基于熵权TOPSIS和模糊贝叶斯网络的冷链物流配送系统风险评价研究

发布时间：2020-10-29 16:51

　　 随着物质生活水平的提高,人们对生鲜产品的需求不断增加,诸如鲜奶、鱼类、水果蔬菜等。然而生鲜商品具有易损坏变质的特性,对温度、湿度较为敏感,因此冷链物流应运而生。其中配送是冷链物流的最后一个环节,亦称“最后一公里”配送,其已经成为冷链物流配送的最关键的环节,在此过程中若商品质量出现问题,将直接影响客户满意度。因此,通过科学有效的方法识别配送过程中的风险因素,并对整个配送系统进行风险评估,可以控制和预防风险,提升食品的新鲜度,对冷流物流运作具有重要的意义。本文以冷链物流配送为切入点,通过理论建模、问卷调查等方法对冷链物流配送系统风险评价及控制展开研究,主要工作如下:(1)冷链物流配送过程中的风险影响因素分析针对冷链物流配送环节,运用“人-机-环境-管理”系统分析思想,将风险影响因素划分为“人-机-环境-管理”四大方面,全面地分析各个方面的影响因素,提炼了冷链物流配送人员作业风险、管理风险等30个影响冷链物流配送的典型因素。(2)基于熵权TOPSIS法的冷链物流配送风险因素筛选在风险因素分析的基础上,针对配送环节风险因素难以辨识等问题,运用熵权TOPSIS法结合问卷调查对众多风险因素通过重要度比较筛选出风险程度较高的15个影响因素,进而构建冷链物流配送系统风险评价指标体系。(3)基于模糊贝叶斯网络的冷链物流配送系统风险评价建模根据因果关系将风险评价指标体系转化为贝叶斯网络结构并给出变量值域,同时引进模糊数理论确定贝叶斯网络根节点的概率值,并结合实际情况研究改进了非根节点条件概率的算法,进而构建冷链物流配送系统风险评价模型。(4)以双汇冷链物流公司为例进行冷链物流配送风险评价与风险控制以双汇冷链物流公司为例进行风险评价,得出该公司冷链物流配送风险等级与风险影响程度,据此改进配送环节作业,以最大限度地避免商品损耗。该风险评价结果与实际情况较为吻合,验证了该模型的合理性与实用性。本文研究内容不仅使冷链物流企业减少配送风险带来的经济损失,提升配送效率,同时也为在末环节配送的风险控制上提供决策依据,提高配送系统的安全管理决策能力,证明了本文的研究成果具有实用价值和现实意义。
【学位单位】：江西财经大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：O159;F259.23
【部分图文】：

第2章相关理论与方法综述9第2章相关理论与方法综述2.1冷链物流配送的概念与特点（1）冷链物流配送的相关概念冷链物流是指采用制冷工艺学，使需要使用低温贮藏、运输的商品，如生鲜农产品、奶制品、海鲜等，从生产地到消费者手中的每一个环节始终处于低温环境下的一项系统控制工程[35]。而冷链物流配送是将商品送到消费者手里的最后一个环节，亦称“最后一公里”配送，在此过程中仍要确保商品始终处于低温环境下，防止污染变质。同时，该环节需要直面消费者，是消费者与企业直接沟通的渠道，间接决定着消费者对商品的满意度，因此对冷链物流配送系统进行风险评价与管控具有重要的现实意义。如图2-1所示，是冷链物流配送环节的运作模式。图2-1冷链物流配送环节运作模式冷链物流配送具有以下特点：①时效性是指在一定期限内能够产生的效用，既强调时间，又注重效用。对于冷链物流配送来说，就是在一定的期限内将货物从派送点送到顾客手中，同时保证商品的质量、新鲜度，将损耗限制在合理区间。因此在配送时，既要合理规划配送路线，缩短配送时间，又要实时监控车内制冷温度，保障商品新鲜度。②可靠性在配送过程中，存在货物装卸会发生碰撞、车内设备清洗不到位或包装不到位会产生污染、天气恶劣会出现事故等多种可能性，从而导致商品受损，因此能否将商品完好无损地交到顾客手中成为配送的关键。

第2章相关理论与方法综述15()=~~,0,1AAxXA（2.16）表示论域X中，对应的隶属度不小于的元素x属于模糊集，对应的隶属度小于的元素x不属于模糊集。（4）模糊集合的基本运算假设模糊集合()()()},,,{~2~1~~nA=xAxxAA和()()()},,,{~2~1~~nB=xBxxBB，模糊集合基本运算如下：①交集：()()()()CBACxxBAxxBA~~~~~~~~,max===，Xx②并集：()()()~~~~~~~~CBxCA,minxBAxBA===，Xx③包含:BA(x)(xBA)~~~~，Xx④补集:A(x)(xAA)~~~1=，Xx⑤相等:BA(x)(xBA)~~~~==，Xx（5）梯形模糊数模糊数的种类有很多，较为常见的有S型模糊数、梯形模糊数、型模糊数等。本文采用梯形模糊数作为风险事件的隶属度函数，梯形模糊数实际上是LR型模糊数，在风险评价中可以用区间形式描述最可能值，相较于其他模糊数，具有刻画准确、方便计算的优点。梯形模糊数表示为()cbaA,,~，其隶属度函数如下：()=xddxccdxdcxbbxaabaxaxdcbaxf010,,,,（2.17）隶属度函数图形如图2-2所示。图2-2梯形模糊数的隶属度函数图

基于熵权TOPSIS和模糊贝叶斯网络的冷链物流配送系统风险评价研究162.5贝叶斯网络概述2.5.1贝叶斯网络的基本概念贝叶斯网络又称贝叶斯信念网络，由图灵奖得主JudeaPearl教授于1988年正式提出[38]，是一种基于网络结构和概率公式用以描述随机变量之间依赖关系的不确定性知识表达和推理模型，其中蕴含的不确定规则和先验知识是进行不确定推理的重要工具。随着研究的深入，其具有的双向推理性使其在故障诊断、辅助决策等方面得到广泛应用。贝叶斯网络的概念用数学可以这样定义：设123{,,,,}nV=vvvv是一个离散变量的有限集合，P为V中变量的联合概率分布，当且仅当D是一个最小mapI时,则称有向无环图()EVD,是一个关于P的贝叶斯网络。贝叶斯网络由贝叶斯网络结构和贝叶斯网络参数两部分组成，简单来说就是有向无环图和条件概率表。有向无环图的重要组成部分是变量节点，变量节点共有三类，分别为目标节点、中间节点、证据节点。条件概率表表示节点与其父节点关系的条件概率，用来描述节点之间的依赖关系。贝叶斯网络可以用二元组形式()()=PEVBN,,表示，其中()EV,表示有限个节点相连的有向无环图，P表示节点V的条件概率表，若设贝叶斯网络中的节点为123{,,,,}nX=xxxx，则贝叶斯网络的联合概率分布可以表示为：()()()()()()()132111321213121321,,,,,,,,,,,,,====iininnnxxxxxppxxxxxpxxxpxxpxpxxxxpX（2.18）如图2-3所示，是一个由1个证据节点、1个目标节点、2个中间节点、4条有向边、先验概率表和条件概率表组成的贝叶斯网络。图2-3贝叶斯网络示例图
【相似文献】

相关期刊论文 前10条

1 殷洁;;基于AHP和TOPSIS的农产品冷链物流服务商的选择研究[J];广西职业技术学院学报;2018年02期

2 江福才;王晨;张帆;马全党;邹红兵;;基于熵权TOPSIS模型的水上交通风险评价软件设计[J];上海海事大学学报;2017年03期

3 杨威;史加荣;庞永锋;;模糊环境下基于TOPSIS的部分权重信息多属性群决策方法[J];模糊系统与数学;2014年02期

4 刘杨;张敏;马远军;;基于熵权TOPSIS的长三角城市旅游竞争力评价[J];云南地理环境研究;2019年06期

5 石学刚;贾宇雄;许诚;赵冰;周瑞;;基于TOPSIS方法的我国西北地区冷库布局研究[J];综合运输;2017年07期

6 王沁;;基于TOPSIS方法的雾霾污染风险评价[J];商;2014年05期

7 孙国营;孙新杰;霍兴赢;龙尚银;;基于三支决策改进TOPSIS的水资源承载力评价[J];节水灌溉;2019年12期

8 王梓琪;肖思曲;程雨;李曦;罗鹏;吴敬杰;;贵州省医疗保障能力综合评价：基于TOPSIS、聚类、雷达图实证研究[J];中国医院;2019年12期

9 迟景明;李奇峰;何声升;;基于TOPSIS法我国高等教育与区域经济协调发展的地区差异研究[J];黑龙江高教研究;2019年12期

10 魏丽;闫军;;基于TOPSIS模型对银川市城市土地集约利用水平的综合评价[J];湖南科技学院学报;2019年10期

相关博士学位论文 前10条

1 ONU Pascal U;基于TOPSIS MCDA模糊模型的水资源替代和酸雨协同控制：尼日利亚Niger delta地区案例研究[D];大连理工大学;2017年

2 裴凤;基于参照点的区间数TOPSIS方法研究[D];合肥工业大学;2012年

3 孙健;东北地区农产品冷链效率测度及其影响因素分析[D];沈阳农业大学;2016年

4 王颖;基于TOPSIS法的多元质量特性优化方法研究[D];天津大学;2007年

5 赵恒勤;基于多种赋权TOPSIS方法的矿业上市公司业绩综合评价研究[D];中国地质大学(北京);2016年

6 Ebonzo Menga Angelo Dan;基于公理模糊集的AHP和TOPSIS及其在SWOT分析中的应用[D];大连海事大学;2012年

7 陈金强;牵引变压器绝缘RIMER故障诊断与TOPSIS状态预测研究[D];西南交通大学;2015年

8 邓延伟;我国水产品冷链物流绩效评价研究[D];北京交通大学;2014年

9 杨丰顺;城市水安全风险评价理论方法及应用研究[D];武汉大学;2013年

10 方凯;我国农产品冷链物流的发展问题研究[D];华中农业大学;2013年

相关硕士学位论文 前10条

1 刘忠国;基于熵权TOPSIS和模糊贝叶斯网络的冷链物流配送系统风险评价研究[D];江西财经大学;2020年

2 姜长军;基于灰色关联TOPSIS模型的土地利用系统健康动态评价[D];山东农业大学;2019年

3 陈佳滨;基于熵权-TOPSIS模型的福建省区域经济发展综合实力研究[D];江西财经大学;2019年

4 顾小涵;基于TOPSIS对精准扶贫实施绩效评价研究[D];江西财经大学;2019年

5 李琳;基于距离计算改进的TOPSIS多属性决策研究[D];广西大学;2019年

6 陈璐;基于犹豫模糊的综合评价方法研究[D];西安工程大学;2019年

7 姬璐烨;基于勾股模糊集理论TOPSIS的多属性决策方法及应用[D];兰州交通大学;2019年

8 彭琳;基于熵权TOPSIS的包头CJ公司财务绩效评价研究[D];内蒙古科技大学;2019年

9 牛一丹;基于灰色关联和TOPSIS法的项目工期风险评价[D];大连理工大学;2019年

10 王永湘;基于TOPSIS法的将乐县国有林场三种典型群落的稳定性综合评价[D];北京林业大学;2018年

本文编号：2861185