基于改進(jìn)TOPSIS-模糊貝葉斯網(wǎng)絡(luò)的郵輪建造物資物流風(fēng)險評估

曹潔， 王海燕， 鄭凌垚

(武漢理工大學(xué)交通與物流工程學(xué)院， 武漢 430063)

0 引 言

郵輪建造物資具有單船定制性強(qiáng)、物流層級復(fù)雜、種類和數(shù)量巨大、多專業(yè)多地域協(xié)同等特點，物資物流周期長、參與主體眾多、節(jié)點控制嚴(yán)格等造成物流管理存在較多不確定性和不可控因素。同時，不同物資的物流模式和不同的物流渠道會導(dǎo)致不同性質(zhì)的風(fēng)險，若不對風(fēng)險加以識別和控制，則物流進(jìn)度會受到直接影響甚至出現(xiàn)物流中斷，導(dǎo)致郵輪建造企業(yè)的物資需求得不到及時滿足，甚至出現(xiàn)生產(chǎn)中斷等嚴(yán)重后果[1-2]。

國內(nèi)外針對船舶建造物資物流風(fēng)險的研究較少，其中關(guān)于郵輪的更少。GIAGLIS等[3]指出造船物資物流風(fēng)險主要來自外部環(huán)境、企業(yè)內(nèi)部、管理過程和信息傳遞過程等；陳勃等[4]從生產(chǎn)計劃、外部環(huán)境、合作關(guān)系、生產(chǎn)建造、采購供應(yīng)和船舶交付等方面構(gòu)建造船供應(yīng)鏈運作模型；謝亞雄等[5]將造船供應(yīng)鏈風(fēng)險分為供給、需求和協(xié)調(diào)風(fēng)險，從內(nèi)、外部分析風(fēng)險產(chǎn)生機(jī)理，提出造船供應(yīng)鏈風(fēng)險管理五階段模型；王海燕等[6]基于流程圖構(gòu)建郵輪建造舾裝物流集配流程風(fēng)險評價體系，結(jié)合粗糙集理論剔除影響小的指標(biāo)，并利用三角模糊數(shù)評估風(fēng)險；姚建波[7]運用人因工程理論構(gòu)建評價體系，基于多級模糊綜合評估理論，建立客滾船應(yīng)急脆弱性綜合評估方法。

綜合現(xiàn)有文獻(xiàn)，普通商船建造物資物流風(fēng)險評估多采用模糊綜合評價和層次分析法，主觀性均較強(qiáng)，不適用于郵輪。有些文獻(xiàn)在主觀性、不全面性、不確定性、因果關(guān)系量化等問題上仍存在不足，難以滿足郵輪建造物資物流風(fēng)險管理的實際需求。基于此，采用工作分解結(jié)構(gòu)-風(fēng)險分解結(jié)構(gòu)(work breakdown structure - risk breakdown structure,WBS-RBS)全面識別風(fēng)險因素，利用改進(jìn)逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)排序篩選以確定主要風(fēng)險，然后基于貝葉斯網(wǎng)絡(luò)在處理復(fù)雜、不確定性、數(shù)據(jù)不全、因果分析等問題上的優(yōu)勢，根據(jù)事故樹構(gòu)建貝葉斯網(wǎng)絡(luò)評估模型，引入模糊理論弱化主觀判斷，并以國產(chǎn)首艘大型郵輪的暖通空調(diào)物資物流為例進(jìn)行驗證。

1 風(fēng)險評估模型建立

郵輪建造物資物流過程復(fù)雜，風(fēng)險種類繁多。為避免評估中遺漏重大風(fēng)險，采用WBS分解物流流程，利用RBS分解風(fēng)險種類，耦合形成WBS-RBS矩陣識別風(fēng)險，保證風(fēng)險識別的全面性和分解結(jié)構(gòu)合理性。為合理簡化風(fēng)險，同時考慮風(fēng)險的模糊性和可獲取數(shù)據(jù)的有限性，選擇改進(jìn)TOPSIS對已識別的風(fēng)險因素從發(fā)生概率、損失程度和可控性等3個方面進(jìn)行定量分析，得到重要度高的風(fēng)險。結(jié)合貝葉斯網(wǎng)絡(luò)處理不確定性問題的優(yōu)越性，采用模糊貝葉斯網(wǎng)絡(luò)定量評估風(fēng)險，分析風(fēng)險間的因果關(guān)系，推斷風(fēng)險事件發(fā)生概率和主要原因。

1.1 風(fēng)險因素辨識

1.1.1 郵輪建造物資物流影響因素分析

郵輪建造物資物流活動受造船企業(yè)內(nèi)部和外部的影響，內(nèi)部影響主要來自人、物等資源以及對這些資源的管理協(xié)調(diào)和指導(dǎo)，外部影響主要來自供應(yīng)商、海關(guān)、第三方物流公司等。因此，本文主要從人員、設(shè)備、環(huán)境、管理和外部因素等5個方面進(jìn)行分析。

(1)人員因素。①人的不安全行為：員工因其對普通商船建造經(jīng)驗豐富而盲目自信，安全意識下降，以及過勞工作等，均會增加操作風(fēng)險。②違章操作：物流操作崗位多為復(fù)合工種人員，對郵輪業(yè)務(wù)或物資特性不熟悉，違章操作可能性較高。

(2)設(shè)備因素。①物流設(shè)備：設(shè)備和設(shè)施出現(xiàn)故障或老化，會影響物資的存取，進(jìn)而影響物資流通。②設(shè)備及其場地資源支持：一些郵輪建造物資超大、超重，不能采用一般的設(shè)備進(jìn)行裝卸和搬運，必須配備專用設(shè)備及場地。

(3)環(huán)境因素。①自然環(huán)境：臺風(fēng)和暴雨等惡劣天氣影響物資運輸、裝卸、倉儲環(huán)節(jié)，造成物流效率降低甚至停工。②倉儲、運輸環(huán)境：部分物資對倉儲、運輸環(huán)境要求高，倉儲溫度、濕度等條件控制難度大。

(4)管理因素。①計劃管理：郵輪建造過程中各節(jié)點的調(diào)整都會導(dǎo)致計劃變更，計劃管理不到位將加劇設(shè)計計劃變更的影響。②管理制度、組織及培訓(xùn)：郵輪與其他類型船舶在物資物流模式、操作等方面存在較大差異，制度、組織及培訓(xùn)等都會影響物流高效運行。③溝通與協(xié)作：郵輪物資物流環(huán)節(jié)相關(guān)方多、溝通鏈條長，溝通不足會導(dǎo)致物流活動在時間進(jìn)度和安排上脫節(jié)。

(5)外部因素。①供應(yīng)商供貨：物資物流活動以供應(yīng)商發(fā)貨為起點，生產(chǎn)部門領(lǐng)用為終點。發(fā)貨延遲或供貨質(zhì)量、重量問題會影響整個物流進(jìn)度。②第三方合作：第三方企業(yè)與造船企業(yè)在運作機(jī)制、管理方式方面有差異，雙方銜接不暢會導(dǎo)致物流進(jìn)度與船舶建造進(jìn)度不匹配。③突發(fā)事件：疫情、罷工等突發(fā)狀況會影響國內(nèi)外供應(yīng)商供應(yīng)、員工正常工作等，甚至使物流活動中斷。

1.1.2 WBS-RBS識別風(fēng)險

WBS將物流過程按照結(jié)構(gòu)關(guān)系分解成若干獨立的作業(yè)單元。RBS將物資物流過程中可能存在的風(fēng)險逐層分解，細(xì)化至不同層次的子風(fēng)險。以RBS為行，WBS為列，建立WBS-RBS耦合矩陣，構(gòu)建風(fēng)險與作業(yè)活動的映射關(guān)系，判斷各子級工作可能存在的導(dǎo)致風(fēng)險事件發(fā)生的風(fēng)險因素[8]。

1.2 改進(jìn)TOPSIS篩選確定主要風(fēng)險因素

1.2.1 風(fēng)險因素量化

為給風(fēng)險決策提供明確、可量化的依據(jù)，運用專家打分法從風(fēng)險發(fā)生概率、損失程度和可控性等3個方面按照不同層級量化風(fēng)險，最終風(fēng)險等級由這3個屬性決定。風(fēng)險等級具體評分標(biāo)準(zhǔn)見表1。

表1 風(fēng)險等級評定及評分標(biāo)準(zhǔn)

1.2.2 風(fēng)險因素排序篩選依據(jù)

TOPSIS是采用數(shù)學(xué)逼近思想，根據(jù)有限對象與理想化目標(biāo)的接近程度排序的方法。改進(jìn)TOPSIS排除不同指標(biāo)量綱的影響，充分利用原始信息，改進(jìn)正負(fù)理想解的距離公式，更客觀地反映對象優(yōu)劣性[9]。改進(jìn)TOPSIS排序篩選風(fēng)險因素的步驟如下：

將初始矩陣U歸一化處理后統(tǒng)一規(guī)范為效益型指標(biāo)[10]，得標(biāo)準(zhǔn)化矩陣E=(eij)n×3，其公式為

(1)

(2)

式中：eij為第i個風(fēng)險因素的第j個屬性指標(biāo)標(biāo)準(zhǔn)化后的值；uij為第i個風(fēng)險因素的第j個屬性指標(biāo)值；minuj、maxuj分別為第j個屬性指標(biāo)的最小值和最大值。

(2)屬性權(quán)重確定及風(fēng)險因素優(yōu)劣排序。為減小專家的主觀影響，根據(jù)標(biāo)準(zhǔn)化矩陣建立目標(biāo)規(guī)劃優(yōu)化模型，通過數(shù)學(xué)方法客觀計算屬性指標(biāo)的權(quán)重，求解步驟如下。風(fēng)險屬性的權(quán)重為wj,各風(fēng)險因素的正負(fù)理想解加權(quán)距離平方和為

(3)

(4)

由此構(gòu)造拉格朗日函數(shù)：

(5)

(3)風(fēng)險因素篩選。為簡化風(fēng)險因素，引入熵值理論。熵值法根據(jù)風(fēng)險因素信息量的大小判斷其重要性。信息熵Hi越小說明風(fēng)險因素的信息量越大，作用越大，以此判斷是否采納[10]。對于標(biāo)準(zhǔn)化矩陣E=(eij)n×3，有

(6)

(7)

式中：zij為第i個風(fēng)險因素的第j個屬性的貢獻(xiàn)度；ki為第i個風(fēng)險因素在整個風(fēng)險體系中的比重。根據(jù)信息熵Hi的閾值，完成對風(fēng)險因素的篩選，確定主要風(fēng)險因素。

1.3 模糊貝葉斯網(wǎng)絡(luò)評價模型構(gòu)建

1.3.1 貝葉斯網(wǎng)絡(luò)基本原理

貝葉斯網(wǎng)絡(luò)由概率規(guī)則表示各形式的不確定性，是由網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)組成的概率圖形模型[11]。

(1)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是由節(jié)點和有向邊組成的有向無環(huán)圖，通過網(wǎng)絡(luò)結(jié)構(gòu)表示各變量間的依賴和獨立關(guān)系，節(jié)點表示變量狀態(tài)，有向邊為依賴關(guān)系，將節(jié)點分為根節(jié)點、中間節(jié)點和目標(biāo)節(jié)點。

(2)貝葉斯網(wǎng)絡(luò)參數(shù)由根節(jié)點的先驗概率和節(jié)點間的條件概率組成。貝葉斯公式見式(8)，貝葉斯網(wǎng)絡(luò)通過m個隨機(jī)變量X={X1,X2,…,Xm}的聯(lián)合分布表示研究目標(biāo)，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)為后驗概率；P(π(Xi))為先驗概率；P(Xi|π(Xi))為條件概率；P(Xi)為節(jié)點概率；P(X1,X2,…,Xm)為聯(lián)合概率[12]。

1.3.2 事故樹模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)

首先確定事故樹頂事件T，通過篩選的風(fēng)險因素構(gòu)建事故樹并向貝葉斯網(wǎng)絡(luò)映射(貝葉斯網(wǎng)絡(luò)節(jié)點與事故樹中事件對應(yīng))，并根據(jù)事故樹的邏輯門確定條件概率關(guān)系[12]，與門、或門映射關(guān)系見圖1和2，其中X1和X2為基本事件，也稱為底事件。

圖1 與門映射關(guān)系

圖2 或門映射關(guān)系

1.3.3 梯形模糊數(shù)和Buckley法確定先驗概率

貝葉斯網(wǎng)絡(luò)根節(jié)點先驗概率與事故樹基本事件發(fā)生概率一一對應(yīng)。采用梯形模糊數(shù)代替評比尺度，將根節(jié)點概率對比矩陣標(biāo)定為Buckley矩陣：

B=(vij)n×n

式中：vij(i,j=1,2,…,n)為梯形模糊數(shù)，vij=(aij,bij,cij,dij)，且B對角線上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)

為便于比較模糊數(shù)的大小，引入梯形模糊數(shù)精確化公式[14]，則

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

(12)

以vxk作為根節(jié)點的發(fā)生概率值，則所有標(biāo)定的根節(jié)點概率為V={vx1,vx2,…,vxk,…,vxn}。

1.3.4 風(fēng)險推理分析

根據(jù)先驗概率和條件概率，結(jié)合貝葉斯網(wǎng)絡(luò)進(jìn)行風(fēng)險推理分析，主要包括風(fēng)險預(yù)測、風(fēng)險診斷和重要度分析。風(fēng)險預(yù)測指通過因果推理預(yù)測風(fēng)險發(fā)生概率。風(fēng)險診斷指基于反向推理得到根節(jié)點后驗概率，將其與先驗概率對比診斷事故發(fā)生原因[15]。重要度分析采用結(jié)構(gòu)重要度、概率重要度和關(guān)鍵重要度作為風(fēng)險評估標(biāo)準(zhǔn)，分析基本事件導(dǎo)致頂事件發(fā)生的可能性[13]。

(1)結(jié)構(gòu)重要度。結(jié)構(gòu)重要度假定各基本事件發(fā)生概率相等，分析基本事件發(fā)生對頂事件產(chǎn)生的影響。

P(T=1|Xi=0,P(Xj=1)=0.5,1≤j≠i≤n)

(13)

式中：T為頂事件；Xi、Xj為基本事件；P(T=1|·)為頂事件發(fā)生的條件概率；Xi=1表示基本事件i發(fā)生；Xi=0表示基本事件i不發(fā)生；P(Xj=1)為基本事件j發(fā)生的概率；n為基本事件數(shù)量。

(2)概率重要度。概率重要度指某基本事件發(fā)生概率的單位變化量引起的頂事件發(fā)生概率的變化值。

(14)

(3)關(guān)鍵重要度。關(guān)鍵重要度指頂事件發(fā)生概率的變化率與基本事件發(fā)生概率變化率的比值。

(15)

排序比較根節(jié)點先驗概率、后驗概率和重要度后，分析整合評估結(jié)果，確定頂事件發(fā)生的主要原因事件，并提出相應(yīng)措施。

2 實例分析

選取國產(chǎn)首艘大型郵輪的暖通空調(diào)物資物流進(jìn)行實證研究，采用建立的風(fēng)險評估模型分析風(fēng)險，以驗證該模型的正確性和科學(xué)性。

2.1 暖通空調(diào)物資概況

國產(chǎn)首艘大型郵輪的暖通空調(diào)物資有種類復(fù)雜、主要依賴進(jìn)口、高值易損、風(fēng)管數(shù)量巨大等特點。風(fēng)管運輸、加工、配送全過程由國內(nèi)供應(yīng)商負(fù)責(zé)；其余物資均從國外進(jìn)口。進(jìn)口物資通關(guān)后，供應(yīng)商根據(jù)企業(yè)需求將其送至廠內(nèi)或第三方物流公司(即外借倉庫)，經(jīng)清點檢查、重量和質(zhì)量檢驗后接收并定置存放，然后根據(jù)生產(chǎn)需求集配物資。外借倉庫根據(jù)物資需求按時供應(yīng)，配齊后配送給生產(chǎn)部門。物流模式見圖3。

圖3 國產(chǎn)首艘大型郵輪暖通空調(diào)物資物流模式

2.2 暖通空調(diào)物資物流風(fēng)險因素確定

2.2.1 物流風(fēng)險識別

基于郵輪暖通空調(diào)物資物流流程，按作業(yè)階段分為到貨前(W1)、到貨檢驗入庫(W2)、倉儲庫存集配(W3)、發(fā)放配送(W4)、物資回收(W5)等5個環(huán)節(jié)，再根據(jù)各環(huán)節(jié)作業(yè)流程細(xì)分，見圖4。基于物流影響因素分析，從人員風(fēng)險(R1)、設(shè)備風(fēng)險(R2)、環(huán)境風(fēng)險(R3)、管理風(fēng)險(R4)、外部風(fēng)險(R5)等5個方面構(gòu)建物流風(fēng)險分解結(jié)構(gòu)，見圖5。

圖4 郵輪暖通空調(diào)物資物流工作分解結(jié)構(gòu)

圖5 郵輪暖通空調(diào)物資物流風(fēng)險分解結(jié)構(gòu)

WBS-RBS耦合識別各子級工序Wgh(g=1,2,…,5；h=1,2,…,4)與風(fēng)險層級Rpq(p=1,2,…,5；q=1,2,…,4)結(jié)合是否產(chǎn)生風(fēng)險因素WghRpq，風(fēng)險因素清單見表2。

2.2.2 風(fēng)險因素排序篩選

選擇參與國產(chǎn)首艘大型郵輪建造暖通空調(diào)物資物流管理的5名專家進(jìn)行問卷調(diào)查，統(tǒng)計分析風(fēng)險的相對重要度。因風(fēng)險發(fā)生概率、損失程度和可控性量綱統(tǒng)一，無須歸一化，直接根據(jù)式(1)和(2)進(jìn)行標(biāo)準(zhǔn)化處理。風(fēng)險發(fā)生概率和損失程度為成本型指標(biāo)，可控性為效益型指標(biāo)。根據(jù)式(3)得fi(w)值，實現(xiàn)風(fēng)險預(yù)排序。由式(6)和(7)計算風(fēng)險信息熵Hi，分析各區(qū)間風(fēng)險數(shù)，將Hi閾值設(shè)為(0, 0.3)篩選風(fēng)險，見表3。

2.3 基于模糊貝葉斯網(wǎng)絡(luò)的風(fēng)險評價模型構(gòu)建

2.3.1 貝葉斯網(wǎng)絡(luò)構(gòu)建

綜合國內(nèi)外船舶及郵輪建造物資物流歷史事故，物流風(fēng)險后果主要有配送延遲、質(zhì)量損失、成本增加、安全事故等，其中配送延遲發(fā)生頻率高且直接影響郵輪建造進(jìn)度，引發(fā)的后果最嚴(yán)重。因此，以配送延遲為例，結(jié)合篩選后的風(fēng)險因素構(gòu)建配送延遲事故樹，具體事件設(shè)計和事故樹模型見表4和圖6。根據(jù)第1.3.2節(jié)的映射方法，將配送延遲事故樹映射成對應(yīng)的貝葉斯網(wǎng)絡(luò)，見圖7。

表2 郵輪暖通空調(diào)物資物流風(fēng)險因素清單

表3 改進(jìn)TOPSIS篩選后的風(fēng)險因素

2.3.2 模糊標(biāo)定貝葉斯網(wǎng)絡(luò)根節(jié)點

選擇5名專家對基本事件發(fā)生的概率打分，各專家資質(zhì)背景相當(dāng)，默認(rèn)他們打分的權(quán)重相同。將專家賦值翻譯為基本事件相對概率的Buckley決策矩陣，利用第1.3.3節(jié)的梯形模糊數(shù)和Buckley法計算得到各根節(jié)點的相對先驗概率，見表5。

2.3.3 風(fēng)險分析

(1)風(fēng)險預(yù)測。將根節(jié)點先驗概率和條件概率輸入貝葉斯網(wǎng)絡(luò)，通過Netica軟件計算得到暖通空調(diào)物資配送延遲風(fēng)險發(fā)生的概率是0.444 0，其中導(dǎo)致事故發(fā)生的直接原因物資未配齊發(fā)生的概率為0.368 0，物資已配齊未及時發(fā)放發(fā)生的概率為0.077 5，風(fēng)管供應(yīng)商發(fā)放不及時發(fā)生的概率為0.047 0。因此，可優(yōu)先采取措施降低物資未配齊風(fēng)險，從而降低配送延遲發(fā)生的可能性。

表4 郵輪暖通空調(diào)物資配送延遲事故樹事件

圖6 郵輪暖通空調(diào)物資配送延遲事故樹

圖7 郵輪暖通空調(diào)物資配送延遲貝葉斯網(wǎng)絡(luò)

表5 貝葉斯網(wǎng)絡(luò)根節(jié)點相對先驗概率

(2)風(fēng)險診斷。在Netica軟件中調(diào)整配送延遲風(fēng)險發(fā)生概率為100%得到各根節(jié)點的后驗概率，對比先驗概率與后驗概率相差值，見圖8。通過對比發(fā)現(xiàn)，設(shè)計和計劃變更、人員對新物資認(rèn)識不足、存放不規(guī)范、理貨混亂、風(fēng)管供應(yīng)商發(fā)放不及時、外借倉庫未保質(zhì)保量及時配送的發(fā)生概率顯著增加，供應(yīng)商發(fā)貨延遲、物資重量和質(zhì)量不合格、到貨跟蹤不到位的先驗概率和后驗概率始終較大。因此，暖通空調(diào)物資配送延遲的主要潛在風(fēng)險源為設(shè)計和計劃變更、人員對新物資認(rèn)識不足、存放不規(guī)范、理貨混亂、風(fēng)管供應(yīng)商發(fā)放不及時、外借倉庫未保質(zhì)保量及時配送、供應(yīng)商發(fā)貨延遲、物資重量和質(zhì)量不合格以及到貨跟蹤不到位。

圖8 貝葉斯網(wǎng)絡(luò)先驗概率與后驗概率對比

(3)根節(jié)點重要度分析。根據(jù)式(13)～(15)，結(jié)合Netica軟件，計算貝葉斯網(wǎng)絡(luò)根節(jié)點的結(jié)構(gòu)重要度、概率重要度和關(guān)鍵重要度，見表6。根據(jù)重要度計算結(jié)果，結(jié)構(gòu)重要度排序為

概率重要度排序為

關(guān)鍵重要度排序為

由結(jié)構(gòu)重要度排序結(jié)果可知，專業(yè)水平和安全意識不足、設(shè)計和計劃變更、人員對新物資認(rèn)識不足、物資擺放不穩(wěn)、零散物件未綁扎、風(fēng)管供應(yīng)商發(fā)放不及時，以及外借倉庫未保質(zhì)保量及時配送等重要度較高，通過降低這些事件的發(fā)生概率能保障暖通空調(diào)物資物流進(jìn)度的穩(wěn)定。

概率和關(guān)鍵重要度的高峰交集表示影響事故發(fā)生程度較高、降低先驗概率較容易的事件，通過降低這些事件發(fā)生的概率，能有效降低配送延遲風(fēng)險。

表6 貝葉斯網(wǎng)絡(luò)根節(jié)點重要度計算結(jié)果

由概率和關(guān)鍵重要度排序結(jié)果可知，兩者排序均位居前列的主要有人員對新物資認(rèn)識不足、專業(yè)水平和安全意識不足、物資存放不規(guī)范、設(shè)計和計劃變更、風(fēng)管供應(yīng)商發(fā)放不及時、理貨混亂、外借倉庫信息傳遞不及時以及未保質(zhì)保量及時配送等。

綜上，通過加強(qiáng)人員對郵輪暖通空調(diào)物資的認(rèn)知，提高人員專業(yè)水平和安全意識，保證計劃準(zhǔn)確及物資倉儲集配規(guī)范，加強(qiáng)對第三方企業(yè)和供應(yīng)商的監(jiān)管等，可大大降低暖通空調(diào)物資配送延遲發(fā)生的可能性，保障物資供應(yīng)穩(wěn)定。

3 結(jié) 論

針對郵輪建造物資物流過程中風(fēng)險的復(fù)雜性和模糊不確定性，從物流流程層級和風(fēng)險種類雙重角度識別風(fēng)險源，運用改進(jìn)TOPSIS進(jìn)行定量分析，引入熵值篩選影響較大的風(fēng)險，并綜合事故樹與模糊貝葉斯網(wǎng)絡(luò)，以事故控制為重點，分析風(fēng)險傳播的關(guān)鍵線路，診斷預(yù)防風(fēng)險。該評價模型具有層次清晰、覆蓋全面、準(zhǔn)確性高、針對性強(qiáng)的特點，為郵輪物資物流過程中的風(fēng)險預(yù)防及管控提供借鑒和參考。

通過實例分析可以看出，利用梯形模糊數(shù)和Buckley法標(biāo)定貝葉斯網(wǎng)絡(luò)節(jié)點的概率，彌補了數(shù)據(jù)和信息絕對精確的弊端；利用其正向推理預(yù)測出郵輪暖通空調(diào)物資配送延遲風(fēng)險發(fā)生概率偏高，診斷出該事故的成因機(jī)理，并通過分析重要度確定了導(dǎo)致事故發(fā)生的關(guān)鍵風(fēng)險，進(jìn)而提出能夠降低風(fēng)險的措施，體現(xiàn)了貝葉斯網(wǎng)絡(luò)在處理物流風(fēng)險的復(fù)雜性和不確定性及因果分析問題方面的優(yōu)勢。

本研究未考慮時變效應(yīng)，建立的是靜態(tài)貝葉斯網(wǎng)絡(luò)，未來可考慮隨郵輪建造物資物流進(jìn)度的推進(jìn)，構(gòu)建動態(tài)多連通的貝葉斯網(wǎng)絡(luò)，進(jìn)一步提高物流過程中風(fēng)險因素分析的準(zhǔn)確性。