4.5.4.1 蒙特卡洛仿真
我们使用蒙特卡洛方法来对食品供应链上安全风险的传播过程进行仿真，由此来探索风险在各节点间的传播结果。蒙特卡洛方法是在对研究的问题建立数学模型的基础上，将模型的某些参数用符合一定概率分布的随机数来表示，通过进行大量的随机数生成来模拟真实的场景，最后获得风险评价指标的概率分布等统计信息，进而揭示风险的传播规律。
4.5.4.2 食品供应链示例与参数假设
为不失一般性的同时保持一定的简洁性，我们构建一个由15个节点企业组成的食品供应网络，主要为两类消费者提供食品。供应链节点分别设定为食品原料供应商ABCD、生产商EF、加工商GH、销售商IJK和消费者群体LMNO，如图4.11所示：
图4.11 食品供应网络示例
为便于研究，根据前面提出的模型，我们对某些模型参数作一定假设：
（1）关于初始安全风险能量的正态分布假设
我们假设每个节点的初始风险能量服从正态分布。由中心极限定理可知，如果样本足够大，不论总体是否服从正态分布，样本均值都将趋于服从正态分布。供应链中假设原料供应商、生产商、加工商和销售商的风险源种类各不相同，危害程度各异，初始能量服从不同均值和方差的正态分布。如图4.11所示，供应链中有两类消费者群体，其风险特征也不相同，群体1初始风险能量较低而风险承受能力较高；恰恰相反，群体2风险能量较高但风险承受能力较低。L、M都属于第一类消费者群体，不过他们的食品购买渠道不同，承担的风险也有差异，N、O同理。具体参数取值如表4.5所示。
表4.5 供应链各节点初始能量及有关参数取值
风险能量传播权重反映了供应链上下游之间供应商品的密切程度，体现为供应次数和每次的供应数量。此处假设上下游之间的供应关系满足［0，1］上的均匀分布。
（3）关于供应商成员的风险意识、员工素质和风险管理成熟度的假设
由于供应链中原料供应商、生产加工商和销售商的风险意识、员工素质和风险管理成熟度各不相同，则其风险应对能力β也存在差异。其风险应对能力参数列向量可以写成矩阵P的形式，即假设越接近消费者，其风险意识、员工素质和风险管理水平越高，再分别求出供应商、生产商、加工商和销售商的β。另外，假设消费者群体1和消费者群体2分别能够降低15%和10%的总风险能量。(www.xing528.com)
（4）关于风险承受能力的假设
假设各节点风险承受能力的临界值k分别取其初始能量的1倍、2倍、2倍、3倍，消费者群体1和消费者群体2分别取其初始能量的2倍、1倍。由于这些参数取值的不同，风险能量在某些节点将超过其风险承受能力，因而可能发生食品安全事故。
4.5.4.3 仿真结果与分析
上文构建了基于风险能量积累的风险传播模型，并且对食品供应链网络结构及有关参数的取值进行了设定。现在，我们用蒙特卡洛方法对风险能量传播过程模拟1万次，各供应链节点的安全风险净能量的概率分布如图4.12所示，通过该概率分布图可以了解各节点风险能量区间分布情况。图4.12中的（a）、（b）、（c）、（d）显示的分别是节点B、E、K、L的风险净能量值概率分布图。比如节点B的风险净能量均值为94.02，小于106.20的概率是0.9，小于82.04的概率是0.1。
图4.12 安全风险净能量概论分布
我们根据蒙特卡洛实验模拟情况，将数据提取出来，每个节点风险能量均值以颜色柱状条的形式直观地显示在图4.13中每个节点的下方，柱状条越长，表示该节点的风险净能量越大，越有可能超过风险承受能力进而引发食品安全事故。
为了把握食品供应链中各节点发生食品安全事故的可能性，发现薄弱环节，及时清除风险隐患，我们将试验中各节点风险净能量的均值与对应节点的风险承受阈值列示出来。通过对比，我们可以看出节点E、F、G、I、J、L、M、N、O的风险净能量已经超过其可以承受的风险能量临界值，如图4.13所示。
图4.13 节点安全风险净能量与风险承受临界值对比
量化风险是为了更好地识别风险、控制风险，并及时消除各类风险隐患。由于食品供应链节点数量众多、路径复杂，行之有效的方法是控制食品供应链中关键节点及关键路径的安全风险。如图4.14所示，节点E、G和L其风险净能量较大程度地超过了这些节点可以承受的最大风险能量值，因而这3个节点最容易发生安全事故，对这些节点应予以重点关注。可以通过提高员工风险意识、员工素质和风险管理水平来降低各节点在风险传播过程中的能量积累，进而降低食品安全风险。
图4.14 安全风险传播关键路径
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
