基于云模型的冷链物流风险评估外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

附录X 译文

基于云模型的冷链物流风险评估

摘要

易腐食品对人们来说非常重要，因为它可以提供健康安全的食品。然而，在确保供应链的某个方面出现问题时，就会出现困难，这可能会导致质量和收入损失。本文建立了冷链物流风险的指标体系，构建了基于云模型的冷链物流风险综合评价模型。最后通过一个案例验证了模型的正确性和实用性。

关键词 云模型、冷物流链、综合评价、风险指标

引言

众所周知，供应链管理（SCM）是一套用于有效整合供应商、制造商、仓库和商店的方法，以便以正确的数量、地点和时间生产和配送商品，从而在满足服务水平要求的同时将全系统成本降至最低。

供应链管理的一个分支是冷链管理（CCM）。CCM的目的是管理与易腐产品相关的活动，如药品、血液、乳制品、肉类、食品、蔬菜、蘑菇、花卉和水果产品等，这些产品必须在特定时间分发，并保存在特定环境条件下。由于易腐产品的变质会导致浪费和中毒，因此有必要研究冷链（CC）的所有阶段（Amir和Reza，2012）。

冷链：一种“冷链”，也称为低温物流系统，由将易腐产品保持在有条件的环境中的设备和工艺组成。正如前一段所述，这些易腐产品可分为两类：活产品（水果、蔬菜、活海鲜、花卉等）和非活产品（肉类、乳制品、加工食品、药品、血液、冷冻产品等），这两类产品都需要适当的空气来抵抗微生物的腐败。冷链包括食品从生产者转移到消费者的各个方面。物流是冷链的关键。因此，许多学者称之为“冷物流链”。包括制冷、冷冻、仓储、运输、配送、包装、加工、多式联运等一系列增值服务（郭军荣，2009）。 由于需要在整个冷链中保持低温，冷物流链的设施条件非常高。对于物流公司来说，他们必须有冷藏库和专门设计的卡车或冷藏集装箱来提供这些服务。它需要大量的投资资金。总的来说，冷链的特点如下：

• 冷链物流投资成本高
• 运营周期需求短
• 运营需要强大的技术
• 食品质量控制困难
• 冷物流链运营还需要很多其他特殊条件

冷链风险：大多数易腐食品可以为人们提供健康、多样和安全的食品。这一趋势表明，未来消费者可能对冷食有很大需求。然而，在供应链或冷链的每个周期中，当食品从工厂制造、储存并发送给客户时，要确保这一过程有效且价格合理，就会出现困难。也就是说，只要链条的某个方面出了问题，就会导致质量和收入损失，在许多情况下，还会导致损坏。因此，为了保持质量和降低成本，购买一些设备，如冷藏车和冷藏展示柜，是非常必要的。一些设施，例如冷藏仓库也非常重要。此外，一些特殊的操作技能和良好的工作秩序是支持整个冷链的关键。否则，所有这些都将给冷链带来巨大风险。因此，对冷链物流进行风险评估是必要的（凯颖和易成，2011）。

表1：冷链物流风险评估指标体系

研究目的：构建冷物流链风险评价指标体系，引入云模型理论，建立云模型综合评价模型。最后通过一个案例验证了模型的正确性和实用性。

冷物流链风险评价指标体系

风险存在于冷链的任何环节。从不同的角度来看，存在不同类型的风险。本文将通过分析风险来源来识别风险因素。

采购风险：由于冷链的对象是食品，应充分重视初级农产品采购的风险。如果在采购开始时出现了一些问题，比如原材料问题，那么整个冷链的目标将注定失败。

生产管理的风险：一般来说，食品生产或简单加工是在特定条件下进行的，如温度、湿度和健康条件。因此，生产管理对于冷链来说非常重要。

设施和设备的风险：如前所述，冷藏车、冷藏展示柜、冷藏仓库等至关重要。适当数量的设施和设备是实现冷链目标的基本保证。更重要的是，能源供应（一般指电）用于冷却，也是非常重要的。突然停电会带来很大的风险。

技术风险：与一般风险相比供应链（SC），冷链对操作技术有更严格的要求，如收获后处理、预冷、制冷、包装。例如，这些技术的开发和使用对冷链至关重要。从信息流的角度来看，管理信息系统（MIS）技术与操作技术同等重要，甚至更为重要。

人力资源风险：员工素质直接影响冷链系统的风险程度。例如，如果员工不具备冷链的基本知识，可能会错误地将水果和蔬菜的贮藏温度设定为零，并对水果和蔬菜的质量造成不可逆转的错误。

环境风险：环境的变化会影响冷物流链的风险。但这些变化可分为两类：常规变化和意外变化。前者是可以预测的，对系统的影响有限。后一种风险对系统很重要，需要采取适当的应急措施。

根据以上分析，建立冷物流链风险评价指标体系，如表1所示。

数学模型

云模型理论：云是李德义教授在传统模糊集理论和概率统计的基础上提出的一种定量和定性的不确定性转换模型。云的定义：云是一个定性概念和定量表示之间的不确定性转换模型，由自然语言值表示。也就是说，云模型是一种用于实现定性和定量转换的不确定性模型。

假设U是一个用精确值表示的定量域，C是该域上的一个定性概念。如果数量值 _xisin;_U 和x是定性概念C的随机实现，C的隶属度 micro;(x)ε[0,1]是一个具有稳定趋势的随机数： micro;:U →[0,1] , forall;xisin;U, x→micro;(x)

然后，x在域上的分布被称为云，每个x被称为水滴（Deyi和Yi，2005）。

正常云的数量特征：云由许多云滴组成，单个云滴是数量上定性值的具体实现。其横坐标值代表定性概念对应的定量值，纵坐标值代表定性概念表示定量值的隶属度。云的三个数字特征是期望值E_x、熵E_n和超熵H_e：

E_x：期望值最能代表定性概念的值，通常是对应于云的重力的 x 值反映了对应定性概念的中心值。

E_n：熵表示对定性概念模糊程度的度量，其大小直接决定了定性概念在领域中可以接受的元素数量，也反映了基于这一点和那一点的定性值的界限。

H_e：超熵表示熵的不确定性度量，也就是熵的熵。超熵的大小间接反映了云的厚度。

云的3En规则是指域U上所有元素对定性概念C的总贡献为1。也就是说，99.7%的云滴将落入该范围（E_x -3 E_n，E_x 3 E_n）。因此，落在这个范围之外的云是定性语言价值观的小概率事件，可以忽略。

云生成（CG）：正态云模型是将概率论的正态分布与模糊集的钟形隶属函数相结合的新模型。

云生成（CG）是一种用计算机实现的特定算法。有两种：正向正态云生成器和反向云生成器（CG^-1）。

正向正态云发生器是从定性到定量的映射。它根据正常云的数量特征（Ex、En、He）产生云滴。逆向云生成器是一种将量值转化为定性概念的模型。它可以将一定数量的精确信息转化为由数量特征（E_x，E_n，H_e）表示的定性概念。

正向正态云发生器的生成算法如下：

• 生成随机数E_n，期望值为E_x，方差为E_e²

生成正态随机数x_i，期望值为E_x，方差为E_ni²

• 产生云滴（x_i,mu;_i）

后向云生成器（CG^-1）的生成算法如下：根据 x_i 计算一组数据的样本均值、一阶样本绝对中心距离和样本方差，然后根据以下要求计算正常云的数量特征（E_x、E_n、H_e）（Deyi 和Yi，2005）

虚拟云：每个云的数字特征可以计算在一起，用于某种目的，结果将形成一组新的数字特征。虚拟云是一种新的云，通过新的数字特征（E_x、E_n、H_e）来表达。 根据不同的应用目的，虚拟云有两种类型：浮动云和合成云（Luo等人，2008）算法如下：

合成云的算法如下：

其中，n表示基本云的数量，A_i（i=1，2，hellip;，n）表示指标的权重。

基于云模型的综合评价：

从表1可以看出，冷物流链风险评价是一个多层次的综合评价，是通过子指标的评价结果得到客观指标评价结果的过程。

确定必要的集合：模糊数学中的综合评价模型使用定量方法对子指标进行评价。根据云模型理论，可以使用定性方法来表示评审中的子指标。模型中有三个基本集合：

bull; U = {U₀, U₁, U₂, ..., U_n}

它是一个指标集，其中U0是目的指标

U_i = {u_i1, u_i2..., u_im}，i=1,2hellip;n，m表示U_i的子指标的数量

bull; V = {v1, v2, hellip;, v_m}

这是指标集。指标总是模糊的概念，例如“好、正常、坏”；他们通常用一些区间值来表示，例如，我们可以用区间值（45，55）来表示风险杠杆“一般风险”。有些指标可以用一维正态云来描述，例如“非常高”和“非常低”，它对应的满意范围是上限或下限。有些指标具有双边约束，如“更高”，它与风险范围相对应上限和下限。

对于双边约束的备注[C_min，C_max]，当我们建立备注集的云模型时，可以使用期望值作为约束条件的中值，以双边约束为主要功能区域的云可以用来近似区域备注；云参数计算公式如下：

其中，k 是一个常数，可以根据其模糊注释进行具体调整。对于单边约束的备注，例如C_min和C_max，我们可以先确定默认边界参数的期望值，例如备注“非常高”，其期望值(风险值)为100%，然后使用公式(4)计算云参数，并用半升半降云来描述。

W={w₁，w₂，hellip;，w_n}

这是重量设定，w_ige;0和w₁ w₂hellip; w_n=1

计算：由于冷物流链的风险评估是多层次的综合评价，根据多级评价的一般计算步骤，首先从底层（第二层）进行评价，当第二层完成时，结果可用于计算最高级别（第一级）的结果。在基于云模型的冷链物流风险评估中，过程中的计算方法将使用上述云生成和虚拟云计算公式。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[589509]，资料为PDF文档或Word文档，PDF文档可免费转换为Word