電子商務物流延誤風險在節點間的傳播研究

喬鵬亮 閆政維

服務電子商務的物流活動在具體運行過程中面臨著眾多風險因素，其中延誤風險是造成物流效率低下和消費者投訴的關鍵因素之一，以貝葉斯理論為基礎構建了電子商務物流延誤的風險傳播網絡模型，并以北京和廣州到欽州為例，以三種隨機事情導致的物流風險為例進行了實證分析，討論了物流延誤風險傳播的三種效應，對于物流風險延誤傳播的分析有助于科學決策，論文最后提出了基于科學預測的管理建議。

隨著電子商務的迅速發展，網上購物已經成為生活方式的一種，服務電子商務的物流效率也一直在進步，甚至在2018年“雙11”最快的貨物到達買家手里只用了十幾分鐘，物流的進步使得網絡購物的便利性得到最大限度的發揮。雖然服務電子商務的物流一直在進步中，但是由于物流環節眾多，各結節間商家的協作等問題，物流延誤的投訴竟然增多了，據國家郵政局數據統計，2018年7月快遞延誤消費者投訴次數達26074次，而一年前2017年8月的快遞物流延誤消費者投訴次數為2778次，一年間電子商務物流延誤投訴增長將近10倍。由此可見，電子商務的物流延誤不但沒有因技術的進步而減少，反而不斷增加，因此，探索電子商務物流延誤問題就具有十分重要的現實意義。

一、文獻綜述

時間延誤最初在生產制造領域被廣泛討論，近年來逐漸延伸到對供應鏈的管理中，在物流領域，由于研究的和合作節點比供應鏈窄，研究少一些，以“物流”和“延誤”為關鍵詞檢索的文獻并不多，少量的文獻也圍繞多節點的物流活動展開，如國際物流網絡合作中的業務協作和延誤引起的可靠性等。國內在延誤方面的研究主要集中在航空運輸的飛行延誤方面，在延誤的模型化研究方面，通過以“物流延誤”為關鍵詞進行搜索，國內的文獻出現2篇報道（2014、2016），學術方面只有1篇關于物流節的網絡訂單延誤的原因分析，研究的內容是關于定性方面的現象分析，沒有模型化的分析內容。

二、電商物流延遲風險傳播模型

（一）物流延誤傳播的概念

當物流配送開始時，假設貨物從A點出發，經過B點，最終到達C點，A點到B點正常需要3天，B點到C點需要2天，總共需要5天時間，當發生延誤時，這時候可能會出現：一是A到B也發生了延誤，使得天數4天，但是B到C時卻用了1天，總共時間剛好5天，沒有發生延誤;二是A到B沒有發生延誤卻提前了，用了2天，但是B到C是卻用了3天，發生延誤，但是總共用了5天，沒有產生延誤;三是A到B發生延誤，用了4天，B到C也發生延誤，用了3天，總共時間用了7天，發生了延誤;四是A到B沒有延誤，B到C也沒有延誤，總共時間也沒有發生延誤，以上說明了物流延誤在傳播中受不同因素影響，并且在受影響下所傳播至下個點是否對延誤效果有增強、減小或者不變。另外在配送過程中，當貨物配送到快要達到下個配送點時，配送點有需要裝卸貨物并且有需要出發的車輛，這時候如果路程中發生了延誤，配送點有兩種情況，第一是配送點等待延誤的貨物，那么貨物得到了快速裝卸的機會，但是也影響了到達另外一個配送點的配送時間，使得配送點的配送時間延誤總和增加;第二是配送點到時發車，沒有等待延誤車輛，總的配送時間會減少，但是會影響貨物的裝卸時間，造成裝卸貨物的延誤。所以說延誤是不可能隨著時間消失的，況且在現實中具有不確定性。

（二）基于貝葉斯網絡的物流風險傳播關系

貝葉斯網絡（BN）就是在概率推理下的一種圖形化的概率網絡，同時也是一個二元組，從二元組來看，就是BN=（G，P），G=（V，E），從圖形來看就是一個有向無環圖，結合二元組，字母V代表著節點集，一個節點集就對應著相關領域的某一隨機變量;字母E代表著有向邊集，兩者變量之間有著相互依賴的關系，即因果關系?，F實中的物流風險正是在緊鄰的上下游之間傳播，下游的風險概率直接受到上游風險概率的影響，因此，利用貝葉斯網絡可以較為準確地刻畫物流風險在物流節點間的傳播問題?；诖?，本文選擇以貝葉斯網絡為基礎，以北京、武漢、廣州、南寧為物流節點，以現實的購物時間延誤為案例，開展基于電子商務物延遲風險傳播的研究。

三、物流風險傳播算例

（一）算例背景

在建立延誤模型時，選取北京至南寧物流配送的延誤、廣州至南寧物流配送的延誤、南寧至欽州物流配送的延誤為其相應的變量（節點），節點意義為：當北京（B）或者廣州（G）物流配送點發生延誤時，可能會導致到達南寧（N）的時間發生延誤，實際情況是現實路途中發生延誤時在過程中可能減小了，對南寧沒有太大影響，或者至南寧的物流延誤沒有減小，直接傳播至欽州（Q）;當傳至欽州時，實際情況可能為一是南寧受延誤影響，到達欽州時整體時間沒有延誤，為此北京至欽州沒有延誤，二是南寧受延誤影響不大，但是到達欽州時總體時間卻發生了延誤;三是南寧受延誤影響大，傳至欽州時，整體時間也發生了延誤。同理，同樣選擇北京至武漢（W）的配送延誤，武漢至柳州（L）的配送延誤，南寧到柳州的配送延誤為相應的變量，節點意義為當北京配送至武漢時發生延誤，導致武漢至柳州有三種情況，一是武漢至柳州時間提前，但是總體時間發生了延誤;二是武漢至柳州時間沒有延誤，總體時間沒有發生了延誤;三是武漢至柳州發生了延誤，總體時間也發生了延誤。為此每個節點取值均是大于等于7或小于7，各變量對應的值域為BQ：{<7，≥7};GQ：{<7，≥7};NQ：{<7，≥7};BL：{<7，≥7};WL：{<7，≥7};NL：{<7，≥7}。

（二）延誤模型的網絡結構

根據上述模型變量之間的相互關系，在構造貝葉斯網絡結構上，首先是確定相關變量集及其對應的值域;其次是給出網絡結構，確定有向無環圖;然后是給出各個因素局部概率的分布情況，即條件概率，表示節點間與父節點之間的相互關系;最后根據貝葉斯網絡構建網絡結構圖，如下圖所示：

每一個節點表示了一個變量，節點之間的有向弧則表示了各節點（變量）之間的關系，即因果關系。參考了國家郵政局公布的2017年主要快遞企業有效申訴表，根據國家郵政局監測提供的數據，以郵政快遞為準接下來計算北京（B）到欽州（Q）的條件概率：

北京到南寧快遞是3天，南寧到欽州是2天，共5天，當強冷空氣南下，北京至南寧的航班受延誤導致5天才到，這時候有3種情況，一種是南寧到欽州1天到，共6天，這種是沒有發生延誤;一種是南寧到欽州2天到，共7天，這時產生了延誤;最后一種就是南寧到欽州變成了3天，也發生延誤了。

因此根據貝葉斯公式計算出第一種情況;

P（N<7∣B≥7）=0.0736*0.9282/0.0718=0.9515

P（Q<7∣N<7）=0.9301*0.9282/0.9515=0.9073

第二種情況;

P（N<7∣B≥7）=0.9515

P（Q≥7∣N<7）=0.9274*0.0718/0.9515=0.0700

第三種情況;

P（N≥7∣B≥7）=0.0763*0.0718/0.0718=0.0763

P（Q≥7∣N≥7）=0.0723*0.0718/0.0763=0.0680

北京至武漢的快遞是3天，武漢至柳州的快遞是2兩天，共5天，當出現暴雪天氣時，北京至武漢的航班受延誤，根據實際情況，可以得知有3種情況，一是北京至武漢發生了延誤，用了5天，武漢至柳州時提前了一天，總共時間6天，沒有發生延誤;二是武漢到柳州用了2天到，沒有發生延誤，但是總共花了7天，這時產生了延誤;最后一種就是武漢到柳州變成了3天，發生延誤了，總體時間也發生了延誤。這時需要考慮一種情況，假設武漢跟南寧是相互關系的。然后在貝葉斯公式基礎上計算。

同理，北京到南寧快遞是3天，南寧到柳州是2天，共5天，當強冷空氣難下，北京至南寧的航班受延誤導致5天才到，這時候有3種情況，一種是南寧到柳州1天到，共6天，這種是沒有發生延誤;一種是南寧到柳州2天到，共7天，這時產生了延誤;最后一種就是南寧到柳州變成了3天，也發生延誤了。

P（N<7∣B≥7）=0.0736*0.9282/0.0718=0.9515

當武漢沒有發生延誤時：

P（L<7∣N<7，W<7）=

0.9290*0.9282*0.9188/0.9515*0.9314=0.8940

當武漢發生延誤時：

P（L<7∣N<7，W≥7）=

0.9290*0.9282*0.0731/0.9515*0.0727=0.9112

其他情況;

P（N<7∣B≥7）=0.9515

當武漢沒有發生延誤時：

P（L≥7∣N<7，W<7）=

0.9279*0.0718*0.9397/0.9515*0.9314=0.0706

當武漢發生延誤時：

P（L≥7∣N<7，W≥7）=

0.9279*0.0718*0.0771/0.9515*0.0723=0.0747

第三種情況;

P（N≥7∣B≥7）=0.0763*0.0718/0.0718=0.0763

當武漢沒有發生延誤時：

P（L≥7∣N≥7，W<7） =

0.0751*0.0718*0.9325/0.0763*0.9307=0.0708

當武漢發生延誤時：

P（L≥7∣N≥7，W≥7）=

0.0751*0.0718*0.0762/0.0763*0.0747=0.0732

（三）模型結果

根據以上分析，當北京發生延誤時，對于武漢來講，出現以下3種情況，當延誤傳到武漢時，一是在武漢延誤被降低了，這時候要考慮南寧的延誤情況，當武漢沒有發生延誤，南寧也沒有延誤時，柳州沒有延誤的概率為0.9338，當武漢沒有發生延誤，南寧有延誤時，概率為0.9408;二是當延誤傳至武漢時，武漢到柳州的快遞沒有發生延誤，但是對于柳州來講，總體時間產生了延誤，此時當武漢沒有發生延誤，南寧沒有延誤時，柳州發生延誤概率為0.0729，當武漢沒有發生延誤，南寧發生延誤時，柳州出現延誤的概率為0.0752;最后一種情況，就是北京的延誤傳至武漢時，武漢對延誤的吸收能力有限，將延誤傳播至柳州，這樣總體上都產生了延誤，這時當武漢發生延誤，南寧沒有延誤時柳州發生延誤的概率為0.0732，當武漢發生延誤，南寧也發生延誤時，這時柳州發生延誤的概率為0.0720。同樣，當南寧發生延誤時，對于柳州來講也有3種情況，一種就是延誤到南寧后延誤效應影響不大，南寧到柳州的快遞沒有發生延誤，這種情況下當南寧沒有發生延誤，武漢沒有發生延誤下柳州也沒有發生延誤的概率為0.8940，在南寧沒有發生延誤，武漢發生延誤下柳州沒有發生延誤的概率為0.9112;第二種情況就是南寧至柳州沒有發生延誤，但是總體時間卻發生了延誤，同樣的當南寧沒有發生延誤，武漢沒有發生延誤下柳州發生延誤的概率為0.0706，當南寧沒有發生延誤，武漢發生概率時柳州也發生延誤的概率為0.0747;第三種就是北京的延誤傳至南寧，導致南寧到柳州也發生了延誤，這時候當南寧發生延誤時，武漢沒有發生延誤的概率下柳州發生延誤的概率為0.0708，當南寧發生延誤，武漢也發生延誤下柳州發生延誤的概率為0.0732。

為此建立如圖以下網絡結構：

四、結論及建議

1.物流延誤受到隨機因素的干擾，具有不確定性。物流延誤的初始延誤點事件具有隨機性，在進行實踐過程中要進行線路和物流線路上的歷史數據統計，從大數據中分析出事件出現的頻率等，歸納分類各類事件出現的具體情況，并從中探索隨機因素導致的延誤事件發生普遍規律，從而方便進行科學管理，對于出現概率高、影響范圍廣的隨機因素要進行前置監控和預測，將不確定性用科學的方法進行管理，提高決策的科學性。

2.物流延誤是可以被合理預測到的，根據預測結果判斷延誤出現的可能，能夠對提高整個物流環節效率管理，提升物流服務效率，提高社會經濟利用水平，降低重復和消除浪費。在預測中，要從初始節點物流事件出發，采用大數據、概率論等相關手段，在延誤發生之后要加強信息溝通，為科學預測提供基礎保障，并在物流節點間實施動態監控，對傳播的三種效應進行不斷跟蹤，為決策提供可靠的信息依據。（作者單位：1.廣西科技大學 ?北部灣大學; 2.廣西科技大學）

本文系：廣西科技廳課題（中國-馬來西亞物流科技人才交流創新平臺建設2017AD19022）;教育部人文社科課題（海上絲綢之路跨境電子商務物流風險防范機制研究15XJA630005）。