基于突变理论的煤炭供应链风险模糊动态评价

莫聪颖，孟祥瑞，王向前，李慧宗，何叶荣



基于突变理论的煤炭供应链风险模糊动态评价

莫聪颖，孟祥瑞，王向前，李慧宗，何叶荣

(安徽理工大学经济与管理学院，安徽淮南 232001)

煤炭能源供应链安全是中国能源安全的重要保障。基于煤炭供应链风险复杂性、模糊性和非线性等特点，针对一般风险评价方法在识别其风险时难以得到可靠结果的问题，提出了一种基于突变理论的模糊动态评价方法。在分析煤炭行业主要参与部门关系的基础上，设计煤炭供应链基本框架。结合突变理论梳理风险因素传递关系并确定风险评价指标体系。运用熵权法确定指标权重，构建评价模型。评价结果表明：煤炭供应链风险较高，其中运输部门、煤炭企业和终端用户为主要风险部门，为煤炭供应链节点企业实施风险管理方案、实现煤炭能源本质化安全提供决策依据。

煤炭供应链；风险评价；安全管理；模糊动态评价

煤炭供应链一个系统工程，煤炭供应链的任何一个环节出现风险问题，都有可能影响上下游参与者，如果没有实施及时有效的控制措施，整个系统都将受影响甚至崩塌[1]。

很多学者从供应链风险管理的角度为中国煤炭供应链的良性发展做了研究：谭忠富通过建立C－ESCRE即中国煤炭供应链风险评价测度模型发现电煤供应链风险主要有政策风险、意外风险和市场风险；廖颖引入熵值修正G1法将电煤供应链风险分为供应风险、运输风险和信息风险[2-3]。

考虑到煤炭供应链安全对中国能源安全的重要性，构建煤炭供应链风险模糊动态评价模型。运用突变理论确立风险评价指标体系，通过熵权法为各指标赋值，将定性分析和定量分析相结合，评价结果更加科学、可靠。

一、煤炭供应链风险评价指标体系的设计

(一)煤炭供应链

从煤炭行业关联部门视角考虑供应链安全风险因素，结合专家访谈和文献研究[4]，本文将煤炭供应链定义为一个受社会环境、自然环境影响，包含生产矿井、原煤运输、洗选加工、煤炭运输和煤炭消费环节的网链结构，如图1所示。

图1 煤炭供应链的基本框架

(二)煤炭供应链风险因素分析

1. 突变理论。突变理论是一门专门研究突变现象的学科，被广泛应用于认识复杂非线性系统行为。煤炭供应链风险事件的发生和各节点企业的反应通常具有突变、跃迁特征，采用突变理论可以全面、动态的分析和预测各节点面临的风险因素。

2. 主要风险因素分析。

(1)政府部门对煤炭行业的管理存在隐患，如煤炭管理法制不健全，财政部门资金支出有限制，监管部门监察不严、事后行动等。

(2)煤炭企业是煤炭供应链的核心环节。经济新常态要求下的靠房地产拉动中国经济增长方式的转型，进口煤的增加、电价下调、新能源替代效应等原因使得对动力煤需求量减少，动力煤过剩严重。煤炭开采机械化水平低，管理信息系统落后，煤矿工人素质偏低等问题较多。

(3)运输部门包括铁路运输部门、公路运输部门和水路运输部门，“西煤东运”、“北煤南运”意味着煤炭从开采点到最终消费者需要经历不同区域、远距离、长时间、多环节的运输过程。地区间自然、政治、经济因素等影响煤炭正常运输。

(4)存储部门负责煤炭的堆放和保管，煤炭的堆放方位、堆放场地、堆放方式、堆放形状、堆放时间等都影响煤炭存储数量和质量。

(5)电力企业运作方式和生产结构的调整直接影响煤炭企业的原煤开采计划和煤炭运输部门的运输计划。风力、水力等洁净能源发电方式对燃煤发电的替代效应、优质煤炭资源稀缺对机组安全稳定的威胁等都给发电企业造成巨大压力。

(6)电网公司是连接电源和用户的电力输送载体，负责各区域电力的交易和调度。国家电网和南方电网两大电网公司供电覆盖了我国领土90%以上的区域，供电人口超过13亿，输电、交电、配电和调度部门业务繁忙，任务艰巨。

(7)终端用户是指煤炭最终产品的消费者，包括农业生产部门、工商业部门和其他用电部门。消费者需求波动大，信息风险高。

二、煤炭供应链风险评价指标体系构建

(一)指标体系构建原则

煤炭供应链具有系统环节多，参与主体多，不确定性多等特点。建立指标体系应遵循简明性、全面性和系统性三个基本原则。

(二)指标体系的建立

煤炭供应链主要选取政府部门、煤炭企业、运输部门、储备部门、发电企业、电网公司和终端用户作为样本进行实证分析。通过现场发放问卷(每个部门10份，共70份)、在线发放问卷(每个部门10份，共70份)的方式共发放问卷140份，回收122份，运用SPSS19.0-Aanlyze-Data Reduction-Factor对问卷进行信度和效度分析。一般认为，Cronbach’s值大于0.7，CITC大于0.5有效，信度检验见表1，问卷信度良好。Bartlett球形检验结果显示这7个因子的KMO值均超过0.7，问卷效度良好。

表1 煤炭供应链风险因素信度检验

构建由7个准则层、19个指标层组成的煤炭供应链风险模糊动态评价指标体系，如图2所示。

三、煤炭供应链风险多层次模糊评价模型

(一)评价集的设定

图2 煤炭供应链风险模糊动态评价指标体系

(二)权重的设定

熵权法确定指标权重既能够反映数据信息也能考虑到专家经验值，保障了权重设置的科学性与合理性，指标的熵计算方法见式(1)和式(2)。

(2)

式中：f为第个一级指标中第个二级指标的特征值；r为第个一级指标中第个指标的数据；为指标个数；H为指标的熵值。指标的权重ω。

计算方法见式(3)。

根据公式1—公式3计算评价指标权重：

A=(0.1811,0.2901,0.1333,0.0503,0.1469,0.0501,0.1482)，

A1=(0.2974,0.4003,0.3023)，A2=(0.59965,0.40035)，

A3=(0.4637,0.3212,0.2151)，A4=(0.3666,0.6334)，

A5=(0.6201,0.3799)，A6=(0.1709,0.2303,0.2591,0.3397)，

A7=(0.3765,0.4101,0.2134)。

(三)评价矩阵的确定

风险大小的模糊矩阵=*风险发生概率的模糊矩阵+(1-)*风险影响程度的模糊矩阵，一般取值为0.5，具体分级情况如表2和表3所示。

表2 风险发生的概率

表3 风险的影响程度

(四)评价过程

邀请指标层各部门负责人对照表2和表3选择对应风险因素发生概率和影响程度，得出指标层模糊矩阵。以“煤炭”为例，对应两个风险因素发生概率的模糊矩阵为：

对应三个风险因素影响程度的模糊矩阵为：

所以，“煤炭企业”风险因素的评价向量为：

同理得：

B1=(0.33,0.35,0.20,0.12,0)，B3=(0.38,0.34,0.28,0,0)，

B4=(0.25,0.49,0.26,0,0)，B5=(0.205,0.35,0.407,0.038,0)，

B6=(0.18,0.54,0.28,0,0)，B7=(0.16,0.48,0.34,0.02,0)，B=A*R=(0.2840,0.2989,0.2243,0.0447,0)，

归一化得：

B’=(0.3333,0.3509,0.2633,0.0525,0)。

(五)评价结果

根据最大隶属度原则，33.33%属于高隶属度，35.09%属于较高隶属度，26.33%属于一般隶属度，5.25%属于低隶属，煤炭供应链整体风险较高；由政府部门的风险模糊评价向量可知，35%属于高隶属度，政府部门风险等级高；由煤炭企业的风险模糊评价向量可知，42%属于高隶属度，煤炭企业风险等级高；由运输部门的风险模糊评价向量可知，38%属于较高隶属度，运输部门风险等级较高；由储备部门的风险模糊评价向量可知，49%属于高隶属度，储备部门风险等级高；由发电企业的风险模糊评价向量可知，40.7%属于一般隶属度，发电企业风险一般；由电网公司的风险模糊评价向量可知，54%属于高隶属度，电网公司风险等级高；由终端用户的风险模糊评价向量可知，48%属于较高隶属度，终端用户风险等级较高。

四、结论及建议

第一，从煤炭供应链主要参与者的视角，构建了煤炭供应链安全影响因素指标体系。为了避免主观因素造成的不合理性，引入熵权法确定权重。结合模糊理论，构建了煤炭供应链风险模糊动态评价模型。评价结果表明，煤炭供应链整体风险较高，煤炭企业作为煤炭供应链的核心部门，风险较高，运输部门风险最高。

第二，基于模糊理论的煤炭供应链风险评价，评价步骤简明，评价方法实用性高，建筑或其他行业可根据具体情况修改指标体系，找出高风险参与者，达到风险预警和安全管理的目标。

[1] 谭忠富. 电能源供应链风险递展机理经济学分析[J]. 中国电力企业管理, 2013, 67(13): 26-27.

[2] 谭忠富, 刘平阔. 中国煤炭能源供应链风险关系及风险评价测度研究[J]. 工业技术经济, 2015, 1(1): 132-142.

[3] 廖颖. 基于熵值修正G1法的我国煤炭供应链风险研究[D]. 大连：大连海事大学交通运输管理学院, 2012：33-35.

[4] 丁伟东, 刘凯, 贺国先. 供应链风险研究[J]. 中国安全科学学报, 2003, 13(4)：64-66.

(责任编校：李延军)

10.15916/j.issn1674-327x.2017.02.010

F407.21

A

1674-327X (2017)02-0031-03

2016-07-28

国家自然科学基金(51374114，51274008，51404007)；安徽省高校人文社会科学重点研究基地“安徽理工大学矿业安全管理研究中心”招标项目(SK2015A082)

莫聪颖(1992-)，女，安徽合肥人，硕士生。