基于貝葉斯網(wǎng)絡(luò)的汽車供應(yīng)鏈風(fēng)險(xiǎn)識別與評估

胡夢婷

（上海海事大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306）

0 引言

汽車行業(yè)是一個(gè)大型綜合的制造和組裝行業(yè)。汽車制造業(yè)本身就具有復(fù)雜性的特點(diǎn)，生產(chǎn)一輛汽車可能涉及到一萬多個(gè)零部件以及幾十道工序，在汽車供應(yīng)鏈運(yùn)作中，零部件故障、零部件供應(yīng)不足、汽車企業(yè)對公司戰(zhàn)略計(jì)劃錯(cuò)誤以及天災(zāi)等都會導(dǎo)致整車出現(xiàn)停產(chǎn)的可能性，最終導(dǎo)致汽車召回事件或者更加嚴(yán)重的車禍?zhǔn)鹿剩虼?，汽車供?yīng)鏈風(fēng)險(xiǎn)層出不窮。例如，1996 年福特由于用了有瑕疵的點(diǎn)火開關(guān)收回了870萬臺車；2008年，特斯拉決定研發(fā)新能源汽車而深陷供應(yīng)鏈金融危機(jī)，幾次在破產(chǎn)的邊緣徘徊；2020年，由于新冠疫情的爆發(fā)帶來的芯片短缺導(dǎo)致汽車減產(chǎn)，使得我國汽車銷售總量下降，從而造成整車庫存增加。由以上事例可知，汽車供應(yīng)鏈面臨著各種各樣的風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)事件導(dǎo)致的供應(yīng)鏈上任何一個(gè)環(huán)節(jié)出現(xiàn)問題，都可能使汽車供應(yīng)鏈處于危機(jī)狀態(tài)。因此，如何識別汽車供應(yīng)鏈風(fēng)險(xiǎn)因素，評估供應(yīng)鏈風(fēng)險(xiǎn)環(huán)節(jié)以控制風(fēng)險(xiǎn)的發(fā)生，促進(jìn)供應(yīng)鏈長期穩(wěn)定運(yùn)行逐漸成為國內(nèi)外學(xué)者研究的熱點(diǎn)以及企業(yè)迫不及待需要解決的問題。

近年來，已有不少專家學(xué)者對汽車行業(yè)的供應(yīng)鏈及風(fēng)險(xiǎn)管理展開研究。比如，舒彤，等[1]分析了汽車供應(yīng)鏈中斷對汽車企業(yè)股票的影響，以此引出了對汽車供應(yīng)鏈中斷的研究和預(yù)防具有重大意義。Sharma，等[2]將貝葉斯網(wǎng)絡(luò)概率模型應(yīng)用于供應(yīng)鏈風(fēng)險(xiǎn)評估，通過條件概率表計(jì)算所有風(fēng)險(xiǎn)變量和供應(yīng)鏈目標(biāo)的邊際概率，預(yù)測和確定供應(yīng)鏈面臨的風(fēng)險(xiǎn)及其對供應(yīng)鏈目標(biāo)的影響。任長征，等[3]指出了質(zhì)量風(fēng)險(xiǎn)管理在汽車零部件供應(yīng)鏈的重要性，重點(diǎn)討論了質(zhì)量管理和風(fēng)險(xiǎn)管理理論相結(jié)合應(yīng)用于汽車零部件的質(zhì)量風(fēng)險(xiǎn)管理的理論和實(shí)際意義。Vanalle，等[4]對巴西汽車行業(yè)的一級和二級公司組成的供應(yīng)鏈網(wǎng)絡(luò)進(jìn)行風(fēng)險(xiǎn)管理分析，指出了當(dāng)前供應(yīng)鏈風(fēng)險(xiǎn)管理工具存在的局限性，即沒有優(yōu)先考慮降低鏈中公司的平均風(fēng)險(xiǎn)值。根據(jù)楊祖勇[5]的研究，汽車零部件的風(fēng)險(xiǎn)可以劃分為財(cái)務(wù)、合作、運(yùn)營、政治以及不可抗拒等五大類，并提出了有效的風(fēng)險(xiǎn)識別與管理策略。為了更好地識別寧波市汽車零部件供應(yīng)鏈的風(fēng)險(xiǎn)，楊菁，等[6]采用了PEST方法，從政治、技術(shù)、社會、經(jīng)濟(jì)和自然環(huán)境5個(gè)方面進(jìn)行了分析，并利用SCOR模型對企業(yè)內(nèi)部的計(jì)劃、采購、生產(chǎn)制造和配送進(jìn)行了評估。黃川川[7]引入價(jià)值模型對汽車供應(yīng)鏈三級網(wǎng)絡(luò)進(jìn)行了風(fēng)險(xiǎn)評估研究，運(yùn)用歷史模擬法對15家汽車企業(yè)展開了實(shí)證分析。

汽車產(chǎn)業(yè)供應(yīng)鏈的特點(diǎn)使得其對風(fēng)險(xiǎn)控制的要求很高，而對于汽車供應(yīng)鏈風(fēng)險(xiǎn)識別和評估的研究，則有助于決策者和管理者更加清晰地了解供應(yīng)鏈風(fēng)險(xiǎn)所在，并采取相應(yīng)控制手段。現(xiàn)有研究表明，SCOR模型可以將供應(yīng)鏈的流程提煉出來，以此為參考依據(jù)可以有效識別供應(yīng)鏈風(fēng)險(xiǎn)。而目前汽車供應(yīng)鏈的風(fēng)險(xiǎn)因素錯(cuò)綜復(fù)雜，數(shù)據(jù)難以收集，風(fēng)險(xiǎn)數(shù)據(jù)庫尚不完整，其他的評估方法無法利用不完整的數(shù)據(jù)進(jìn)行汽車供應(yīng)鏈風(fēng)險(xiǎn)的概率計(jì)算，貝葉斯網(wǎng)絡(luò)不僅可以有效解決此類問題，還可以充分利用新信息進(jìn)行概率反推算，實(shí)現(xiàn)信息的動態(tài)更新[8]。本文擬從汽車供應(yīng)鏈的特點(diǎn)出發(fā)，運(yùn)用供應(yīng)鏈運(yùn)作參考模型、MMEM理論和貝葉斯網(wǎng)絡(luò)等方法對長三角地區(qū)汽車供應(yīng)鏈風(fēng)險(xiǎn)展開風(fēng)險(xiǎn)識別與評估，一方面驗(yàn)證了貝葉斯網(wǎng)絡(luò)在供應(yīng)鏈風(fēng)險(xiǎn)評估中的推斷能力，另一方面拓展了汽車供應(yīng)鏈風(fēng)險(xiǎn)識別與評估方面的研究。

1 理論簡介

1.1 SCOR模型

供應(yīng)鏈運(yùn)作參考模型(Supply Chain Operations Reference model,簡稱SCOR 模型)是由美國供應(yīng)鏈協(xié)會發(fā)布的跨行業(yè)標(biāo)準(zhǔn)供應(yīng)鏈參考模型和供應(yīng)鏈診斷工具，它是一種基于流程管理的工具，最早應(yīng)用于供應(yīng)鏈流程再造。SCOR模型不僅應(yīng)用范圍廣，幾乎可以在全行業(yè)應(yīng)用，且可以用于供應(yīng)鏈流程再造、物流工作重組以及作為企業(yè)管理層對公司績效的評價(jià)標(biāo)準(zhǔn)等。SCOR模型將流程元素、評價(jià)指標(biāo)、最佳實(shí)踐和供應(yīng)鏈運(yùn)作方法等整合到了一個(gè)統(tǒng)一的架構(gòu)之中，企業(yè)可以在這個(gè)框架之中，用統(tǒng)一的術(shù)語進(jìn)行溝通，從而實(shí)現(xiàn)績效最大化，因此，其目前已經(jīng)成為了企業(yè)供應(yīng)鏈流程分解的一個(gè)國際公認(rèn)標(biāo)準(zhǔn)[9]。

SCOR模型把企業(yè)流程劃分為5個(gè)基本的管理流程，分別是計(jì)劃(Plan)、采購(Source)、生產(chǎn)(Make)、配送(Deliver)和退貨(Return)[10]。計(jì)劃流程是指將預(yù)期的資源合理分配在各個(gè)流程，制定流程方案，通過協(xié)調(diào)各種資源達(dá)到自己預(yù)期的目標(biāo)；采購流程是按照計(jì)劃或?qū)嶋H需求獲物料或設(shè)備等資源的活動；生產(chǎn)流程是根據(jù)生產(chǎn)計(jì)劃及實(shí)際需求制造產(chǎn)品的過程；配送流程是對產(chǎn)品或物料進(jìn)行庫存管理及運(yùn)輸?shù)墓芾磉^程；退貨流程是原料退回或產(chǎn)品退回發(fā)生時(shí)的管理過程。SCOR模型結(jié)構(gòu)如圖1所示。

圖1 SCOR模型結(jié)構(gòu)圖

1.2 MMEM理論

MMEM理論指的是“人機(jī)環(huán)管”理論，即人(Man)、機(jī)(Machine)、環(huán)境(Environment) 和管理(Management)[11]。MMEM理論常用于安全管理當(dāng)中，其中“人”是指在安全管理中相關(guān)人員的心理、操作、職業(yè)素養(yǎng)等帶來的不安全因素；“機(jī)”指的是生產(chǎn)過程中設(shè)備、原料等帶來的不安全因素“；環(huán)境”指的是企業(yè)內(nèi)外部環(huán)境變化帶來的不安全因素；“管理”指的是在企業(yè)運(yùn)營過程中涉及的管理手段、規(guī)章制度等帶來的不安全因素[12]。MMEM系統(tǒng)理論認(rèn)為，任何生產(chǎn)安全系統(tǒng)的基本要素都是由人、機(jī)、環(huán)境和管理構(gòu)成的，任何事故都是由于人、機(jī)、環(huán)境和管理要素的不匹配、相互作用而造成的，要避免和減少安全事故發(fā)生，就必須有效管控這四個(gè)要素之間的關(guān)系。按照MMEM理論，可以從“管理”系統(tǒng)和技術(shù)層面的“人機(jī)環(huán)”系統(tǒng)兩方面進(jìn)行風(fēng)險(xiǎn)因素的識別和控制，從而實(shí)現(xiàn)安全生產(chǎn)系統(tǒng)[14]。

1.3 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(Bayesian network)，又被稱為信度網(wǎng)絡(luò)，是Bayes方法的擴(kuò)展，在不確定知識表達(dá)和推理領(lǐng)域里被應(yīng)用最多，也最有效。一個(gè)貝葉斯網(wǎng)絡(luò)是一個(gè)有向無環(huán)圖(Directed Acyclic Graph,DAG)，是由變量節(jié)點(diǎn)、連接這些變量節(jié)點(diǎn)的有向邊和變量節(jié)點(diǎn)的概率構(gòu)成的。變量節(jié)點(diǎn)代表著隨機(jī)變量。有向邊連接起的變量之間通常都是有因果關(guān)系或非條件獨(dú)立的，一個(gè)單箭頭連接在一起的兩個(gè)節(jié)點(diǎn)，箭頭指向的節(jié)點(diǎn)是“果”，也是“子節(jié)點(diǎn)”，箭頭的另一端連接的節(jié)點(diǎn)則是“因”，也是“父節(jié)點(diǎn)”。兩節(jié)點(diǎn)存在因果關(guān)系，那么兩者之間就會產(chǎn)生一個(gè)條件概率值，該值也表達(dá)了兩節(jié)點(diǎn)之間的因果關(guān)系強(qiáng)度。如圖2所示，節(jié)點(diǎn)X直接影響節(jié)點(diǎn)Y，故X指向Y，即：X是Y的因，也是父節(jié)點(diǎn)，Y是X的果，也就是子節(jié)點(diǎn)，而X和Y節(jié)點(diǎn)之間的連接強(qiáng)度也就用P(Y|X)來表示。

圖2 節(jié)點(diǎn)關(guān)系

用數(shù)學(xué)定義表示，即令G=(I,E)表示一個(gè)有向無環(huán)圖(DAG)，其中I代表圖中所有節(jié)點(diǎn)的集合，而E 代表有向邊的集合，且令X=(xi),i ∈I 為其有向無環(huán)圖中的某一節(jié)點(diǎn)i所代表的隨機(jī)變量，那么節(jié)點(diǎn)X的聯(lián)合概率可以表示成：

2 基于貝葉斯網(wǎng)絡(luò)的汽車供應(yīng)鏈風(fēng)險(xiǎn)識別及評估模型

2.1 風(fēng)險(xiǎn)識別方法

首先，明確汽車供應(yīng)鏈風(fēng)險(xiǎn)識別的目的，即將汽車供應(yīng)鏈風(fēng)險(xiǎn)作為目標(biāo)風(fēng)險(xiǎn)指標(biāo)，圍繞著這一目標(biāo)，識別出可能對其造成影響的一級風(fēng)險(xiǎn)因素和二級風(fēng)險(xiǎn)因素，以便形成汽車供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。

2.1.1 識別一級風(fēng)險(xiǎn)指標(biāo)。汽車供應(yīng)鏈?zhǔn)侵钙嚿a(chǎn)過程中的原材料采購、零配件生產(chǎn)、整車裝配與物流、整車銷售、報(bào)廢品回收等一整套的汽車供應(yīng)鏈體系。SCOR模型中的5大流程可以覆蓋汽車供應(yīng)鏈的流程，因此，可以將汽車供應(yīng)鏈的結(jié)構(gòu)按照SCOR模型中的“計(jì)劃流程”“采購流程”“生產(chǎn)流程”“配送流程”及“退貨流程”分解，將5個(gè)流程對應(yīng)的風(fēng)險(xiǎn)作為汽車供應(yīng)鏈的一級風(fēng)險(xiǎn)指標(biāo)。識別的一級風(fēng)險(xiǎn)指標(biāo)及其定義見表1。

表1 一級風(fēng)險(xiǎn)指標(biāo)及定義

2.1.2 識別二級風(fēng)險(xiǎn)指標(biāo)。由于造成風(fēng)險(xiǎn)產(chǎn)生的原因有很多，一級風(fēng)險(xiǎn)指標(biāo)只能概括相應(yīng)的供應(yīng)鏈業(yè)務(wù)風(fēng)險(xiǎn)，無法定位到更加準(zhǔn)確的風(fēng)險(xiǎn)因素，因此，識別出一級風(fēng)險(xiǎn)指標(biāo)后，仍需對一級指標(biāo)做進(jìn)一步的細(xì)分，從而可以按層級判斷出汽車供應(yīng)鏈風(fēng)險(xiǎn)產(chǎn)生的具體原因。

MMEM理論中的“人”“機(jī)”“環(huán)境”和“管理”四大要素也是汽車供應(yīng)鏈運(yùn)作的四大要素，以這4個(gè)要素為導(dǎo)向，以往年的汽車供應(yīng)鏈風(fēng)險(xiǎn)事件和相關(guān)領(lǐng)域的學(xué)術(shù)研究為參考，在一級風(fēng)險(xiǎn)指標(biāo)中分別識別風(fēng)險(xiǎn)因素，形成一個(gè)二維風(fēng)險(xiǎn)識別結(jié)構(gòu)，可以更加科學(xué)、全面地識別出供應(yīng)鏈中的風(fēng)險(xiǎn)因素。二維風(fēng)險(xiǎn)識別結(jié)構(gòu)見表2：

表2 二維風(fēng)險(xiǎn)識別結(jié)構(gòu)

2.2 風(fēng)險(xiǎn)評估模型

在構(gòu)建風(fēng)險(xiǎn)評估模型時(shí)，要首先明確模型構(gòu)建的目標(biāo)，即評估汽車供應(yīng)鏈風(fēng)險(xiǎn)的總體水平以及判斷對其產(chǎn)生顯著影響的風(fēng)險(xiǎn)因素。確定模型的目標(biāo)后，要收集識別出供應(yīng)鏈風(fēng)險(xiǎn)因素的相關(guān)數(shù)據(jù)，剔除無效數(shù)據(jù)后，建立汽車供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)指標(biāo)體系。將風(fēng)險(xiǎn)指標(biāo)體系中具有因果關(guān)系的所有指標(biāo)作為貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的節(jié)點(diǎn)，形成貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點(diǎn)集，構(gòu)建出汽車供應(yīng)鏈風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)建好后，在已知證據(jù)節(jié)點(diǎn)的先驗(yàn)概率值的情況下，對各節(jié)點(diǎn)進(jìn)行參數(shù)學(xué)習(xí)，計(jì)算后驗(yàn)概率，后驗(yàn)概率計(jì)算公式為：

其中P(Xi) 為先驗(yàn)概率，P(Xi|Y) 為后驗(yàn)概率，P(Y|Xj)為節(jié)點(diǎn)Y的條件概率。

最后，將專家學(xué)者對風(fēng)險(xiǎn)因素的評分?jǐn)?shù)據(jù)規(guī)范化處理后作為節(jié)點(diǎn)概率，在貝葉斯網(wǎng)絡(luò)的理論基礎(chǔ)上，使用GeNIe軟件對供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行評估。

評估模型構(gòu)建步驟如下：

①確定評估模型的目標(biāo)及目標(biāo)節(jié)點(diǎn)U；

②收集識別出汽車供應(yīng)鏈風(fēng)險(xiǎn)數(shù)據(jù)，獲取先驗(yàn)概率P(Uij)；

③確定與目標(biāo)指標(biāo)相關(guān)的因素，選取合適的指標(biāo)，確定中間節(jié)點(diǎn)Ui和證據(jù)節(jié)點(diǎn)Uij，形成貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點(diǎn)集I={U,U1,...,Ui,U11,...,Uij}，其 中i,j=1,...,n；

④構(gòu)建汽車供應(yīng)鏈風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)G；

⑤進(jìn)行參數(shù)學(xué)習(xí)，輸入證據(jù)節(jié)點(diǎn)Uij的概率值P(Uij)，按照式（2）計(jì)算后驗(yàn)概率；

⑥對汽車供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行正反向推理。根據(jù)貝葉斯網(wǎng)絡(luò)的推理結(jié)果，評估目前狀態(tài)下企業(yè)供應(yīng)鏈的風(fēng)險(xiǎn)狀態(tài)。

3 實(shí)證研究

長三角地區(qū)是我國汽車企業(yè)的重要聚集地之一，長三角地區(qū)汽車企業(yè)眾多，已經(jīng)形成了自己完整的零部件產(chǎn)業(yè)鏈。受到疫情的影響，長三角地區(qū)的汽車產(chǎn)業(yè)鏈出現(xiàn)了諸多問題，面臨著汽車供應(yīng)鏈中斷的風(fēng)險(xiǎn)。因此，選擇長三角地區(qū)汽車企業(yè)為研究對象，通過問卷調(diào)研收集汽車供應(yīng)鏈專家對長三角地區(qū)汽車供應(yīng)鏈當(dāng)前風(fēng)險(xiǎn)影響因素的評價(jià)，對收集到的數(shù)據(jù)進(jìn)行分析處理后，構(gòu)建風(fēng)險(xiǎn)評價(jià)指標(biāo)體系和貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，對長三角地區(qū)的汽車供應(yīng)鏈展開風(fēng)險(xiǎn)評估。

3.1 汽車供應(yīng)鏈風(fēng)險(xiǎn)識別

首先，按照SCOR模型中的流程識別汽車供應(yīng)鏈一級風(fēng)險(xiǎn)指標(biāo)，一級指標(biāo)為計(jì)劃風(fēng)險(xiǎn)U1、采購風(fēng)險(xiǎn)U2、生產(chǎn)風(fēng)險(xiǎn)U3、配送風(fēng)險(xiǎn)U4和退貨風(fēng)險(xiǎn)U5。再結(jié)合MMEM 理論，按照二維風(fēng)險(xiǎn)識別結(jié)構(gòu)識別出27 個(gè)風(fēng)險(xiǎn)因素。具體見表3。

表3 風(fēng)險(xiǎn)識別結(jié)果

3.2 風(fēng)險(xiǎn)評估

3.2.1 數(shù)據(jù)收集及處理。通過設(shè)置調(diào)查問卷的的方式得到汽車企業(yè)相關(guān)的風(fēng)險(xiǎn)數(shù)據(jù)，問卷共涵蓋兩方面，其一為被調(diào)查人員的大致信息；其二為具體調(diào)查問題，依據(jù)風(fēng)險(xiǎn)矩陣法，邀請供應(yīng)鏈相關(guān)的專家學(xué)者對識別出的風(fēng)險(xiǎn)的重要性程度和風(fēng)險(xiǎn)因素發(fā)生的概率進(jìn)行打分，“1”分別表示可忽略和幾乎不發(fā)生，“2”分別表示微小和很少發(fā)生，“3”分別表示風(fēng)險(xiǎn)一般和偶爾發(fā)生，“4”表示風(fēng)險(xiǎn)嚴(yán)重和較頻繁發(fā)生，“5”表示風(fēng)險(xiǎn)關(guān)鍵和頻繁發(fā)生，見表4。將問卷發(fā)放至長三角地區(qū)的10家汽車企業(yè)，邀請各部門人員填寫，共發(fā)放80份問卷，收回58份有效數(shù)據(jù)。

表4 風(fēng)險(xiǎn)矩陣

在得到風(fēng)險(xiǎn)因素?cái)?shù)據(jù)之后，由于風(fēng)險(xiǎn)因素眾多，若全部選取，可能出現(xiàn)各指標(biāo)相互之間的交叉重復(fù)，不能保證獨(dú)立性，而且實(shí)際處理難度大；若所選指標(biāo)過少或者一些次要性指標(biāo)被選入其中，而漏選某些可能造成后續(xù)構(gòu)建的風(fēng)險(xiǎn)評價(jià)體系不完整的關(guān)鍵指標(biāo)，從而對評價(jià)結(jié)果產(chǎn)生重要影響，則最終可能導(dǎo)致評價(jià)結(jié)果的真實(shí)性低，評價(jià)結(jié)果不具有代表性。因此，要對風(fēng)險(xiǎn)因素進(jìn)行分析和判斷，不能將所有的風(fēng)險(xiǎn)因素都作為供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)，而是需要按照重要性原則，選擇能對評價(jià)目標(biāo)產(chǎn)生重要影響、具有代表性的指標(biāo)。

為了得到更加精準(zhǔn)的風(fēng)險(xiǎn)因素指標(biāo)，以風(fēng)險(xiǎn)的重要性程度為標(biāo)準(zhǔn)，對得到的數(shù)據(jù)做效度信度分析，見表5、表6。

表5 可靠性統(tǒng)計(jì)

表6 KMO和巴特利特檢驗(yàn)

剔除無效數(shù)據(jù)后，建立最終的風(fēng)險(xiǎn)指標(biāo)體系，見表7，得到5個(gè)一級指標(biāo)，21個(gè)二級指標(biāo)。

表7 風(fēng)險(xiǎn)指標(biāo)體系

3.2.2 汽車供應(yīng)鏈貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)學(xué)習(xí)。構(gòu)建汽車供應(yīng)鏈風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。將調(diào)查問卷數(shù)據(jù)根據(jù)風(fēng)險(xiǎn)評價(jià)矩陣進(jìn)行規(guī)范化處理，將風(fēng)險(xiǎn)狀態(tài)設(shè)置成“High”“Medium”和“Low”，用H、M、L來表示各風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)值大小，如某個(gè)風(fēng)險(xiǎn)因素發(fā)生的概率打分為5，而該風(fēng)險(xiǎn)因素重要性等級打分為1，由風(fēng)險(xiǎn)評價(jià)矩陣可知該風(fēng)險(xiǎn)因素處于Low區(qū)間，即該風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)評價(jià)值為L。重復(fù)上述步驟，依次將所有風(fēng)險(xiǎn)因素的調(diào)查數(shù)據(jù)進(jìn)行規(guī)范化處理，計(jì)算出所有風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)評價(jià)值后，整理出各風(fēng)險(xiǎn)因素每個(gè)風(fēng)險(xiǎn)評價(jià)值的概率，將整理后的數(shù)據(jù)填入表中，見表8。

表8 風(fēng)險(xiǎn)評價(jià)值

編輯各節(jié)點(diǎn)變量初始概率值，將各節(jié)點(diǎn)的概率值輸入后進(jìn)行參數(shù)學(xué)習(xí)。在建立貝葉斯網(wǎng)絡(luò)模型后，需對其有效性進(jìn)行檢驗(yàn)。在GeNIe中，可通過交叉驗(yàn)證得出各節(jié)點(diǎn)精確度，以此對模型有效性進(jìn)行驗(yàn)證。

參數(shù)學(xué)習(xí)后，使用GeNIe 軟件進(jìn)行風(fēng)險(xiǎn)預(yù)測，在已知各風(fēng)險(xiǎn)因素發(fā)生概率的情況下，預(yù)測長三角地區(qū)汽車企業(yè)供應(yīng)鏈風(fēng)險(xiǎn)發(fā)生的概率，從而達(dá)到通過貝葉斯網(wǎng)絡(luò)模型進(jìn)行風(fēng)險(xiǎn)預(yù)測的目的。

4 結(jié)果分析

汽車供應(yīng)鏈風(fēng)險(xiǎn)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和GeNIe軟件對汽車供應(yīng)鏈風(fēng)險(xiǎn)預(yù)測結(jié)果如圖3所示。

圖3 風(fēng)險(xiǎn)預(yù)測結(jié)果

由圖3可知，汽車供應(yīng)鏈風(fēng)險(xiǎn)處于High狀態(tài)的概率為44%，處于Medium 狀態(tài)的概率為51%，處于Low狀態(tài)的概率為5%。從參數(shù)學(xué)習(xí)的結(jié)果得知，汽車供應(yīng)鏈風(fēng)險(xiǎn)水平處于中等水平，但處于高風(fēng)險(xiǎn)的概率要高于低風(fēng)險(xiǎn)的概率，其中對汽車供應(yīng)鏈風(fēng)險(xiǎn)影響較大的因素分別為計(jì)劃風(fēng)險(xiǎn)中的自然災(zāi)害因素，自然災(zāi)害處于High狀態(tài)的概率為23%；采購風(fēng)險(xiǎn)中的原材料和零部件質(zhì)量問題因素，原材料和零部件質(zhì)量問題處于High狀態(tài)的概率為21%；生產(chǎn)風(fēng)險(xiǎn)中的生產(chǎn)人員素質(zhì)和生產(chǎn)設(shè)備故障，這兩個(gè)風(fēng)險(xiǎn)因素處于High 狀態(tài)的概率為15%；退貨風(fēng)險(xiǎn)中的次貨處理不當(dāng)，其處于High狀態(tài)的概率為10%。

當(dāng)然，除了預(yù)測風(fēng)險(xiǎn)之外，也要在風(fēng)險(xiǎn)發(fā)生時(shí)迅速診斷出造成汽車供應(yīng)鏈風(fēng)險(xiǎn)的風(fēng)險(xiǎn)因素是什么，從而能在具體的因素上找出控制風(fēng)險(xiǎn)、降低損失的解決方法。在貝葉斯參數(shù)學(xué)習(xí)的基礎(chǔ)上，通過GeNIe軟件進(jìn)行仿真，通過將汽車供應(yīng)鏈風(fēng)險(xiǎn)的High風(fēng)險(xiǎn)狀態(tài)設(shè)置為1，逆向推理出各個(gè)風(fēng)險(xiǎn)節(jié)點(diǎn)的后驗(yàn)概率，從而診斷出最有可能造成汽車供應(yīng)鏈風(fēng)險(xiǎn)的風(fēng)險(xiǎn)因素。仿真結(jié)果如圖4所示。

圖4 汽車供應(yīng)鏈風(fēng)險(xiǎn)因素推理

由圖4可知，當(dāng)汽車供應(yīng)鏈風(fēng)險(xiǎn)處于High 狀態(tài)時(shí)，中間節(jié)點(diǎn)“計(jì)劃風(fēng)險(xiǎn)”“采購風(fēng)險(xiǎn)”“生產(chǎn)風(fēng)險(xiǎn)”“配送風(fēng)險(xiǎn)”和“退貨風(fēng)險(xiǎn)”的風(fēng)險(xiǎn)狀態(tài)產(chǎn)生了變化，其中處于較高風(fēng)險(xiǎn)的節(jié)點(diǎn)為“退貨風(fēng)險(xiǎn)”“采購風(fēng)險(xiǎn)”和“生產(chǎn)風(fēng)險(xiǎn)”，處于High狀態(tài)的概率分別為：40%、39%和38%。如果想要進(jìn)一步知道是由哪些風(fēng)險(xiǎn)因素導(dǎo)致的汽車供應(yīng)鏈風(fēng)險(xiǎn)處于高風(fēng)險(xiǎn)狀態(tài)，則需要將中間節(jié)點(diǎn)的High風(fēng)險(xiǎn)狀態(tài)設(shè)置為100%，由此，可以推理出造成汽車供應(yīng)鏈高風(fēng)險(xiǎn)的關(guān)鍵風(fēng)險(xiǎn)因素，推理結(jié)果為：假設(shè)造成汽車供應(yīng)鏈風(fēng)險(xiǎn)發(fā)生的因素為采購風(fēng)險(xiǎn)時(shí)，可以推理出原材料、零部件質(zhì)量問題嚴(yán)重是采購風(fēng)險(xiǎn)產(chǎn)生的主要原因，其次是采購人員素質(zhì)不佳，最后是采購價(jià)格波動，如圖5所示。以此可以分別推理出造成汽車供應(yīng)鏈風(fēng)險(xiǎn)產(chǎn)生的主要原因，從而針對風(fēng)險(xiǎn)因素提出控制風(fēng)險(xiǎn)策略。

圖5 汽車供應(yīng)鏈高風(fēng)險(xiǎn)關(guān)鍵風(fēng)險(xiǎn)因素推理

從正反向推理結(jié)果，可以得出以下結(jié)論：目前，長三角地區(qū)汽車供應(yīng)鏈風(fēng)險(xiǎn)處于較低狀態(tài)，但往中高風(fēng)險(xiǎn)發(fā)展，而對汽車供應(yīng)鏈風(fēng)險(xiǎn)影響較高的一級風(fēng)險(xiǎn)指標(biāo)為采購風(fēng)險(xiǎn)、生產(chǎn)風(fēng)險(xiǎn)和退貨風(fēng)險(xiǎn)，當(dāng)汽車供應(yīng)鏈風(fēng)險(xiǎn)較高時(shí)，可以反向推理出采購風(fēng)險(xiǎn)中的原材料和零部件質(zhì)量問題、退貨風(fēng)險(xiǎn)中的次貨處理不當(dāng)、生產(chǎn)風(fēng)險(xiǎn)中的生產(chǎn)人員素質(zhì)和生產(chǎn)設(shè)備故障等因素往往是造成汽車供應(yīng)鏈風(fēng)險(xiǎn)產(chǎn)生的主要原因。以此可以看出，長三角地區(qū)汽車行業(yè)應(yīng)重視原材料采購、生產(chǎn)及售后等過程，嚴(yán)格把控原材料零部件的質(zhì)量，定期維護(hù)生產(chǎn)設(shè)備，保證生產(chǎn)的順利進(jìn)行，以及制定完善的售后工作，對殘次品進(jìn)行合理、合法、合規(guī)的處理，以此降低風(fēng)險(xiǎn)因素造成汽車供應(yīng)鏈高風(fēng)險(xiǎn)的概率。

5 結(jié)語

汽車企業(yè)對供應(yīng)鏈風(fēng)險(xiǎn)控制的要求很高，對風(fēng)險(xiǎn)進(jìn)行有效識別和評估有助于企業(yè)對供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行強(qiáng)控制，從而保證企業(yè)建立穩(wěn)定可控的供應(yīng)鏈體系。將SCOR 模型與MMEM 理論結(jié)合提出的二維汽車供應(yīng)鏈風(fēng)險(xiǎn)識別方法，可以更加科學(xué)地識別出對汽車供應(yīng)鏈風(fēng)險(xiǎn)有影響的風(fēng)險(xiǎn)因素。而基于貝葉斯網(wǎng)絡(luò)的汽車供應(yīng)鏈風(fēng)險(xiǎn)評估模型，能夠有效地將不確定的信息以及不完整的數(shù)據(jù)綜合起來，提高評估的效率和可信度。使用GeNIe軟件將評估結(jié)果圖形化，可以有助于高效、清晰的對風(fēng)險(xiǎn)進(jìn)行推理，從而針對關(guān)鍵風(fēng)險(xiǎn)采取控制措施。

未來將進(jìn)一步對汽車供應(yīng)鏈風(fēng)險(xiǎn)的評估模型進(jìn)行優(yōu)化，討論不同的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)算法對汽車供應(yīng)鏈風(fēng)險(xiǎn)評估結(jié)果的影響，從而構(gòu)建出最適合汽車供應(yīng)鏈風(fēng)險(xiǎn)評估的貝葉斯網(wǎng)絡(luò)模型。