多式联运服务异常事件监测方法及系统设计文献综述

文献综述（或调研报告）：

对于多式联运异常事件监控处理的研究，国外开始得较早，且其研究范围不止限于单一的运输过程，而是覆盖整个供应链过程，且研究内容偏向于企业运营管理，而非工程问题。多式联运作为新型物流的一个环节，对整个供应链异常事件的处理模型对解决多式联运异常事件的处理问题具有可观的借鉴价值。Svensson 指出了供应链扰动现象的存在，并认为其影响了供应链预期，按计划的正常运作，从而带来了相关负面影响，作者特别指出了供应链的脆弱性，强调了具有弹性供应链的重要性。^[3]Liu, Kumar＆Van Der Aalst进行了全供应链运作过程中意外事件的研究，这些意外事件也被称为例外，因为它们不属于供应链计划的一部分。例外的例子有产品缺货、生产故障、装运延误、卡车事故和机器故障。供应链的各个环节（包括运输），不仅要求能够处理预期内事件，还可以妥善处理意料之外的事故^[4]。Park, Leeamp; Yoo重申了供应链管理的（SCM）概念，其指出了其要义在于提高组织效率和供应链运营效率，供应链管理覆盖原材料到一级，二级供应商乃至最终消费者的全过程。其中运输部分的管理是极其重要的一部分，相关的管理方法涉及材料，过程，信息的有效管理，这些管理都需要控制和协调活动^[5]。Knickle amp; Kemmeter指出了供应链事件管理（SCEM）的概念，该概念是基于供应链流程变得高度数据密集的背景下提出的。作者提到了“子流程”的概念，事件可以通过影响相关子流程来影响物流过程和执行^[6]，如卡车损坏，交通事故对运输主流程的影响。在处理意外事件时，应将其归类到一个细分的子流程中，这有赖于对全过程中密集数据的合理，高效运用。Blos, Wee，amp; Yang指出了外部事件对物流过程的影响，影响物流过程的不仅仅是物流直接相关的子过程，如运输，仓储，流通加工等，还有许多外部意外事件也影响了物流过程，其包括地震，战争，价格上涨，以及和贸易伙伴的竞争^[7]。Mukta Bansal等学者建立了一个基于仿真器的扰动控制系统，通过对KPIs（关键绩效指标）的监控，在扰动出现后，确定一些可能的原因，应用供应链仿真系统实现可能的修正优化措施，以相关的KPIs变化作为评价指标，寻求仿真后最优化结果和其对应的修正方案，并将该方案应用于异常事件协调控制系统中，实现对异常事件的处理优化^[8]。El Kassiri amp; Belouadha从图论的角度给出了异常事件处理的新型数据库模型。作者将异常事件视为图形节点，将它们的关系视为该系统的边界。通过图论的处理方法，有效地提高了系统在有限时间窗口内处理异常事件的效率，其是在SCEM背景下提出的^[9]。基于此又提出了一个基于行为主体（agent-based）的决策支持系统来处理供应链中的异常，应用启发式算法优化供应链，并就一个的炼油厂供应链进行了讨论和分析。Fernandez、Toledo、Galli、Salomone和Chiotti(2015)提出了一种基于事件主体的方法，即就意外事件来进行研究（而非整体运输结构）其提出建立一个监视预测子系统，该子系统是供应链中破坏性事件协同管理的整体面向服务体系结构的一部分。它可以被供应链参与者使用，并提供具有两种主要功能的监控服务:收集与供应流程执行相关的数据;处理和评估收集的数据，以检测和/或预测破坏性事件[^10]。George Vlahakis等学者给出了一种可应用在供应链中的态势感知模型，通过对作者们给出的“简单事件”，“复杂事件”和“供应链行为主体”的相关关系分析，经由三个层次（概念层，分析层，目标层）辅助建立一个态势感知模型，并通过实际的软件架构验证了该模型的态势感知能力^[11]。Arief Adhitya 等学者提出了一个基于模型的重规划供应链异常事件管理决策框架，其依赖一个被称为“复合运算图”的因果关系模型。结合该模型，基于用户所定义的“功效函数”就可能引发异常事件的原因给出所有可能方式处理扰动^[8]。较“启发式算法”，其优点在于更加灵活，更易符合用户的实际要求。Huan Fan 等学者另辟蹊径，从信息加工理论的角度探讨了供应链风险信息的处理对供应链风险管理的影响。作者们搭建了一个信息处理的概念模型，该模型共分为三个层次，即：信息的先导部分，信息的加工处理部分和信息的结果部分。经由信息处理过程分析供应链风险信息的流变过程的供应链风险管理的影响^[12]。Jing Wang和Huili Yue 建立了一个针对食品供应链的食品安全预警系统。该系统基于数据挖掘技术搭建，应用关联技术和物联网技术，时刻监控食品物流相关数据，如净重，体积，运输环境温度等，将之与相关数据库内部信息进行对比，进行初步分析，并告知相关人员并交由专家决策分析，实现对食品供应链的安全控制[^13]。作者们以一个乳品工厂为例进行了分析。

相对应地，对于异常事件的处理研究，国内学者起步较晚，且研究多偏向于工程学的交通领域，而交通是运输的载体，对交通问题的监控反馈处理无疑对处理运输过程中的异常事件大有帮助，故也有相当借鉴意义。王伟力，王国伟等学者介绍了物联网新形势下的交通异常自动检测技术，不同于旧有的以固定车辆检测器为核心自动检测技术，新形势下的交通异常自动检测技术将人，车，路和环境本身视作一个信息系统，，每个交通参与者既是信息提供者又是信息消费者。借用短程通信技术（包括WIFI，WIMAX等）将具有RFID电子车牌的车与人、路和环境连接为一个整体，使交通信息的传递方式由层次关系向网状关系转变，构建更全面的互联互通体系，一定程度上解决了传统方法误判率高，）数据与算法的通用性不高、可移植性和自适应性较差等问题^[14]。黄舜平提出了一种新的应用体系用于处理运输货物运输过程中货物的损毁，掉包，货物恶意积压等异常事件。该应用体系的核心是采用RFID技术，通过基于RFID技术的EPC网络可以方便地记录和共享单件商品在生产制造、物流仓储、分销零售等供应链全过程的信息，从而建立起一套基于供应链的防伪溯源解决方案，为解决防伪，掉包，损毁等问题。作者还给出了供应链防伪溯源模型。模型通过将供应链事件转换成路径向量，并使用密度漂移算法和k平均算法对路径向量进行聚类，实现了对供应链常见异常事件检测的目的^[15]。杨浩，王兴芬，莫立民就食品冷链物流给出了一个基于多主体（Agent）的质量安全管理模型。其将供应链划为若干各环节，并对相应的环节进一步划分为子环节，对每个子环节的核心部分实现相应数据采集，并结合一个总监控主体和一个通信主体，实现全过程管理控制。各主体相互通信，使用案例推理算法来检索，重用，修订和保留案例，主要实现两个功能，处理类似的异常情况，定义为新的异常情况而后实现对应处理^[16]。

通过上述文献的分析可以发现，各国学者都对运输过程中意外事件的重要程度给予了一定的重视，也提出了相关的控制模型，各模型的侧重点存在差异，部分偏重于对整体网络的研究，而部分偏重于基于事件并展开的研究。但在长期的研究中，存在一些共性：（一）注重系统效应，重视意外事件对整个物流运输系统其他环节的影响。（二）视野更宽阔，就运输问题而言，采集数据的主体从就有的车辆扩展到道路运输系统，进而拓展到整个企业供应链体系。值得注意的是，不少学者引入了一些较为新颖的物流信息技术，如RFID，电子标签等，这些技术的引入对异常事件出现时数据流信息流的监控无疑具有相当作用。

四、方案（设计方案、或研究方案、研制方案）论证：

研究方案：

1. 广泛阅读国内外相关文献和多式联运发展趋势相关资料。
2. 收集多式联运服务异常事件，进行来源分析并将之进行分类。

（3） 建立多式联运不同场景下的异常事件识别，判断，分类，评估，响应模型与机制。

1. 基于案例企业，完善多式联运异常事件场景响应机制研究。。

（5） 结合实际案例，进一步完善对应的多式联运异常事件决策支持系统框架，并补充一些多式联运客户异常事件管理的具体建议。

技术路线：

1. 前期资料收集：包括相关文献阅读，项目相关资料分析处理。
2. 可行性分析讨论：选取合适方法，进行可行性分析讨论。
3. 对多式联运异常事件进行初步讨论，进行定性分析，并初步分类。
4. 建立多式联运异常事件识别模型，判断，分类，评估模型。
5. 进行模型的运行仿真，从统计学角度对其进行评价分析。
6. 建立多式联运服务异常事件管理决策支持系。

（6） 和实际问题对接，利用建立模型和实际情况进行反馈调节，对原方案进 行优化升级，使之更符合实际情况。

（7） 进行方案的回顾和反思，并对不足之处作补充说明。

技术路线图如下所示：

五、进度安排：

(1)2019.2.18-3.08 开展文献调研，撰写开题报告；

(2)2019.3.09-3.18 完成英文文献翻译；

(3)2019.3.19-3.26 开展项目现状分析研究；

(4)2019.3.27-4.09 开展多式联运服务异常事件识别模型及方法研究；

(5)2019.4.10-4.22 开展基于案例企业的多式联运服务异常事件场景及响应机制研究；

(6)2019.4.23-5.05 开展决策支持系统框架研究；

(7)2019.5.06-5.15 论文初稿撰写；

(8)2019.5.16-6.15 论文修改与完善，完成答辩及相关材料提交。

六、参考文献：

[1] 朱晓宁.集装箱运输与多式联运.北京：中国铁道出版社，2016，6

[2] 2016-2022年中国交通行业信息化行业竞争态势及十三五市场竞争态势报告.北京：中国报告网，2016，

[3] Svensson, Goran. A conceptual framework for the analysis of vulnerability in supply chains. International Journal of Physical Distribution and Logistics Management, 2000

[4] Liu, R, Kumar, A, Van Der Aalst, W. A formal modeling approach for supply chain event management. Decision Support Systems,2007

[5] Park, J. H, Lee, J. K, Yoo, J. S. A framework for designing the balanced supply chain scorecard. European Journal of Information Systems, 2005

[6] Knickle, K, Kemmeter, J. Supply chain event management in the field: Success with visibility. Boston: AMR Research,2002

[7] Blos, M. F, Wee, H. M., Yang, W. H. Supply chain risk management: Resilience and business continuity. Handbook on Decision Making, 2012

[8] Mukta Bansal, Arief Adhitya, Rajagopalan Srinivasan,I.A. Karimi. An Online Decision Support Framework for Managing Abnormal Supply Chain Events. European Symposium on Computer Aided Process Engineering.,2005

[9] El Kassiri, A, Belouadha.F. Z. Towards a unified semantic model for online social networks analysis and interoperability. In 2015 10th international conference on intelligent systems: Theories and applications (SITA) ,2015

[10] Fernaacute;ndez, E, Toledo, C. M, Galli, M. R, Salomone, E, Chiotti, O. Agent-basedmonitoring service for management of disruptive events in supply chains. Computers in Industry.

[11] George Vlahakis, Dimitris Apostolou, Evi Kopanaki. Enabling situation awareness with supply chain event management, Expert Systems With Applications ,2017

[12] Huan Fan, Gang Lia, Hongyi Sun, T.C.E. Cheng. An information processing perspective on supply chain risk management: Antecedents, mechanism, and consequences. International Journal of Production Economic,2017

[13] Jing Wang, Huili Yue. Food safety pre-warning system based on data mining for a sustainable food supply chain, Food Control,2017

[14] 王国伟，王伟力，谢洪波，杜荣华，杨晓光.物联网条件下交通异常事件自动检测技术.公路与汽运，2012

[15] 黄舜平.基于事件的防伪溯源应用体系结构设计与实现[M]：[硕士学位论文]．上海：上海交通大学软件学院，2014

[16] 杨浩，王兴芬，莫立民.基于多Agent 的食品冷链物流质量安全管理模型.技术与方法,2015