基于组合赋权法的疫苗供应链流程风险评估
来源:用户上传
作者:杨满意 牛莉霞
关键词疫苗;供应链;最优最劣法;熵权法;组合赋权法;风险评估
现阶段，全球疫苗需求数量庞大，这不仅给疫苗生产带来了巨大压力，也使冷链运输面临巨大挑战。与其他供应链相比，疫苗供应链具有质量要求高、时效性强、损失代价大的特性。相关研究表明，运输是疫苗冷链中最薄弱的环节，容易发生疫苗超温等风险[1]。2016 年“山东疫苗事件”中，涉案疫苗未经严格冷链运输存储，导致疫苗超温，在全国范围内引起了群众的疫苗恐慌情绪。数据显示，“山东疫苗事件”后，家长拒绝让儿童接种疫苗的比例高达50%[2]。疫苗供应链风险一旦发生，极易造成疫苗供应不及时、疫苗疗效减弱甚至失效等后果，危及群众的生命安全。因此，对疫苗供应链运作流程中的风险因素进行识别和评估，明确各流程风险对疫苗供应链整体风险的重要程度，有助于疫苗供应链中的利益相关主体分级分层制定风险治理策略，做到重点、精准管控。
目前，国内外学者P于疫苗风险评估的研究主要聚焦于2 个方面：一是疫苗药品生产或运输环节的风险评估，常用方法包括失效模式及后果分析（failure modeand effect analysis）、故障树分析（fault tree analysis）等;二是疫苗供应链风险的评估，常用方法包括以决策实验室法为基础的网络层次分析法（decision-making-trialand evaluation-laboratory-based analytic network process）、模糊层次分析法（fuzzy analytic hierarchy process）等。但通过综述现有研究发现，在对疫苗供应链风险进行评估时，基于供应链全过程视角的研究相对较少。即使基于供应链全过程，风险评估时所用数据也主要依赖于专家打分结果，并未与客观数据相结合。因此，将主客观方法进行组合运用到疫苗供应链风险评估中仍待进一步开展。李刚等[3]结合案例证明了主客观组合赋权法的可行性。与单一赋权法相比，组合赋权法有效避免了单独使用某一种赋权方法的缺点，并且能够充分利用专家的经验和数据本身的信息，使得赋权结果更加客观[4]。因此，本文采用最优最劣法（best-worst method，BWM）确定指标主观权重，采用熵权法确定指标客观权重，并运用Lagrange 乘子法求解出指标的最优组合权重，以得到更加客观的评估结果，为疫苗供应链中利益相关方制定风险管控策略提供参考。
1 疫苗供应链风险因素初始集的构建
1.1 风险评价指标体系构建原理
结合供应链的定义[5]，本文将疫苗供应链定义为：围绕疫苗这一核心产品，从疫苗用物料采购开始，由疫苗生产企业制造出成品，经配送网络运至疫苗接种点，最终完成人员接种，将疫苗用物料供应商、疫苗生产企业、各级疾控中心和防疫部门、被接种人员连接为一体的功能型网络。从定义来看，疫苗供应链的结构模式非常清晰――以疫苗生产企业为核心，上一级为疫苗用物料供应商，下一级为各级疾控中心和防疫部门，物流运输通常为企业自营物流或第三方物流企业。但与其他供应链相比，疫苗供应链具有其特殊性，主要表现在产品特性、时效性及损失代价等方面。也正是由于疫苗供应链自身特殊性的存在，使得风险损失和风险管控难度大大增加。
风险评价指标体系的最终构建需经过多个步骤，如风险因素初始集的确立、灰色关联分析的筛选、秩相关分析的筛选、指标体系合理性检验等。风险因素初始集作为风险评价指标体系整个构建过程的基础，其确立尤为重要。而依据上述疫苗供应链的定义，本文选取由国际供应链协会（Supply Chain Council）提出的供应链运作参考（supply chain operations reference，SCOR）模型作为风险诊断工具[6]，同时也将其作为风险评价指标体系构建的理论基础。SCOR模型不仅能清晰地将疫苗供应链结构组成描述出来，还能系统地识别出疫苗供应链中的潜在风险因素。此外，为使结果更加全面，在对疫苗生产企业的生产流程风险进行识别时，本文引入全面质量管理理论，从“人、机、料、法、环”，即疫苗生产人员、设备、原料、方法、环境5 个角度确定生产流程中的风险因素。
1.2 风险因素初始集确立
为有效避免风险因素的确立受到主观随意性的影响，本文在风险因素初始集确立时，遵循科学性、显著性、可操作性等原则[7]，围绕疫苗供应链内部运作流程，从计划、采购、生产、配送及退货流程角度出发，将SCOR模型中所包含的具体活动与疫苗生产企业自身特点相结合[8]，并参考国内外文献中出现频率较高的疫苗风险因素[9-13]，科学、合理地分析疫苗供应链中存在的风险，从而构建出如表1 所示的疫苗供应链风险因素初始集。
2 风险评价指标筛选与体系构建
2.1 指标筛选
以问卷调查的形式邀请5 位疫苗供应链领域的专家，从“系统性、科学性、可操作性、显著性、简明性”5 个维度对本文构建的风险因素初始集进行打分，各维度满分为20 分，最终以专家对各维度打分之和作为初始数据结果。结合初始数据，按照图1 所示的构建思路对表1中的指标进行筛选。将灰色关联分析与秩相关分析2 种方法相结合对风险指标体系进行定量筛选，既能精简风险指标的数量，又能保证筛选出的指标间不存在信息重复和最大程度替代初始集指标的信息含量，使得指标筛选结果更具合理性、科学性与客观性[14]。
2.1.1 灰色关联分析筛选指标采用极差法对初始数据进行标准化，根据标准化数据计算比较序列与母序列的绝对差值。从计算出的绝对差值中找出两级最大差和两级最小差，并运用关联系数求解公式计算出关联系数ξ（i k），最后计算出关联度。在对风险因素初始集进行第1 次筛选时，将界定阈值设定为各指标的灰色关联度均值，并据此进行筛选。剔除小于均值的指标，反之则保留。具体计算结果见表2，其中将原料核准水平、仓储管理水平、交叉感染、流程方法准确性、变更研究充分性、消毒方式及频率、产成品管控水平7 个指标删除。
nlc202207202024
转载注明来源:https://www.xzbu.com/1/view-15436361.htm
