资运输、装卸、仓储环节，造成物流效率降低甚至停工。②仓储、运输环境：部分物资对仓储、运输环境要求高，仓储温度、湿度等条件控制难度大。

(4)管理因素。①计划管理：邮轮建造过程中各节点的调整都会导致计划变更，计划管理不到位将加剧设计计划变更的影响。②管理制度、组织及培训：邮轮与其他类型船舶在物资物流模式、操作等方面存在较大差异，制度、组织及培训等都会影响物流高效运行。③沟通与协作：邮轮物资物流环节相关方多、沟通链条长，沟通不足会导致物流活动在时间进度和安排上脱节。

(5)外部因素。①供应商供货：物资物流活动以供应商发货为起点，生产部门领用为终点。发货延迟或供货质量、重量问题会影响整个物流进度。②第三方合作：第三方企业与造船企业在运作机制、管理方式方面有差异，双方衔接不畅会导致物流进度与船舶建造进度不匹配。③突发事件：疫情、罢工等突发状况会影响国内外供应商供应、员工正常工作等，甚至使物流活动中断。

1.1.2 WBS-RBS识别风险

WBS将物流过程按照结构关系分解成若干独立的作业单元。RBS将物资物流过程中可能存在的风险逐层分解，细化至不同层次的子风险。以RBS为行，WBS为列，建立WBS-RBS耦合矩阵，构建风险与作业活动的映射关系，判断各子级工作可能存在的导致风险事件发生的风险因素[8]。

1.2 改进TOPSIS筛选确定主要风险因素

1.2.1 风险因素量化

为给风险决策提供明确、可量化的依据，运用专家打分法从风险发生概率、损失程度和可控性等3个方面按照不同层级量化风险，最终风险等级由这3个属性决定。风险等级具体评分标准见表1。

表1 风险等级评定及评分标准

1.2.2 风险因素排序筛选依据

TOPSIS是采用数学逼近思想，根据有限对象与理想化目标的接近程度排序的方法。改进TOPSIS排除不同指标量纲的影响，充分利用原始信息，改进正负理想解的距离公式，更客观地反映对象优劣性[9]。改进TOPSIS排序筛选风险因素的步骤如下：

将初始矩阵U归一化处理后统一规范为效益型指标[10]，得标准化矩阵E=(eij)n×3，其公式为

(1)

(2)

式中：eij为第i个风险因素的第j个属性指标标准化后的值；uij为第i个风险因素的第j个属性指标值；minuj、maxuj分别为第j个属性指标的最小值和最大值。

(2)属性权重确定及风险因素优劣排序。为减小专家的主观影响，根据标准化矩阵建立目标规划优化模型，通过数学方法客观计算属性指标的权重，求解步骤如下。风险属性的权重为wj,各风险因素的正负理想解加权距离平方和为

(3)

(4)

由此构造拉格朗日函数：

(5)

(3)风险因素筛选。为简化风险因素，引入熵值理论。熵值法根据风险因素信息量的大小判断其重要性。信息熵Hi越小说明风险因素的信息量越大，作用越大，以此判断是否采纳[10]。对于标准化矩阵E=(eij)n×3，有

(6)

(7)

式中：zij为第i个风险因素的第j个属性的贡献度；ki为第i个风险因素在整个风险体系中的比重。根据信息熵Hi的阈值，完成对风险因素的筛选，确定主要风险因素。

1.3 模糊贝叶斯网络评价模型构建

1.3.1 贝叶斯网络基本原理

贝叶斯网络由概率规则表示各形式的不确定性，是由网络结构和参数组成的概率图形模型[11]。

(1)贝叶斯网络结构是由节点和有向边组成的有向无环图，通过网络结构表示各变量间的依赖和独立关系，节点表示变量状态，有向边为依赖关系，将节点分为根节点、中间节点和目标节点。

(2)贝叶斯网络参数由根节点的先验概率和节点间的条件概率组成。贝叶斯公式见式(8)，贝叶斯网络通过m个随机变量X={X1,X2,…,Xm}的联合分布表示研究目标，如式(9)和(10)：

(8)

P(Xi)=∑P(π(Xi))P(Xi|π(Xi))

(9)

P(X1,X2,…,Xm)=∏P(Xi|π(Xi))

(10)

式中：P(π(Xi)|Xi)为后验概率；P(π(Xi))为先验概率；P(Xi|π(Xi))为条件概率；P(Xi)为节点概率；P(X1,X2,…,Xm)为联合概率[12]。

1.3.2 事故树模型转化为贝叶斯网络

首先确定事故树顶事件T，通过筛选的风险因素构建事故树并向贝叶斯网络映射(贝叶斯网络节点与事故树中事件对应)，并根据事故树的逻辑门确定条件概率关系[12]，与门、或门映射关系见图1和2，其中X1和X2为基本事件，也称为底事件。

图1 与门映射关系

图2 或门映射关系

1.3.3 梯形模糊数和Buckley法确定先验概率

贝叶斯网络根节点先验概率与事故树基本事件发生概率一一对应。采用梯形模糊数代替评比尺度，将根节点概率对比矩阵标定为Buckley矩阵：

B=(vij)n×n

式中：vij(i,j=1,2,…,n)为梯形模糊数，vij=(aij,bij,cij,dij)，且B对角线上v11～vnn=(1,1,1,1)，vji=1/vij=(1/dij,1/cij,1/bij,1/aij)[13]。

vk=(ai/d,bi/c,ci/b,di/a)

(11)

为便于比较模糊数的大小，引入梯形模糊数精确化公式[14]，则

vxk=(ai/d+bi/c+ci/b+di/a)/4

(12)

以vxk作为根节点的发生概率值，则所有标定的根节点概率为V={vx1,vx2,…,vxk,…,vxn}。

1.3.4 风险推理分析

根据先验概率和条件概率，结合贝叶斯网络进行风险推理分析，主要包括风险预测、风险诊断和重要度分析。风险预测指通过因果推理预测风险发生概率。风险诊断指基于反向推理得到根节点后验概率，将其与先验概率对比诊断事故发生原因[15]。重要度分析采用结构重要度、概率重要度和关键重要度作为风险评估标准，分析基本事件导致顶事件发生的可能性[13]。

(1)结构重要度。结构重要度假定各基本事件发生概率相等，分析基本事件发生对顶事件产生的影响。

P(T=1|Xi=0,P(Xj=1)=0.5,1≤j≠i≤n)

(13)

式中：T为顶事件；Xi、Xj为基本事件；P(T=1|·)为顶事件发生的条件概率；Xi=1表示基本事件i发生；Xi=0表示基本事件i不发生；P(Xj=1)为基本事件j发生的概率；n为基本事件数量。

(2)概率重要度。概率重要度指某基本事件发生概率的单位变化量引起的顶事件发生概率的变化值。

(14)

(3)关键重要度。关键重要度指顶事件发生概率的变化率与基本事件发生概率变化率的比值。

(15)

排序比较根节点先验概率、后验概率和重要度后，分析整合评估结果，确定顶事件发生的主要原因事件，并提出相应措施。

2 实例分析

选取国产首艘大型邮轮的暖通空调物资物流进行实证研究，采用建立的风险评估模型分析风险，以验证该模型的正确性和科学性。

2.1 暖通空调物资概况

国产首艘大型邮轮的暖通空调物资有种类复杂、主要依赖进口、高值易损、风管数量巨大等特点。风管运输、加工、配送全过程由国内供应商负责；其余物资均从国外进口。进口物资通关后，供应商根据企业需求将其送至厂内或第三方物流公司(即外借仓库)，经清点检查、重量和质量检验后接收并定置存放，然后根据生产需求集配物资。外借仓库根据物资需求按时供应，配齐后配送给生产部门。物流模式见图3。

图3 国产首艘大型邮轮暖通空调物资物流模式

2.2 暖通空调物资物流风险因素确定

2.2.1 物流风险识别

基于邮轮暖通空调物资物流流程，按作业阶段分为到货前(W1)、到货检验入库(W2)、仓储库存集配(W3)、发放配送(W4)、物资回收(W5)等5个环节，再根据各环节作业流程细分，见图4。基于物流影响因素分析，从人员风险(R1)、设备风险(R2)、环境风险(R3)、管理风险(R4)、外部风险(R5)等5个方面构建物流风险分解结构，见图5。

图4 邮轮暖通空调物资物流工作分解结构

图5 邮轮暖通空调物资物流风险分解结构

WBS-RBS耦合识别各子级工序Wgh(g=1,2,…,5；h=1,2,…,4)与风险层级Rpq(p=1,2,…,5；q=1,2,…,4)结合是否产生风险因素WghRpq，风险因素清单见表2。

2.2.2 风险因素排序筛选

选择参与国产首艘大型邮轮建造暖通空调物资物流管理的5名专家进行问卷调查，统计分析风险的相对重要度。因风险发生概率、损失程度和可控性量纲统一，无须归一化，直接根据式(1)和(2)进行标准化处理。风险发生概率和损失程度为成本型指标，可控性为效益型指标。根据式(3)得fi(w)值，实现风险预排序。由式(6)和(7)计算风险信息熵Hi，分析各区间风险数，将Hi阈值设为(0, 0.3)筛选风险，见表3。

2.3 基于模糊贝叶斯网络的风险评价模型构建

2.3.1 贝叶斯网络构建

综合国内外船舶及邮轮建造物资物流历史事故，物流风险后果主要有配送延迟、质量损失、成本增加、安全事故等，其中配送延迟发生频率高且直接影响邮轮建造进度，引发的后果最严重。因此，以配送延迟为例，结合筛选后的风险因素构建配送延迟事故树，具体事件设计和事故树模型见表4和图6。根据第1.3.2节的映射方法，将配送延迟事故树映射成对应的贝叶斯网络，见图7。

表2 邮轮暖通空调物资物流风险因素清单

表3 改进TOPSIS筛选后的风险因素

2.3.2 模糊标定贝叶斯网络根节点

选择5名专家对基本事件发生的概率打分，各专家资质背景相当，默认他们打分的权重相同。将专家赋值翻译为基本事件相对概率的Buckley决策矩阵，利用第1.3.3节的梯形模糊数和Buckley法计算得到各根节点的相对先验概率，见表5。

2.3.3 风险分析

(1)风险预测。将根节点先验概率和条件概率输入贝叶斯网络，通过Netica软件计算得到暖通空调物资配送延迟风险发生的概率是0.444 0，其中导致事故发生的直接原因物资未配齐发生的概率为0.368 0，物资已配齐未及时发放发生的概率为0.077 5，风管供应商发放不及时发生的概率为0.047 0。因此，可优先采取措施降低物资未配齐风险，从而降低配送延迟发生的可能性。

表4 邮轮暖通空调物资配送延迟事故树事件

图6 邮轮暖通空调物资配送延迟事故树

图7 邮轮暖通空调物资配送延迟贝叶斯网络

表5 贝叶斯网络根节点相对先验概率

(2)风险诊断。在Netica软件中调整配送延迟风险发生概率为100%得到各根节点的后验概率，对比先验概率与后验概率相差值，见图8。通过对比发现，设计和计划变更、人员对新物资认识不足、存放不规范、理货混乱、风管供应商发放不及时、外借仓库未保质保量及时配送的发生概率显著增加，供应商发货延迟、物资重量和质量不合格、到货跟踪不到位的先验概率和后验概率始终较大。因此，暖通空调物资配送延迟的主要潜在风险源为设计和计划变更、人员对新物资认识不足、存放不规范、理货混乱、风管供应商发放不及时、外借仓库未保质保量及时配送、供应商发货延迟、物资重量和质量不合格以及到货跟踪不到位。

图8 贝叶斯网络先验概率与后验概率对比

(3)根节点重要度分析。根据式(13)～(15)，结合Netica软件，计算贝叶斯网络根节点的结构重要度、概率重要度和关键重要度，见表6。根据重要度计算结果，结构重要度排序为

概率重要度排序为

关键重要度排序为

由结构重要度排序结果可知，专业水平和安全意识不足、设计和计划变更、人员对新物资认识不足、物资摆放不稳、零散物件未绑扎、风管供应商发放不及时，以及外借仓库未保质保量及时配送等重要度较高，通过降低这些事件的发生概率能保障暖通空调物资物流进度的稳定。

概率和关键重要度的高峰交集表示影响事故发生程度较高、降低先验概率较容易的事件，通过降低这些事件发生的概率，能有效降低配送延迟风险。

表6 贝叶斯网络根节点重要度计算结果

由概率和关键重要度排序结果可知，两者排序均位居前列的主要有人员对新物资认识不足、专业水平和安全意识不足、物资存放不规范、设计和计划变更、风管供应商发放不及时、理货混乱、外借仓库信息传递不及时以及未保质保量及时配送等。

综上，通过加强人员对邮轮暖通空调物资的认知，提高人员专业水平和安全意识，保证计划准确及物资仓储集配规范，加强对第三方企业和供应商的监管等，可大大降低暖通空调物资配送延迟发生的可能性，保障物资供应稳定。

3 结 论

针对邮轮建造物资物流过程中风险的复杂性和模糊不确定性，从物流流程层级和风险种类双重角度识别风险源，运用改进TOPSIS进行定量分析，引入熵值筛选影响较大的风险，并综合事故树与模糊贝叶斯网络，以事故控制为重点，分析风险传播的关键线路，诊断预防风险。该评价模型具有层次清晰、覆盖全面、准确性高、针对性强的特点，为邮轮物资物流过程中的风险预防及管控提供借鉴和参考。

通过实例分析可以看出，利用梯形模糊数和Buckley法标定贝叶斯网络节点的概率，弥补了数据和信息绝对精确的弊端；利用其正向推理预测出邮轮暖通空调物资配送延迟风险发生概率偏高，诊断出该事故的成因机理，并通过分析重要度确定了导致事故发生的关键风险，进而提出能够降低风险的措施，体现了贝叶斯网络在处理物流风险的复杂性和不确定性及因果分析问题方面的优势。

本研究未考虑时变效应，建立的是静态贝叶斯网络，未来可考虑随邮轮建造物资物流进度的推进，构建动态多连通的贝叶斯网络，进一步提高物流过程中风险因素分析的准确性。