物流论文

您当前的位置:学术堂 > 管理学论文 > 物流论文 >

冷链物流各种失效模式的风险分析

来源:学术堂 作者:韩老师
发布于:2015-10-24 共8049字

  一、导论与文献回顾

  易腐保鲜商品(Perishables and Temperature Sensitive Products,PTSP)的长途运输、配送、保鲜和安全问题,对于冷链物流(ColdChain Logistics,CCL)提出了重大挑战,促使 CCL 受到学术界与产业界的重视。PTSP 商品主要包括食品、农渔产品、医药品及一些特殊原物料等,物流过程需温度控制条件。

  所谓冷链物流是指在生产、储藏、运输、销售等各项活动中,商品始终处于受控制的温度环境中,以确保商品质量与安全的一项系统工程(Bogataj,2005)。与常温物流相比,冷链物流系统复杂,需要更多专业知识与人才,而且过程中隐藏许多环境、人员、设备、信息沟通等风险因子(Sanchez- Rodrigues et al.,2010),因未能适当识别并且加以管理,造成商品在物流过程中发生质量变异、损坏与超过保存期限等现象。据统计,全球目前约有 30%生鲜食品,由于物流处理不当造成损坏(Montanari,2008)。

  鉴于冷链物流管理的重要性,2003 年欧洲成立国际冷链协会(Cool Chain Association,CCA)致力于冷链产业整合,并建立冷链质量指标(Cool Chain QualityIndicator,CCQI),进行风险评价与管理,以提升冷链效率水平。而在学术界,Bogataj et al.(2005)运用数学模型探讨易腐食品运送过程,温度控制稳定机制;Kuo and Chen(2010)发展多温层配送模式,以降低配送成本;Abad et al. (2009)导入 RFID 科技进行商品追踪与温度监控;Sanchez- Rodrigues et al.(2010)评价英国物流作业不确定因素,将其归纳为延迟、配送条件限制、缺乏整合、需求变化与不良的信息。综观以上文献,目前的研究多侧重于冷链物流效率改善,较少针对冷链物流失效问题进行探讨。鉴于此,文章将针对导致冷链物流失效风险的各种因素,以生鲜食品冷链为案例进行系统分析,采用 FMEA 分析工具,利用专家系统,建立风险评价模型,推断失效模式风险优先指数,研究得出:温度失控、延迟配送与信息整合程度低为最严重的失效模式,同时节能环保问题也被识别为潜在风险。

  失效模式与效应分析(Failure Mode and EffectAnalysis,FMEA)是一种系统化风险分析工具,主要协助系统分析,在早期发现潜在风险因子及其影响程度,以避免失效的发生或降低其发生时产生的损失。失效模式与效应分析(FMEA)于 1960 年代由美国太空总署(NASA)发展出来,是一种用于调查和分析产品与制程潜在失效风险的系统性工具,由于 FMEA 具有系统性侦测失效风险,借助量化评估活动失效发生的发生度、严重度、侦测度,进而产生 RPN,如公式(1):RPNi=Pi×Si×D,i=1,2,3,…,n (1)冷链物流面对不确定环境,使得风险评估活动日益重要,虽然对风险有许多不同定义,但一般风险被视为是对于潜在不可预期事件的实现。而对于风险的定义一般分为两大类:第一类将风险视为一种损失(Koivistoet al.,2009),第二类将风险视为一种发生损失的概率(Kartam and Kartam,2001)。而当事件发生的概率无法测量时,则被称为不确定,需要借助专家主观判断的方法,去评估其风险。风险评估方法与技术,根据研究取得资料内容,主要可分为定性和定量量化两种类型(Bennett,1996),在量化技术中必须大量使用数量统计方法,如蒙特卡罗法 、故障树分析法、敏感性分析法、回归分析等来量化风险冲击与影响性。在许多真实状况中,由于量化资料很难取得或资料仅局限于研究问题的一小部分,使得资料无法呈现事件原貌或趋势;再者,数量资料呈现形态并非研究所需形式。在定性分析技术中,大量依赖人类判断、感觉、经验去鉴别、分析与了解风险因子及其效应,可是这种人为主观意识判断,受到个人偏误、偏好与专长的影响。因此不管是定性分析法还是定量分析法,都有其优缺点,必须视研究性质而定。

  通过风险等级分类来决定资源投入的优先顺序,并提出适当的改善作业建议,如此能以最经济的成本,来获得最佳的改善效益,并且有效防止失败事件发生,由于其强调预防管理的特点,因此,已广泛被应于工程设计、质量与风险管理中(Ebeling,2000)。虽然 FMEA 拥有许多优点,然而其 RPN 产生方式仍有一些缺陷,如相同的 RPN 值,可能来自不同严重度、发生度与侦测度的组合,且评估过程视三个风险指标为相同权重;再者当评估信息是不明确或者模糊时,也可能导致不适当的风险评估。

  人工智能专家系统可不受传统统计资料和众多假设的限制,容易修改、富有弹性,非常适合于处理资料不精确与面临不确定性环境的问题。从 1960 年代发展以来,被广泛应用于工程预测中,Turan and Yurdusev(2009)使用模糊推论去模式化水资源工程系统,Wu et al.(2007)使用模糊推论进行工程错误诊断。从以上研究可发现,在许多研究中应用和发展了定性、定量或整合两种方法,进行风险评估。近年来,随着电脑技术的发展,整合专家智能的专家系统已成为风险预测与评估的一种良好方法。

  本研究首先整合 FMEA 与模糊推理(Fuzzy Inference),建立失效风险识别专家系统;其次从冷链系统发生失效模式与产生效应,并以失效模式严重度(Degreeof Severity)、频率度(Frequencyof Occurrence) 与侦测度(Chance of Detection) 三个风险指标,通过模糊推理系统推论出风险优先指数(Risk Priority Number,RPN);最后通过对 RPN 排序,得出各种失效模式相对风险值的高低,作为防范风险的依据。

  二、研究方法

  本研究采用两阶段风险评价:第一阶段为风险识别,运用FMEA 分析冷链物流系统失效模式及其产生的后果,进而识别出风险因子。并将识别出的风险因子按照三种风险指标进行评价,以了解其风险高低。第二阶段为风险评价,将第一阶段所识别的风险因子,评价风险因子的风险值。以下分两部分,说明本研究所使用的研究方法。

  1.风险识别

  风险评价首要步骤为风险识别(Lai et al.,2002),本研究应用FMEA,系统性分析冷链物流可能的失效模式,分析这些失效模式可能造成的影响,评价其影响力,并解析其产生的原因。

  FMEA 按其应用领域的不同,有多种不同的执行步骤,学者可依据其研究领域修改应用步骤,本研究综合 Pillay and Wang(2003),Chin et al.(2009)等有关 FMEA 作业的规定及内容,将FMEA 作业实施的步骤,具体归纳成下列步骤:

  (1) 界定研究范围与风险评价专家

  在实施冷链物流失效风险评价前,必须界定研究范围与划分子系统,以进行系统性评价作业,本研究根据物流程序,将冷链物流系统划分为制造商、物流中心、零售商、控制系统和外部环境 5 个子系统,并邀请冷链物流业界专家与学者,组成风险评价小组,以进行后续相关作业。

  (2) 决定潜在失效模式与效应

  列举潜在失效模式是 FMEA 分析中最重要的步骤,因FMEA 是针对失效模式进行解析,而没有列举到的潜在失效模式无法进行评价,本研究应用失效模式与效应分析表 (见表 1所示) 的协助,对所列举的失效模式进行分析,并进一步评价其产生效应。

  (3) 决定失效因子

  依据上阶段分析所得的潜在失效模式及其效应,本研究考虑链结的对象包括人员、设备、商品、方法、信息沟通与环境等,列举失效模式要因,进一步决定失效因子。

  (4) 风险指标评价

  风险指标包括频率度、严重度和侦测度三项指标,频率度是指在失效模式发生的概率;严重度是指失效模式发生的影响;侦测度是指失效模式发生前被发现的机会。在评价尺度上,本研究参考 Chin et al. (2009),Pillayand Wang(2003) 的分类评价准则,将评价尺度从非常高到非常低,共分为五个等级,相关评价指标准则,如表 2 所示。其中违反政府法令与攸关生命安全的问题,关系重大,因此将其列入非常高等级,此外侦测度的发现程度,涉及现行作业控制方式,即如果目前控制方式是严谨的,则相对而言风险事件被检测到的机会较高。
  
  2.风险评价
  
  专家系统风险评价专家系统主要用来评价风险因子,得出风险优先指数,系统主要包括四个部分:第一部分为系统输入项,包括三项风险评价指标,失效模式发生的严重度(Si)、频率度(Pi)与侦测度(Di),作为模糊评价系统的输入项;第二部分为知识库,知识库主要包含两个子知识库,一是规则库-存放有专家知识形成的评价规则,二是资料库-主要存放各集合的归属函数;第三部分为模糊推论,此部分为系统核心,主要由推论引擎构成,负责将输入集合,依据知识库中规则与集合、参数定义,评价出适当结论,再通过解模糊,将模糊值转换为明确值;第四部分为产出部分,此部分为经评价引擎推断结果,经解模糊后,以得到 RPN值。而模糊评价系统的运作,主要包括以下几个过程:一是模糊化;二是建立模糊规则;三是模糊推论;四是解模糊。限于文章篇幅限制详细操作过程不再描述。

  三、研究结果与分析

  1.研究结果

  本研究通过风险评价专家小组,系统性识别出 35 种失效模式,失效模式普遍存在于冷链过程中,其中物流中心包含 12项失效模式、制造商 6 项、零售商 6 项、控制系统 5 项、外部环境 6 项,以下针对各子系统失效模式进行说明:

  (1) 制造商

  在制造商环节,共识别出包括接单错误、供应中断、缺少员工、不当储存、温度失控、运输作业错误 6 种失效模式。其中温度控制失效,风险值 7.67,排名第 5,显示在制造端,从原物料进货、制造到成品的制造物流阶段中,体现了温、湿度控制的重要性。而生鲜原物料的保鲜:除了温度控制因素外,湿度的控制也是一个重要因素。不当储存,风险值 6.09,排名第 13,由于不同原物料储存条件不同,储存不当会影响温度的稳定性,甚至引起商品之间交互污染,因此被识别为高风险失效模式。接单作业错误,风险值 3.42,排名第 34,显示订单源头管理的重要性,只有对顾客需求正确无误的确认,才有可能产生满意顾客。另外也识别出包括供应中断、人员缺乏等因子,进而延期交货,造成配送延迟,影响配送规划,使成本增加。

  (2) 物流中心

  在物流中心环节,共识别出包括配送车辆故障、司机短缺、存货短缺、订单内容复杂、作业流程不适当、储存不适当、包装不适当、温度设定不适当、温度失控、低效的车辆线路计划、销售与物流缺乏配合、司机与物流中心沟通不良 12种失效模式。其中温度控制失效,风险值 8.81,排名第 1,显示温度失控因素,成为冷链物流中心最主要的风险因素,突显温度控制对于冷链的重要性。不适当的储存,风险值 7.94,排名第 3,显示商品储存环境的重要性,由于物流中心处理商品种类众多,每种商品储存条件不尽相同,再者许多商品放在一起,可能会交互感染,因此稍有不慎,可能就会发生质量下降,甚至损坏的情况。不适当作业流程,风险值 7.33,排名第6,商品在装卸货过程中,如果作业流程设计不当,可能造成商品远离冷源时间太长,造成质量下降,甚至损坏。不适当温度设定,风险值 6.54,排名第 9,商品在冷链物流的物流中心储存或配送环节,不同商品储存的温度条件可能不同,因此可能出现温度设定不适当的情况。随着消费者需求的多样化与市场竞争激烈,对于物流中心的商品处理,也构成较大的挑战,因此订单内容复杂失效模式的风险值为 6.39,排名第 11.此外还包括无效率车辆线路规划,除造成成本上升、配送延迟外,也可能加大商品损坏的风险。面对动态物流环境,销售与物流功能缺乏连结、司机与物流中心沟通不畅,除了可能造成配送延迟外,也可能产生存货、成本上升。

  (3) 零售商

  在零售商环节,共识别出 6 种失效模式:需求剧烈变动、作业错误、卸货端设施拥堵、严格的配送时间段限制、储存不当、温度控制故障。其中温度监控失效,风险值 8.30,排名第2,由于零售商需将商品陈列于货架上销售,由此可能造成温度失控。不适当储存,风险值 7.82,排名第 4,由于零售商储存空间有限,造成许多商品无法做到根据商品特性进行储存,由此可能引发质量下降或损坏的风险。严格的配送时段限制,造成许多紧急配送,促使成本上升。作业错误与卸货设施拥堵或故障,可能引起温度失控与配送延迟。

相关内容推荐
相关标签:
返回:物流论文