基于WBS-RBS和区间直觉模糊集的X网络货运平台运营风险评估

刘玲　陈博宁　杨雪键　夏露

关键词：工作分解结构-风险分解结构（WBS-RBS）法；相关系数；TOPSIS；网络货运平台

中图分类号：F270 文献标识码：A 文章编号：2096-7934（2023）11-0017-13

一、引言

网络货运平台是一种通过物联网和互联网技术融合应用于网络货运平台解决方案的新型物流服务。此类平台在实现传统的车货匹配业务的基础上，融入GIS技术、GPS定位、手机APP和大数据分析等技术，追加了司机后端市场、在线交易、运输全程跟踪等功能，形成了一套完整的生态体系，在货运行业掀起了颠覆性的改变。

近几年，网络货运呈现出快速发展的态势，且在提高行业组织化程度，降本增效，促进转型升级和高质量发展等方面的作用日益显著［1-2］。本文主要进行了网络货运平台运营风险评估的研究，提出了一种工作分解结构—风险分解结构（WBS-RBS）与基于相关系数与改进TOPSIS的区间直觉模糊群决策相结合的评估方法，并以云南X网络货运平台为例进行分析，证明了该方法的有效性，可为其他网络货运平台的运营提供参考。

二、文献综述

目前国内外针对网络货运运营风險开展的研究比较少。常连玉等人［3］提出 PCA-Logit网络货运平台风险预警模型，根据网络货运平台经营过程中风险的主要来源，构建了包含 26 项指标的风险预警指标体系，在对指标体系进行主成分分析（PCA） 的基础上，通过Logit风险预警模型计算网络货运平台的风险概率。李敬泉［4］网络货运平台风险总结为运输合同风险、承托责任和信用风险、货物安全风险、信息管理风险四项。韩雪峰［5］设计并分析了一套网络货运平台风险调查问卷，提出发生风险问题后的紧急预案是客户和网络货运平台共同关注的关键问题。但以上研究没有从业务全流程进行风险评估，这导致风险识别不完全、目前的风险控制手段较为单一，杂乱无章，造成了风险的疏漏与交叉辨识。WBS-RBS（Work Breakdown Structure- Risk Breakdown Structure）模型作为项目管理中的常用工具，一方面能够系统地整理出项目中可能存在的风险，并且能够依据 RBS对每个 WBS节点进行识别，有效地避免了遗漏；另一方面，通过对风险类别的分类和分级，使其更加清晰、系统，可以有效地规避可能发生的风险；目前已被广泛应用于铁路运输［6］、企业管理［7］、轮船建造［8］等领域的运营风险识别中。因此，本文将该方法运用于网络货运平台的运营风险识别，能较好地克服网络货运平台在运营过程产生风险的复杂性和不确定性。

标准的WBS-RBS模型风险矩阵中只能识别风险，不能准确地反映出风险的不安全程度，也不能根据风险的特征对风险进行重要性排序［9］。因此本文引入区间直觉模糊集和失效模式与影响分析（FMEA）两种工具对WBS-RBS进行改进。

区间直觉模糊理论是由Atanassov［10］于1989年在直觉模糊集的基础上推广而来，由于区间直觉模糊集能较为精确的反映出决策者的决策偏好，得到了学界的广泛关注，相应的成果也较为丰富［11-12］；相继有一些学者针对区间直觉模糊集的排序的得分函数和精确函数进行了研究，但该类积分函数都出现了排序结果不准甚至与现实结果相悖的情况，其原因在于没有考虑犹豫度对排序结果的影响；为解决以上问题，郭鹏［13］提出了一种基于相关系数及改进TOPSIS的区间直觉模糊群决策方法，此方法较为准确的解决了排序的问题。

失效模式与影响分析简称为FMEA（Failure Mode and Effects Analysis），质量管理中应用最广泛的可靠性分析工具，其核心思想为从三个维度测量风险发生频率、严重程度和可探测度，并将三个维度的评分相乘得到乘积，用以评价风险的重要程度，该乘积也被称为风险系数RPN（risk priority number）［14］，常在制造业［15］、物流业［16］和电力行业［17］评估风险的重要性。为了该方法可以较好的与项目背景融合，本文对RPN进行了改进：①由于可探测程度多在工业制成品中进行评价，在本项目中并不能直接的反应风险的特点，所以本文将可探测度删除；②在项目管理中，需要对项目的进度、费用和质量进行管理以达到帕累托最优，则可以使用风险对于项目进度的影响、对于费用的影响和对于质量的影响代替严重度；③风险评估的最终目的为控制风险，本文加入风险的可控程度以更全面地衡量风险的重要性。

三、理论与方法

（一）WBS-RBS基本定义

WBS-RBS分解结构由Rafele在2005年提出［18］，并在各行各业中广泛运用，WBS是指工作分解结构，每一个独立的工作工序都是一个作业包；RBS是指风险分解结构，此结构由不同的风险类别组成，该方法可以较为系统、全面地识别风险；WBS-RBS的基本思路包括：①分解工作任务，形成相互独立的任务包；②分解风险因素，形成相互独立的风险因素；③以工作分解结构的任务包作为矩阵的行，以风险分解结构最底层的风险因子集合作为矩阵的列，组成工作分解结构与风险分解结构关联的矩阵，交叉点记为风险点。

具体示意如表1所示。

表1WBS-RBS示意

（二）区间直觉模糊与相关系数基本定义

相比于直觉模糊集，区间直觉模糊集能对复杂且不确定程度较高的决策对象进行更精准地描述，体现出更高的信息表达能力，区间直觉模糊集的定义如下：设X是一个已知的非空论域，且 D ［0，1］代表了一个区间［0，1］上的所有闭合的集合，那么 X上的一个区间直观模糊集定义如下：

将有限论域X上的全体区间直觉模糊集为IVIFS（X）。

本文利用的方法使用了相关系数的方法将隶属度、非隶属度和犹豫度三个因素考虑在内，衡量每个决策者与决策均值之间的相似度，相似度越高则该决策者的权重越大。设A^，B^∈IVIFS（X），设区间直觉模糊集A^，B^之间的相关系数定义为：

其中：

（三）基于相关系数及改进TOPSIS的区间直觉模糊群决策方法

运用基于相关系数及改进TOPSIS的区间直觉模糊群决策方法对专家权重和指标权重完全未知的网络货运运营风险评价问题进行求解，具体步骤如下：

步骤1：由各专家整体评价信息之间的相似度确定各个专家的权重：

步骤3：确定正理想方案、负理想方案：

参考记分函数，通过步骤2计算出的群体决策矩阵来确定正理想解R⁺及负理想解R^－，正负理想解分别为：

步骤4：通过正负理想方案及群体区间直觉模糊决策矩阵确定各个准则权重：

备选方案ci与正理想方案在uj评价准则下，相关系数越大，则表明关于准则uj备选方案与正理想解的距离越小，越理想，反之亦然。为了使得各方案与正理想解的加权相关系数总和达到最大，可构建以下的目标规划函数：

四、X网络货运平台运营风险识别

为证明本方法的有效性，本文以云南X网络货运平台为例，首先利用WBS-RBS 识别出风险矩阵，再邀请3位专家从风险发生频率、对于项目进度的影响、对于费用的影响、对于质量的影响、可控程度五个维度（分别记为u_1-5）对风险进行打分后对风险进行排序，对排序结果进行K均值聚类算法排序，识别出主要风险，并对主要风险涉及的主要流程提出相应的建议，为预防及处理各项风险提供依据。

（一）云南省X网络货运平台简介

云南某国有企业投资建设的陆运口岸监管区已投入运营，由于处于对越出口边境口岸，有着大量的进出口需求；且该监管区依托海关开展跨境电商、大宗商品交易、工业制成品出口等贸易，是我国对东南亚进出口的重要节点，因此产生了大量的车货匹配需求；该国有企业投资建设了X网络货运平台，也是该陆运口岸监管区数字化一体服务平台的重要入口，面向承运人、货主和监管区内其他商户提供着信息发布、车货匹配、油品服务和园区管理等功能。

（二）X网络货运平台WBS-RBS分解

根据郑景祺（2018）［20］的相关研究并结合实地调研与项目，可分解得网络货运平台的WBS如图1所示，各部分编号为W₁₁₁-W₃₂₃；按照法慧妍等（2022）［21］的相关研究，将并结合该网络货运平台的特点，可将网络货运平台的风险因素按照环境层面、基础层面、运输服务层面进行分类，各因素编号为R₁₁₁-R₃₂₁，如圖2所示；根据以上信息构建WBS-RBS表格识别出风险矩阵，如表2所示。

图1 X网络货运平台WBS分解结果

图2 X网络货运平台RBS分解结果

（三）X网络货运平台风险排序

邀请3位在网络货运平台运营有着丰富经验的专家按照风险的存在的概率進行1级-5级的打分，并根据不确定语言集区间直觉模糊集转化表［22］，将专家打分转化成为判断矩阵R^（k），再使用IIFWA算子集结专家判断矩阵，可得判断矩阵均值r_ij^*，通过公式3-7可以得到专家e^k对风险R_i关于准则u_1-5的偏好信息所体现出的专家权重，如表2—表5所示：

通过表2—表5可以看出，每个专家对于各个准则的权重相似偏差较小，专家们的对于风险的判断较为一致，侧面反映出了专家的专业性，也证明了数据的有效性和可信度。

通过式10得出以正理想方案和负理想解为基准的各准则权重，即：

表2 X网络货运平台WBS-RBS识别结果

表3 专家关于风险R_{111_122}在单准则下的决策权重

表4 专家关于风险R_211-222在单准则下的决策权重

表5 专家关于风险R311-322在单准则下的决策权重

通过式11可求出各个风险以正负理想解为参照的加权相关系数，如表6所示。

表6各风险正负理想解参照加权相关系数

通过以上相关系数，可通过式12计算得到各方案与正负理想解的相对加权相关系数，相关加权系数为越靠近零，即相关加权系越大，则风险越高，具体系数如表7所示。

表7 各方案相对加权相关系数

依据以上相关加权系数，可以对网络货运的风险进行排序，可得排序结果为R121>R321>R311>R111>R322>R212>R221>R211>R112>R312>R222>R222>R122，针对以上得分，进行K均值聚类算法分类，以便于后续的风险防范与管理，当聚类数为3时，CH（Calinski-Harbasz Score）值最小分类效果最优，具体分类结果如图3所示。

图3 Kmeans聚类散点

如表8所示，国际环境、时效性失效、车辆事故、同质化竞争为最突出的风险，将其定义为A类风险；货物灭失、数据失真、信贷坏账、数据泄露定义为B类风险；市场容量、操作失误、劣质产品、国内政策为C类风险。

表8 Kmeans聚类分类

（四）X网络货运平台风险分析与建议

由于企业资源的有限性，需要首先满足处理主要风险即A类风险的资源需求，所以本文对A类风险的产生原因与防范措施做出以下分析。

（1）本项目处于我国边境，主要面向越南开展进出口转运、分拨与加工作业，是我国“一带一路”面向南亚、东南亚的重要连接节点。虽然在2020年11月15日《区域全面经济伙伴关系协定》签署后，中国与东盟合作迈入了新阶段，但国际局势动荡，中国和东南亚国家合作仍存在很大的发展空间，以上原因对该网络货运平台的运营造成了较大的不确定性。从WBS-RBS表格中可以看出外国国际环境主要影响W12即在线交易模块，造成的影响主要为：可能大幅降低货运需求。降低该风险影响的建议如下：及时关注我国与东南亚国家政治动向，及时把握国际政治动向，一定程度上提前应对风险，与此同时积极扩展网络货运平台的影响力，扩充业务种类和经营区域，增加生态链的稳定性，确保在政治环境出现波动时，有较强的抗冲击性和可持续性。

（2）网络货运平台的运输时效性、车辆事故风险主要影响W12交易管理業务、W22智能运输管理业务，其主要影响体现在：因运输超时引起客户对于服务质量的不满，从而造成合同纠纷和运输超时索赔，且本文中的网络货运平台运输的产品包括一定量的农产品，此类产品对于运输的时效性要求高。防范建议如下：①建立完善的平台激励与管理机制完善公平竞价模式，对于按要求完成运输的实际给予相应的奖励，并定时开展培训和服务活动，保证运输能够按时按量完成；②与外部保险公司合作，按照运输货物价值与运输时间购买相应价值的保险，在保证盈利能力的情况下与保险公司共同分担这两项风险。

（3）同质化竞争的风险主要影响：该风险主要影响W11增值业务业务、W12交易管理业务、W22智能运输管理模块。由于现阶段网络货运平台发展趋势迅猛，本项目服务周边已经有一些企业开展了相关业务，虽然竞争对手的平台功能不够全面且功能性不强，运业业态较为初级，但是竞争对手建设较早具有先发优势，在该项目运营边境地区有着一定的知名度，且不排除该平台在本项目建设期间不断迭代更新的可能性。该风险的防范建议如下：依托海关监管区的产业优势，建立健全司机后端市场，形成完整的产业链和生态链，从而形成对货源、司机、客户和运营人才的虹吸效应，利用后发优势形成错位竞争，规避同质化竞争风险。

五、结论

本文利用WBS-RBS风险识别表将云南省X网络货运平台的工作结构分解为6大模块并分解出3大层面共12个风险，经过基于相关系数及改进TOPSIS的区间直觉模糊群决策方法的排序后，得出国际环境、时效性失效、车辆事故、同质化竞争为该平台运营的首要风险，并针对以上风险进行了建议。但本文中的WBS-RBS风险识别表通过0和1来反应风险因素对工作结构的影响，存在着一定的信息失真问题，下一步的研究建议放在利用直觉模糊集对WBS-RBS的改进上。

参考文献：

［1］郭晓龙， 汤婷婷， 苏增慧. 网络货运平台背景下考虑物流服务努力的供应链定价策略研究［J］. 中国管理科学， 2022，11：1-14.

［2］邓齐月. 完善网络货运平台税务监管的思考［J］. 税务研究， 2023（1）：123-128.

［3］常连玉， 胡大伟， 陈海燕， 等. 基于PCA-Logit模型的无车承运人风险预警［J］. 江苏大学学报（自然科学版）， 2017， 38（3）：273-279.

［4］李敬泉. 中国网络货运平台业态发展研究［M］. 南京：南京大学出版社， 2017.

［5］韩雪峰.无车承运人问卷调查分析［J］. 中国储运， 2017（6）：40-41.

［6］贺政纲， 郭静妮， 徐君翔. 基于WBS-RBS和PFWA算子的多式联运网络安全风险评估［J］. 安全与环境学报， 2020， 20（2）：441-446.

［7］王卫， 张梦君. 基于WBS-RBS的数据交易侵权风险识别［J］. 情报理论与实践， 2021， 44（1）：83-88.

［8］曹洁， 王海燕， 郑凌垚. 基于改进TOPSIS-模糊贝叶斯网络的邮轮建造物资物流风险评估［J］. 上海海事大学学报， 2022， 43（4）：91-98，104.

［9］王卫， 张梦君.基于WBS-RBS的数据交易侵权风险识别［J］. 情报理论与实践， 2021， 44（1）：83-88.

［10］ATANASSOV K，GARGOV G. Interval valued intuitionistic fuzzy sets［J］. Fuzzy sets and systems， 1989， 31（3）：343-349.

［11］彭友， 刘晓鹤， 孙健博.区间直觉模糊数环境下基于犹豫度和相关系数的多属性群决策模型研究［J］. 中国管理科学， 2021， 29（8）：229-240.

［12］刘久兵， 彭莉莎， 李华雄， 等.考虑权重信息未知的区间直觉模糊三支群决策方法［J］. 运筹与管理， 2022， 31（7）：50-57.

［13］郭鹏， 韩二东， 赵静.基于相关系数及改进TOPSIS的区间直觉模糊群决策方法［J］. 模糊系统与数学， 2016， 30（5）：132-141.

［14］张孟飞， 王铁旦， 彭定洪， 等. 基于犹豫模糊偏好关系FMEA方法的改进［J］. 运筹与管理， 2021， 30（5）：73-78.

［15］石旭东， 成博源， 黄琨， 等. 基于模糊TOPSIS-FMEA的飞机IDG风险评价［J］. 系统工程与电子技术， 2022， 44（6）：2060-2064.

［16］张晨宇， 王伟， 陈志松， 等. 基于HACCP和FMEA的水产品冷链物流全流程优化［J］. 包装工程， 2023， 44（9）：254-264.

［17］李蒙， 王海峰， 汪小勇， 等. 基于FMEA和模糊TOPSIS的波浪能发电装置风险评估方法［J］. 船舶工程， 2023， 45（1）：6-16.

［18］RAFELE  C. Understanding project risk exposure using the two-dimensional risk breakdown matrix［J］. Engineering，2005，9.

［19］JIANG Y， XU Z， XU J. Interval-valued intuitionistic multiplicative sets［J］. International journal of uncertainty， fuzziness and knowledge-based systems， 2014， 22（3）：385-406.

［20］郑晟祺.基于互联网的物流商业模式分析——以无车承运人为例［J］. 商业经济研究， 2018（11）：103-105.

［21］法慧妍， 帅斌， 吕敏， 等. 基于WBS-RBS和IFWA算子的中欧班列多式联运安全风险评估［J］. 中国安全科学学报， 2022， 32（6）：200-206.

［22］ZHANG S F，LIU S Y.A GRA-based intuitionistic fuzzy multi-criteria group decision making method for personnel selection［J］. Expert systems with applications， 2011， 38（9）：11401-11405.

Operational Risk Assessment of X Online Freight Platform Based on

WBS-RBS and Interval Intuitionistic Fuzzy Set

LIU Ling1，CHEN Bo-ning1，YANG Xue-jian2，XIA Lu1

（1.School of Logistics and Management Engineering， Yunnan University of

Finance and Economics，Kunming，Yunnan 650032;

2.Yunnan Tobacco Company Dali Prefecture Company， Dali， Yunnan 671000）

Abstract： Online freight transport， representing the digital economys integration into the logistics sector， is experiencing rapid growth. However， research on its operational risk assessment remains limited.In this paper， a method combining Work Breakdown Structure- Risk Breakdown Structure （WBS-RBS） with interval intuitive fuzzy group decision making based on correlation coefficient and improved TOPSIS is proposed for risk identification of online freight platform. To address these risks， specific recommendations and suggestions are provided， offering valuable insights for enhancing the overall operational security of online freight platforms.

Keyword： work breakdown structure-risk breakdown structure （WBS-RBS） method; correlation coefficient; TOPSIS; online freight platform

基金項目：国家自然科学基金地区科学基金项目“基于时间成本优化的面向订单制造企业生产与运输协同调度问题模型与算法研究”（71862034）；云南省基础研究计划项目“基于启发式算法的易腐产品供应链协同调度优化研究”（202001AT070073）；云南省省院省校教育合作项目“‘一带一路倡议下云南跨境物流体系建设研究”（SYSX202007）；中国烟草总公司云南省公司科技计划项目“基于工商异址协同下的卷烟物流即时直供模式研究与应用”（2023530000241031）