隨著物質(zhì)生活水平的提高,人們對生鮮產(chǎn)品的需求不斷增加,諸如鮮奶、魚類、水果蔬菜等。然而生鮮商品具有易損壞變質(zhì)的特性,對溫度、濕度較為敏感,因此冷鏈物流應(yīng)運而生。其中配送是冷鏈物流的最后一個環(huán)節(jié),亦稱“最后一公里”配送,其已經(jīng)成為冷鏈物流配送的最關(guān)鍵的環(huán)節(jié),在此過程中若商品質(zhì)量出現(xiàn)問題,將直接影響客戶滿意度。因此,通過科學(xué)有效的方法識別配送過程中的風(fēng)險因素,并對整個配送系統(tǒng)進(jìn)行風(fēng)險評估,可以控制和預(yù)防風(fēng)險,提升食品的新鮮度,對冷流物流運作具有重要的意義。本文以冷鏈物流配送為切入點,通過理論建模、問卷調(diào)查等方法對冷鏈物流配送系統(tǒng)風(fēng)險評價及控制展開研究,主要工作如下:(1)冷鏈物流配送過程中的風(fēng)險影響因素分析針對冷鏈物流配送環(huán)節(jié),運用“人-機(jī)-環(huán)境-管理”系統(tǒng)分析思想,將風(fēng)險影響因素劃分為“人-機(jī)-環(huán)境-管理”四大方面,全面地分析各個方面的影響因素,提煉了冷鏈物流配送人員作業(yè)風(fēng)險、管理風(fēng)險等30個影響冷鏈物流配送的典型因素。(2)基于熵權(quán)TOPSIS法的冷鏈物流配送風(fēng)險因素篩選在風(fēng)險因素分析的基礎(chǔ)上,針對配送環(huán)節(jié)風(fēng)險因素難以辨識等問題,運用熵權(quán)TOPSIS法結(jié)合問卷調(diào)查對眾多風(fēng)險因素通過重要度比較篩選出風(fēng)險程度較高的15個影響因素,進(jìn)而構(gòu)建冷鏈物流配送系統(tǒng)風(fēng)險評價指標(biāo)體系。(3)基于模糊貝葉斯網(wǎng)絡(luò)的冷鏈物流配送系統(tǒng)風(fēng)險評價建模根據(jù)因果關(guān)系將風(fēng)險評價指標(biāo)體系轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)并給出變量值域,同時引進(jìn)模糊數(shù)理論確定貝葉斯網(wǎng)絡(luò)根節(jié)點的概率值,并結(jié)合實際情況研究改進(jìn)了非根節(jié)點條件概率的算法,進(jìn)而構(gòu)建冷鏈物流配送系統(tǒng)風(fēng)險評價模型。(4)以雙匯冷鏈物流公司為例進(jìn)行冷鏈物流配送風(fēng)險評價與風(fēng)險控制以雙匯冷鏈物流公司為例進(jìn)行風(fēng)險評價,得出該公司冷鏈物流配送風(fēng)險等級與風(fēng)險影響程度,據(jù)此改進(jìn)配送環(huán)節(jié)作業(yè),以最大限度地避免商品損耗。該風(fēng)險評價結(jié)果與實際情況較為吻合,驗證了該模型的合理性與實用性。本文研究內(nèi)容不僅使冷鏈物流企業(yè)減少配送風(fēng)險帶來的經(jīng)濟(jì)損失,提升配送效率,同時也為在末環(huán)節(jié)配送的風(fēng)險控制上提供決策依據(jù),提高配送系統(tǒng)的安全管理決策能力,證明了本文的研究成果具有實用價值和現(xiàn)實意義。
【學(xué)位單位】：江西財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：O159;F259.23
【部分圖文】：

第2章相關(guān)理論與方法綜述9第2章相關(guān)理論與方法綜述2.1冷鏈物流配送的概念與特點（1）冷鏈物流配送的相關(guān)概念冷鏈物流是指采用制冷工藝學(xué)，使需要使用低溫貯藏、運輸?shù)纳唐�，如生鮮農(nóng)產(chǎn)品、奶制品、海鮮等，從生產(chǎn)地到消費者手中的每一個環(huán)節(jié)始終處于低溫環(huán)境下的一項系統(tǒng)控制工程[35]。而冷鏈物流配送是將商品送到消費者手里的最后一個環(huán)節(jié)，亦稱“最后一公里”配送，在此過程中仍要確保商品始終處于低溫環(huán)境下，防止污染變質(zhì)。同時，該環(huán)節(jié)需要直面消費者，是消費者與企業(yè)直接溝通的渠道，間接決定著消費者對商品的滿意度，因此對冷鏈物流配送系統(tǒng)進(jìn)行風(fēng)險評價與管控具有重要的現(xiàn)實意義。如圖2-1所示，是冷鏈物流配送環(huán)節(jié)的運作模式。圖2-1冷鏈物流配送環(huán)節(jié)運作模式冷鏈物流配送具有以下特點：①時效性是指在一定期限內(nèi)能夠產(chǎn)生的效用，既強(qiáng)調(diào)時間，又注重效用。對于冷鏈物流配送來說，就是在一定的期限內(nèi)將貨物從派送點送到顧客手中，同時保證商品的質(zhì)量、新鮮度，將損耗限制在合理區(qū)間。因此在配送時，既要合理規(guī)劃配送路線，縮短配送時間，又要實時監(jiān)控車內(nèi)制冷溫度，保障商品新鮮度。②可靠性在配送過程中，存在貨物裝卸會發(fā)生碰撞、車內(nèi)設(shè)備清洗不到位或包裝不到位會產(chǎn)生污染、天氣惡劣會出現(xiàn)事故等多種可能性，從而導(dǎo)致商品受損，因此能否將商品完好無損地交到顧客手中成為配送的關(guān)鍵。

第2章相關(guān)理論與方法綜述15()=~~,0,1AAxXA（2.16）表示論域X中，對應(yīng)的隸屬度不小于的元素x屬于模糊集，對應(yīng)的隸屬度小于的元素x不屬于模糊集。（4）模糊集合的基本運算假設(shè)模糊集合()()()},,,{~2~1~~nA=xAxxAA和()()()},,,{~2~1~~nB=xBxxBB，模糊集合基本運算如下：①交集：()()()()CBACxxBAxxBA~~~~~~~~,max===，Xx②并集：()()()~~~~~~~~CBxCA,minxBAxBA===，Xx③包含:BA(x)(xBA)~~~~，Xx④補(bǔ)集:A(x)(xAA)~~~1=，Xx⑤相等:BA(x)(xBA)~~~~==，Xx（5）梯形模糊數(shù)模糊數(shù)的種類有很多，較為常見的有S型模糊數(shù)、梯形模糊數(shù)、型模糊數(shù)等。本文采用梯形模糊數(shù)作為風(fēng)險事件的隸屬度函數(shù)，梯形模糊數(shù)實際上是LR型模糊數(shù)，在風(fēng)險評價中可以用區(qū)間形式描述最可能值，相較于其他模糊數(shù)，具有刻畫準(zhǔn)確、方便計算的優(yōu)點。梯形模糊數(shù)表示為()cbaA,,~，其隸屬度函數(shù)如下：()=xddxccdxdcxbbxaabaxaxdcbaxf010,,,,（2.17）隸屬度函數(shù)圖形如圖2-2所示。圖2-2梯形模糊數(shù)的隸屬度函數(shù)圖

基于熵權(quán)TOPSIS和模糊貝葉斯網(wǎng)絡(luò)的冷鏈物流配送系統(tǒng)風(fēng)險評價研究162.5貝葉斯網(wǎng)絡(luò)概述2.5.1貝葉斯網(wǎng)絡(luò)的基本概念貝葉斯網(wǎng)絡(luò)又稱貝葉斯信念網(wǎng)絡(luò)，由圖靈獎得主JudeaPearl教授于1988年正式提出[38]，是一種基于網(wǎng)絡(luò)結(jié)構(gòu)和概率公式用以描述隨機(jī)變量之間依賴關(guān)系的不確定性知識表達(dá)和推理模型，其中蘊含的不確定規(guī)則和先驗知識是進(jìn)行不確定推理的重要工具。隨著研究的深入，其具有的雙向推理性使其在故障診斷、輔助決策等方面得到廣泛應(yīng)用。貝葉斯網(wǎng)絡(luò)的概念用數(shù)學(xué)可以這樣定義：設(shè)123{,,,,}nV=vvvv是一個離散變量的有限集合，P為V中變量的聯(lián)合概率分布，當(dāng)且僅當(dāng)D是一個最小mapI時,則稱有向無環(huán)圖()EVD,是一個關(guān)于P的貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)由貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)和貝葉斯網(wǎng)絡(luò)參數(shù)兩部分組成，簡單來說就是有向無環(huán)圖和條件概率表。有向無環(huán)圖的重要組成部分是變量節(jié)點，變量節(jié)點共有三類，分別為目標(biāo)節(jié)點、中間節(jié)點、證據(jù)節(jié)點。條件概率表表示節(jié)點與其父節(jié)點關(guān)系的條件概率，用來描述節(jié)點之間的依賴關(guān)系。貝葉斯網(wǎng)絡(luò)可以用二元組形式()()=PEVBN,,表示，其中()EV,表示有限個節(jié)點相連的有向無環(huán)圖，P表示節(jié)點V的條件概率表，若設(shè)貝葉斯網(wǎng)絡(luò)中的節(jié)點為123{,,,,}nX=xxxx，則貝葉斯網(wǎng)絡(luò)的聯(lián)合概率分布可以表示為：()()()()()()()132111321213121321,,,,,,,,,,,,,====iininnnxxxxxppxxxxxpxxxpxxpxpxxxxpX（2.18）如圖2-3所示，是一個由1個證據(jù)節(jié)點、1個目標(biāo)節(jié)點、2個中間節(jié)點、4條有向邊、先驗概率表和條件概率表組成的貝葉斯網(wǎng)絡(luò)。圖2-3貝葉斯網(wǎng)絡(luò)示例圖
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 殷潔;;基于AHP和TOPSIS的農(nóng)產(chǎn)品冷鏈物流服務(wù)商的選擇研究[J];廣西職業(yè)技術(shù)學(xué)院學(xué)報;2018年02期

2 江福才;王晨;張帆;馬全黨;鄒紅兵;;基于熵權(quán)TOPSIS模型的水上交通風(fēng)險評價軟件設(shè)計[J];上海海事大學(xué)學(xué)報;2017年03期

3 楊威;史加榮;龐永鋒;;模糊環(huán)境下基于TOPSIS的部分權(quán)重信息多屬性群決策方法[J];模糊系統(tǒng)與數(shù)學(xué);2014年02期

4 劉楊;張敏;馬遠(yuǎn)軍;;基于熵權(quán)TOPSIS的長三角城市旅游競爭力評價[J];云南地理環(huán)境研究;2019年06期

5 石學(xué)剛;賈宇雄;許誠;趙冰;周瑞;;基于TOPSIS方法的我國西北地區(qū)冷庫布局研究[J];綜合運輸;2017年07期

6 王沁;;基于TOPSIS方法的霧霾污染風(fēng)險評價[J];商;2014年05期

7 孫國營;孫新杰;霍興贏;龍尚銀;;基于三支決策改進(jìn)TOPSIS的水資源承載力評價[J];節(jié)水灌溉;2019年12期

8 王梓琪;肖思曲;程雨;李曦;羅鵬;吳敬杰;;貴州省醫(yī)療保障能力綜合評價：基于TOPSIS、聚類、雷達(dá)圖實證研究[J];中國醫(yī)院;2019年12期

9 遲景明;李奇峰;何聲升;;基于TOPSIS法我國高等教育與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的地區(qū)差異研究[J];黑龍江高教研究;2019年12期

10 魏麗;閆軍;;基于TOPSIS模型對銀川市城市土地集約利用水平的綜合評價[J];湖南科技學(xué)院學(xué)報;2019年10期

相關(guān)博士學(xué)位論文 前10條

1 ONU Pascal U;基于TOPSIS MCDA模糊模型的水資源替代和酸雨協(xié)同控制：尼日利亞Niger delta地區(qū)案例研究[D];大連理工大學(xué);2017年

2 裴鳳;基于參照點的區(qū)間數(shù)TOPSIS方法研究[D];合肥工業(yè)大學(xué);2012年

3 孫健;東北地區(qū)農(nóng)產(chǎn)品冷鏈效率測度及其影響因素分析[D];沈陽農(nóng)業(yè)大學(xué);2016年

4 王穎;基于TOPSIS法的多元質(zhì)量特性優(yōu)化方法研究[D];天津大學(xué);2007年

5 趙恒勤;基于多種賦權(quán)TOPSIS方法的礦業(yè)上市公司業(yè)績綜合評價研究[D];中國地質(zhì)大學(xué)(北京);2016年

6 Ebonzo Menga Angelo Dan;基于公理模糊集的AHP和TOPSIS及其在SWOT分析中的應(yīng)用[D];大連海事大學(xué);2012年

7 陳金強(qiáng);牽引變壓器絕緣RIMER故障診斷與TOPSIS狀態(tài)預(yù)測研究[D];西南交通大學(xué);2015年

8 鄧延偉;我國水產(chǎn)品冷鏈物流績效評價研究[D];北京交通大學(xué);2014年

9 楊豐順;城市水安全風(fēng)險評價理論方法及應(yīng)用研究[D];武漢大學(xué);2013年

10 方凱;我國農(nóng)產(chǎn)品冷鏈物流的發(fā)展問題研究[D];華中農(nóng)業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉忠國;基于熵權(quán)TOPSIS和模糊貝葉斯網(wǎng)絡(luò)的冷鏈物流配送系統(tǒng)風(fēng)險評價研究[D];江西財經(jīng)大學(xué);2020年

2 姜長軍;基于灰色關(guān)聯(lián)TOPSIS模型的土地利用系統(tǒng)健康動態(tài)評價[D];山東農(nóng)業(yè)大學(xué);2019年

3 陳佳濱;基于熵權(quán)-TOPSIS模型的福建省區(qū)域經(jīng)濟(jì)發(fā)展綜合實力研究[D];江西財經(jīng)大學(xué);2019年

4 顧小涵;基于TOPSIS對精準(zhǔn)扶貧實施績效評價研究[D];江西財經(jīng)大學(xué);2019年

5 李琳;基于距離計算改進(jìn)的TOPSIS多屬性決策研究[D];廣西大學(xué);2019年

6 陳璐;基于猶豫模糊的綜合評價方法研究[D];西安工程大學(xué);2019年

7 姬璐燁;基于勾股模糊集理論TOPSIS的多屬性決策方法及應(yīng)用[D];蘭州交通大學(xué);2019年

8 彭琳;基于熵權(quán)TOPSIS的包頭CJ公司財務(wù)績效評價研究[D];內(nèi)蒙古科技大學(xué);2019年

9 牛一丹;基于灰色關(guān)聯(lián)和TOPSIS法的項目工期風(fēng)險評價[D];大連理工大學(xué);2019年

10 王永湘;基于TOPSIS法的將樂縣國有林場三種典型群落的穩(wěn)定性綜合評價[D];北京林業(yè)大學(xué);2018年

本文編號：2861185