一、导论与文献回顾
易腐保鲜商品（Perishables and Temperature Sensitive Products,PTSP）的长途运输、配送、保鲜和安全问题，对于冷链物流（ColdChain Logistics,CCL）提出了重大挑战，促使 CCL 受到学术界与产业界的重视。PTSP 商品主要包括食品、农渔产品、医药品及一些特殊原物料等，物流过程需温度控制条件。
所谓冷链物流是指在生产、储藏、运输、销售等各项活动中，商品始终处于受控制的温度环境中，以确保商品质量与安全的一项系统工程（Bogataj,2005）。与常温物流相比，冷链物流系统复杂，需要更多专业知识与人才，而且过程中隐藏许多环境、人员、设备、信息沟通等风险因子（Sanchez- Rodrigues et al.,2010），因未能适当识别并且加以管理，造成商品在物流过程中发生质量变异、损坏与超过保存期限等现象。据统计，全球目前约有 30%生鲜食品，由于物流处理不当造成损坏（Montanari,2008）。
鉴于冷链物流管理的重要性，2003 年欧洲成立国际冷链协会（Cool Chain Association,CCA）致力于冷链产业整合，并建立冷链质量指标（Cool Chain QualityIndicator,CCQI），进行风险评价与管理，以提升冷链效率水平。而在学术界，Bogataj et al.（2005）运用数学模型探讨易腐食品运送过程，温度控制稳定机制；Kuo and Chen（2010）发展多温层配送模式，以降低配送成本；Abad et al. （2009）导入 RFID 科技进行商品追踪与温度监控；Sanchez- Rodrigues et al.（2010）评价英国物流作业不确定因素，将其归纳为延迟、配送条件限制、缺乏整合、需求变化与不良的信息。综观以上文献，目前的研究多侧重于冷链物流效率改善，较少针对冷链物流失效问题进行探讨。鉴于此，文章将针对导致冷链物流失效风险的各种因素，以生鲜食品冷链为案例进行系统分析，采用 FMEA 分析工具，利用专家系统，建立风险评价模型，推断失效模式风险优先指数，研究得出：温度失控、延迟配送与信息整合程度低为最严重的失效模式，同时节能环保问题也被识别为潜在风险。
失效模式与效应分析（Failure Mode and EffectAnalysis,FMEA）是一种系统化风险分析工具，主要协助系统分析，在早期发现潜在风险因子及其影响程度，以避免失效的发生或降低其发生时产生的损失。失效模式与效应分析（FMEA）于 1960 年代由美国太空总署（NASA）发展出来，是一种用于调查和分析产品与制程潜在失效风险的系统性工具，由于 FMEA 具有系统性侦测失效风险，借助量化评估活动失效发生的发生度、严重度、侦测度，进而产生 RPN,如公式（1）：RPNi=Pi×Si×D,i=1,2,3,…，n （1）冷链物流面对不确定环境，使得风险评估活动日益重要，虽然对风险有许多不同定义，但一般风险被视为是对于潜在不可预期事件的实现。而对于风险的定义一般分为两大类：第一类将风险视为一种损失（Koivistoet al.,2009），第二类将风险视为一种发生损失的概率（Kartam and Kartam,2001）。而当事件发生的概率无法测量时，则被称为不确定，需要借助专家主观判断的方法，去评估其风险。风险评估方法与技术，根据研究取得资料内容，主要可分为定性和定量量化两种类型（Bennett,1996），在量化技术中必须大量使用数量统计方法，如蒙特卡罗法 、故障树分析法、敏感性分析法、回归分析等来量化风险冲击与影响性。在许多真实状况中，由于量化资料很难取得或资料仅局限于研究问题的一小部分，使得资料无法呈现事件原貌或趋势；再者，数量资料呈现形态并非研究所需形式。在定性分析技术中，大量依赖人类判断、感觉、经验去鉴别、分析与了解风险因子及其效应，可是这种人为主观意识判断，受到个人偏误、偏好与专长的影响。因此不管是定性分析法还是定量分析法，都有其优缺点，必须视研究性质而定。
通过风险等级分类来决定资源投入的优先顺序，并提出适当的改善作业建议，如此能以最经济的成本，来获得最佳的改善效益，并且有效防止失败事件发生，由于其强调预防管理的特点，因此，已广泛被应于工程设计、质量与风险管理中（Ebeling,2000）。虽然 FMEA 拥有许多优点，然而其 RPN 产生方式仍有一些缺陷，如相同的 RPN 值，可能来自不同严重度、发生度与侦测度的组合，且评估过程视三个风险指标为相同权重；再者当评估信息是不明确或者模糊时，也可能导致不适当的风险评估。
人工智能专家系统可不受传统统计资料和众多假设的限制，容易修改、富有弹性，非常适合于处理资料不精确与面临不确定性环境的问题。从 1960 年代发展以来，被广泛应用于工程预测中，Turan and Yurdusev（2009）使用模糊推论去模式化水资源工程系统，Wu et al.（2007）使用模糊推论进行工程错误诊断。从以上研究可发现，在许多研究中应用和发展了定性、定量或整合两种方法，进行风险评估。近年来，随着电脑技术的发展，整合专家智能的专家系统已成为风险预测与评估的一种良好方法。
本研究首先整合 FMEA 与模糊推理（Fuzzy Inference），建立失效风险识别专家系统；其次从冷链系统发生失效模式与产生效应，并以失效模式严重度（Degreeof Severity）、频率度（Frequencyof Occurrence） 与侦测度（Chance of Detection） 三个风险指标，通过模糊推理系统推论出风险优先指数（Risk Priority Number,RPN）；最后通过对 RPN 排序，得出各种失效模式相对风险值的高低，作为防范风险的依据。
二、研究方法
本研究采用两阶段风险评价：第一阶段为风险识别，运用FMEA 分析冷链物流系统失效模式及其产生的后果，进而识别出风险因子。并将识别出的风险因子按照三种风险指标进行评价，以了解其风险高低。第二阶段为风险评价，将第一阶段所识别的风险因子，评价风险因子的风险值。以下分两部分，说明本研究所使用的研究方法。
1.风险识别
风险评价首要步骤为风险识别（Lai et al.,2002），本研究应用FMEA,系统性分析冷链物流可能的失效模式，分析这些失效模式可能造成的影响，评价其影响力，并解析其产生的原因。
FMEA 按其应用领域的不同，有多种不同的执行步骤，学者可依据其研究领域修改应用步骤，本研究综合 Pillay and Wang（2003），Chin et al.（2009）等有关 FMEA 作业的规定及内容，将FMEA 作业实施的步骤，具体归纳成下列步骤：
（1） 界定研究范围与风险评价专家
在实施冷链物流失效风险评价前，必须界定研究范围与划分子系统，以进行系统性评价作业，本研究根据物流程序，将冷链物流系统划分为制造商、物流中心、零售商、控制系统和外部环境 5 个子系统，并邀请冷链物流业界专家与学者，组成风险评价小组，以进行后续相关作业。
（2） 决定潜在失效模式与效应
列举潜在失效模式是 FMEA 分析中最重要的步骤，因FMEA 是针对失效模式进行解析，而没有列举到的潜在失效模式无法进行评价，本研究应用失效模式与效应分析表 （见表 1所示） 的协助，对所列举的失效模式进行分析，并进一步评价其产生效应。
（3） 决定失效因子
依据上阶段分析所得的潜在失效模式及其效应，本研究考虑链结的对象包括人员、设备、商品、方法、信息沟通与环境等，列举失效模式要因，进一步决定失效因子。
（4） 风险指标评价
风险指标包括频率度、严重度和侦测度三项指标，频率度是指在失效模式发生的概率；严重度是指失效模式发生的影响；侦测度是指失效模式发生前被发现的机会。在评价尺度上，本研究参考 Chin et al. （2009），Pillayand Wang（2003） 的分类评价准则，将评价尺度从非常高到非常低，共分为五个等级，相关评价指标准则，如表 2 所示。其中违反政府法令与攸关生命安全的问题，关系重大，因此将其列入非常高等级，此外侦测度的发现程度，涉及现行作业控制方式，即如果目前控制方式是严谨的，则相对而言风险事件被检测到的机会较高。
2.风险评价
专家系统风险评价专家系统主要用来评价风险因子，得出风险优先指数，系统主要包括四个部分：第一部分为系统输入项，包括三项风险评价指标，失效模式发生的严重度（Si）、频率度（Pi）与侦测度（Di），作为模糊评价系统的输入项；第二部分为知识库，知识库主要包含两个子知识库，一是规则库-存放有专家知识形成的评价规则，二是资料库-主要存放各集合的归属函数；第三部分为模糊推论，此部分为系统核心，主要由推论引擎构成，负责将输入集合，依据知识库中规则与集合、参数定义，评价出适当结论，再通过解模糊，将模糊值转换为明确值；第四部分为产出部分，此部分为经评价引擎推断结果，经解模糊后，以得到 RPN值。而模糊评价系统的运作，主要包括以下几个过程：一是模糊化；二是建立模糊规则；三是模糊推论；四是解模糊。限于文章篇幅限制详细操作过程不再描述。
三、研究结果与分析
1.研究结果
本研究通过风险评价专家小组，系统性识别出 35 种失效模式，失效模式普遍存在于冷链过程中，其中物流中心包含 12项失效模式、制造商 6 项、零售商 6 项、控制系统 5 项、外部环境 6 项，以下针对各子系统失效模式进行说明：
（1） 制造商
在制造商环节，共识别出包括接单错误、供应中断、缺少员工、不当储存、温度失控、运输作业错误 6 种失效模式。其中温度控制失效，风险值 7.67,排名第 5,显示在制造端，从原物料进货、制造到成品的制造物流阶段中，体现了温、湿度控制的重要性。而生鲜原物料的保鲜：除了温度控制因素外，湿度的控制也是一个重要因素。不当储存，风险值 6.09,排名第 13,由于不同原物料储存条件不同，储存不当会影响温度的稳定性，甚至引起商品之间交互污染，因此被识别为高风险失效模式。接单作业错误，风险值 3.42,排名第 34,显示订单源头管理的重要性，只有对顾客需求正确无误的确认，才有可能产生满意顾客。另外也识别出包括供应中断、人员缺乏等因子，进而延期交货，造成配送延迟，影响配送规划，使成本增加。
（2） 物流中心
在物流中心环节，共识别出包括配送车辆故障、司机短缺、存货短缺、订单内容复杂、作业流程不适当、储存不适当、包装不适当、温度设定不适当、温度失控、低效的车辆线路计划、销售与物流缺乏配合、司机与物流中心沟通不良 12种失效模式。其中温度控制失效，风险值 8.81,排名第 1,显示温度失控因素，成为冷链物流中心最主要的风险因素，突显温度控制对于冷链的重要性。不适当的储存，风险值 7.94,排名第 3,显示商品储存环境的重要性，由于物流中心处理商品种类众多，每种商品储存条件不尽相同，再者许多商品放在一起，可能会交互感染，因此稍有不慎，可能就会发生质量下降，甚至损坏的情况。不适当作业流程，风险值 7.33,排名第6,商品在装卸货过程中，如果作业流程设计不当，可能造成商品远离冷源时间太长，造成质量下降，甚至损坏。不适当温度设定，风险值 6.54,排名第 9,商品在冷链物流的物流中心储存或配送环节，不同商品储存的温度条件可能不同，因此可能出现温度设定不适当的情况。随着消费者需求的多样化与市场竞争激烈，对于物流中心的商品处理，也构成较大的挑战，因此订单内容复杂失效模式的风险值为 6.39,排名第 11.此外还包括无效率车辆线路规划，除造成成本上升、配送延迟外，也可能加大商品损坏的风险。面对动态物流环境，销售与物流功能缺乏连结、司机与物流中心沟通不畅，除了可能造成配送延迟外，也可能产生存货、成本上升。
（3） 零售商
在零售商环节，共识别出 6 种失效模式：需求剧烈变动、作业错误、卸货端设施拥堵、严格的配送时间段限制、储存不当、温度控制故障。其中温度监控失效，风险值 8.30,排名第2,由于零售商需将商品陈列于货架上销售，由此可能造成温度失控。不适当储存，风险值 7.82,排名第 4,由于零售商储存空间有限，造成许多商品无法做到根据商品特性进行储存，由此可能引发质量下降或损坏的风险。严格的配送时段限制，造成许多紧急配送，促使成本上升。作业错误与卸货设施拥堵或故障，可能引起温度失控与配送延迟。
