黃 穎，錢清波

（1.江蘇科技大學張家港校區(qū)，江蘇 張家港 215600；2.中船工業(yè)現(xiàn)代物流研究中心,江蘇 鎮(zhèn)江 212003；3.雅迪科技集團有限公司，江蘇 無錫 214105）

1 引言

冷鏈運輸過程是整個冷鏈中最容易出現(xiàn)故障的環(huán)節(jié)。參與人員多，耗時長，外部不確定因素多等都對冷鏈過程造成了巨大的風險。因此，“斷鏈”問題主要出現(xiàn)在運輸環(huán)節(jié)。對這一環(huán)節(jié)進行故障風險分析，能夠有效提升冷鏈系統(tǒng)的可靠性，保障冷鏈的質(zhì)量，降低風險損失，提升冷鏈物流的服務水平。

對于冷鏈運輸?shù)墓收献R別與防范，目前主要的方法是采用故障樹（FTA）技術，針對不同的冷鏈物流故障，可以將故障狀態(tài)作為分析的目標，并尋找引致這一故障發(fā)生的各種因素，分析系統(tǒng)發(fā)生故障時的各種可能原因，實現(xiàn)問題的迅速定位，為問題的解決與預防提供可靠的決策參考。

目前，物聯(lián)網(wǎng)技術的快速發(fā)展，為故障因素的數(shù)據(jù)采集提供了大量智能硬件，通過全過程的監(jiān)控與大量數(shù)據(jù)的分析，可以有效得到各種運輸狀態(tài)，利用故障調(diào)查表得到的各種故障因素，生成貝葉斯網(wǎng)絡，為后續(xù)的故障分析與決策提供可靠的決策建議，提高冷鏈物流過程中應對風險的應急能力。

2 冷鏈運輸?shù)墓收戏治?/h2>

在2016年，全國冷鏈市場的市場需求達到了2 200億元，比上年增長了22.3%。海量的市場需求推動了冷鏈行業(yè)的快速發(fā)展。但是與發(fā)達國家相比，我國的冷鏈化率以及冷鏈服務水平依然不高。在冷鏈運輸環(huán)節(jié)，不規(guī)范現(xiàn)象以及劣幣驅(qū)逐良幣現(xiàn)象仍然較為普遍。

在冷鏈運輸市場中，設備與溫度不達標，為降低成本，中途關掉制冷設備等不規(guī)范行為導致了冷鏈過程失控，據(jù)統(tǒng)計，對冷鏈產(chǎn)品來說，溫度每升高6攝氏度，細菌的生長速度加快一倍，貨架期縮短一半。而這樣不規(guī)范的競爭行為，在市場上利用價格優(yōu)勢參與競爭，損害了消費者的利益。

因此，在冷鏈運輸過程中，需要能夠?qū)滏溸^程進行有效的跟蹤，對數(shù)據(jù)進行實時的采集記錄，為決策提供堅實的依據(jù)。

冷鏈運輸過程中的故障主要可以分為主觀故障和客觀故障兩個方面，根據(jù)長時間的跟蹤分析，歸納主要有如下幾個方面，具體見表1。

表1 冷鏈運輸過程中的常見故障

在可能導致冷鏈運輸過程失控的諸多因素中，有很多是可以通過技術手段或者管理手段加以解決的。在宏觀政策環(huán)境方面，2017年4月，由國務院辦公廳下發(fā)的《國務院辦公廳關于加快發(fā)展冷鏈物流保障食品安全促進消費升級的意見》，明確提出“著力構建符合我國國情的‘全鏈條、網(wǎng)絡化、嚴標準、可追溯、新模式、高效率’”的現(xiàn)代化冷鏈物流體系，滿足居民消費升級需要，促進農(nóng)民增收，保障食品消費安全?！蓖ㄟ^制修訂一批冷鏈物流強制標準，推動行業(yè)優(yōu)勝劣汰，促進行業(yè)有序發(fā)展。

因此，在冷鏈運輸環(huán)節(jié)做好故障分析，提高冷鏈管理水平，提升質(zhì)量是當務之急。

3 基于貝葉斯網(wǎng)絡的冷鏈故障分析方法

貝葉斯網(wǎng)絡又稱為信念網(wǎng)絡，是目前對不確定知識表達以及推理領域的重要模型之一。1988年由Pearl提出后，已經(jīng)成為近年來的熱點，特別是在AI算法上，大量用到了貝葉斯網(wǎng)絡進行機器學習。在冷鏈故障分析中，利用各種渠道來源信息構建貝葉斯網(wǎng)絡，首先將設備故障分為各個相互獨立且完全包含的類別，然后對各個故障類別分別建造貝葉斯網(wǎng)絡模型。通常冷鏈故障由一個或幾個原因造成，這些原因又可能由一個或幾個更低層次的原因造成。建立起網(wǎng)絡的節(jié)點關系后，還需要進行概率估計。具體方法是假設在某故障原因出現(xiàn)的情況下，估計該故障原因各個節(jié)點的條件概率，這種局部化概率估計的方法可以大大提高效率。使用貝葉斯網(wǎng)絡必須知道各個狀態(tài)之間相關的概率。要得到這些參數(shù)，既需要通過各種傳感器的采樣，也需要由故障分析人員填寫風險故障分析表，記錄在故障發(fā)生時各個因素所出現(xiàn)的狀態(tài)條件，通過大量數(shù)據(jù)的訓練，能夠協(xié)助分析人員得出在某狀態(tài)出現(xiàn)時，導致故障發(fā)生的風險概率，從而提前做好相應的預防工作。

3.1 故障分析系統(tǒng)的組成

故障分析系統(tǒng)主要由以下幾個部分組成：

（1）數(shù)據(jù)庫。用于儲存冷鏈運輸過程中各控制節(jié)點所采集的數(shù)據(jù)，以及常態(tài)化的故障分析表數(shù)據(jù)信息。

（2）電子地圖。對運輸過程進行實時化監(jiān)控與調(diào)度，便于實現(xiàn)遠程化管理。

（3）信息采集與監(jiān)控系統(tǒng)。通過利用各種傳感器（如溫濕度、加速度、光線、超聲等）采集運輸過程中的各種狀態(tài)信息，分析各狀態(tài)參量是否處于正常值范圍，為決策提供參考。

（4）故障分析與控制系統(tǒng)。通過基于故障樹的貝葉斯網(wǎng)絡分析，在狀態(tài)參量出現(xiàn)異常時，能夠及時根據(jù)貝葉斯網(wǎng)絡對故障概率進行估計，并且提供故障應對與解決的參考意見。

3.2 故障風險分析數(shù)據(jù)采集

利用貝葉斯網(wǎng)絡構建故障分析模型并不困難，難點在于如何獲得各個狀態(tài)變量，并通過概率推理來獲取其他概率信息的過程。狀態(tài)變量的采集也分為硬件數(shù)據(jù)采集和人工風險登記兩方面：

（1）硬件數(shù)據(jù)采集?，F(xiàn)有的智能硬件主要核心是傳感器技術和網(wǎng)絡通信技術。通過傳感器可以根據(jù)一定的時間間隔記錄狀態(tài)信息，通過網(wǎng)絡將信息發(fā)送至控制中心，對不同狀態(tài)量的獲取和聯(lián)合分析，能夠?qū)\行狀態(tài)進行有效的監(jiān)控，當發(fā)生異常時，可以及時進行相應的處理，使事后控制變成事前和事中控制，降低故障成本。例如，對冷藏車廂內(nèi)，通過多個溫感探頭，能夠探測到在不同區(qū)域溫度的狀態(tài)與變化情況。通過出風口和回風口溫度，能夠偵測不同區(qū)域溫度的變化情況，通過設備記錄的溫度變化情況，可以對全過程進行有效監(jiān)控。

（2）人工風險登記。冷鏈運輸?shù)膶嶋H執(zhí)行者是人，是與冷鏈運輸系統(tǒng)直接相關聯(lián)的主體。因此，通過制度化的風險登記手段，能夠?qū)σ殉霈F(xiàn)的或者尚未出現(xiàn)的問題進行系統(tǒng)化的排查，并且對故障原因以及解決手段進行記錄，不斷地訓練故障分析系統(tǒng)，使之能夠更為準確地預知故障。常見的人工風險登記表見表2。

風險分析表的作用在于：

（1）便于企業(yè)收集故障風險發(fā)生以及其原因的一手資料，有益于今后貝葉斯風險網(wǎng)絡的建立。

（2）便于企業(yè)收集相關故障風險的處理方案，并通過方案耗費以及耗時的對比，了解最佳的處理方式，并應用于今后風險數(shù)據(jù)庫的建立。

3.3 基于Netica的貝葉斯網(wǎng)絡構建

對于貝葉斯網(wǎng)絡的構建，目前已經(jīng)有了不少應用工具，如BayesBuider、BN Toolkit、JavaBayes等。使用Java開發(fā)的Netica軟件進行故障模型的建立，能夠快速地建立貝葉斯網(wǎng)絡模型，通過數(shù)據(jù)訓練快速得到故障概率信息，便于決策。

表2 風險故障分析表

4 應用案例

本文以冷鏈過程中的車輛拋錨故障為例，對其進行原因分析，來闡述貝葉斯網(wǎng)絡的構建以及后續(xù)推理的過程。

4.1 冷鏈車輛拋錨原因分析

車輛拋錨是冷鏈車輛運行過程中的大敵，會導致冷氣機無法正常工作，帶來冷鏈產(chǎn)品的質(zhì)量失控。車輛拋錨的故障分析見表3。

表3 車輛拋錨故障分析

由此可以看出，導致車輛拋錨的原因很多，且關系也較復雜。圖1為車輛拋錨原因的關系圖。

4.2 貝葉斯網(wǎng)絡模型的建立

根據(jù)圖1的原因分析圖建立貝葉斯網(wǎng)絡。

（1）新建的貝葉斯網(wǎng)絡如圖2所示。

創(chuàng)建貝葉斯網(wǎng)絡后，要對節(jié)點進行重新定義，包括名稱、標題、離散等屬性。由于貝葉斯網(wǎng)絡沒有進行參數(shù)的訓練，網(wǎng)絡中所有節(jié)點的概率柵為灰色不可用。

圖1 車輛拋錨原因關系圖

（2）網(wǎng)絡數(shù)據(jù)的訓練。貝葉斯網(wǎng)絡的訓練分為兩種方式，第一種是通過軟件節(jié)點的Table窗口進行直接設置，如圖3所示。

第二種則是通過調(diào)用樣本數(shù)據(jù)表，根據(jù)實際數(shù)據(jù)進行訓練。在學習之前，需要先明確各節(jié)點的名稱以及主題：A:車輛拋錨；B：變速箱損壞；C：車架故障；D：燃油泵損壞；E：未定期保養(yǎng)；F：保養(yǎng)不仔細；B1：變速箱打齒；B2：長期空檔滑行；C1：停車姿勢不正確；D1：線路燒壞；D11：油位長期過低。由圖2可知，每一個節(jié)點都是Nature型變量，其可分為兩種不同的狀態(tài)：Yes（有此狀況）和No（未有此情況）?，F(xiàn)實中，對于數(shù)據(jù)的來源可以通過以下方式：歷史數(shù)據(jù)的讀取以及利用風險故障分析表來對當下風險發(fā)生的原因以及表現(xiàn)進行記錄，合并之后進行整理。

圖2 貝葉斯網(wǎng)絡的創(chuàng)建

圖3 貝葉斯網(wǎng)絡參數(shù)直接設置方式

通過采集各節(jié)點的狀態(tài)數(shù)據(jù)，用其對構建的貝葉斯網(wǎng)絡進行訓練。模擬樣本數(shù)據(jù)如圖4所示。

經(jīng)過樣本數(shù)據(jù)訓練后，貝葉斯網(wǎng)絡如圖5所示。

4.3 利用貝葉斯網(wǎng)絡進行風險推理

貝葉斯網(wǎng)絡的風險推理是通過更改網(wǎng)絡中不同節(jié)點的具體情況，推理出風險發(fā)生的原因或者可能產(chǎn)生的后果，在與原貝葉斯網(wǎng)絡以及顯示掌握的信息的對比，對未知因素進行預測。

貝葉斯網(wǎng)絡的預測主要有三種方式：

（1）Reason分析（診斷分析）：該分析方式主要用于對風險故障發(fā)生后的原因倒查，并可結合風險預案數(shù)據(jù)庫，完成對故障風險的最優(yōu)化處理（最低耗時以及最低耗費）。假設，在貝葉斯網(wǎng)絡圖中，車輛拋錨已成事實，而要分析推理車輛拋錨的可能原因，則改變網(wǎng)絡圖中車輛拋錨（A）節(jié)點的狀態(tài)Yes的概率為100，No的概率為0，再通過Netica的auto update功能，得知改變后各節(jié)點的概率的改變，如圖6所示。

圖4 模擬樣本數(shù)據(jù)

圖5 數(shù)據(jù)訓練之后的貝葉斯網(wǎng)絡

通過圖5與圖6的對比，發(fā)現(xiàn)變速箱損壞、車架故障、燃油泵損害、未定期保養(yǎng)、保養(yǎng)不仔細的概率都有所上升。其中變速箱損壞的概率上升了10.4%，車架故障損害的概率上升了2%，燃油泵損害的概率上升了2.3%，未定期保養(yǎng)的概率上升了3.3%，保養(yǎng)不仔細的概率上升了1.3%。所以，可以推測出該車輛拋錨的原因大概率為變速箱的損壞。

（2）Result分析（原因結果分析）：該分析方式主要是針對已存在的狀況（個人操作失誤、管理失誤以及機械故障），對可能發(fā)生的風險以及風險發(fā)生的概率進行預估，對于可導致風險發(fā)生的大概率事件，通過優(yōu)化管理、制度規(guī)范等達到預防的效果。假設，在貝葉斯網(wǎng)絡中，車主未定期保養(yǎng)，我們要推測的車輛拋錨的概率，則在貝葉斯網(wǎng)絡中改變未定期保養(yǎng)（節(jié)點E）節(jié)點的狀態(tài)Yes的概率為100，No的概率為0，再利用Netica軟件的auto update功能，得知各節(jié)點狀態(tài)的變化，如圖7所示。

圖7與圖5對比，車輛拋錨的概率上升了5%，這說明車輛未定期保養(yǎng)會造成車輛拋錨的概率上升。

（3）綜合推理：綜合推理是結合診斷推理和因果推理的綜合推理方式，是在已經(jīng)知曉風險和已經(jīng)知曉某故障時，推斷另外故障發(fā)生出現(xiàn)的可能性。該分析方式主要是針對某些復雜風險，并通過已掌握的實際情況（已知某狀況或者失誤存在或不存在），進行復雜故障的原因排查。

通過Netica軟件實現(xiàn)風險的原因分析，需要大量現(xiàn)實數(shù)據(jù)的支撐。而冷鏈的儲運在不同地區(qū)各種風險發(fā)生的概率都有所不同，所以本文僅提供冷鏈儲運風險發(fā)生原因的貝葉斯網(wǎng)絡的構建，對于參數(shù)的訓練，則要結合各地區(qū)的冷鏈風險發(fā)生現(xiàn)狀以及過往的相關數(shù)據(jù)進行設立。

圖6 車輛拋錨原因分析

圖7 未定期保養(yǎng)結果分析

4.4 冷鏈運輸過程故障貝葉斯網(wǎng)絡模型

冷鏈運輸過程故障主要是車輛和制冷系統(tǒng)的相關故障，其中制冷系統(tǒng)相關的故障包括：

（1）車廂溫度下降緩慢。主要原因包括：冷庫的門未關閉嚴實、制冷設備的功效過低、制冷設備中缺少冷媒或者冷媒不足、制冷設備凝霜較重。

（2）制冷設備不啟動：冷庫斷電或者線路損壞、制冷設備發(fā)生故障、溫度控制器故障。

（3）壓縮機運行過程中突然停止：電機過熱、管道堵塞、繼電器斷電、電壓過低、冷負載過大。

（4）壓縮機不能停止：控制系統(tǒng)失靈、壓縮機氣閥泄漏。

車輛故障包括：

（1）車輛無法啟動：油箱沒油或燃油油位過低、電瓶沒電、噴油器損壞、進氣系統(tǒng)故障。

（2）車輛拋錨：如上述實例。

（3）車輛剎車不靈：剎車系統(tǒng)保養(yǎng)不當、司機操作不當（高速狀態(tài)頻繁剎車、剎車油不足、制動片老化、剎車線斷裂）、嚴重超載。

（4）車輛高速行駛發(fā)生車輛震動：胎壓不均、輪胎定位以及軸距不準。

（5）車輛轉向不足或過度轉向。

根據(jù)上述原因分析，可通過Netica軟件建立相應的貝葉斯網(wǎng)絡，以便進行風險故障的原因分析。建立的貝葉斯網(wǎng)絡如圖8所示。

圖8 冷藏車風險的貝葉斯網(wǎng)絡

4.5 應急預案數(shù)據(jù)庫的建立

應急預案數(shù)據(jù)庫主要是在發(fā)生風險后，在知曉大致原因的情況下，通過調(diào)用數(shù)據(jù)庫中預存的風險處理方案，為操作人員提供最為正確的處理方式。其主要操作方式如下：

（1）根據(jù)各風險發(fā)生原因，編寫解決方案（如車輛爆胎解決方案、壓縮機故障解決方案等）并錄入到數(shù)據(jù)庫之中。

（2）根據(jù)實際發(fā)生的風險，通過Netica軟件分析得出風險發(fā)生原因。

（3）根據(jù)原因調(diào)用應急預案數(shù)據(jù)庫中的應急預案。

（4）根據(jù)采集來的車、庫內(nèi)外溫濕度來推測計算在冷藏品安全受到威脅前，大概的風險處理時間。

（5）將應急預案以及處理時間發(fā)送給發(fā)生風險的終端，由實際操作人員根據(jù)實際情況選擇最優(yōu)的處理方案。

5 結論

冷鏈運輸是物流領域中快速成長的具有較高附加值的領域，其中的風險問題需要通過科學的手段進行分析與預判，降低故障出現(xiàn)概率，并且借助于大量數(shù)據(jù)的采集，訓練人工智能技術，為科學決策提供更為有力的參考，提升冷鏈的應急管理水平。