基于SIRS模型的生鲜供应链物流风险传播机制与物流风险控制策略研究

王 辉

(福建商学院 工商管理学院,福建 福州 350012)

近年来,我国电商行业发展强劲,大量线下企业也纷纷走上电商发展道路,但这也导致电商行业竞争日趋激烈。[1-2]其中生鲜电商是电商行业中发展较为成熟的部分,近年来我国生鲜电商迅速发展,被称为中国电商下一个千亿市场,仅在2022年上半年,生鲜电商交易额达到了1821.2亿元,同比增长了137.6%,而生鲜市场仍然是一片亟待开发的蓝海。[3]在未来发展中,还会有越来越多的企业与资本进入生鲜电商市场,抢占市场开拓期的红利。但生鲜商品有极为不同的天然属性,存在易变质、难以存储以及保质期短等问题。[4]李美羽等基于生鲜供应链的实际发展,汇总了数字经济时代下生鲜供应链的创新机理和路径,研究结果显示丰富的数字经济同生鲜供应链创新融合,可指导生鲜供应链的创新实践。[5]王刚根据消费者的偏好提出一种双渠道生鲜供应链,此外供应商可引进先进的保鲜设备与方法,降低保险成本,并通过算例分析验证了该模型的有效性。[6]

综上所述,有关生鲜供应链物流的研究成果较多,但针对生鲜电商供应链风险传播机制的研究较少。为解决生鲜电商供应链物流风险及其传播机制的问题,研究运用复杂网络理论(Complex Network,CN)设计生鲜电商供应链模型(Fresh E-commerce Supply Chain Network,FESCN),然后利用SIRS病毒传染模型构建生鲜供应链物流传播机制模型(Fresh Supply Chain Logistics Communication Mechanism,FSLCM),进而分析生鲜电商供应链网络上物流风险传播机制。

1 FESCN模型与FSLCM模型的设计

1.1 FESCN模型的理论预备阶段

生鲜是未经烹调与制作等深加工过程,只做初级类产品与熟食等现场加工类商品的统称。[7]FESCN的物流风险主要来自人(HB)、管理(M)、物(G)与环境(ET),根据上述维度可以对生鲜电商供应链固定的物流风险环节进行识别与分析。在现实世界的复杂系统中,树状分形广泛存在,其生长过程与自相似结构的涌现,可集中由简单的幂律体现。在幂律的支配下,系统得以保持有序演化发展,并涌现自相似结构的全过程信息,这是支配现实世界广泛现象的动力学。目前较为主流的CN拓扑结构特性的统计指标包括平均路径长度L、节点的度分布与聚类系数Ci三种。[8-10]L的计算见式(1)。

(1)

式(1)中N代表网络节点总数,dij为从节点i到j经过最短路径边数的距离。网络中节点度分布是随机选择的节点的度为k的概率。Ci的计算见式(2)。

Ci=2Ei/ki(ki-1)

(2)

式(2)中Ei是节点i和ki个节点连接,ki个节点间存在的边数。经过不断改进,CN目前有以下四种典型的网络拓扑模型,包括规则网络、小世界网络、随机网络与无标度网络(Scale-free,SF)。但研究选用SF模型,是一种接近幂律分布的CN,具有增长性与择优连接性两种特性。其中择优连接性为新节点与节点i连接的概率pi取决于i的度ai,见式(3)。

pi=ki/∑jkj

(3)

通过增长与择优连接的步骤,能更好拟合真实网络的无标度特性。

1.2 FESCN模型的设计

FESCN无标度的特点如下,生鲜电商市场经历了从0到n的快速增长,其参与者也在动态变化中,因此FESCN满足SF模型的增长。在FESCN中,核心企业一般为生鲜电商平台,尤其是实力雄厚的电商巨头,具有连接众多供应商的天然属性,新加入节点的企业连接倾向与电商巨头合作。因此FESCN具有SF模型的择优连接性,在SF模型的基础上结合FESCN的实际特点,构建了更适用的FESCN模型。在生鲜电商行业发展历程中,最终留下了生鲜垂直模式、综合电商模式、O2O模式和“超市+餐饮”模式四种模式。这些模式虽然各有竞争点,但从整个供应链来看,基本上是由生鲜产品的生产基地、批发商、加工商、电商平台及消费者构成,且冷链物流作为载体与中介流转在整个供应链。因此为保持真实的供应链和简化模型,研究将生鲜电商供应链分为五个层级,最基本的组件是节点和边。生鲜电子商务供应链的所有五个层级均被视为网络中的节点。边表示企业之间的业务交易,但不考虑业务量的范围。此外虽然实践中的产品和资源是流动的、有方向性的,但从供应链物流网络的风险扩散分析,若随机一个节点发生了风险,风险会与该节点连接的边进行传播,因此FESCN是无向网络。FESCN的五个层级分别为生鲜产品的生产基地、批发商、加工商、电商平台与物流平台,用集合表示为FESCN={S1,S2,S3,S4,S5},每个层级Si由n个企业构成,表示为

代表第i个层级的第j个企业。供应链网络中产品或服务的交易关系为式(4)。

(4)

式(4)为第i个层级的第m个企业向第j层级第n个企业提供产品或服务。在SF网络产生中,新节点仅能在一定范围内选择连接,可选择的范围为Pi,Pi⊆Si,计算见式(5)。

|Pi|=loc·|Si|,loc∈[0,1]

(5)

(6)

1.3 基于SIRS的FSLCM模型的构建

SIRS传染病模型适用于易感者S、患病者I与康复者R三类人群,康复者只有暂时性的免疫力,单位时间后变为易感者,有概率被感染成为患病者。[11]SIRS模型在FESCN中的传播是由于生鲜电商物流风险传播与人群中病毒传染存在相似性。为使FSLCM模型更加符合显示供应链网络演化,研究在SIRS模型的基础上引入感染者淘汰系数ψ进行优化。FSLCM模型中,S(t)、I(t)、R(t)与Z(t)分别为t时刻供应链网络中处于易感状态、感染状态、免疫状态与被淘汰的企业密度,均满足范围[0,1];χ、φ、η与ψ分别为风险感染、感染、丧失免疫力以及感染者淘汰的概率。根据生鲜电商物流与企业供应链管理者与专家的咨询,可得生鲜电商物流风险强度与供应链企业免疫能力评价指标体系,见图1。

图1 生鲜电商物流风险强度与供应链企业免疫能力评价指标体系

1-9标度法是判断矩阵计算指标的标准,同一层级两个因素相比,1表示两因素同样重要,3、5、7、9分别表示前者比后者稍重要、明显重要、强烈重要与极端重要。通过两两比较,构建判断矩阵Y,然后使用方根法计算指标的权重值,最后经归一化处理,可得指标i的权重值ωi,见式(7)。

(7)

式(7)中λi为各项指标的权值。因人的主观性会造成判断矩阵出现矛盾情况,因此需对Y进行一致性检验。L的最大特征值ζmax计算见式(8)。

(8)

式(8)中W为指标的权重向量。一致性指标CI的计算见式(9)。

CI=ζmax-n/n-1

(9)

2 基于FSLCM模型的风险传播机制分析与物流风险控制策略

2.1 FESCN模型的结果分析

为验证FESCN模型是否符合真实供应链网络的特征,研究使用MATLAB构建FESCN模型。初始时刻网络五个层级包含的节点企业分别设为6、6、6、1、1,节点总数为1000。

图2 FESCN模型的统计特征结果

图2为FESCN模型的统计特征结果,图2(a)为L与网络规模的关系曲线,可得L∈(1.6,3.1),同网络规模快速增长的趋势相比,L的相对增长速率较慢。因此其具有小世界特性,这表明模型的L和网络节点数量的对数呈现近似正相关。图2(b)为模型的度分布结果,度值与节点数量呈负相关,这表示模型具有无标度网络特性。图2(c)为C与网络规模的关系曲线,C∈(0,0.5),且随网络规模的扩大,C逐渐趋近于0。上述结果与以往有关供应链网络的结果保持一致,这说明FESCN模型可进行供应链风险传播的实验。[12-13]

2.2 FSLCM模型的应用与风险控制策略

为研究风险在生鲜供应链中的传播机制,研究使用FSLCM模型进行分析,以提出针对性物流风险控制策略。研究以T生鲜电商企业作为研究对象,其是一站式的电商平台,业务涵盖近50个地区,且合作企业超过500个,销售渠道包含官网与软件、向企业直售和入驻其他生鲜电商平台。通过T企业的实际情况制定了相应的风险等级,(0,0.2]、(0.2,0.4]、(0.4,0.6]、(0.6,0.8]与(0.8,01]在生鲜电商物流风险强度中表示风险很低、较低、一般、较高与很高,在供应链企业免疫能力中表示差、较差、一般、良好与优秀。

表1 T生鲜电商物流风险强度与供应链企业免疫能力评价指标体系的风险结果

表1为T生鲜企业所处的物流风险等级和供应链网络中企业抵抗风险等级的结果。由表1可知,以T生鲜电商企业的供应链物流风险强度为0.457,D、J与R的得分为0.564、0.551与0.582。

T生鲜企业电商供应链风险传播模型的参数设定如下,χ、φ、η与ψ分别为0.208、0.25、0.425与0.214;初始时刻五个层级分别为2、2、2、1与1,网络节点总数为500,运行30个时间步,可得传播过程见图3。在图3中S、I、R与Z分别为易感、感染、免疫与淘汰节点,网络中I迅速增长在t=5时刻稳定在0.2,此时占比0.4的企业被市场淘汰。

图3 T生鲜企业供应链网络风险传播过程

图4 χ、φ和各状态企业密度的关系

图4为研究χ与φ对风险传播的影响,使初始值与其他参数保持不变,将χ分别取值0.5与0.03,将φ分别取值0.1与0.95,可得χ、φ和各状态企业密度的关系,见图4。图4(a)与图4(b)显示χ和风险传染速度以及稳态风险传播范围呈正相关,图4(c)与图4(d)显示φ与风险有效速率稳定状态时的风险传播范围呈负相关。

图5 η、ψ和各状态企业密度的关系

为研究η与ψ对风险传播的影响,在同样参数下,将η分别取值0.8与0.1,将ψ分别取值0.1与0.6,可得η、ψ和各状态企业密度的关系,见图5。图5(a)与图5(b)显示η与风险传染有效速率和风险传播范围呈正相关,图5(c)与图5(d)显示ψ与风险传染有效速率和风险传播范围呈负相关,弱势企业不仅易感染风险,还易使风险恶化,不利于供应链网络的稳定。根据上述风险传播过程的分析,若供应链网络中企业产生风险后,风险会在短时间通过供应链网络扩散,因此在风险事件发生的早期,企业可以及时制定和实施风险控制措施,通过削弱风险的影响,控制风险的蔓延,快速应对风险,使企业恢复正常,并将风险控制在一定范围内。通过研究结果可得针对T生鲜企业供应链的风险控制策略,主要包括建立生鲜企业风险管理体系、积极发展第三方冷链物流、加强生鲜电商冷链物流的运作管理和培养生鲜冷链物流专业人才这四个措施。其中企业风险管理体系包含风险预警机制、风险应急机制与风险持续动态监控机制,这是由于T生鲜企业作为供应链中的核心企业,其与众多企业有着长期合作关系,若是其产生风险,就会难以控制风险传播的范围,因此制定较强的风险管理机制能有效减少风险在整个网络中的传播范围。为降低生鲜电商冷链物流运作风险水平,必须对其运作全程进行质量控制。首先在生鲜产品的生产与供应环节,引进完善的预冷设施设备,严格控制生鲜产品的质量,确保生鲜产品在流通环节的新鲜度;然后加快智慧冷库建设,构建生鲜产品冷链运输设施网络,并不断完善冷链设备;最后T生鲜企业应积极将冷链物流业务外包给专业的物流公司,推动第三方冷链物流的发展。通过上述全过程的物流风险控制策略,增强T生鲜企业应对风险的能力,并推动其在生鲜电商行业的稳步增长。

3 结论

我国生鲜电商行业的发展较为成熟,但物流风险是制约其发展的技术壁垒。为研究生鲜供应链网络的风险传播机制,研究利用CN与SIRS模型,构建FSLCM模型,以分析物流风险在生鲜电商供应链网络的传播机制。实验结果显示,FESCN模型的L∈(1.6,3.1),满足很短的范围;大部分节点有较小的度值,且度值与节点数量呈负相关;C∈(0,0.5),且随网络规模的扩大,C逐渐趋近于0。这说明FESCN模型符合真实供应链网络的特征。在实际应用中,T生鲜企业的供应链物流风险强度为0.457,D、J与R的得分分别为0.564、0.551与0.582。综上所述,FSLCM模型适用于研究生鲜电商供应链物流风险的传播途径。但研究仍存在不足,研究为简化模型,忽略了企业间的交易量,在未来研究中可构建含交易量与风险感染概率的模型,进一步描述生鲜供应链物流风险传播的过程。