基于SIRS模型的生鮮供應鏈物流風險傳播機制與物流風險控制策略研究

王 輝

(福建商學院 工商管理學院,福建 福州 350012)

近年來,我國電商行業發展強勁,大量線下企業也紛紛走上電商發展道路,但這也導致電商行業競爭日趨激烈。[1-2]其中生鮮電商是電商行業中發展較為成熟的部分,近年來我國生鮮電商迅速發展,被稱為中國電商下一個千億市場,僅在2022年上半年,生鮮電商交易額達到了1821.2億元,同比增長了137.6%,而生鮮市場仍然是一片亟待開發的藍海。[3]在未來發展中,還會有越來越多的企業與資本進入生鮮電商市場,搶占市場開拓期的紅利。但生鮮商品有極為不同的天然屬性,存在易變質、難以存儲以及保質期短等問題。[4]李美羽等基于生鮮供應鏈的實際發展,匯總了數字經濟時代下生鮮供應鏈的創新機理和路徑,研究結果顯示豐富的數字經濟同生鮮供應鏈創新融合,可指導生鮮供應鏈的創新實踐。[5]王剛根據消費者的偏好提出一種雙渠道生鮮供應鏈,此外供應商可引進先進的保鮮設備與方法,降低保險成本,并通過算例分析驗證了該模型的有效性。[6]

綜上所述,有關生鮮供應鏈物流的研究成果較多,但針對生鮮電商供應鏈風險傳播機制的研究較少。為解決生鮮電商供應鏈物流風險及其傳播機制的問題,研究運用復雜網絡理論(Complex Network,CN)設計生鮮電商供應鏈模型(Fresh E-commerce Supply Chain Network,FESCN),然后利用SIRS病毒傳染模型構建生鮮供應鏈物流傳播機制模型(Fresh Supply Chain Logistics Communication Mechanism,FSLCM),進而分析生鮮電商供應鏈網絡上物流風險傳播機制。

1 FESCN模型與FSLCM模型的設計

1.1 FESCN模型的理論預備階段

生鮮是未經烹調與制作等深加工過程,只做初級類產品與熟食等現場加工類商品的統稱。[7]FESCN的物流風險主要來自人(HB)、管理(M)、物(G)與環境(ET),根據上述維度可以對生鮮電商供應鏈固定的物流風險環節進行識別與分析。在現實世界的復雜系統中,樹狀分形廣泛存在,其生長過程與自相似結構的涌現,可集中由簡單的冪律體現。在冪律的支配下,系統得以保持有序演化發展,并涌現自相似結構的全過程信息,這是支配現實世界廣泛現象的動力學。目前較為主流的CN拓撲結構特性的統計指標包括平均路徑長度L、節點的度分布與聚類系數Ci三種。[8-10]L的計算見式(1)。

(1)

式(1)中N代表網絡節點總數,dij為從節點i到j經過最短路徑邊數的距離。網絡中節點度分布是隨機選擇的節點的度為k的概率。Ci的計算見式(2)。

Ci=2Ei/ki(ki-1)

(2)

式(2)中Ei是節點i和ki個節點連接,ki個節點間存在的邊數。經過不斷改進,CN目前有以下四種典型的網絡拓撲模型,包括規則網絡、小世界網絡、隨機網絡與無標度網絡(Scale-free,SF)。但研究選用SF模型,是一種接近冪律分布的CN,具有增長性與擇優連接性兩種特性。其中擇優連接性為新節點與節點i連接的概率pi取決于i的度ai,見式(3)。

pi=ki/∑jkj

(3)

通過增長與擇優連接的步驟,能更好擬合真實網絡的無標度特性。

1.2 FESCN模型的設計

FESCN無標度的特點如下,生鮮電商市場經歷了從0到n的快速增長,其參與者也在動態變化中,因此FESCN滿足SF模型的增長。在FESCN中,核心企業一般為生鮮電商平臺,尤其是實力雄厚的電商巨頭,具有連接眾多供應商的天然屬性,新加入節點的企業連接傾向與電商巨頭合作。因此FESCN具有SF模型的擇優連接性,在SF模型的基礎上結合FESCN的實際特點,構建了更適用的FESCN模型。在生鮮電商行業發展歷程中,最終留下了生鮮垂直模式、綜合電商模式、O2O模式和“超市+餐飲”模式四種模式。這些模式雖然各有競爭點,但從整個供應鏈來看,基本上是由生鮮產品的生產基地、批發商、加工商、電商平臺及消費者構成,且冷鏈物流作為載體與中介流轉在整個供應鏈。因此為保持真實的供應鏈和簡化模型,研究將生鮮電商供應鏈分為五個層級,最基本的組件是節點和邊。生鮮電子商務供應鏈的所有五個層級均被視為網絡中的節點。邊表示企業之間的業務交易,但不考慮業務量的范圍。此外雖然實踐中的產品和資源是流動的、有方向性的,但從供應鏈物流網絡的風險擴散分析,若隨機一個節點發生了風險,風險會與該節點連接的邊進行傳播,因此FESCN是無向網絡。FESCN的五個層級分別為生鮮產品的生產基地、批發商、加工商、電商平臺與物流平臺,用集合表示為FESCN={S1,S2,S3,S4,S5},每個層級Si由n個企業構成,表示為

代表第i個層級的第j個企業。供應鏈網絡中產品或服務的交易關系為式(4)。

(4)

式(4)為第i個層級的第m個企業向第j層級第n個企業提供產品或服務。在SF網絡產生中,新節點僅能在一定范圍內選擇連接,可選擇的范圍為Pi,Pi?Si,計算見式(5)。

|Pi|=loc·|Si|,loc∈[0,1]

(5)

(6)

1.3 基于SIRS的FSLCM模型的構建

SIRS傳染病模型適用于易感者S、患病者I與康復者R三類人群,康復者只有暫時性的免疫力,單位時間后變為易感者,有概率被感染成為患病者。[11]SIRS模型在FESCN中的傳播是由于生鮮電商物流風險傳播與人群中病毒傳染存在相似性。為使FSLCM模型更加符合顯示供應鏈網絡演化,研究在SIRS模型的基礎上引入感染者淘汰系數ψ進行優化。FSLCM模型中,S(t)、I(t)、R(t)與Z(t)分別為t時刻供應鏈網絡中處于易感狀態、感染狀態、免疫狀態與被淘汰的企業密度,均滿足范圍[0,1];χ、φ、η與ψ分別為風險感染、感染、喪失免疫力以及感染者淘汰的概率。根據生鮮電商物流與企業供應鏈管理者與專家的咨詢,可得生鮮電商物流風險強度與供應鏈企業免疫能力評價指標體系,見圖1。

圖1 生鮮電商物流風險強度與供應鏈企業免疫能力評價指標體系

1-9標度法是判斷矩陣計算指標的標準,同一層級兩個因素相比,1表示兩因素同樣重要,3、5、7、9分別表示前者比后者稍重要、明顯重要、強烈重要與極端重要。通過兩兩比較,構建判斷矩陣Y,然后使用方根法計算指標的權重值,最后經歸一化處理,可得指標i的權重值ωi,見式(7)。

(7)

式(7)中λi為各項指標的權值。因人的主觀性會造成判斷矩陣出現矛盾情況,因此需對Y進行一致性檢驗。L的最大特征值ζmax計算見式(8)。

(8)

式(8)中W為指標的權重向量。一致性指標CI的計算見式(9)。

CI=ζmax-n/n-1

(9)

2 基于FSLCM模型的風險傳播機制分析與物流風險控制策略

2.1 FESCN模型的結果分析

為驗證FESCN模型是否符合真實供應鏈網絡的特征,研究使用MATLAB構建FESCN模型。初始時刻網絡五個層級包含的節點企業分別設為6、6、6、1、1,節點總數為1000。

圖2 FESCN模型的統計特征結果

圖2為FESCN模型的統計特征結果,圖2(a)為L與網絡規模的關系曲線,可得L∈(1.6,3.1),同網絡規?？焖僭鲩L的趨勢相比,L的相對增長速率較慢。因此其具有小世界特性,這表明模型的L和網絡節點數量的對數呈現近似正相關。圖2(b)為模型的度分布結果,度值與節點數量呈負相關,這表示模型具有無標度網絡特性。圖2(c)為C與網絡規模的關系曲線,C∈(0,0.5),且隨網絡規模的擴大,C逐漸趨近于0。上述結果與以往有關供應鏈網絡的結果保持一致,這說明FESCN模型可進行供應鏈風險傳播的實驗。[12-13]

2.2 FSLCM模型的應用與風險控制策略

為研究風險在生鮮供應鏈中的傳播機制,研究使用FSLCM模型進行分析,以提出針對性物流風險控制策略。研究以T生鮮電商企業作為研究對象,其是一站式的電商平臺,業務涵蓋近50個地區,且合作企業超過500個,銷售渠道包含官網與軟件、向企業直售和入駐其他生鮮電商平臺。通過T企業的實際情況制定了相應的風險等級,(0,0.2]、(0.2,0.4]、(0.4,0.6]、(0.6,0.8]與(0.8,01]在生鮮電商物流風險強度中表示風險很低、較低、一般、較高與很高,在供應鏈企業免疫能力中表示差、較差、一般、良好與優秀。

表1 T生鮮電商物流風險強度與供應鏈企業免疫能力評價指標體系的風險結果

表1為T生鮮企業所處的物流風險等級和供應鏈網絡中企業抵抗風險等級的結果。由表1可知,以T生鮮電商企業的供應鏈物流風險強度為0.457,D、J與R的得分為0.564、0.551與0.582。

T生鮮企業電商供應鏈風險傳播模型的參數設定如下,χ、φ、η與ψ分別為0.208、0.25、0.425與0.214;初始時刻五個層級分別為2、2、2、1與1,網絡節點總數為500,運行30個時間步,可得傳播過程見圖3。在圖3中S、I、R與Z分別為易感、感染、免疫與淘汰節點,網絡中I迅速增長在t=5時刻穩定在0.2,此時占比0.4的企業被市場淘汰。

圖3 T生鮮企業供應鏈網絡風險傳播過程

圖4 χ、φ和各狀態企業密度的關系

圖4為研究χ與φ對風險傳播的影響,使初始值與其他參數保持不變,將χ分別取值0.5與0.03,將φ分別取值0.1與0.95,可得χ、φ和各狀態企業密度的關系,見圖4。圖4(a)與圖4(b)顯示χ和風險傳染速度以及穩態風險傳播范圍呈正相關,圖4(c)與圖4(d)顯示φ與風險有效速率穩定狀態時的風險傳播范圍呈負相關。

圖5 η、ψ和各狀態企業密度的關系

為研究η與ψ對風險傳播的影響,在同樣參數下,將η分別取值0.8與0.1,將ψ分別取值0.1與0.6,可得η、ψ和各狀態企業密度的關系,見圖5。圖5(a)與圖5(b)顯示η與風險傳染有效速率和風險傳播范圍呈正相關,圖5(c)與圖5(d)顯示ψ與風險傳染有效速率和風險傳播范圍呈負相關,弱勢企業不僅易感染風險,還易使風險惡化,不利于供應鏈網絡的穩定。根據上述風險傳播過程的分析,若供應鏈網絡中企業產生風險后,風險會在短時間通過供應鏈網絡擴散,因此在風險事件發生的早期,企業可以及時制定和實施風險控制措施,通過削弱風險的影響,控制風險的蔓延,快速應對風險,使企業恢復正常,并將風險控制在一定范圍內。通過研究結果可得針對T生鮮企業供應鏈的風險控制策略,主要包括建立生鮮企業風險管理體系、積極發展第三方冷鏈物流、加強生鮮電商冷鏈物流的運作管理和培養生鮮冷鏈物流專業人才這四個措施。其中企業風險管理體系包含風險預警機制、風險應急機制與風險持續動態監控機制,這是由于T生鮮企業作為供應鏈中的核心企業,其與眾多企業有著長期合作關系,若是其產生風險,就會難以控制風險傳播的范圍,因此制定較強的風險管理機制能有效減少風險在整個網絡中的傳播范圍。為降低生鮮電商冷鏈物流運作風險水平,必須對其運作全程進行質量控制。首先在生鮮產品的生產與供應環節,引進完善的預冷設施設備,嚴格控制生鮮產品的質量,確保生鮮產品在流通環節的新鮮度;然后加快智慧冷庫建設,構建生鮮產品冷鏈運輸設施網絡,并不斷完善冷鏈設備;最后T生鮮企業應積極將冷鏈物流業務外包給專業的物流公司,推動第三方冷鏈物流的發展。通過上述全過程的物流風險控制策略,增強T生鮮企業應對風險的能力,并推動其在生鮮電商行業的穩步增長。

3 結論

我國生鮮電商行業的發展較為成熟,但物流風險是制約其發展的技術壁壘。為研究生鮮供應鏈網絡的風險傳播機制,研究利用CN與SIRS模型,構建FSLCM模型,以分析物流風險在生鮮電商供應鏈網絡的傳播機制。實驗結果顯示,FESCN模型的L∈(1.6,3.1),滿足很短的范圍;大部分節點有較小的度值,且度值與節點數量呈負相關;C∈(0,0.5),且隨網絡規模的擴大,C逐漸趨近于0。這說明FESCN模型符合真實供應鏈網絡的特征。在實際應用中,T生鮮企業的供應鏈物流風險強度為0.457,D、J與R的得分分別為0.564、0.551與0.582。綜上所述,FSLCM模型適用于研究生鮮電商供應鏈物流風險的傳播途徑。但研究仍存在不足,研究為簡化模型,忽略了企業間的交易量,在未來研究中可構建含交易量與風險感染概率的模型,進一步描述生鮮供應鏈物流風險傳播的過程。