基于貝葉斯網(wǎng)絡(luò)的冷鏈運(yùn)輸故障分析與對(duì)策

黃 穎，錢清波

（1.江蘇科技大學(xué)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(tuán)有限公司，江蘇 無(wú)錫 214105）

1 引言

冷鏈運(yùn)輸過程是整個(gè)冷鏈中最容易出現(xiàn)故障的環(huán)節(jié)。參與人員多，耗時(shí)長(zhǎng)，外部不確定因素多等都對(duì)冷鏈過程造成了巨大的風(fēng)險(xiǎn)。因此，“斷鏈”問題主要出現(xiàn)在運(yùn)輸環(huán)節(jié)。對(duì)這一環(huán)節(jié)進(jìn)行故障風(fēng)險(xiǎn)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(fēng)險(xiǎn)損失，提升冷鏈物流的服務(wù)水平。

對(duì)于冷鏈運(yùn)輸?shù)墓收献R(shí)別與防范，目前主要的方法是采用故障樹（FTA）技術(shù)，針對(duì)不同的冷鏈物流故障，可以將故障狀態(tài)作為分析的目標(biāo)，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(shí)的各種可能原因，實(shí)現(xiàn)問題的迅速定位，為問題的解決與預(yù)防提供可靠的決策參考。

目前，物聯(lián)網(wǎng)技術(shù)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(yùn)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(luò)，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(yīng)對(duì)風(fēng)險(xiǎn)的應(yīng)急能力。

2 冷鏈運(yùn)輸?shù)墓收戏治?/h2>

在2016年，全國(guó)冷鏈?zhǔn)袌?chǎng)的市場(chǎng)需求達(dá)到了2 200億元，比上年增長(zhǎng)了22.3%。海量的市場(chǎng)需求推動(dòng)了冷鏈行業(yè)的快速發(fā)展。但是與發(fā)達(dá)國(guó)家相比，我國(guó)的冷鏈化率以及冷鏈服務(wù)水平依然不高。在冷鏈運(yùn)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(yùn)輸市場(chǎng)中，設(shè)備與溫度不達(dá)標(biāo)，為降低成本，中途關(guān)掉制冷設(shè)備等不規(guī)范行為導(dǎo)致了冷鏈過程失控，據(jù)統(tǒng)計(jì)，對(duì)冷鏈產(chǎn)品來說，溫度每升高6攝氏度，細(xì)菌的生長(zhǎng)速度加快一倍，貨架期縮短一半。而這樣不規(guī)范的競(jìng)爭(zhēng)行為，在市場(chǎng)上利用價(jià)格優(yōu)勢(shì)參與競(jìng)爭(zhēng)，損害了消費(fèi)者的利益。

因此，在冷鏈運(yùn)輸過程中，需要能夠?qū)滏溸^程進(jìn)行有效的跟蹤，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)的采集記錄，為決策提供堅(jiān)實(shí)的依據(jù)。

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

表1 冷鏈運(yùn)輸過程中的常見故障

在可能導(dǎo)致冷鏈運(yùn)輸過程失控的諸多因素中，有很多是可以通過技術(shù)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(guó)務(wù)院辦公廳下發(fā)的《國(guó)務(wù)院辦公廳關(guān)于加快發(fā)展冷鏈物流保障食品安全促進(jìn)消費(fèi)升級(jí)的意見》，明確提出“著力構(gòu)建符合我國(guó)國(guó)情的‘全鏈條、網(wǎng)絡(luò)化、嚴(yán)標(biāo)準(zhǔn)、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(fèi)升級(jí)需要，促進(jìn)農(nóng)民增收，保障食品消費(fèi)安全?！蓖ㄟ^制修訂一批冷鏈物流強(qiáng)制標(biāo)準(zhǔn)，推動(dòng)行業(yè)優(yōu)勝劣汰，促進(jìn)行業(yè)有序發(fā)展。

因此，在冷鏈運(yùn)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(dāng)務(wù)之急。

3 基于貝葉斯網(wǎng)絡(luò)的冷鏈故障分析方法

貝葉斯網(wǎng)絡(luò)又稱為信念網(wǎng)絡(luò)，是目前對(duì)不確定知識(shí)表達(dá)以及推理領(lǐng)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(diǎn)，特別是在AI算法上，大量用到了貝葉斯網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)。在冷鏈故障分析中，利用各種渠道來源信息構(gòu)建貝葉斯網(wǎng)絡(luò)，首先將設(shè)備故障分為各個(gè)相互獨(dú)立且完全包含的類別，然后對(duì)各個(gè)故障類別分別建造貝葉斯網(wǎng)絡(luò)模型。通常冷鏈故障由一個(gè)或幾個(gè)原因造成，這些原因又可能由一個(gè)或幾個(gè)更低層次的原因造成。建立起網(wǎng)絡(luò)的節(jié)點(diǎn)關(guān)系后，還需要進(jìn)行概率估計(jì)。具體方法是假設(shè)在某故障原因出現(xiàn)的情況下，估計(jì)該故障原因各個(gè)節(jié)點(diǎn)的條件概率，這種局部化概率估計(jì)的方法可以大大提高效率。使用貝葉斯網(wǎng)絡(luò)必須知道各個(gè)狀態(tài)之間相關(guān)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(fēng)險(xiǎn)故障分析表，記錄在故障發(fā)生時(shí)各個(gè)因素所出現(xiàn)的狀態(tài)條件，通過大量數(shù)據(jù)的訓(xùn)練，能夠協(xié)助分析人員得出在某狀態(tài)出現(xiàn)時(shí)，導(dǎo)致故障發(fā)生的風(fēng)險(xiǎn)概率，從而提前做好相應(yīng)的預(yù)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(gè)部分組成：

（1）數(shù)據(jù)庫(kù)。用于儲(chǔ)存冷鏈運(yùn)輸過程中各控制節(jié)點(diǎn)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(duì)運(yùn)輸過程進(jìn)行實(shí)時(shí)化監(jiān)控與調(diào)度，便于實(shí)現(xiàn)遠(yuǎn)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(yùn)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(luò)分析，在狀態(tài)參量出現(xiàn)異常時(shí)，能夠及時(shí)根據(jù)貝葉斯網(wǎng)絡(luò)對(duì)故障概率進(jìn)行估計(jì)，并且提供故障應(yīng)對(duì)與解決的參考意見。

3.2 故障風(fēng)險(xiǎn)分析數(shù)據(jù)采集

利用貝葉斯網(wǎng)絡(luò)構(gòu)建故障分析模型并不困難，難點(diǎn)在于如何獲得各個(gè)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(fēng)險(xiǎn)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(shù)和網(wǎng)絡(luò)通信技術(shù)。通過傳感器可以根據(jù)一定的時(shí)間間隔記錄狀態(tài)信息，通過網(wǎng)絡(luò)將信息發(fā)送至控制中心，對(duì)不同狀態(tài)量的獲取和聯(lián)合分析，能夠?qū)\(yùn)行狀態(tài)進(jìn)行有效的監(jiān)控，當(dāng)發(fā)生異常時(shí)，可以及時(shí)進(jìn)行相應(yīng)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(duì)冷藏車廂內(nèi)，通過多個(gè)溫感探頭，能夠探測(cè)到在不同區(qū)域溫度的狀態(tài)與變化情況。通過出風(fēng)口和回風(fēng)口溫度，能夠偵測(cè)不同區(qū)域溫度的變化情況，通過設(shè)備記錄的溫度變化情況，可以對(duì)全過程進(jìn)行有效監(jiān)控。

（2）人工風(fēng)險(xiǎn)登記。冷鏈運(yùn)輸?shù)膶?shí)際執(zhí)行者是人，是與冷鏈運(yùn)輸系統(tǒng)直接相關(guān)聯(lián)的主體。因此，通過制度化的風(fēng)險(xiǎn)登記手段，能夠?qū)σ殉霈F(xiàn)的或者尚未出現(xiàn)的問題進(jìn)行系統(tǒng)化的排查，并且對(duì)故障原因以及解決手段進(jìn)行記錄，不斷地訓(xùn)練故障分析系統(tǒng)，使之能夠更為準(zhǔn)確地預(yù)知故障。常見的人工風(fēng)險(xiǎn)登記表見表2。

風(fēng)險(xiǎn)分析表的作用在于：

（1）便于企業(yè)收集故障風(fēng)險(xiǎn)發(fā)生以及其原因的一手資料，有益于今后貝葉斯風(fēng)險(xiǎn)網(wǎng)絡(luò)的建立。

（2）便于企業(yè)收集相關(guān)故障風(fēng)險(xiǎn)的處理方案，并通過方案耗費(fèi)以及耗時(shí)的對(duì)比，了解最佳的處理方式，并應(yīng)用于今后風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)的建立。

3.3 基于Netica的貝葉斯網(wǎng)絡(luò)構(gòu)建

對(duì)于貝葉斯網(wǎng)絡(luò)的構(gòu)建，目前已經(jīng)有了不少應(yīng)用工具，如BayesBuider、BN Toolkit、JavaBayes等。使用Java開發(fā)的Netica軟件進(jìn)行故障模型的建立，能夠快速地建立貝葉斯網(wǎng)絡(luò)模型，通過數(shù)據(jù)訓(xùn)練快速得到故障概率信息，便于決策。

表2 風(fēng)險(xiǎn)故障分析表

4 應(yīng)用案例

本文以冷鏈過程中的車輛拋錨故障為例，對(duì)其進(jìn)行原因分析，來闡述貝葉斯網(wǎng)絡(luò)的構(gòu)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(yùn)行過程中的大敵，會(huì)導(dǎo)致冷氣機(jī)無(wú)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(dǎo)致車輛拋錨的原因很多，且關(guān)系也較復(fù)雜。圖1為車輛拋錨原因的關(guān)系圖。

4.2 貝葉斯網(wǎng)絡(luò)模型的建立

根據(jù)圖1的原因分析圖建立貝葉斯網(wǎng)絡(luò)。

（1）新建的貝葉斯網(wǎng)絡(luò)如圖2所示。

創(chuàng)建貝葉斯網(wǎng)絡(luò)后，要對(duì)節(jié)點(diǎn)進(jìn)行重新定義，包括名稱、標(biāo)題、離散等屬性。由于貝葉斯網(wǎng)絡(luò)沒有進(jìn)行參數(shù)的訓(xùn)練，網(wǎng)絡(luò)中所有節(jié)點(diǎn)的概率柵為灰色不可用。

圖1 車輛拋錨原因關(guān)系圖

（2）網(wǎng)絡(luò)數(shù)據(jù)的訓(xùn)練。貝葉斯網(wǎng)絡(luò)的訓(xùn)練分為兩種方式，第一種是通過軟件節(jié)點(diǎn)的Table窗口進(jìn)行直接設(shè)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(shí)際數(shù)據(jù)進(jìn)行訓(xùn)練。在學(xué)習(xí)之前，需要先明確各節(jié)點(diǎn)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(xì)；B1：變速箱打齒；B2：長(zhǎng)期空檔滑行；C1：停車姿勢(shì)不正確；D1：線路燒壞；D11：油位長(zhǎng)期過低。由圖2可知，每一個(gè)節(jié)點(diǎn)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(shí)中，對(duì)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(fēng)險(xiǎn)故障分析表來對(duì)當(dāng)下風(fēng)險(xiǎn)發(fā)生的原因以及表現(xiàn)進(jìn)行記錄，合并之后進(jìn)行整理。

圖2 貝葉斯網(wǎng)絡(luò)的創(chuàng)建

圖3 貝葉斯網(wǎng)絡(luò)參數(shù)直接設(shè)置方式

通過采集各節(jié)點(diǎn)的狀態(tài)數(shù)據(jù)，用其對(duì)構(gòu)建的貝葉斯網(wǎng)絡(luò)進(jìn)行訓(xùn)練。模擬樣本數(shù)據(jù)如圖4所示。

經(jīng)過樣本數(shù)據(jù)訓(xùn)練后，貝葉斯網(wǎng)絡(luò)如圖5所示。

4.3 利用貝葉斯網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)推理

貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)推理是通過更改網(wǎng)絡(luò)中不同節(jié)點(diǎn)的具體情況，推理出風(fēng)險(xiǎn)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(luò)以及顯示掌握的信息的對(duì)比，對(duì)未知因素進(jìn)行預(yù)測(cè)。

貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)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(duì)風(fēng)險(xiǎn)故障發(fā)生后的原因倒查，并可結(jié)合風(fēng)險(xiǎn)預(yù)案數(shù)據(jù)庫(kù)，完成對(duì)故障風(fēng)險(xiǎn)的最優(yōu)化處理（最低耗時(shí)以及最低耗費(fèi)）。假設(shè)，在貝葉斯網(wǎng)絡(luò)圖中，車輛拋錨已成事實(shí)，而要分析推理車輛拋錨的可能原因，則改變網(wǎng)絡(luò)圖中車輛拋錨（A）節(jié)點(diǎn)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(diǎn)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(xùn)練之后的貝葉斯網(wǎng)絡(luò)

通過圖5與圖6的對(duì)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(xì)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(xì)的概率上升了1.3%。所以，可以推測(cè)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(jié)果分析）：該分析方式主要是針對(duì)已存在的狀況（個(gè)人操作失誤、管理失誤以及機(jī)械故障），對(duì)可能發(fā)生的風(fēng)險(xiǎn)以及風(fēng)險(xiǎn)發(fā)生的概率進(jìn)行預(yù)估，對(duì)于可導(dǎo)致風(fēng)險(xiǎn)發(fā)生的大概率事件，通過優(yōu)化管理、制度規(guī)范等達(dá)到預(yù)防的效果。假設(shè)，在貝葉斯網(wǎng)絡(luò)中，車主未定期保養(yǎng)，我們要推測(cè)的車輛拋錨的概率，則在貝葉斯網(wǎng)絡(luò)中改變未定期保養(yǎng)（節(jié)點(diǎn)E）節(jié)點(diǎn)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(diǎn)狀態(tài)的變化，如圖7所示。

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

（3）綜合推理：綜合推理是結(jié)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(fēng)險(xiǎn)和已經(jīng)知曉某故障時(shí)，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(duì)某些復(fù)雜風(fēng)險(xiǎn)，并通過已掌握的實(shí)際情況（已知某狀況或者失誤存在或不存在），進(jìn)行復(fù)雜故障的原因排查。

通過Netica軟件實(shí)現(xiàn)風(fēng)險(xiǎn)的原因分析，需要大量現(xiàn)實(shí)數(shù)據(jù)的支撐。而冷鏈的儲(chǔ)運(yùn)在不同地區(qū)各種風(fēng)險(xiǎn)發(fā)生的概率都有所不同，所以本文僅提供冷鏈儲(chǔ)運(yùn)風(fēng)險(xiǎn)發(fā)生原因的貝葉斯網(wǎng)絡(luò)的構(gòu)建，對(duì)于參數(shù)的訓(xùn)練，則要結(jié)合各地區(qū)的冷鏈風(fēng)險(xiǎn)發(fā)生現(xiàn)狀以及過往的相關(guān)數(shù)據(jù)進(jìn)行設(shè)立。

圖6 車輛拋錨原因分析

圖7 未定期保養(yǎng)結(jié)果分析

4.4 冷鏈運(yùn)輸過程故障貝葉斯網(wǎng)絡(luò)模型

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

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

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

（3）壓縮機(jī)運(yùn)行過程中突然停止：電機(jī)過熱、管道堵塞、繼電器斷電、電壓過低、冷負(fù)載過大。

（4）壓縮機(jī)不能停止：控制系統(tǒng)失靈、壓縮機(jī)氣閥泄漏。

車輛故障包括：

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

（2）車輛拋錨：如上述實(shí)例。

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

（4）車輛高速行駛發(fā)生車輛震動(dòng)：胎壓不均、輪胎定位以及軸距不準(zhǔn)。

（5）車輛轉(zhuǎn)向不足或過度轉(zhuǎn)向。

根據(jù)上述原因分析，可通過Netica軟件建立相應(yīng)的貝葉斯網(wǎng)絡(luò)，以便進(jìn)行風(fēng)險(xiǎn)故障的原因分析。建立的貝葉斯網(wǎng)絡(luò)如圖8所示。

圖8 冷藏車風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)

4.5 應(yīng)急預(yù)案數(shù)據(jù)庫(kù)的建立

應(yīng)急預(yù)案數(shù)據(jù)庫(kù)主要是在發(fā)生風(fēng)險(xiǎn)后，在知曉大致原因的情況下，通過調(diào)用數(shù)據(jù)庫(kù)中預(yù)存的風(fēng)險(xiǎn)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(fēng)險(xiǎn)發(fā)生原因，編寫解決方案（如車輛爆胎解決方案、壓縮機(jī)故障解決方案等）并錄入到數(shù)據(jù)庫(kù)之中。

（2）根據(jù)實(shí)際發(fā)生的風(fēng)險(xiǎn)，通過Netica軟件分析得出風(fēng)險(xiǎn)發(fā)生原因。

（3）根據(jù)原因調(diào)用應(yīng)急預(yù)案數(shù)據(jù)庫(kù)中的應(yīng)急預(yù)案。

（4）根據(jù)采集來的車、庫(kù)內(nèi)外溫濕度來推測(cè)計(jì)算在冷藏品安全受到威脅前，大概的風(fēng)險(xiǎn)處理時(shí)間。

（5）將應(yīng)急預(yù)案以及處理時(shí)間發(fā)送給發(fā)生風(fēng)險(xiǎn)的終端，由實(shí)際操作人員根據(jù)實(shí)際情況選擇最優(yōu)的處理方案。

5 結(jié)論

冷鏈運(yùn)輸是物流領(lǐng)域中快速成長(zhǎng)的具有較高附加值的領(lǐng)域，其中的風(fēng)險(xiǎn)問題需要通過科學(xué)的手段進(jìn)行分析與預(yù)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(xùn)練人工智能技術(shù)，為科學(xué)決策提供更為有力的參考，提升冷鏈的應(yīng)急管理水平。