基于贝叶斯网络的框架，用于分析跨层级造船供应链中的涟漪效应

《Expert Systems with Applications》：A Bayesian network based framework for ripple effect analysis in cross-tier shipbuilding supply chains

本文提出基于贝叶斯网络的泄漏性非门模型，分析多层级船舶供应链中断传播及冗余路径的韧性作用，通过J船厂案例验证显示多层级结构较线性结构减少下游风险10.3%，并识别关键供应商节点。

　　现代船舶建造供应链日益暴露于多层级间的级联风险之中。然而，现有的分析模型在捕捉风险传播的非线性特性方面存在不足，主要由于依赖关系的映射过于简化，且忽略了潜在风险的存在。这一局限性削弱了管理者在多层级生产系统中有效应对连锁反应的能力。本研究提出了一种结合漏失噪声或（leaky noisy-or）机制的贝叶斯网络（Bayesian Network, BN），用于评估船舶建造供应链中风险传播与韧性。该框架不仅建模了双向依赖关系和潜在风险，还量化了跨层级结构如何通过冗余路径缓解下游风险。此外，该模型通过概率分析识别关键节点，并对风险场景进行评估，以支持主动的风险管理策略。

本研究的背景源于船舶建造行业在全球贸易和先进制造业中的重要地位。该行业以漫长的生产周期、国际专业化分工以及各层级之间有限的连通性为特点，因此其供应链特别容易受到连锁效应的影响。连锁效应指的是系统内部的轻微干扰会通过相互连接的节点引发更大的影响。例如，2020年宁波舟山港的碰撞事件展示了局部技术或操作故障如何引发多层次危机，凸显了风险传播的非线性特性。尽管已有研究在供应链中断分析方面取得了一定进展，但仍存在三大关键局限。首先，现有模型往往简化风险流动的方向，忽视了垂直整合行业中固有的双向依赖关系。其次，建模多层级系统面临计算复杂性过高的问题，导致模型表示过于简略。最后，许多现有方法在处理风险传播的连锁效应方面仍显不足。这些问题在船舶建造行业中尤为明显，因为原材料供应商、模块化工厂和装配厂之间的紧密联系，形成了复杂的风险传播路径。

基于上述背景，本研究提出了一种结合漏失噪声或机制的贝叶斯网络，以处理供应链各层级之间的双向因果关系。该框架利用高斯分布的漏失概率来量化潜在风险，并通过概率依赖分析优化跨层级冗余路径，从而支持基于实证数据的风险场景评估。其目标在于揭示双向层级节点依赖如何改变风险传播路径和强度，验证漏失噪声或机制是否能够有效捕捉未观察到的风险对中断概率的影响，以及跨层级冗余路径是否能够显著缓解连锁效应。最终，该研究提供了一种精准的风险优先级识别方法，有助于提升跨层级船舶建造供应链的韧性。

本研究通过构建分析框架，从三个维度解决了现有研究的不足。首先，在管理层面，研究量化了冗余路径的风险缓解效果，展示了下游中断概率减少超过10%的成果。通过直接跨层级连接（如A1到C1）和双路径供应模式，网络架构得以优化。同时，敏感性分析揭示了原材料供应商是关键的脆弱环节，为供应商多元化和战略库存的优先级设定提供了依据。建立了漏失概率与船厂风险的相关性，支持一个以季度情景模拟为基础的主动风险框架，以预测极端事件并储备应急资源。其次，在方法论层面，研究开发了一种双向贝叶斯网络，结合漏失噪声或机制，实现了对供应链中断的全面分析。该框架不仅模拟了原材料短缺如何通过组件延迟影响船厂停工，还通过逆向诊断追踪船厂需求波动至上游库存滞留。此外，通过替代路径激活（如B2到D2绕过C2的中断）和逆向推理（如从C4推断A3和B3的联合影响），优化了应急资源的分配策略。最后，在理论层面，研究建立了双向依赖理论，揭示了跨层级路径在总风险传播中占比高达28%至45%，这挑战了传统单向风险范式。通过结构冗余原理，展示了跨层级枢纽（如A5到C5到E）如何通过层级间依赖分散单一路径风险。将漏失概率纳入供应商评估（如要求关键节点如B1具备应对潜在风险的预案），推动了潜在风险量化理论的发展，使决策从对已知风险的控制转向对未知风险的预判。

本研究应用所提出的框架于J船厂的现实多层级跨层级供应链，并通过数值实验验证其在量化和缓解中断方面的有效性。实验结果表明，跨层级网络相比线性结构可降低中断传播概率超过10%，其中原材料供应商是最易受影响的环节。这项研究不仅为船舶建造行业提供了实用的分析方法，也为航空航天、汽车制造等行业，这些行业同样具有复杂供应链和较长生产周期的特征，提供了现实基础的解决方案。

本文的后续部分结构如下：第二部分对供应链中断分析、连锁效应以及贝叶斯网络的应用进行了文献综述，帮助理解贝叶斯网络在分析供应链中断方面的复杂性及其在理论研究和实际应用中的价值。第三部分讨论了现有研究的不足以及本研究的主要贡献。第四部分详细描述了框架的设计，包括结构映射、概率建模和数值实验的执行。第五部分展示了数值实验的结果，第六部分则总结了研究发现并提出了对管理的启示。第七部分总结了研究结论，指出了研究的局限性，并提出了未来研究的方向。

文献综述部分系统回顾了供应链中断分析、连锁效应以及贝叶斯网络在该领域的应用进展。这些研究为理解供应链中断的复杂性提供了理论基础，同时也指出了现有方法的不足。贝叶斯网络作为一种概率图模型，能够有效处理不确定性，尤其适用于建模复杂系统中的因果关系。然而，传统贝叶斯网络在处理多层级供应链中的双向依赖关系时存在局限，无法全面反映风险传播的非线性特性。因此，本研究在贝叶斯网络的基础上引入了漏失噪声或机制，以更准确地模拟供应链中潜在风险的传播路径。

本研究识别了现有研究的关键差距，并提出了相应的创新点。首先，在跨层级建模方面，大多数现有研究集中在单层线性供应链，忽视了跨层级节点之间的直接互动。例如，控制模型（Ivanov et al., 2015）将网状供应链强制转换为树状结构，忽略了跨层级冗余路径的作用。其次，建模多层级系统面临计算复杂性过高的问题，导致模型表示过于简化。最后，许多现有方法在处理风险传播的连锁效应方面仍显不足，特别是在船舶建造行业中，由于各层级之间的紧密联系，风险传播路径更加复杂。因此，本研究通过构建双向贝叶斯网络，结合漏失噪声或机制，以更全面的方式模拟供应链中的风险传播过程。

问题描述部分明确了本研究的核心目标，即通过分析船舶供应链的层级和连接方式，探讨中断如何影响其他环节。选择船舶建造行业作为案例研究的主要理由包括：首先，作为全球先进设备制造和国际贸易的基石，船舶建造行业具有天然的多层级供应链、延长的生产周期和深度的全球化特征；其次，该行业对产品的要求极高，因此其供应链的韧性至关重要。通过深入分析船舶建造供应链的结构和运作方式，本研究为构建更加精准的风险评估模型提供了现实依据。

在J船厂的数值实验中，研究团队利用该船厂的实际运营数据，构建了一个包含23个节点的多层级跨层级供应链模型。J船厂成立于1865年，位于上海，是中国最早的现代船厂之一，现已发展成为中国船舶建造行业的关键参与者。选择J船厂作为研究对象具有重要意义，因为其五层供应链结构具有行业代表性。通过这一模型，研究团队验证了所提出框架在量化和缓解中断方面的有效性，同时揭示了原材料供应商在供应链中的关键地位。

研究发现部分系统回答了三个核心研究问题。首先，关于双向依赖性，研究展示了跨层级结构在风险传播路径上的优势，相较于单层线性结构，跨层级网络能够更有效地识别双向依赖关系和隐藏风险。其次，关于漏失噪声或机制，研究验证了该机制能够有效捕捉未观察到的风险对中断概率的影响，从而提升了风险评估的准确性。最后，关于冗余路径的作用，研究发现跨层级冗余路径能够显著缓解连锁效应，通过分散单一路径风险，提高供应链的整体韧性。这些发现不仅为理论研究提供了新的视角，也为实际管理策略的制定提供了依据。

结论部分总结了本研究的主要成果，提出了一种系统化的框架，用于分析跨层级船舶供应链中的连锁效应。该研究通过对比多层级和线性模型在不同层级结构中的中断传播情况，展示了跨层级网络在识别双向依赖关系和隐藏风险方面的显著优势。通过引入漏失噪声或机制，研究不仅提升了风险评估的准确性，还为供应链韧性管理提供了新的方法论支持。此外，研究提出的框架具有较强的适应性，可应用于多种多层级组织，为复杂生产系统的风险分析提供了通用解决方案。

本研究的作者贡献声明显示，每位作者在研究的不同阶段承担了重要角色。Yiqi Zhang负责概念化、方法论、软件开发、正式分析、验证和撰写初稿及修订。Yanhui Ma参与了概念化、方法论、监督、项目管理、资金获取和撰写修订。Le Wang负责概念化、方法论、可视化、监督、正式分析、资金获取和撰写修订。Zhiqiong Wang负责调查和撰写修订。Lixia Zhang则参与了调查工作。这些分工体现了团队合作的重要性，也为研究的顺利进行提供了保障。

本研究声明作者没有已知的竞业利益或个人关系，这些可能会影响本文所报告的研究工作。这种声明有助于确保研究的客观性和可信度，表明作者在研究过程中没有受到外部利益的影响。

最后，本研究得到了多个项目的资助，包括国家国防科技工业局的基础技术项目（JSZL2021204B001）和天津市哲学社会科学规划项目（No. TJGLQN24-014）。这些资助为研究提供了必要的资源和支持，确保了研究的顺利进行和成果的可靠性。