基于物联网的农产品供应链风险源模型构建*

曹慧娟，汪伟忠，朱礼龙

（安徽科技学院 管理学院，安徽 滁州 233100）

近年来，“红心鸭蛋”、“三鹿奶粉”和“双汇瘦肉精”等食品安全事件频发，使食品安全问题成为社会性问题。农产品作为食品供应链源头，从“农田”到“餐桌”的全过程质量控制模式被广泛认可[1]，模式实现很大程度依赖全过程的信息采集和融合技术[2]，物联网技术可实现该目标。该技术用于农产品供应链降低了传统风险，同时形成了新的风险。因此，探讨物联网条件下农产品供应链风险状况，为提升物联网技术在农产品供应链安全控制方面运用效果提供参考，有重要意义。

目前，对于物联网技术在农产品供应链中的应用研究，主要涉及物联网关键技术运用和物联网环境下农产品质量管理体系构建等方面。如：Anastasi以西西里某酒厂生产过程为对象，设计了以传感器为核心的可采集葡萄酒生产环境参数的WSN系统[3]；国内一些学者研究了RFID技术在农产品供应链中的应用[4]；在物联网关键技术应用基础上，一些学者探索构建基于物联网技术的农产品供应链质量管理体系，Wilson针对食品安全提出了构建一种基于互联网的食品安全控制模式[5]；罗利平以大宗农产品为研究对象，探讨了如何运用物联网技术对其生产加工和销售等环节中安全质量关键节点进行检测和控制[6]；ZHOU Z W针对农产品质量安全问题，综合利用物联网技术、互联网技术和农产品物流信息网络建立农产品供应链质量安全管理模式[7]，等等。上述研究成果为物联网技术运用于农产品供应链追溯系统构建和风险控制提供了指导，而对于物联网环境下形成的农产品供应链风险涉及较少。为此，本文依据物联网结构体系辨识农产品供应链风险源，由此建立物联网环境下农产品供应链风险源层次结构模型，并采用基于三角模糊数的模糊层次分析法确定农产品供应链风险源相对重要度，以期为物联网技术更有效用于控制农产品供应链风险提供决策依据。

一、物联网环境下农产品供应链风险源分析

物联网环境下的农产品供应链是指在农产品的种植、采摘、生产加工、包装、运输和销售的全过程中，采用物联网关键技术实现农产品信息采集和信息融合，从而实现农户、生产加工商、物流运输中心、销售商、政府监督管理部门和消费者间信息共享的网络结构，该网络结构包括感知层、数据传输层和应用层[8]。虽然通过在农产品供应链中运用物联网技术可以降低甚至规避一些传统农产品供应链中存在的风险，但新技术的运用不可避免会形成新的风险源。例如，在信息感知层通过传感器采集农产品生产环境参数，设备一旦失效或故障就可能导致信息不准确的风险。笔者结合物联网的感知层、数据传输层和应用层及农产品供应链风险研究成果，辨识物联网环境下农产品供应链风险源，见图1。

图1 基于物联网的农产品供应链风险源

二、基于FAHP的物联网环境下农产品供应链风险源层次结构模型

（一）模糊层次分析算法程序

物联网技术在农产品供应链中的运用虽然日渐成熟，然而尚缺乏关于物联网运用于农产品供应链产生风险的相关数据，无法采用基于精确数据的风险分析方法，需要借助领域相关专家的知识和经验对风险源重要度进行描述，为此本文采用模糊层次分析法建立物联网环境下农产品供应链风险源层次结构模型。模糊层次分析(Fuzzy Analytical Hierarchy Process,FAHP)主要包括层次结构模型构造、专家模糊互补判断矩阵建立、初始权重值确定和相容性检验等环节构成，见图2。

图2 模糊层次分析算法流程

（二）基于三角模糊数的风险层次分析模型

为充分体现人员在判断过程中的模糊性，同时描述领域专家语义判断信息，笔者综合运用三角模糊数和模糊标度法建立模糊判断矩阵，因而可以采用表1重要度标度判断物联网技术运用条件下农产品供应链风险源对整体风险的重要度。

表1 重要度判断准则

确定互反模糊判断矩阵后，需要进行去模糊化处理，即采用数学运算法则将三角模糊数转换为一个确定数值，形成新的判断矩阵。

文章采用文献[9]中所提出的方法对R去模糊化，形成判断矩阵A=(aij)n×n，具体运算法则如下：

按上述标准和评估信息确定模糊判断矩阵后，需确定模糊互补判断矩阵初始权重，即确定物联网技术条件下农产品供应链风险层次结构中指标初始权重。

通过下述公式实现初始权重的确定。设有模糊互补判断矩阵A=(aij)n×n，对矩阵A按行求和并实施如下变化运算：

可得模糊一致性矩阵R=(rij)n×n，由矩阵R进行按行归一化可得排序向量w=(w1,w2,…,wn)T，且满足

模糊判断矩阵确定后，为了检验上述权值的有效性，还需对判断矩阵的一致性进行分析，可以上述矩阵权重的相容性验证其一致性[10]。

定义1 矩阵A=(aij)n×n和B=(bij)n×n为模糊判断矩阵，为相容性指标。

定义2w=(w1,w2,…,wn)T是模糊判断矩阵A的权重向量，其中，令则称为n阶矩阵：w∗=(wij)n×n为判断矩阵A的特征矩阵。若相容性指标满足I(A,w)≤α时，可判定矩阵符合一致性检验。α取决于决策者的态度，α与决策者对判断矩阵一致性要求互为反相关，α一般取0.1[11]。

三、算例分析

前面已经从物联网结构体系对农产品供应链风险源进行了辨识，为了准确分析这些风险源对物联网技术条件下农产品供应链风险影响的程度，本文在相关文献研究的基础上，结合评价指标选择原则，确定物联网环境下农产品供应链风险源层次结构模型，如图3所示。

图3 风险源层次结构模型

为了确定各风险源对于物联网环境下农产品供应链风险的影响程度，需要在上述风险源层次结构模型构建的基础上建立模糊互补判断矩阵。请3位领域内专家依据表1建立的三角模糊数重要度标度判定准则层以及因素层的重要度，记为A-B、B1-C1、B2-C2、B3-C3和B4-C4。

采用式(1)对上述模糊判断矩阵进行去模糊化处理，可得农产品供应链风险源准则层要素相对重要度判断矩阵的确定值A-B′。

对于矩阵A-B′按照公式(2)处理后，可以得到农产品供应链风险源准则层要素的权重值并采用定义1和定义2中的方法计算权重的相容性，得I=0.011，且I=0.011＜0.1，所以准则层指标权值满足一致性检验要求。同理，可得因素层各指标的权重值：ωC2=(0.352,0.327,0.321)、ωC3=(0.217,0.139,0.136、结果如图4(a)。

图4 (a) 本文风险源指标重要度结果

由图4(a)中风险源重要度排序可知，物联网环境下农产品供应链风险源中主要影响因素为误差风险、信息安全风险和企业信誉风险，并且与物联网技术相关的风险源计算机风险和网络不稳定风险重要度值均较大，说明物联网技术运用于农产品供应链之后，产生了新的风险源并促使风险源发生了风险变迁。同时，为了说明本文方法的有效性，与文献[12]中结果(图4(b))进行对比分析。

图4 (b)文献风险源指标重要度结果[12]

由图4(a)和4(b)中统计的物联网技术运用条件下农产品供应链风险源重要度可知，本文对于物联网环境下农产品供应链风险源重要度判断与学者颜波等人的研究结果基本一致，表明了本文所提出的风险源层次结构模型和模糊层次分析方法可以用于分析物联网环境下农产品供应链风险源分析。

四、结 论

本文在分析物联网环境下农产品供应链风险影响因素的基础上，依据物联网体系结构辨识农产品供应链风险源，建立包含4个准则和16个因素的农产品供应链风险源层次结构模型，采用基于三角模糊数的模糊层次分析方法确定各层次风险源相对重要度，获得以下结论。

1.采用三角模糊数对专家评价语义信息进行描述，建立物联网环境下农产品供应链风险源重要度模糊判断矩阵和去模糊化处理，得出风险源重要度。依据重要度确定了物联网环境下农产品供应链风险源主要包括误差风险、信息安全风险、计算机技术风险、网络稳定风险和企业信誉风险。这些风险源均与物联网技术相关，说明物联网技术在降低传统农产品供应链风险的同时，也给农产品供应链带来新的风险源，导致农产品供应链风险源结构比例发生改变，形成风险源变迁。

2.模糊网络层次分析法确定的物联网环境下农产品供应链风险源重要度和相关研究文献基本一致，表明了基于三角模糊数的模糊层次分析法适用于缺乏数据情形下的风险分析问题。