摘要：為明確裝配式建筑供應(yīng)鏈的關(guān)鍵風(fēng)險(xiǎn)因素及其之間的相互作用，首先，基于裝配式建筑供應(yīng)鏈系統(tǒng)結(jié)構(gòu)和特點(diǎn)將其劃分為4個(gè)子系統(tǒng)，利用線下調(diào)研和收集的案例樣本提煉出16個(gè)主要風(fēng)險(xiǎn)因素，構(gòu)建相應(yīng)的故障樹模型并將其轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)；其次，通過(guò)改進(jìn)的專家調(diào)查法獲取底層風(fēng)險(xiǎn)因素的先驗(yàn)概率，并將收集到的樣本數(shù)據(jù)導(dǎo)入GeNIe軟件進(jìn)行參數(shù)學(xué)習(xí)，得出相應(yīng)的風(fēng)險(xiǎn)因素概率分布；最后，對(duì)模型進(jìn)行逆向推理與敏感性分析。結(jié)果表明：設(shè)計(jì)與生產(chǎn)不匹配和生產(chǎn)線故障是導(dǎo)致供應(yīng)商故障的關(guān)鍵因素；墊塊設(shè)置不合理和裝卸操作不規(guī)范是造成物流運(yùn)輸質(zhì)量缺陷的關(guān)鍵因素。

關(guān)鍵詞：裝配式建筑；供應(yīng)鏈風(fēng)險(xiǎn)；故障樹；貝葉斯網(wǎng)絡(luò)；風(fēng)險(xiǎn)概率

0"引言

裝配式建筑供應(yīng)鏈競(jìng)爭(zhēng)日益激烈和環(huán)境高度不確定性，以及對(duì)決策的時(shí)間要求更加嚴(yán)格，對(duì)裝配式建筑供應(yīng)鏈可靠性提出了更高的要求。造成裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)的因素，一方面，可能是復(fù)雜性和競(jìng)爭(zhēng)力的加??；另一方面，可能是預(yù)測(cè)不確定性、知識(shí)產(chǎn)權(quán)、采購(gòu)庫(kù)存和產(chǎn)能限制，以及人因失誤、信息流通等內(nèi)部和自然災(zāi)害、政治、經(jīng)濟(jì)因素等外部風(fēng)險(xiǎn)事件的發(fā)生。此外，由于精益管理的趨勢(shì)，庫(kù)存減少，供應(yīng)鏈合作伙伴之間的依賴性增強(qiáng)，這些都將加劇供應(yīng)鏈風(fēng)險(xiǎn)發(fā)生。

Pei等"[1]針對(duì)在不確定條件下模塊化建筑項(xiàng)目的風(fēng)險(xiǎn)規(guī)避物流配置問(wèn)題，構(gòu)建了制造、儲(chǔ)存、組裝階段及庫(kù)存位置的最佳選擇模型，通過(guò)魯棒優(yōu)化分析了項(xiàng)目進(jìn)度偏差的原因。任大勇"[2]針對(duì)以制造商為核心的供應(yīng)鏈系統(tǒng)，構(gòu)建實(shí)體類、個(gè)體類和因素類3個(gè)層級(jí)的供應(yīng)鏈風(fēng)險(xiǎn)傳導(dǎo)模型，并借助隨機(jī)Petri網(wǎng)絡(luò)構(gòu)建了供應(yīng)鏈可靠性診斷模型，提出了蒙特卡洛可靠性診斷推理算法，將供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行量化識(shí)別。Zhu等"[3]采用WBS-RBS方法綜合分析裝配式建筑供應(yīng)鏈的工作環(huán)節(jié)和風(fēng)險(xiǎn)類型，建立裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并構(gòu)建相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)預(yù)測(cè)評(píng)估模型。

可靠性工程方法論被廣泛用以評(píng)估和量化供應(yīng)鏈的系統(tǒng)風(fēng)險(xiǎn)。其中，故障樹分析法將系統(tǒng)風(fēng)險(xiǎn)發(fā)生作為頂事件，依據(jù)系統(tǒng)結(jié)構(gòu)及節(jié)點(diǎn)間的邏輯關(guān)系建立故障樹模型，通過(guò)定性與定量分析計(jì)算出系統(tǒng)風(fēng)險(xiǎn)概率和可靠性"[4]。王成付"[5]將金融業(yè)務(wù)供應(yīng)鏈流程分為三階段，據(jù)此構(gòu)建金融風(fēng)險(xiǎn)控制故障樹和串并聯(lián)可靠性模型，在已知可靠度目標(biāo)值的前提下，對(duì)模型進(jìn)行了可靠性的優(yōu)化分配。Sherwin等"[6]基于物料流清單，運(yùn)用故障樹分析法識(shí)別小批量、高價(jià)值、長(zhǎng)交付型供應(yīng)鏈延遲的風(fēng)險(xiǎn)，確定了產(chǎn)品組合的最佳緩解策略，以減少物料流延誤概率。

故障樹分析法建立的模型雖然能夠較為系統(tǒng)的對(duì)風(fēng)險(xiǎn)因素進(jìn)行評(píng)估，但無(wú)法清楚地呈現(xiàn)故障因素之間不確定的因果關(guān)系。貝葉斯網(wǎng)絡(luò)可彌補(bǔ)這一缺陷，通過(guò)對(duì)模型的推理進(jìn)行前向預(yù)測(cè)，以及系統(tǒng)風(fēng)險(xiǎn)事件發(fā)生后進(jìn)行故障診斷。兩種方法的集成已經(jīng)在多個(gè)領(lǐng)域被成功應(yīng)用，如評(píng)估城市燃?xì)夤艿老到y(tǒng)的風(fēng)險(xiǎn)"[7]、評(píng)估工程建設(shè)項(xiàng)目的收益風(fēng)險(xiǎn)"[8]，以及評(píng)估航空安全風(fēng)險(xiǎn)"[9]等。

此外，陳雍君等"[10]通過(guò)建立地下綜合管廊運(yùn)維風(fēng)險(xiǎn)的故障樹模型，梳理了風(fēng)險(xiǎn)因素之間的邏輯關(guān)系，將故障樹映射為貝葉斯網(wǎng)絡(luò)，構(gòu)建了地下綜合管廊運(yùn)維風(fēng)險(xiǎn)評(píng)估模型。劉書慶等"[11]利用故障樹分析法構(gòu)建了產(chǎn)品質(zhì)量風(fēng)險(xiǎn)致因關(guān)系模型，基于模糊集理論得出基本事件的先驗(yàn)概率，結(jié)合貝葉斯網(wǎng)絡(luò)推理，獲取底事件的后驗(yàn)概率及關(guān)鍵重要度，為產(chǎn)品質(zhì)量風(fēng)險(xiǎn)致因推理提供了依據(jù)。陳雪龍等"[12]運(yùn)用貝葉斯網(wǎng)絡(luò)識(shí)別并發(fā)性突發(fā)事件之間的因果邏輯和耦合關(guān)系，并證明該方法在提高災(zāi)害預(yù)測(cè)精度方面的優(yōu)勢(shì)。

上述成果顯示故障樹與貝葉斯網(wǎng)絡(luò)的集成應(yīng)用對(duì)于故障統(tǒng)計(jì)數(shù)據(jù)難以獲取、系統(tǒng)結(jié)構(gòu)認(rèn)識(shí)不充分的復(fù)雜系統(tǒng)進(jìn)行風(fēng)險(xiǎn)分析的可行性。鑒于從系統(tǒng)層面運(yùn)用貝葉斯網(wǎng)絡(luò)對(duì)裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)因素間的影響機(jī)理進(jìn)行分析及量化評(píng)估的必要性，本文通過(guò)線下調(diào)研及案例收集的結(jié)果，構(gòu)建故障樹模型，并轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)進(jìn)行逆向推理和風(fēng)險(xiǎn)因素的敏感性分析，為裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)的預(yù)測(cè)和診斷提供參考和依據(jù)。

1"裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)因素分析及其故障樹模型

1.1"裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)因素分析

在結(jié)合文獻(xiàn)分析與實(shí)地調(diào)研的基礎(chǔ)上，本文將裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)劃分為主備供應(yīng)商系統(tǒng)、庫(kù)存系統(tǒng)故障、物流系統(tǒng)故障，及外界環(huán)境風(fēng)險(xiǎn)4個(gè)方面，并對(duì)風(fēng)險(xiǎn)因素進(jìn)行以下分析：

（1）主備供應(yīng)商系統(tǒng)故障。從施工方的視角出發(fā)，將預(yù)制構(gòu)件供應(yīng)商系統(tǒng)可分為主供應(yīng)商和備用供應(yīng)商。供應(yīng)商即構(gòu)件制造商，該環(huán)節(jié)受人員、設(shè)備、材料等多因素影響，因此，發(fā)生風(fēng)險(xiǎn)的頻率也較高。此外，為了保證供應(yīng)鏈各節(jié)點(diǎn)能夠?qū)崟r(shí)、準(zhǔn)確和可靠地將信息相互傳達(dá)，主供應(yīng)商故障且信息系統(tǒng)故障也被納入主備供應(yīng)商系統(tǒng)故障分析。當(dāng)信息系統(tǒng)出現(xiàn)故障時(shí)，供應(yīng)鏈主體之間將無(wú)法及時(shí)獲悉對(duì)方的故障情況，如果客戶能夠正常收到主供應(yīng)商生產(chǎn)故障的信息，系統(tǒng)將激活備用供應(yīng)商進(jìn)行生產(chǎn)活動(dòng)，以最大限度地降低工期延誤的風(fēng)險(xiǎn)。然而，在實(shí)際生產(chǎn)活動(dòng)中存在大量的不確定性因素，備用供應(yīng)商也存在其他業(yè)務(wù)或自身生產(chǎn)中斷，可能導(dǎo)致無(wú)法及時(shí)供貨，因此，供應(yīng)商系統(tǒng)發(fā)生故障，會(huì)對(duì)交付期產(chǎn)生影響。

（2）庫(kù)存系統(tǒng)故障。當(dāng)供應(yīng)商故障出現(xiàn)供貨中斷的情況，客戶還可能擁有一定量的庫(kù)存，以減少供應(yīng)鏈故障對(duì)工期造成的影響。

（3）物流系統(tǒng)故障。物流系統(tǒng)故障從運(yùn)輸交付期和運(yùn)輸質(zhì)量?jī)煞矫婵紤]?；炷令A(yù)制構(gòu)件質(zhì)量較大，在運(yùn)輸中可能受不均勻受力和摩擦碰撞影響，造成質(zhì)量問(wèn)題。

（4）外界環(huán)境風(fēng)險(xiǎn)故障。行業(yè)政策和市場(chǎng)需求波動(dòng)可能會(huì)對(duì)上游原材料商造成影響，導(dǎo)致供應(yīng)鏈的連續(xù)性波動(dòng)。此外，自然災(zāi)害也是供應(yīng)鏈管理需要考慮的風(fēng)險(xiǎn)因素。

綜上所述，總結(jié)出裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)因素及其釋義（表1）。

1.2"故障樹模型建立

故障樹分析法被廣泛應(yīng)用于復(fù)雜系統(tǒng)的可靠性評(píng)估與風(fēng)險(xiǎn)分析研究，其采用圖像演繹的形式對(duì)系統(tǒng)中的事件間的邏輯關(guān)系進(jìn)行定性分析，從而確定不同事件之間的組合所導(dǎo)致的上層事件的發(fā)生概率。其模型結(jié)構(gòu)包括底事件、中間事件及頂事件，每層事件間用邏輯門連接。其中，“與門”表示如果所有輸入事件發(fā)生，則輸出事件將發(fā)生；“或門”表示如果任何一個(gè)輸入事件發(fā)生，則輸出事件將發(fā)生。

將供應(yīng)鏈風(fēng)險(xiǎn)發(fā)生作為頂事件，通過(guò)上文分析的結(jié)果，將裝配式建筑主備供應(yīng)商系統(tǒng)故障、庫(kù)存系統(tǒng)故障、物流系統(tǒng)故障，以及外界環(huán)境風(fēng)險(xiǎn)設(shè)為模型的中間事件，再自上而下，對(duì)可能導(dǎo)致中間事件發(fā)生的各項(xiàng)因素作為底事件，構(gòu)建裝配式建筑供應(yīng)鏈故障樹模型，如圖1所示，共有8個(gè)中間事件和16個(gè)底事件。

2"裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)模型構(gòu)建

2.1"貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)是貝葉斯理論與圖論的有機(jī)結(jié)合，其網(wǎng)絡(luò)結(jié)構(gòu)為有向無(wú)環(huán)圖（DAG），包括代表變量的Xi的節(jié)點(diǎn)（包括父節(jié)點(diǎn)和子節(jié)點(diǎn)）、代表節(jié)點(diǎn)之間邏輯關(guān)系的有向邊，以及各節(jié)點(diǎn)相應(yīng)的條件概率表（CPT）。網(wǎng)絡(luò)結(jié)構(gòu)中，箭尾的節(jié)點(diǎn)稱為父節(jié)點(diǎn)，箭頭指向的節(jié)點(diǎn)稱為子節(jié)點(diǎn)，沒(méi)有被箭頭指向的節(jié)點(diǎn)稱為根節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)事件的概率函數(shù)均由條件概率表所表示，根節(jié)點(diǎn)的先驗(yàn)概率與父節(jié)點(diǎn)的條件概率可以依據(jù)專家經(jīng)驗(yàn)或歷史數(shù)據(jù)獲取。

貝葉斯參數(shù)表示貝葉斯網(wǎng)絡(luò)模型的一組條件概率分布，表示節(jié)點(diǎn)在其父節(jié)點(diǎn)某一值的狀態(tài)下的條件概率分布（CPD）。

設(shè)代表相互獨(dú)立的離散隨機(jī)變量的節(jié)點(diǎn)事件的集合為U={X1，X2，…，Xn}，根據(jù)條件獨(dú)立性和鏈?zhǔn)椒▌t，其貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型的聯(lián)合概率分布P為

P（X1， X2， …， Xn）=∏ni=1P（Xipa（Xi））

式中，pa（Xi）是節(jié)點(diǎn)Xi的父節(jié)點(diǎn)；i=1， 2， …， n。

節(jié)點(diǎn)Xi發(fā)生的概率為P（Xi），其對(duì)立事件發(fā)生的概率記為P（Xi），則根據(jù)全概率公式，存在一個(gè)父節(jié)點(diǎn)的節(jié)點(diǎn)Xi發(fā)生概率，即

P（Xi）=P（Xipa（Xi））P（pa（Xi））+P（Xi pa（Xi））P（pa（Xi））

當(dāng)存在多個(gè)父節(jié)點(diǎn)時(shí)，用故障樹模型的中間節(jié)點(diǎn)Y6舉例，即

P（Y6）=P（Y6X4，X5）P（X4）P（X5）+P（Y6X4，X5）P（X4）P（X5）+P（Y6X4，X5）P（X4）P（X5）+P（Y6X4，X5）P（X4）P（X5）

2.2"貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)確定

本文的貝葉斯網(wǎng)絡(luò)模型由故障樹模型直接轉(zhuǎn)化而得。故障樹模型中的節(jié)點(diǎn)事件與邏輯門皆為貝葉斯網(wǎng)絡(luò)中的隨機(jī)變量，其映射過(guò)程分為，網(wǎng)絡(luò)結(jié)構(gòu)映射和條件概率映射兩步。網(wǎng)絡(luò)結(jié)構(gòu)映射按照故障樹中的底事件、中間事件、頂事件分別映射為貝葉斯網(wǎng)絡(luò)中的根節(jié)點(diǎn)、父節(jié)點(diǎn)及葉節(jié)點(diǎn)，故障樹映射貝葉斯網(wǎng)絡(luò)規(guī)則如圖2所示。

2.3"貝葉斯網(wǎng)絡(luò)模型的參數(shù)確定

貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)是進(jìn)行貝葉斯網(wǎng)絡(luò)推理的必要條件，它可以分為根節(jié)點(diǎn)的先驗(yàn)概率和非根節(jié)點(diǎn)的條件概率。在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)確定的情況之下，通常采用兩種方法進(jìn)行參數(shù)學(xué)習(xí)，分別是專家調(diào)查法和基于案例樣本的機(jī)器學(xué)習(xí)算法，常用的算法包括最大似然估計(jì)法（MLE）、梯度下降法（GD），以及最大期望算法（EM）等。在工程項(xiàng)目的系統(tǒng)風(fēng)險(xiǎn)或可靠性研究中，貝葉斯網(wǎng)絡(luò)的根節(jié)點(diǎn)先驗(yàn)概率分布通常采用專家調(diào)查法計(jì)算獲取。由于供應(yīng)鏈風(fēng)險(xiǎn)的底事件發(fā)生概率的相關(guān)數(shù)據(jù)獲取渠道有限，因此，本文采用專家調(diào)查法，并結(jié)合信心指數(shù)對(duì)數(shù)據(jù)進(jìn)行修正，以達(dá)到數(shù)據(jù)合理且貼切實(shí)際的效果。

對(duì)于非根節(jié)點(diǎn)的條件概率分布，如果同樣采用專家調(diào)查法計(jì)算，會(huì)出現(xiàn)條件概率表的條件狀態(tài)數(shù)量隨父節(jié)點(diǎn)數(shù)量增加呈指數(shù)增長(zhǎng)的問(wèn)題，本文構(gòu)建的貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)事件狀態(tài)為二態(tài)離散變量，即事件發(fā)生（Y）與不發(fā)生（N），若某一子節(jié)點(diǎn)的父節(jié)點(diǎn)個(gè)數(shù)為n，則該子節(jié)點(diǎn)的條件概率數(shù)量為2"n。因此，通過(guò)對(duì)專家進(jìn)行訪談和互聯(lián)網(wǎng)渠道獲取的裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)案例數(shù)據(jù)集，最后基于GeNIe軟件運(yùn)行EM算法進(jìn)行參數(shù)學(xué)習(xí)。

由于缺少與結(jié)構(gòu)中底事件發(fā)生概率相關(guān)的統(tǒng)計(jì)數(shù)據(jù)，因此，通過(guò)專家訪談進(jìn)行數(shù)據(jù)的采集工作。通常，專家調(diào)查法的評(píng)估結(jié)果都是默認(rèn)專家完全自信條件下的結(jié)果，然而，專家群體也存在由于經(jīng)驗(yàn)不足或知識(shí)不全面的問(wèn)題，使得問(wèn)卷結(jié)果與實(shí)際情況存在差距。針對(duì)以上問(wèn)題，提出了結(jié)合信心指數(shù)的方法對(duì)評(píng)估結(jié)果進(jìn)行修正，從而使結(jié)果與實(shí)際情況更加吻合。根據(jù)工作經(jīng)驗(yàn)、職位情況、學(xué)歷高低，將參與調(diào)研的4名專家進(jìn)行等級(jí)和計(jì)算系數(shù)賦值，進(jìn)而得到不同的計(jì)算權(quán)重，以加權(quán)評(píng)估概率。

（1）設(shè)計(jì)專家調(diào)查權(quán)重表見(jiàn)表2。

表2"設(shè)計(jì)專家調(diào)查權(quán)重表

等級(jí)r專家人數(shù)nr計(jì)算系數(shù)xr計(jì)算權(quán)重wr110.90.32210.80.25310.70.22410.60.21

專家調(diào)查權(quán)重公式如下

wr=xr∑4r=1nr×xr

（2）基于信心指數(shù)求得底事件的模糊概率區(qū)間。設(shè)第i名專家（其計(jì)算權(quán)重為wi）在評(píng)估底事件j的發(fā)生概率時(shí)，依據(jù)個(gè)人專業(yè)能力和工作經(jīng)驗(yàn)給出的概率區(qū)間記為[Lij，Rij]，信心指數(shù)記為Kij（0lt;Kijlt;1）。當(dāng)Kij越小，專家對(duì)自己的評(píng)估結(jié)果存在的不確定性越大；反之，評(píng)估結(jié)果的不確定性越小。以此得到的概率區(qū)間的間隔為Δij=Rij-Lij ，則專家i對(duì)于事件j的模糊概率的計(jì)算公式如下

Pij=wi［mij-（1-Kij）Δij， mij， mij+（1-Kij）Δij］=（xij， mij， yij）

式中，mij=（Rij+Lij）/2。

（3）通過(guò)加權(quán)處理可以求得底事件j的模糊概率為

Pj=∑mi=1Pij

（4）解模糊化。為方便計(jì)算，將計(jì)算得到的模糊均值轉(zhuǎn)化為更直觀的概率值，即

PJMH=xij+2mij+yij4

3"基于貝葉斯網(wǎng)絡(luò)的推理分析

3.1"參數(shù)學(xué)習(xí)

貝葉斯網(wǎng)絡(luò)具有良好的參數(shù)學(xué)習(xí)能力，利用樣本數(shù)據(jù)與根節(jié)點(diǎn)的先驗(yàn)概率對(duì)樣本進(jìn)行估計(jì)，用GeNIe軟件對(duì)模型進(jìn)行參數(shù)學(xué)習(xí)和供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估。

通過(guò)對(duì)陜西西安某裝配式建筑預(yù)制構(gòu)件生產(chǎn)企業(yè)進(jìn)行線下調(diào)研，對(duì)包括生產(chǎn)經(jīng)理、副經(jīng)理、質(zhì)量專員及采購(gòu)專員等在內(nèi)的專家進(jìn)行訪談，按照基于信心指數(shù)修正的專家調(diào)查法對(duì)底事件的先驗(yàn)概率進(jìn)行計(jì)算，基于信心指數(shù)修正的底事件先驗(yàn)概率見(jiàn)表3。將收集到的樣本數(shù)據(jù)進(jìn)行規(guī)范化處理后導(dǎo)入軟件中與各節(jié)點(diǎn)進(jìn)行匹配，再設(shè)置各根節(jié)點(diǎn)的先驗(yàn)概率，對(duì)模型更新，得到貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)結(jié)果，如圖3所示。

3.2"基于貝葉斯網(wǎng)絡(luò)的推理分析

3.2.1"貝葉斯網(wǎng)絡(luò)逆向推理分析

貝葉斯網(wǎng)絡(luò)的逆向推理可以用于診斷疾病、推斷原因分析等領(lǐng)域，幫助人們理解事件的原因和概率。根據(jù)已知的結(jié)果或觀測(cè)值，通過(guò)網(wǎng)絡(luò)中的節(jié)點(diǎn)之間的條件概率關(guān)系，推斷出導(dǎo)致這些結(jié)果的原因或假設(shè)的概率分布。

先預(yù)設(shè)供應(yīng)鏈系統(tǒng)故障概率為1，通過(guò)有向弧對(duì)各節(jié)點(diǎn)的后驗(yàn)概率進(jìn)行反向推理，計(jì)算公式如下

P（Yi=1T=1）=P（T=1Yi=1）P（Yi）∑ni=1P（T=1Yi=1）P（Yi）

式中，Yi為貝葉斯網(wǎng)絡(luò)中葉節(jié)點(diǎn)T的父節(jié)點(diǎn)。

假設(shè)裝配式建筑供應(yīng)鏈發(fā)生風(fēng)險(xiǎn)，即將頂事件T供應(yīng)鏈風(fēng)險(xiǎn)狀態(tài)為Y的概率設(shè)為100%。通過(guò)逆向推理計(jì)算得出各節(jié)點(diǎn)的后驗(yàn)概率，貝葉斯網(wǎng)絡(luò)各節(jié)點(diǎn)后驗(yàn)概率如圖4所示。4個(gè)子系統(tǒng)的后驗(yàn)概率值由高至低依次為：主備供應(yīng)商系統(tǒng)故障（0.42）、庫(kù)存子系統(tǒng)故障（0.40）、庫(kù)存系統(tǒng)故障（0.20）以及外界環(huán)境風(fēng)險(xiǎn)（0.11）。綜上，主備供應(yīng)商系統(tǒng)和物流系統(tǒng)的后驗(yàn)概率遠(yuǎn)大于其他子系統(tǒng)，因此在供應(yīng)鏈管理過(guò)程中需要重點(diǎn)關(guān)注主備供應(yīng)商的生產(chǎn)狀況與物流系統(tǒng)的運(yùn)輸狀況。

綜上所述，在正向推理和逆向推理情況下，主備供應(yīng)商系統(tǒng)故障的概率均最高。裝配式建筑的主備供應(yīng)鏈采用訂單試生產(chǎn)模式。雖然在主供應(yīng)商生產(chǎn)中斷且信息通暢的情況下能夠激活備用供應(yīng)商接替生產(chǎn)，降低了由于供應(yīng)商故障造成的供應(yīng)中斷情況，但受人因失誤、設(shè)備故障等復(fù)雜因素的影響（導(dǎo)致供應(yīng)商故障概率為0.38），仍然無(wú)法避免產(chǎn)生交貨期延誤的風(fēng)險(xiǎn)。

物流系統(tǒng)中，墊塊設(shè)置不合理（X12）和裝卸操作不規(guī)范（X11）的概率分別為0.16和0.13，是導(dǎo)致運(yùn)輸質(zhì)量缺陷（Y8）的主要因素，這與調(diào)研企業(yè)訪談的結(jié)果一致。

3.2.2"敏感性分析

貝葉斯網(wǎng)絡(luò)敏感性分析指通過(guò)改變網(wǎng)絡(luò)中的參數(shù)或變量，分析這些變化對(duì)目標(biāo)節(jié)點(diǎn)的影響程度，從而幫助分析不同參數(shù)對(duì)于目標(biāo)節(jié)點(diǎn)的重要性，以及整個(gè)系統(tǒng)的脆弱性和穩(wěn)定性。運(yùn)用GeNIe軟件對(duì)模型進(jìn)行敏感性分析，得到所有底事件的敏感度值，底事件敏感度見(jiàn)表4。

針對(duì)貝葉斯網(wǎng)絡(luò)的所有條件概率和邊緣概率進(jìn)行敏感性分析，將頂事件T供應(yīng)鏈風(fēng)險(xiǎn)作為目標(biāo)節(jié)點(diǎn)輸出貝葉斯網(wǎng)絡(luò)敏感性分析龍卷風(fēng)圖，如圖5所示。對(duì)供應(yīng)鏈風(fēng)險(xiǎn)發(fā)生概率影響程度最大的為條件概率，P（T=YY4=N，Y3=N，Y2=N，Y1=N），其次是P（T=YY4=N，Y3=N，Y2=N，Y1=Y）。

4"結(jié)語(yǔ)

裝配式建筑供應(yīng)鏈采用訂單式生產(chǎn)模式，其對(duì)供應(yīng)鏈的風(fēng)險(xiǎn)控制要求較高，進(jìn)行風(fēng)險(xiǎn)評(píng)估和關(guān)鍵風(fēng)險(xiǎn)因素識(shí)別有利于企業(yè)采取更有針對(duì)性的措施進(jìn)行風(fēng)險(xiǎn)因素把控，從而為裝配式建筑供應(yīng)鏈運(yùn)行提供保障。

（1）本文通過(guò)線下調(diào)研及文獻(xiàn)分析匯總裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)、不可靠因素及相關(guān)故障案例，基于構(gòu)件生產(chǎn)方視角匯總了16個(gè)底事件，解釋各風(fēng)險(xiǎn)事件的內(nèi)涵，并梳理各層因素之間的邏輯關(guān)系，構(gòu)建相應(yīng)的故障樹模型。

（2）通過(guò)將故障樹模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)，運(yùn)用GeNIe軟件對(duì)模型展開參數(shù)學(xué)習(xí)得到各節(jié)點(diǎn)的條件概率，從而通過(guò)模型推理和敏感性分析進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)和診斷，并得出主備供應(yīng)商系統(tǒng)故障和物流系統(tǒng)故障具有更高的風(fēng)險(xiǎn)。該結(jié)論與調(diào)研訪談的結(jié)果一致，驗(yàn)證了本文采用的分析方法能夠有效解決模型不確定信息及不完整數(shù)據(jù)的問(wèn)題，提高了評(píng)估的效率和可信度。

（3）基于分析結(jié)果，企業(yè)在實(shí)際生產(chǎn)活動(dòng)中應(yīng)當(dāng)關(guān)注由人因失誤、設(shè)備故障等因素，以及設(shè)計(jì)與生產(chǎn)不匹配等專業(yè)技術(shù)問(wèn)題引起的供應(yīng)商生產(chǎn)中斷問(wèn)題，盡可能地提高操作人員素養(yǎng)，加強(qiáng)設(shè)備維修，避免無(wú)效浪費(fèi)，改善我國(guó)建筑業(yè)粗放式生產(chǎn)的特點(diǎn)。同時(shí)，避免構(gòu)件在運(yùn)輸載具內(nèi)由于墊塊設(shè)置不合理造成的質(zhì)量問(wèn)題。

參考文獻(xiàn)

[1]PEI Y H， MARCO A， PANAGIOTIS A."Risk-averse supply chain for modular construction projects[J]."Automation in Construction， 2019（106）： 102898.

[2]任大勇.供應(yīng)鏈可靠性診斷的隨機(jī)Petri網(wǎng)模型及算法研究[J].渭南師范學(xué)院學(xué)報(bào)，2018，33（20）：28-38.

[3]ZHU T， LIUG."A novel hybrid methodology to study the risk management of prefabricated building supply chains： an outlook for sustainability[J]."Sustainability， 2022， 15（1）： 361.

[4]RUIJTERS E， STOELINGA M."Fault tree analysis： a survey of the state-of-the-art in modeling， analysis and tools[J]."Computer science review， 2015（15）：29-62.

[5]王成付.基于故障樹與可靠性分配理論的供應(yīng)鏈金融風(fēng)險(xiǎn)控制研究[J].管理現(xiàn)代化，2016，36（4）：110-112.

[6]SHERWIN M D， MEDAL H， LAPP S A."Proactive cost-effective identification and mitigation of supply delay risks in a low volume high value supply chain using fault-tree analysis[J]."International Journal of Production Economics， 2016（175）： 153-163.

[7]瞿英， 王旭茗， 王玉恒，等."基于多態(tài)模糊貝葉斯網(wǎng)絡(luò)的城市燃?xì)夤艿朗鹿曙L(fēng)險(xiǎn)預(yù)測(cè)與診斷研究[J]."河北科技大學(xué)學(xué)報(bào)， 2023， 44 （4）： 411-420.

[8]傅曉， 趙方方， 石世英， 等."基于貝葉斯網(wǎng)絡(luò)的PPP項(xiàng)目收益風(fēng)險(xiǎn)分擔(dān)決策研究[J]."建筑經(jīng)濟(jì)， 2023， 44 （10）： 96-104.

[9]許保光， 王蓓蓓， 池宏， 等."基于貝葉斯網(wǎng)絡(luò)的航空安全中不安全信息分析[J]."中國(guó)管理科學(xué)， 2020， 28 （12）： 118-129.

[10]陳雍君，李曉健，張麗，等.故障樹和模糊貝葉斯網(wǎng)絡(luò)在管廊運(yùn)維風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J].安全與環(huán)境學(xué)報(bào)， 2024， 24（3）： 857-866.

[11]劉書慶，王怡萍.產(chǎn)品質(zhì)量危機(jī)事件原因挖掘模型研究[J].運(yùn)籌與管理，2021，30（11）：176-182.

[12]陳雪龍， 姜坤."基于貝葉斯網(wǎng)絡(luò)的并發(fā)型突發(fā)事件鏈建模方法[J]."中國(guó)管理科學(xué)， 2021， 29 （10）： 165-177.

[13]AQLAN F， LAM S S."A fuzzy-based integrated framework for supply chain risk assessment[J]."International journal of production economics， 2015（161）： 54-63.

[14]LI Z， GU J， XU T， et al."Reliability analysis of complex system based on dynamic fault tree and dynamic Bayesian network[C].2017.

[15]陳偉炯，范雯，朱小林，等.乳制品冷鏈物流風(fēng)險(xiǎn)評(píng)估的DBN方法研究[J].系統(tǒng)仿真學(xué)報(bào)，2019，31（5）：936-945.

[16]李金蓉，楊玉中.DS理論-貝葉斯網(wǎng)絡(luò)下的煤礦通風(fēng)系統(tǒng)風(fēng)險(xiǎn)評(píng)估[J].中國(guó)安全科學(xué)學(xué)報(bào)，2022，32（8）：146-153.

[17]劉文燕，高齊圣.基于貝葉斯網(wǎng)絡(luò)的傳統(tǒng)餐飲業(yè)食品安全風(fēng)險(xiǎn)分析[J/OL].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)：1-8[2024-03-15].http：//kns.cnki.net/kcms/detail/37.1402.N.20231013.1421.002.html.

[18]武群麗，田懿晨.基于AHP-DEMATEL-ISM模型的裝配式建筑供應(yīng)鏈風(fēng)險(xiǎn)因素研究[J].工程管理學(xué)報(bào)，2022，36（4）：29-34.

收稿日期：2023-11-29

作者簡(jiǎn)介：

徐園林（1996—），男，研究方向：工業(yè)工程與管理。