蔡 超,劉 艷 秋
(沈陽工業(yè)大學管理學院,遼寧沈陽110870)
近年來,服務供應鏈逐漸成為供應鏈研究的熱點,物流服務供應鏈(LSSC)系統(tǒng)作為一個以物流集成商為核心,聯(lián)合物流需求客戶及功能型物流供應商等多個物流功能環(huán)節(jié)組成的復雜非線性系統(tǒng)也成為學者們討論的焦點之一[1-3]。崔愛平等[4]首次闡述了物流服務供應鏈與產(chǎn)品供應鏈的區(qū)別,給出只有通過調(diào)整服務能力才能使服務供應鏈實現(xiàn)協(xié)調(diào)的結(jié)論,并在主從博弈下建立了考慮期權(quán)機制的集成商與供應商訂購決策模型,實現(xiàn)了物流服務供應鏈的協(xié)調(diào)。高志軍等[5]研究了物流服務供應鏈的物流能力整合問題,從基礎(chǔ)、運營及管理等三個方面構(gòu)建了物流服務供應鏈的綜合結(jié)構(gòu)模型,結(jié)合供應鏈整合的前因、過程、程度以及結(jié)果的邏輯關(guān)系建立了服務供應鏈的綜合分析框架。楊麗[6]分析了物流服務供應鏈中博弈各方的利益沖突問題,在信息不對稱的環(huán)境下利用委托—代理理論與沙普利(Shapley)值法對博弈各方進行利益分配,實現(xiàn)了物流服務供應鏈的協(xié)調(diào)與利益最大化。馬翠華[7]研究了物流服務供應鏈中節(jié)點間考慮能力協(xié)同下的供應鏈運營績效問題,運用納什(Nash)博弈與資源互補融合理論對供應鏈中的各級物流服務商進行規(guī)制,有效地提高了服務供應鏈的運營效率。李劍鋒等[8]研究了需求不確定下的二級物流服務供應鏈的定價與期望利潤最大化問題,建立了以物流集成商為主導的斯塔克爾伯格(Stackelberg)主從博弈模型,通過確定最優(yōu)定價與最優(yōu)物流訂購量分析了不同市場組合下的服務供應鏈效率問題。
隨著物流服務全球化及第四方物流行業(yè)的快速發(fā)展,物流服務系統(tǒng)的按時、按需運行受到多種潛在、不確定風險的威脅,物流服務商做出必要的應急決策也備受約束,所以物流服務企業(yè)在關(guān)注供應鏈系統(tǒng)可靠度的同時,也日益加強了對可靠性分析方法的重視程度。鄭哲文[9]研究了應急物流供應鏈系統(tǒng)的可靠度問題,結(jié)合可靠性工程理論建立了應急供應鏈系統(tǒng)的可靠性測度指標體系,運用模糊層次分析法計算出系統(tǒng)中各節(jié)點的可靠度。郭梅等[10]討論了物流供應鏈的可靠性績效評價指標問題,利用模糊粗糙集理論簡化了相關(guān)的可靠性評價指標,定義了不同節(jié)點間相似的模糊邏輯關(guān)系及概念,通過建立被評系統(tǒng)中理想點的貼近度模型對可靠性評價方案進行優(yōu)選評估。當前對物流服務供應鏈系統(tǒng)的可靠性分析方法有如下幾種:最小路集法、GO法、馬爾科夫鏈蒙特卡羅方法、可靠性框圖法、故障樹(FT)分析法。任大勇[11]針對不確定條件下供應鏈系統(tǒng)的可靠性診斷問題,將模糊集理論與佩特里(Petri)網(wǎng)絡結(jié)合構(gòu)建了基于直覺Petri網(wǎng)的服務供應鏈可靠性診斷模型,根據(jù)直覺模糊數(shù)、變遷閾值及變遷輸出的邏輯關(guān)系確定系統(tǒng)可靠度的變化,并運用模糊推理算法驗證了該模型的有效性和對系統(tǒng)可靠度的及時反饋功能。陳國華等[12]分析了三級物流服務供應鏈中運營績效與可靠性因素的邏輯關(guān)系,提出了一種基于二態(tài)故障樹分析的供應鏈可靠性診斷方法,將可靠性診斷問題具體化處理,建立失效模式下的診斷一般模型,并采用蒙特卡洛方法求解相關(guān)可靠性指標與診斷系統(tǒng)故障環(huán)節(jié)。許振宇、任世科等[13]針對應急物流供應鏈的可靠性問題,從供應鏈保障、應急信息系統(tǒng)管理、物流機構(gòu)設置等三方面構(gòu)建了應急物流供應鏈的可靠性評價體系,運用模糊理論把測試指標的描述語言用模糊區(qū)間值方式表示,結(jié)合層次分析法、熵值法計算出各級可靠性指標的權(quán)重。郭雪松等[14]利用隨機有色Petri網(wǎng)對外部需求不確定的物流服務供應鏈系統(tǒng)進行可靠性分析,用實例驗證了有色Petri網(wǎng)對復雜多態(tài)系統(tǒng)可靠性分析的有效性與實用性。萬娜娜等[15]針對在供需不確定的環(huán)境下如何提高供應鏈庫存可靠度的問題,從三種不同供給策略的角度驗證了基于GO法的可靠性模型的有效性與可行性。王新利[16]建立了有效的供應鏈可靠度評價體系,將BP神經(jīng)網(wǎng)絡理論與系統(tǒng)工程理論結(jié)合,提出一種基于可行BP神經(jīng)網(wǎng)絡的供應鏈可靠度評價模型,該模型可在“自學習”模式下不斷修正影響系統(tǒng)可靠性因素的權(quán)值,使系統(tǒng)實際輸出向量逐漸接近期望輸出值,結(jié)論表明該方法在供應鏈可靠性分析中具有較大的發(fā)展?jié)摿?。此外,黃(Huang)等[17]研究了服務系統(tǒng)的邏輯結(jié)構(gòu)對物流可靠性指標的影響,討論了在能力與可靠性雙重約束下的物流系統(tǒng)不同狀態(tài)的邏輯關(guān)系。黑格爾(Helge L)等[18]利用可靠性工程理論將物流系統(tǒng)結(jié)構(gòu)化,構(gòu)建了系統(tǒng)狀態(tài)的失效故障樹,綜合評估了物流系統(tǒng)的運行可靠性問題。
貝葉斯網(wǎng)絡作為一種可以進行高概率推理的分析模型,一些學者研究了如何利用貝葉斯網(wǎng)絡對復雜系統(tǒng)進行可靠性分析的問題。彭(Peng W)等[19]建立一種基于貝葉斯網(wǎng)絡的系統(tǒng)可靠性模型,證明了采用貝葉斯網(wǎng)絡對系統(tǒng)進行可靠性分析的可行性。博蘇克(Borsuk M E)等[20]引入貝葉斯網(wǎng)絡描述了多態(tài)分級系統(tǒng)中的各子系統(tǒng)間的失效邏輯關(guān)系,建立了通用的分層系統(tǒng)可靠性分析方法。杰克遜(Jackson C)等[21]研究了貝葉斯網(wǎng)絡對可靠性分析的高效性以及準確性,建立了基于不同結(jié)構(gòu)的可靠性分析模型。張浩等[22]研究了物流協(xié)同供應鏈網(wǎng)絡的可靠性分析問題,給出了兩種基于多層貝葉斯的可靠性估計方法,并得到了供應鏈的可靠度計算公式與定時截尾數(shù)據(jù),研究表明多層貝葉斯網(wǎng)絡在估計子系統(tǒng)失效下的供應鏈系統(tǒng)可靠性時具有良好效果。劉(Liu)等[23]針對多態(tài)物流系統(tǒng)的可靠性分析中系統(tǒng)與子系統(tǒng)的故障狀態(tài)難以確定、邏輯關(guān)系難以界定等問題,根據(jù)模糊數(shù)學與灰色系統(tǒng)理論建立了一種廣義的灰色貝葉斯網(wǎng)絡模型,該模型運用含有區(qū)間灰數(shù)的模糊子集表示系統(tǒng)發(fā)生故障的條件概率與多態(tài)系統(tǒng)復雜多樣的故障邏輯關(guān)系,為不確定環(huán)境下的多態(tài)系統(tǒng)可靠性分析提供了完整的解決方案。董豆豆等[24]為了克服確定性的可靠性分析方法在描述邏輯“與門”事件時的局限性,提出了一種基于模糊理論的貝葉斯網(wǎng)絡模型,給出系統(tǒng)可靠度的置信割集,較好地描述了系統(tǒng)中各單位的模糊邏輯關(guān)系,更加貼近實際。威爾遜(Wilson)等[25]驗證了貝葉斯分析最強大的特點就是能夠以法則方式將多種信息來源結(jié)合起來進行推理,尤其是在評估非線性受限系統(tǒng)的可靠性時具有重要價值。蔡(Cai B)等[26]為了克服GO-FLOW模型在服務系統(tǒng)分析中的局限性引入了貝葉斯網(wǎng)絡,提出了一種基于貝葉斯網(wǎng)絡的GO-FLOW可靠性分析模型。
以上大多文獻對物流服務供應鏈系統(tǒng)的可靠性分析都是把系統(tǒng)與物流單元的狀態(tài)定義為“二態(tài)性”,即“故障”或“無故障”,但是物流服務供應鏈系統(tǒng)是由多個物流子環(huán)節(jié)組成的一個非線性復雜系統(tǒng),物流需求是由多個物流子系統(tǒng)聯(lián)合滿足的,即使某些物流單元發(fā)生故障,但是系統(tǒng)仍能夠運轉(zhuǎn),所以把服務供應鏈系統(tǒng)看作二態(tài)系統(tǒng)是不準確的。其次,大多文獻[27-28]把系統(tǒng)中物流商的可靠度設為某一準確值進行研究,但是供應鏈系統(tǒng)在實際運轉(zhuǎn)中受到多種不確定因素的影響,物流商所發(fā)生的故障狀態(tài)往往是復雜多樣的,可靠性的準確值是難以獲得的;再次,上述文獻[29-30]對服務供應鏈系統(tǒng)的可靠性分析都是簡單的數(shù)值分析,沒有研究物流主體之間、子系統(tǒng)與系統(tǒng)之間發(fā)生故障狀態(tài)的不確定邏輯關(guān)系。本文提出一種基于模糊多態(tài)貝葉斯網(wǎng)絡方法,對擁有多種故障狀態(tài)下的物流服務供應鏈系統(tǒng)進行可靠性的定量與定性分析,把處于供應鏈系統(tǒng)的功能型物流供應商所處的故障狀態(tài)與可靠度模糊化,利用貝葉斯網(wǎng)絡結(jié)構(gòu)方法闡述物流集成商和功能型物流供應商發(fā)生故障狀態(tài)的邏輯關(guān)系,最后采用該方法對TL公司的物流供應鏈系統(tǒng)進行可靠性分析。
物流服務供應鏈系統(tǒng)作為一個由若干物流服務集成商、物流服務供應商及物流需求客戶組成的非線性復雜網(wǎng)絡可看作貝葉斯網(wǎng)絡系統(tǒng),如圖1所示。
貝葉斯網(wǎng)絡是一個由若干相關(guān)系統(tǒng)節(jié)點、系統(tǒng)的有向無環(huán)圖(DAG)和若干系統(tǒng)中相關(guān)節(jié)點的條件概率表(CPT)組成的一種有向非循環(huán)網(wǎng)絡模型。網(wǎng)絡中節(jié)點可以表示狀態(tài)、特征、實體等,本文中節(jié)點表示系統(tǒng)、物流集成商以及功能型供應商。CPT描述了不同節(jié)點間狀態(tài)的邏輯關(guān)系,即該節(jié)點在其父節(jié)點下各種狀態(tài)時的條件概率。系統(tǒng)中無父節(jié)點的相關(guān)節(jié)點被稱為根節(jié)點,無子節(jié)點的相關(guān)節(jié)點被稱為葉節(jié)點,DAG的有向邊由相應父節(jié)點連接到相應子節(jié)點,本文中的供應商作為根節(jié)點,節(jié)點及系統(tǒng)代表葉節(jié)點。
物流服務供應鏈系統(tǒng)、集成商及供應商可能擁有多種故障狀態(tài),針對不同主體具有的多種模糊故障狀態(tài),本文采用三種語言變量描述服務供應鏈系統(tǒng)及節(jié)點具有三種狀態(tài)的不確定性,即{無故障,輕微故障,完全故障},分別采用三角模糊數(shù)0、0.5、1對應表示。設節(jié)點xi(i=1,2,…,n)當前故障狀態(tài)為節(jié)點即時發(fā)生的故障狀態(tài)的隸屬度函數(shù)值之和為1。即:
物流服務集成商或物流服務供應商作為節(jié)點實際發(fā)生的故障狀態(tài)具有模糊多態(tài)性,本文采用梯形隸屬函數(shù),支撐半徑設為0.1,以下為節(jié)點及系統(tǒng)多故障狀態(tài)的隸屬函數(shù):
圖1 物流服務供應鏈系統(tǒng)的結(jié)構(gòu)
由(4)式可得,當節(jié)點處于故障狀態(tài)0.2時,此時節(jié)點無故障的隸屬度為2 3,輕微故障的隸屬度為1 3,完全故障的隸屬度為0,即式(1)所描述的。
在傳統(tǒng)的物流服務供應鏈系統(tǒng)中,集成商與供應商的故障概率通常被描述為精確值,但精確數(shù)值現(xiàn)實中是難以獲得的,所以本文節(jié)點的模糊故障率采用三角模糊數(shù)描述[31]。設節(jié)點xi故障狀態(tài)的先驗概率隸屬函數(shù)
物流服務供應鏈系統(tǒng)貝葉斯網(wǎng)絡的構(gòu)建與傳統(tǒng)貝葉斯網(wǎng)絡構(gòu)建方法相同。本文采用由故障樹向貝葉斯網(wǎng)絡轉(zhuǎn)換方式建立供應鏈的DAG,其中節(jié)點與故障樹結(jié)構(gòu)一一對應。DAG是由多個物流供應商作為根節(jié)點,物流集成商或物流供應商作為中間節(jié)點,系統(tǒng)作為葉節(jié)點的網(wǎng)狀結(jié)構(gòu)。故障樹的底事件對應根節(jié)點,中間事件對應中間節(jié)點,頂事件對應葉節(jié)點。
傳統(tǒng)的貝葉斯網(wǎng)絡CPT是由二態(tài)故障樹中個體的邏輯關(guān)系轉(zhuǎn)化而來,本文多態(tài)模糊貝葉斯網(wǎng)絡結(jié)合對節(jié)點的故障狀態(tài)的多樣性描述重新構(gòu)造CPT來描述多態(tài)系統(tǒng)節(jié)點間發(fā)生故障的邏輯關(guān)系,體現(xiàn)了節(jié)點的模糊狀態(tài)多樣性以及節(jié)點間發(fā)生故障狀態(tài)邏輯的不確定性。CPT中變量符號值描述了節(jié)點的所有故障狀態(tài),條件概率描述根節(jié)點狀態(tài)的改變導致子節(jié)點狀態(tài)改變的模糊性。
受不確定風險的影響,物流服務供應鏈系統(tǒng)、集成商及供應商發(fā)生的故障狀態(tài)呈現(xiàn)多態(tài)性,且個體間存在著狀態(tài)不確定的邏輯關(guān)系,利用模糊貝葉斯網(wǎng)絡可以描述這些特征,結(jié)合貝葉斯算法計算多態(tài)系統(tǒng)的可靠度以及供應商的模糊重要度及后驗概率。
xi(i=1,2,…,n)與yj(j=1,2,…,m)表示系統(tǒng)中根節(jié)點變量、中間節(jié)點變量,T表示葉節(jié)點,三角模糊數(shù)分別表示根節(jié)點、中間節(jié)點、葉節(jié)點的故障狀態(tài)。ai=1,2,…,ki;bj=1,2,…,lj;q=1,2,…,r;ki、lj、r為系統(tǒng)中相應節(jié)點擁有模糊故障狀態(tài)的個數(shù);為系統(tǒng)中根節(jié)點產(chǎn)生所有故障的模糊先驗概率。利用桶消元法,T發(fā)生故障狀態(tài)Tq的模糊概率為:
π(T)表示葉節(jié)點T的父節(jié)點,π(yi)表示系統(tǒng)中擁有中間節(jié)點yi的所有父節(jié)點。
當節(jié)點xi發(fā)生故障時,系統(tǒng)T發(fā)生故障Tq的模糊概率為:
對于物流服務供應鏈系統(tǒng),利用貝葉斯網(wǎng)絡可以計算出前一物流服務商發(fā)生狀態(tài)變化導致后一物流服務商發(fā)生故障的后驗概率,即子節(jié)點發(fā)生某一故障狀態(tài)導致父節(jié)點狀態(tài)變化的后驗概率。當供應鏈系統(tǒng)T發(fā)生故障狀態(tài)Tq時,此時物流商xi發(fā)生故障狀態(tài)的后驗概率:
當T發(fā)生特定狀態(tài)變化時,根節(jié)點發(fā)生不同狀態(tài)變化對葉節(jié)點該指定故障的影響程度,即節(jié)點的重要度。對物流服務供應鏈系統(tǒng)來說,即物流個體發(fā)生故障對系統(tǒng)發(fā)生故障的影響程度。重要度可以定量反映各物流單位對物流系統(tǒng)可靠性的重要性。
1.根節(jié)點的模糊重要度
當T發(fā)生故障狀態(tài)Tq時,xi對T的模糊重要度
2.根節(jié)點故障狀態(tài)的重要度
當物流服務供應鏈中的物流供應商某一時刻發(fā)生唯一故障時,物流供應商的狀態(tài)重要度即為當前故障狀態(tài)的重要度。
xi當前發(fā)生故障狀態(tài)時,該故障狀態(tài)對T發(fā)生故障狀態(tài)Tq的狀態(tài)重要度為:
通過模糊貝葉斯網(wǎng)絡對多態(tài)物流服務供應鏈系統(tǒng)進行可靠性分析,可以得出物流服務供應鏈系統(tǒng)的可靠度以及物流個體發(fā)生故障時,其他個體發(fā)生故障的條件概率等信息,所以通過模糊貝葉斯網(wǎng)絡還可以對物流服務供應鏈系統(tǒng)進行診斷,找出影響系統(tǒng)可靠性的薄弱環(huán)節(jié)。
物流服務供應鏈是一個由多個物流服務集成商、供應商聯(lián)合參與為需求客戶提供物流服務的復雜系統(tǒng)。面對多種不確定的風險,物流單位會發(fā)生故障,服務供應鏈可能會不可靠,造成物流需求無法按時、按需完成,形成重大損失。本文選取某面包制作企業(yè)TL公司的物流服務供應鏈系統(tǒng)作為可靠性分析對象,并采集了TL公司2017年3月至11月的供應鏈運營情況為建模數(shù)據(jù)來源。已知TL公司作為需求客戶,其供應鏈系統(tǒng)由4個物流服務集成商和11個物流服務供應商組成,其中y1、y2、y3、y4表示物流服務集成商,x1、x2表示集成商y1的物流服務供應商,x3、x4、x5、x6表示集成商y2的物流服務供應商,x7、x8、x9表示y3的物流服務供應商,x10、x11表示集成商y4的物流服務供應商。
圖2 物流服務供應鏈系統(tǒng)故障樹
圖3 供應鏈系統(tǒng)貝葉斯網(wǎng)絡結(jié)構(gòu)
以TL公司的物流需求無法按時、按需滿足作為頂事件建立多態(tài)模糊故障樹,如圖2所示。T代表TL公司的物流服務供應鏈系統(tǒng),多態(tài)故障樹中的中間事件、底事件與服務供應鏈中的集成商、功能型物流供應商一一對應,把模糊多態(tài)故障樹轉(zhuǎn)化為模糊貝葉斯網(wǎng)絡模型結(jié)構(gòu),如圖3所示。物流服務供應商xi(i=1,2,…,11)代表結(jié)構(gòu)模型中的根節(jié)點,物流服務集成商yj(j=1,2,3,4)代表中間節(jié)點,T代表葉節(jié)點。假設集成商、供應商和系統(tǒng)擁有三種狀態(tài){無故障、輕微故障、完全故障},狀態(tài)集合為由于物流單位間發(fā)生故障狀態(tài)的邏輯關(guān)系是模糊不確定的,根據(jù)TL公司2017年3月至11月的運營數(shù)據(jù)及專家評估得到集成商yi(i=1,2,3,4)和系統(tǒng)T的CPT,如表1至表5所示。
表1 供應商y1的條件概率
表2 供應商y2的條件概率
表3 供應商y3的條件概率
表4 供應商y4的條件概率
表1至表4中的每一行表示供應商作為父節(jié)點發(fā)生不同故障狀態(tài)組合下集成商不同故障狀態(tài)的條件概率,表5中的每一行表示集成商作為父節(jié)點發(fā)生不同故障狀態(tài)組合下多態(tài)物流系統(tǒng)的故障狀態(tài)的條件概率。
表5 系統(tǒng)T的條件概率
通過上節(jié)得到優(yōu)化的物流服務供應鏈系統(tǒng)的可靠性分析方法,可以由作為根節(jié)點的供應商不同故障狀態(tài)概率得到多態(tài)系統(tǒng)發(fā)生不同故障的模糊概率,也可以根據(jù)物流供應商即時狀態(tài)得出物流服務供應鏈系統(tǒng)發(fā)生不同故障狀態(tài)的模糊概率。
由供應商的不同故障狀態(tài)概率計算多態(tài)系統(tǒng)發(fā)生不同故障的模糊概率。假設供應商的故障狀態(tài)為1時的模糊概率如表6所示。
利用三角模糊函數(shù)對供應商的完全故障概率進行處理,由供應鏈系統(tǒng)現(xiàn)實運營狀況選取隸屬度0.90,通過三角模糊數(shù)截集得供應商發(fā)生完全故障的模糊先驗概率。例如x1發(fā)生完全故障概率為(0.001 817,0.002 099,0.002 483),由式(5)可得x1的先驗概率模糊集合[0.002 071,0.002 137]。同理得出其他供應商基于隸屬度的模糊先驗概率,如表7所示。
根據(jù)TL公司多態(tài)物流服務供應鏈系統(tǒng)在實際運行輕微故障與完全故障的頻數(shù),設供應商發(fā)生故障0.5的模糊概率與發(fā)生故障狀態(tài)為1時的模糊概率相同。由表1至表6中的條件概率和隸屬度為0.90時的供應商的模糊失效概率,利用式(6)可得系統(tǒng)發(fā)生不同故障狀態(tài)的模糊概率:
所以系統(tǒng)的可靠度為:
表6 供應商xi故障狀態(tài)為1時的模糊概率
表7 基于隸屬度的供應商模糊先驗概率
由于模糊信息的不確定性,以上表示多態(tài)供應鏈系統(tǒng)的可靠度90%可能處于93.571 2%~96.315 3%之間。
現(xiàn)實中對多態(tài)系統(tǒng)進行可靠性分析時,大多選取精確值,即選取隸屬度λ=1時,把供應商發(fā)生完全故障的概率描述為確定值,此時系統(tǒng)各故障概率為P(T=0.5)=0.030 640 1,P(T=1)=0.167 68,多態(tài)系統(tǒng)的可靠度為R=0.946 831。所以當模糊貝葉斯網(wǎng)絡對供應商的故障概率進行模糊處理時,系統(tǒng)發(fā)生各故障狀態(tài)概率也為一模糊區(qū)間,這與系統(tǒng)采用的隸屬函數(shù)取值有關(guān),所以對故障狀態(tài)采用模糊表達更符合物流服務供應鏈系統(tǒng)的實際情況。
由表1、表2、表3、表4、表5、表8,結(jié)合式(9)可以計算當供應商發(fā)生以上故障狀態(tài)時,供應鏈系統(tǒng)發(fā)生各種故障狀態(tài)時的模糊概率:
同理,供應鏈系統(tǒng)發(fā)生完全故障的模糊概率為P(T=1)=0.786。
首先計算物流供應商的模糊重要度,由式(10)可以得出物流供應商x1對T發(fā)生故障狀態(tài)為輕微故障0.5的模糊重要度:
由以上計算出各供應商對系統(tǒng)T發(fā)生輕微故障、完全故障時的模糊重要度,如表9所示。
通過以上計算可以得到物流供應商的模糊重要度,根據(jù)物流供應商的模糊重要度分析可以找出影響物流服務供應鏈系統(tǒng)可靠性的關(guān)鍵環(huán)節(jié),通過提高不可靠供應商的可靠度可以有效提高多態(tài)系統(tǒng)的可靠性。如表9所示,當供應鏈發(fā)生輕微故障狀態(tài)時,物流供應商x10為其薄弱環(huán)節(jié);當供應鏈發(fā)生完全故障狀態(tài)時,供應商x2為其薄弱環(huán)節(jié)。
表8 根節(jié)點故障狀態(tài)的隸屬度
表9 供應商的模糊重要度
利用模糊貝葉斯網(wǎng)絡對多態(tài)系統(tǒng)進行可靠性分析,還可得出系統(tǒng)出現(xiàn)某一特定故障狀態(tài)時供應商發(fā)生某種故障狀態(tài)的后驗概率,由此對供應鏈系統(tǒng)進行故障診斷,并按照供應商的后驗概率大小順序進行操作分析,提高排除供應鏈故障狀態(tài)的效率。如表10所示,當供應鏈系統(tǒng)發(fā)生輕微故障時,檢測發(fā)生輕微故障的供應商應該按照x10、x4、x9、x1、x5、x8、x7、x11、x2、x3、x6的先后順序,檢測發(fā)生完全故障的供應商應該按照x10、x4、x9、x1、x8、x5、x7、x3、x6、x2、x11的先后順序;當供應鏈系統(tǒng)發(fā)生完全故障時,檢測發(fā)生輕度故障的供應商應該按照x10、x4、x9、x5(x1)、x8、x7(x3)、x6、x11、x2的先后順序,檢測發(fā)生完全故障的供應商應該按照x10、x8、x4、x1、x9、x7(x5)、x6、x3、x11、x2的先后順序。
表10 葉節(jié)點發(fā)生故障時各節(jié)點的后驗概率
本文針對多態(tài)物流服務供應鏈系統(tǒng)的可靠性分析問題,將貝葉斯網(wǎng)絡與模糊理論結(jié)合建立了一種優(yōu)化的多態(tài)系統(tǒng)可靠性分析模型,給出一種利用模糊貝葉斯網(wǎng)絡的多態(tài)物流服務供應鏈系統(tǒng)可靠性分析方法。與傳統(tǒng)的多態(tài)系統(tǒng)可靠性分析方法相比,該方法通過三角模糊數(shù)闡述供應鏈中物流單元具有的故障集合與模糊狀態(tài)概率,改變了多態(tài)物流系統(tǒng)難以獲得精確狀態(tài)概率值的局限性,同時利用模糊貝葉斯網(wǎng)絡描述物流服務供應鏈系統(tǒng)中物流單元間發(fā)生故障狀態(tài)變化的邏輯關(guān)系,解決了不確定模糊信息的干擾;由模糊貝葉斯網(wǎng)絡運算法則可得供應鏈系統(tǒng)的可靠度,節(jié)點發(fā)生故障狀態(tài)變化引起系統(tǒng)狀態(tài)變化的模糊概率以及系統(tǒng)發(fā)生特定故障狀態(tài)時各節(jié)點發(fā)生故障狀態(tài)變化的后驗概率;利用貝葉斯網(wǎng)絡還可以分析系統(tǒng)中節(jié)點的重要度,通過重要度分析可以得出影響供應鏈系統(tǒng)可靠性的薄弱環(huán)節(jié);最后通過對TL公司的物流服務供應鏈進行可靠性分析,結(jié)果表明,基于模糊貝葉斯網(wǎng)絡的多態(tài)系統(tǒng)可靠性分析方法不僅可以分析系統(tǒng)面臨的大量模糊信息干擾,而且可以提高系統(tǒng)可靠性分析的效率,為物流企業(yè)改善系統(tǒng)中的薄弱環(huán)節(jié)及提高系統(tǒng)的可靠度提供決策依據(jù),具有較大的實用價值。
參考文獻:
[1]劉艷秋,蔡超.考慮可靠性的物流服務供應鏈期權(quán)契約模型[J].中國流通經(jīng)濟,2017,31(10):37-45.
[2]YU T.Supplier Selection in Constructing Logistics Service Supply Chain[J].Systems engineering theory&practice,2003,23(5):49-53.
[3]鄭秀芝.三方協(xié)調(diào)背景下的物流服務供應鏈信息平臺搭建[J].中國流通經(jīng)濟,2015,29(10):82-89.
[4]崔愛平,劉偉.物流服務供應鏈中基于期權(quán)契約的能力協(xié)調(diào)[J].中國管理科學,2009,17(2):59-65.
[5]高志軍,朱衛(wèi)平,陳圣迪.物流服務供應鏈整合研究[J].中國流通經(jīng)濟,2017,31(10):46-54.
[6]楊麗.委托—代理關(guān)系中的物流服務供應鏈合作協(xié)調(diào)[J].中國流通經(jīng)濟,2015,29(11):58-63.
[7]馬翠華.基于能力合作的物流服務供應鏈協(xié)同機制研究[J].中國流通經(jīng)濟,2009,23(2):24-27.
[8]李劍鋒,陳世平,易榮華,等.二級物流服務供應鏈定價及其效率研究[J].中國管理科學,2013,21(2):84-90.
[9]鄭哲文.基于可靠技術(shù)的應急物流供應鏈構(gòu)建[J].中國流通經(jīng)濟,2009,23(10):54-56.
[10]郭梅,朱金福.基于模糊粗糙集的物流服務供應鏈績效評價[J].系統(tǒng)工程,2007(7):48-52.
[11]任大勇.用直覺模糊Petri網(wǎng)構(gòu)建的供應鏈可靠性診斷模型[J].計算機工程與應用,2017,53(5):260-265+270.
[12]陳國華,張根保,任顯林,等.基于故障樹分析法的供應鏈可靠性診斷方法及仿真研究[J].計算機集成制造系統(tǒng),2009,15(10):2 034-2 038+2 049.
[13]許振宇,任世科,郭雪松,等.不確定條件下應急供應鏈可靠性評價模型[J].運籌與管理,2015,24(3):35-44.
[14]郭雪松,孫林巖,徐晟.一類基于隨機著色Petri網(wǎng)的多級供應鏈可靠性模型研究[J].運籌與管理,2006,15(6):66-70.
[15]萬娜娜,錢存華.單周期隨機需求下基于協(xié)調(diào)策略的供應鏈庫存系統(tǒng)可靠性研究[J].系統(tǒng)科學學報,2012,20(3):84-87.
[16]王新利.基于BP神經(jīng)網(wǎng)絡專家系統(tǒng)的供應鏈風險評價研究[J].中國流通經(jīng)濟,2010,24(6):27-30.
[17]HUANG H Z,ZUO M J,SUN Z Q.Bayesian reliability analysis for fuzzy lifetime data[J].Fuzzy sets&systems,2006,157(12):1 674-1 686.
[18]HELGE L,LUIGI P.Bayesian networks in reliability[J].Reliability engineering and system safety,2007,92(1):92-108.
[19]PENG W,LI Y F,MI J,et al.Reliability of complex systems under dynamic conditions:a Bayesian multivariate degradation perspective[J].Reliability engineering&system safety,2016,153(1):75-87.
[20]BORSUK M E,STOW C A,RECKHOW K H.A Bayesian network of eutrophication models for synthesis,prediction,and uncertainty analysis[J].Ecological modelling,2004,173(2-3):219-239.
[21]JACKSON C,MOSLEH A.Bayesian inference with overlapping data:methodology for reliability estimation of multi-state on-demand systems[J].Journal of risk&reliability,2012,226(3):283-294.
[22]張浩,張鐵男,何明珂,等.基于多層Bayes估計的戰(zhàn)略協(xié)同網(wǎng)絡供應鏈可靠性研究[J].控制與決策,2010,25(10):1 552-1 556+1 566.
[23]LIU,W.H,XIE,D.Quality decision of the logistics service supply chain with service quality guarantee[J].International journal of production research,2013,51(5):1 618-1 634.
[24]董豆豆,馮靜,孫權(quán),等.模糊情形下基于貝葉斯網(wǎng)絡的可靠性分析方法[J].系統(tǒng)工程學報,2006(6):668-672.
[25]WILSON A G,HUXURBAZAR A V.Bayesian networks for multilevel system reliability[J].Reliability engine-ering&system safety,2007,92(10):1 413-1 420.
[26]CAI B,LIU Y,LIU Z,et al.Using Bayesian networks in reliability evaluation for subsea blowout preventer control system[J].Reliability engineering&system safety,2012,108(12):32–41.
[27]高志軍,劉偉,高潔.服務主導邏輯下物流服務供應鏈的價值共創(chuàng)機理[J].中國流通經(jīng)濟,2014,28(11):71-77.
[29]單寶玲.基于客戶需求的供應鏈物流服務質(zhì)量研究[J].中國流通經(jīng)濟,2007,21(9):26-28.
[28]陳東寧,姚成玉.基于模糊貝葉斯網(wǎng)絡的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應用[J].機械工程學報,2012,48(16):175-183.
[30]劉艷秋,蔡超.考慮可靠性的物流服務供應鏈的契約設計[J].控制與決策,2017,32(11):2 039-2 044.
[31]馮向前,譚倩云,錢鋼.猶豫模糊語言的可能度排序方法[J].控制與決策,2016,31(4):640-646.