冷鏈物流風(fēng)險評估

張菊玲 程慶杰

摘要：當(dāng)前，冷鏈貨物的損耗率居高不下，建立一套完善的冷鏈物流風(fēng)險評估指標(biāo)及方法顯得迫切和重要。利用聚類技術(shù)對2010—2021年的92篇冷鏈物流風(fēng)險評估文獻(xiàn)進(jìn)行分析，獲取學(xué)者研究冷鏈物流風(fēng)險的重點指標(biāo)，結(jié)合冷鏈物流的作業(yè)流程，詳細(xì)分析得到全新的風(fēng)險指標(biāo)體系。利用層次分析法、權(quán)重自適應(yīng)調(diào)整法以及改進(jìn)的灰色理論對冷鏈物流實例進(jìn)行評估，結(jié)果顯示風(fēng)險集中在倉儲環(huán)節(jié)與“最先一公里”環(huán)節(jié)。根據(jù)分析結(jié)果，提出推廣并發(fā)展移動加工技術(shù)、普及冷鏈物流溯源技術(shù)等對策。

關(guān)鍵詞：冷鏈物流；風(fēng)險評估；文本聚類；權(quán)重自適應(yīng)調(diào)整法；改進(jìn)灰色理論

中圖分類號：F252 文獻(xiàn)標(biāo)志碼：A DOI：10.16465/j.gste.cn431252ts.20230418

基金項目：新疆社科基金項目（21BGL097）。

Risk assessment of cold chain logistics

Zhang Juling， Cheng Qingjie

（ School of Information Management， Xinjiang University of Finance and Economics， Urumqi， Xinjiang 830012 ）

Abstract： Currently， the loss rate of cold chain goods remains high， so it is urgent and important to establish a comprehensive set of risk assessment indicators and methods for cold chain logistics. Using clustering technology to analyze 92 literature on cold chain logistics risk assessment between 2010 and 2021， key indicators for scholars to study cold chain logistics risks were obtained. Combined with the operation process of cold chain logistics， a new risk indicator system was analyzed in detail. Using analytic hierarchy process， weight adaptive adjustment method and improved grey theory to evaluate cold chain logistics cases， the results showed that risks were concentrated in the warehousing and first mile links. Based on the analysis results， proposing strategies such as promoting and developing mobile processing technology and popularizing cold chain logistics traceability technology.

Key words： cold chain logistics， risk assessment， text clustering， weight adaptive adjustment method， improved grey theory

2021年我國食品冷鏈物流需求總量為3.02億t，同比增長了13.96%[1]。欣欣向榮的景象下，我國冷鏈物流面臨著許多問題。李小娟等[2]深入研究我國食品冷鏈物流后發(fā)現(xiàn)，冷鏈物流存在基礎(chǔ)設(shè)施陳舊落后、信息技術(shù)水平低、尚未形成獨立完整體系等問題。目前，我國生鮮食品的流通損失率在15%以上，而發(fā)達(dá)國家的果蔬損失率可以控制在5%以下[3]。

為降低冷鏈物流的流通損失率，許多學(xué)者從降低冷鏈物流風(fēng)險方面入手實現(xiàn)了該目標(biāo)。吳婷婷[4]采用層次分析法對低溫食品冷鏈物流進(jìn)行風(fēng)險評估。王琦[5]對百度新聞中關(guān)于農(nóng)產(chǎn)品冷鏈物流的網(wǎng)絡(luò)文本進(jìn)行聚類分析，根據(jù)聚類結(jié)果建立指標(biāo)體系，并利用層次分析法計算指標(biāo)權(quán)重，但文本數(shù)據(jù)來源不夠權(quán)威。

本文對冷鏈物流文獻(xiàn)中的風(fēng)險指標(biāo)進(jìn)行聚類分析，得到以往學(xué)者的研究重點。在評估領(lǐng)域，灰色綜合評價法被學(xué)者運用在供應(yīng)鏈風(fēng)險評估[6]、鐵路貨運質(zhì)量評估[7]等領(lǐng)域。學(xué)者們在運用灰色綜合評價法時未考慮專家權(quán)重問題，忽略了人的差別。為了使評估結(jié)果更加符合實際，本文在計算灰色統(tǒng)計數(shù)時考慮到人的因素，加入客觀賦予的專家權(quán)重。利用層次分析法得到各指標(biāo)權(quán)重。最后，將指標(biāo)權(quán)重與改進(jìn)的灰色綜合評價法結(jié)合得到整體風(fēng)險值。

1 文本分析

1.1 數(shù)據(jù)獲取與預(yù)處理

本文的文本數(shù)據(jù)選自中國知網(wǎng)2010—2021年92篇冷鏈物流風(fēng)險評估文獻(xiàn)中的風(fēng)險指標(biāo)。從92篇文獻(xiàn)中共提取出1 130個風(fēng)險指標(biāo)。

數(shù)據(jù)預(yù)處理主要為分詞與去停用詞兩步。首先，在Python中調(diào)用Jieba擴(kuò)展包對文本數(shù)據(jù)自動分詞。然后，在Python中利用停用詞詞典對分詞后的數(shù)據(jù)去停用詞處理，去除文本中的語氣助詞、介詞、副詞、人稱詞和連接詞。最后，經(jīng)過數(shù)據(jù)預(yù)處理得到清洗后的文本數(shù)據(jù)。

1.2 詞云分析

詞云分析是一種以圖片形式展現(xiàn)文本數(shù)據(jù)中各個詞的詞頻高低的文本分析方法，可以直觀地顯示一個文本中的高熱度詞。將預(yù)處理后的文本數(shù)據(jù)進(jìn)行詞云分析，結(jié)果如圖1所示。

詞云顯示文本數(shù)據(jù)中的關(guān)鍵詞有信息、包裝、設(shè)備、技術(shù)、管理、溫度、人員、環(huán)境、運輸?shù)鹊?。這些信息反映近10年來，學(xué)者們在研究冷鏈物流風(fēng)險時，將信息化水平、基礎(chǔ)設(shè)施、外部環(huán)境、人員培訓(xùn)以及管理制度視為我國冷鏈物流風(fēng)險的主要來源。在識別冷鏈物流風(fēng)險時，應(yīng)充分分析這些領(lǐng)域，吸納以往學(xué)者識別風(fēng)險的經(jīng)驗，從而建立更加貼切實際的風(fēng)險指標(biāo)體系。

1.3 聚類分析

K均值聚類是應(yīng)用最為廣泛的一種聚類算法。聚類分析前，首先采用獨熱編碼法將文本數(shù)據(jù)量化，使每條文本數(shù)據(jù)能夠以數(shù)學(xué)形式表示。然后利用PCA主成分分析對量化后的高維向量矩陣進(jìn)行降維處理，使文本數(shù)據(jù)量化后的高維向量變?yōu)槟軌虍嫵錾Ⅻc圖的二維向量。

確定聚類簇數(shù)時，通常使用各個簇內(nèi)的樣本點到所在簇質(zhì)心的距離平方和（SSE）作為性能度量，SSE值越小說明每個簇內(nèi)的點越收斂。在同一組數(shù)據(jù)中，不同的類簇有其對應(yīng)的SSE值。因此需要在類簇數(shù)量與SSE之間尋求一個平衡點，即類簇數(shù)量增加后，SSE值不再急劇下降的點。肘部法則圖可以以圖的形式表示聚類簇數(shù)與SSE值的對應(yīng)關(guān)系。由圖2可以看出，當(dāng)聚類簇數(shù)為6時，各個簇內(nèi)的樣本點到所在簇質(zhì)心的距離平方和不再急劇下降。所以，聚類簇數(shù)為6時聚類效果最佳。

確定聚類簇數(shù)為6后，采用K均值聚類法對文本數(shù)據(jù)進(jìn)行分析，將不同簇的散點設(shè)置為不同的形狀，聚類分析結(jié)果如圖3所示。圖3清晰地顯示文本數(shù)據(jù)被劃分為6部分，各個部分獨立存在。劃分好的散點圖無法顯示每個簇的特征，需要利用計算機(jī)技術(shù)提取出各個簇中最具代表意義的中心詞，即出現(xiàn)頻率最高的詞。提取出來的中心詞是各個簇的核心內(nèi)容，該簇內(nèi)的風(fēng)險指標(biāo)可以用中心詞替代。這些中心詞為后續(xù)風(fēng)險指標(biāo)體系的建立提供參考。

在分析聚類結(jié)果時，由于K均值算法初始簇質(zhì)心選取的隨機(jī)性，聚類結(jié)果可能會存在收斂局部最優(yōu)的問題。該問題可以通過隨機(jī)初始化若干次，取眾數(shù)結(jié)果解決，從而降低分析結(jié)果為局部最優(yōu)的可能性。因此，本文對文本數(shù)據(jù)聚類10次，將每次得到的中心詞進(jìn)行頻數(shù)統(tǒng)計，取頻數(shù)高的中心詞作為最終中心詞，如圖4所示。最終的中心詞是信息、設(shè)備、計劃、儲存、包裝、環(huán)境。因此，近年來學(xué)者在冷鏈物流風(fēng)險指標(biāo)的選取上集中于這6個方面。

聚類分析得到的中心詞顯示，冷鏈物流風(fēng)險中信息風(fēng)險、設(shè)備風(fēng)險、計劃風(fēng)險、儲存風(fēng)險、包裝風(fēng)險和環(huán)境風(fēng)險是以往學(xué)者最關(guān)注的風(fēng)險因素。根據(jù)聚類分析的結(jié)果以及前人對冷鏈物流風(fēng)險指標(biāo)的研究結(jié)果，信息風(fēng)險在冷鏈物流中可以分為信息中斷風(fēng)險與信息傳遞失真風(fēng)險；設(shè)備風(fēng)險分為冷庫風(fēng)機(jī)故障風(fēng)險、冷藏車故障風(fēng)險、傳感器失效風(fēng)險；計劃風(fēng)險分為庫存安排風(fēng)險、車輛調(diào)度風(fēng)險；儲存風(fēng)險在下節(jié)作業(yè)流程中細(xì)分；包裝風(fēng)險分為包裝選擇不當(dāng)、包裝破損；環(huán)境風(fēng)險分為自然災(zāi)害風(fēng)險、政策環(huán)境風(fēng)險、突發(fā)事件。

2 冷鏈物流風(fēng)險評估指標(biāo)體系構(gòu)建

2.1 冷鏈物流作業(yè)流程

冷鏈物流是保持產(chǎn)品特定品質(zhì)的前提下，將產(chǎn)品從生產(chǎn)地運送到消費者手中的一系列作業(yè)[8]，冷鏈物流流程如圖5所示。

從初始產(chǎn)品到產(chǎn)地倉儲階段是冷鏈物流的“最先一公里”。預(yù)冷可以使冷鏈產(chǎn)品快速達(dá)到最佳保存狀態(tài)，但是我國“最先一公里”階段的預(yù)冷率不高。在貨源地進(jìn)行質(zhì)檢時，可能因操作人員工作不認(rèn)真導(dǎo)致貨物受損。在加工作業(yè)中，“最先一公里”環(huán)節(jié)的設(shè)備不完善，給加工作業(yè)帶來了困難。包裝時，合適的包裝能夠起到保護(hù)商品，方便運輸?shù)膬?yōu)點?！白钕纫还铩钡娘L(fēng)險有預(yù)冷率過低、職業(yè)道德風(fēng)險、設(shè)備不完善、包裝選擇不當(dāng)。

運輸環(huán)節(jié)是冷鏈物流運作中的重要環(huán)節(jié)。貨物交接除了核驗常規(guī)信息以外還需要核驗檢驗檢疫證明。運輸前，駕駛員為了降低成本經(jīng)常采用邊預(yù)冷邊裝貨的方法裝載，導(dǎo)致先裝車的貨物處于不合適的存儲條件。運輸途中，通過吹冷風(fēng)降溫的機(jī)械制冷法會降低車廂內(nèi)的濕度，對冷鏈貨物造成傷害；車載設(shè)備傳輸信息時，會出現(xiàn)信息中斷的情況，產(chǎn)生信息空白區(qū)。運輸中的風(fēng)險有人員操作不規(guī)范、車廂預(yù)冷、車廂內(nèi)的濕度、信息傳遞中斷。

到達(dá)目的地后，將貨物按流程入庫存儲。緊密銜接的作業(yè)能避免貨物寄存在戶外場地或車廂內(nèi)，減緩貨物的變質(zhì)速度。溫濕度監(jiān)控時，冷庫內(nèi)的監(jiān)控方法是在倉庫中央以及送風(fēng)口處安置設(shè)備，并用測溫槍測溫，忽略了存儲時貨物發(fā)生呼吸的問題，造成溫濕度監(jiān)測不準(zhǔn)確。冷鏈貨物易受到細(xì)菌的侵蝕，倉庫內(nèi)要保持日常消毒。消毒過程可能出現(xiàn)“形式消毒”現(xiàn)象，且目前的消毒劑均存在易燃的問題，可能導(dǎo)致火災(zāi)。出入庫時，貨物信息會出現(xiàn)漏錄、錯錄的問題，嚴(yán)重影響倉儲調(diào)度工作。倉儲作業(yè)風(fēng)險有作業(yè)流程不銜接、冷庫溫濕度監(jiān)控準(zhǔn)確度、消毒劑造成火災(zāi)、冷庫消毒力度、倉儲信息失真。

銷售環(huán)節(jié)是冷鏈物流的最后一個環(huán)節(jié)，商超內(nèi)龐大的出貨量使商超冰柜頻繁打開，冰融化產(chǎn)生的液態(tài)混合物給產(chǎn)品帶來了污染，要保持冰柜衛(wèi)生并日常消毒。包裝是商品的屏障，能有效保護(hù)商品質(zhì)量。銷售環(huán)節(jié)風(fēng)險有冰柜的衛(wèi)生狀況、冰柜消毒程度不夠和包裝破損。

2.2 冷鏈物流風(fēng)險評估指標(biāo)體系

將冷鏈物流流程風(fēng)險與文本分析得到的風(fēng)險進(jìn)行合并，組成冷鏈物流評價指標(biāo)體系，如圖6所示。

3 風(fēng)險評估方法

本文在評估方法上融合使用層次分析法、灰色理論、權(quán)重自適應(yīng)調(diào)整法，具有充分利用數(shù)據(jù)、賦權(quán)方法客觀、更貼切實際情況的優(yōu)點，算法流程如圖7所示。

3.1 灰色理論

灰色理論由鄧聚龍?zhí)岢?，能有效地保留?shù)據(jù)，避免信息丟失，目前在各個領(lǐng)域均有一定的應(yīng)用[9-10]?；疑碚撝?，取值在某個區(qū)間的不確定數(shù)被稱為灰數(shù)“”，灰數(shù)的可能值稱為白化值，通過白化權(quán)函數(shù)的形式表達(dá)白化值與白化權(quán)重的關(guān)系，進(jìn)而確定灰數(shù)隸屬的灰類。

3.1.1 組建評估矩陣D

3.2 權(quán)重自適應(yīng)調(diào)整方法

專家的權(quán)重直接影響評估的最終結(jié)果。目前，學(xué)者們的賦權(quán)方法為等量賦權(quán)與經(jīng)驗賦權(quán)法。權(quán)重自適應(yīng)調(diào)整方法是由冷強提出的能夠根據(jù)專家評估值與專家組的加權(quán)平均值的偏離度賦予不同的權(quán)重[11]。權(quán)重自適應(yīng)調(diào)整算法的流程如圖8所示。

3.3 綜合評價

4 風(fēng)險評估體系應(yīng)用

4.1 確定指標(biāo)權(quán)重

以河南某冷鏈物流為例，邀請4位專家對指標(biāo)兩兩比較得到判斷矩陣，通過軟件YAAHP計算各指標(biāo)權(quán)重，如表1所示。

4.2 計算專家權(quán)重

為了計算專家組的加權(quán)平均數(shù)，將4位專家的最初權(quán)重賦予等權(quán)重0.25。減小偏離綜合評分遠(yuǎn)的專家權(quán)重，增加臨近綜合評分的專家權(quán)重，循環(huán)計算，直至所有專家各自的權(quán)重不再變化為止。專家的風(fēng)險指標(biāo)評分（1～5分，分?jǐn)?shù)越高表示專家認(rèn)為該風(fēng)險指標(biāo)造成的風(fēng)險越大）如表2所示。將4位專家的評分?jǐn)?shù)據(jù)代入權(quán)重自適應(yīng)調(diào)整程序中，運行結(jié)果如表3所示。為使計算所得權(quán)重適用于灰色評價中，將計算結(jié)果按0.25為一個標(biāo)準(zhǔn)單位擴(kuò)大，得到最終專家權(quán)重。

權(quán)重迭代結(jié)果顯示4位專家中專家3的權(quán)重最高，專家2的權(quán)重最低。這說明在評估時專家3的意見更為中肯，而專家2可能因為環(huán)境、經(jīng)驗等因素給出了異常的評估值。

4.3 構(gòu)建灰色評價矩陣

利用式（10）與式（11）求出綜合評價向量為[0.218，0.275，0.321，0.187，0]，綜合風(fēng)險值為3.530。

4.4 結(jié)果分析

綜合評價向量顯示該冷鏈物流隸屬于中風(fēng)險的值最高。綜合風(fēng)險值顯示該冷鏈物流的整體風(fēng)險處于中等偏上風(fēng)險，該冷鏈物流運作過程中存在較高風(fēng)險。在冷鏈物流作業(yè)中，工作人員需要排查、關(guān)注重要的風(fēng)險因素，降低冷鏈物流的風(fēng)險。

表1顯示，倉儲與“最先一公里”占到全部風(fēng)險的67%。管理人員應(yīng)將注意力放在倉儲與“最先一公里”環(huán)節(jié)，努力提升該環(huán)節(jié)的作業(yè)水平。二級指標(biāo)的倉儲信息失真（C25）、預(yù)冷率過低（C14）、包裝選擇不當(dāng)（C11）、倉儲作業(yè)流程不銜接（C22）、車廂預(yù)冷（C34）的權(quán)重較大。管理人員應(yīng)提高冷鏈貨物的預(yù)冷率與包裝水平，優(yōu)化冷鏈作業(yè)銜接度和信息設(shè)備。

5 建 議

5.1 普及冷鏈物流溯源技術(shù)

目前，我國冷鏈物流行業(yè)缺乏完善的動態(tài)監(jiān)控機(jī)制、記錄貨物流通過程信息的能力不足。RFID、區(qū)塊鏈等溯源技術(shù)在冷鏈物流上的應(yīng)用能夠增強冷鏈物流的監(jiān)管能力。國家高度重視冷鏈物流溯源能力的強化工作，并發(fā)布《關(guān)于進(jìn)一步做好食品冷鏈物流追溯管理工作的通知》。一些地方政府已經(jīng)開發(fā)一批冷鏈物流溯源系統(tǒng)（例如上海的滬冷鏈、云南的云智溯、安徽的安徽冷鏈、南寧的八桂冷鏈通），并向消費者、冷鏈物流工作人員開放使用。冷鏈物流溯源技術(shù)的應(yīng)用可以實現(xiàn)冷鏈貨物流通信息實時共享、信息追蹤等監(jiān)管功能。其他地方政府應(yīng)大力開發(fā)并推廣冷鏈物流溯源技術(shù)，使工作人員、消費者能夠詳細(xì)了解冷鏈貨物信息。普及冷鏈物流溯源技術(shù)能夠有效提高冷鏈物流的作業(yè)效率。

5.2 推廣并發(fā)展移動加工技術(shù)

“最先一公里”是冷鏈物流的第一步，也是最易產(chǎn)生損耗的環(huán)節(jié)。設(shè)備短缺是造成“最先一公里”環(huán)節(jié)損耗嚴(yán)重的主要原因。雖然各級政府認(rèn)識到了“最先一公里”環(huán)節(jié)的重要性，并加強產(chǎn)地基礎(chǔ)設(shè)施建設(shè)的投資，但是傳統(tǒng)冷庫存在建設(shè)周期長、立項速度慢、無法靈活滿足淡旺季需求等問題，無法解決“最先一公里”環(huán)節(jié)作業(yè)的燃眉之急。移動作業(yè)技術(shù)可以解決“最先一公里”環(huán)節(jié)作業(yè)設(shè)備短缺的問題。例如，中集冷鏈科技公司針對農(nóng)產(chǎn)品“最先一公里”環(huán)節(jié)預(yù)冷設(shè)施不完善的問題，研發(fā)了具有便攜、易操作、可模塊化組合優(yōu)點的多功能預(yù)冷集裝箱。隨著移動預(yù)冷技術(shù)的普及，產(chǎn)地預(yù)冷問題將會得到徹底解決。未來，移動加工技術(shù)會滿足“最先一公里”環(huán)節(jié)的各種加工需要。大力研發(fā)并推廣移動加工技術(shù)將會有效降低冷鏈貨物在產(chǎn)地環(huán)節(jié)的損失，提高人們的收入并降低冷鏈商品的價格。

5.3 加強倉儲環(huán)節(jié)管理

倉儲環(huán)節(jié)包括產(chǎn)品分類、信息管理、質(zhì)量監(jiān)控等工作，是冷鏈物流運作過程的關(guān)鍵環(huán)節(jié)。冷鏈貨物在倉儲環(huán)節(jié)的長時間存放，導(dǎo)致該環(huán)節(jié)發(fā)生風(fēng)險事件的可能性相比其他作業(yè)環(huán)節(jié)更高。在倉儲環(huán)節(jié)作業(yè)過程中，應(yīng)該充分利用信息技術(shù)提高倉儲作業(yè)效率、降低倉庫管理成本。結(jié)合智能化溫控設(shè)備與電子標(biāo)簽技術(shù)，實現(xiàn)倉儲貨物各方面信息的實時監(jiān)控與記錄；定期組織員工培訓(xùn)并考核，強化工作人員的業(yè)務(wù)能力與職業(yè)道德素質(zhì)，提高工作人員的綜合素養(yǎng)，降低倉儲環(huán)節(jié)作業(yè)中風(fēng)險事件發(fā)生率。

參 考 文 獻(xiàn)

[1]秦玉鳴.中國冷鏈物流發(fā)展報告[R].北京：中國財富出版社有限公司，2022：25-27.

[2]李小娟，劉晴.食品冷鏈物流的現(xiàn)狀及發(fā)展分析[J].糧食科技與經(jīng)濟(jì)，2018，43（4）：71-76.

[3] 趙皎云.農(nóng)產(chǎn)品冷鏈“最先一公里”的現(xiàn)狀與趨勢[J].物流技術(shù)與應(yīng)用，2020，25（S1）：36-40.

[4] 吳婷婷.低溫食品冷鏈物流的不確定因素分析與風(fēng)險評估[D].夏門：集美大學(xué)，2016：30-32.

[5] 王琦.基于數(shù)據(jù)挖掘技術(shù)的農(nóng)產(chǎn)品冷鏈物流評價體系研究[D].北京：北京郵電大學(xué)，2021：18-20.

[6] 周校培，陳建明.基于多層次灰色評價模型的建筑供應(yīng)鏈風(fēng)險評估及管理研究[J].工程管理學(xué)報，2016，30（2）：45-49.

[7] 周凌云，唐力，許植深，等.基于灰色綜合評價法的鐵路貨運服務(wù)質(zhì)量評價探討[J].鐵道貨運，2021，39（12）：47-53.

[8] 姚曉天.我國綠色物流發(fā)展困境及對策研究[J].智能城市，2021，7（21）：14-15.

[9] 趙玉梅，劉浩豐，張帥武.基于灰色理論的車窗輔助支撐裝置注塑工藝優(yōu)化[J].塑料科技，2021，49（2）：78-81.

[10] 溫馨.基于灰色模型的黑龍江省糧食產(chǎn)量影響因素分析[J].糧食科技與經(jīng)濟(jì)，2020，45（10）：25-27.

[11]冷強，楊英杰，胡浩.面向風(fēng)險評估的專家權(quán)重自適應(yīng)調(diào)整方法[J].計算機(jī)科學(xué)，2018，45（12）：98-103.