英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
i-RM:环境感知无处不在的冷链物流的智能风险管理框架
作者姓名：Kwanho Kim , Hyunjin Kim , Sang-Kuk Kim , Jae-Yoon Jung
单位：仁川国立大学，庆熙大学
刊物名称：专家系统与应用程序
发表时间：2016-06-15
关键词：风险管理 实时环境感知复杂事件处理本体论 无处不在的冷链物流
摘要
由于对食品质量在新鲜方面兴趣的不断增加,一种特殊类型的物流,称为无处不在的冷链物流(UCCL),已经成为环境敏感产品配送的一个基本部分。UCCL旨在保证交付产品是在适当的环境条件下进行。通过合并普遍存在的技术,如无线电频率识别(RFID)标签和各种类型的传感器,监控和跟踪交付产品，当环境条件在UCCL下容易实现无延迟。然而,解决风险管理规则复杂性造成的大量可能的风险，在UCCL中还没有完全研制出来。因此,在本研究中,我们建议使用智能UCCL的风险管理框架,即i-RM,旨在适应各种类型风险的情况下，引入实时环境感知风险管理的概念。更具体地说,i-RM用一个分割和合并的方法,风险管理功能,环境识别、风险检测和响应策略判断判断都是在语义本体中定义的。虽然风险管理功能规则的定义是独立于其他的,他们是在运行时以动态链接来处理风险。此外,i-RM完全负责在UCCL所需的所有风险管理任务,从信息采集到实时响应,采用基于事件的处理技术。风险管理的有效性的能力i-RM演示是基于一个真实的UCCL场景。
- 介绍
维持食品和药品物流的新鲜度是非常重要的，因为商品的新鲜度下降直接导致显著的负面影响，在消费者价格或人类健康方面(Olafsdottir et al.,2010)。一个强烈的期望是对环境敏感(易腐烂)食物的大量关注，如水果,鱼,肉,保证货物在他们的配送过程中保存在适当的环境条件下(Heising, Dekker, Bartels, amp; van Boekel, 2014)。例如，当温度和湿度超出一定的范围时，苹果的质量很容易被损坏。此外,为客户提供如何控制分销渠道保持商品新鲜度的信息，有利于加强客户对产品质量的信心。因为在他们的配送过程中，客户很难确定产品是否真的在适当的环境条件下进行。
最近,为了满足需求,人们对冷链物流(CCL)越来越感兴趣。CCL的目的是在整个分销过程中通过监控和控制环境条件直接影响产品的新鲜度，使货物的新鲜度最大化(Xu, Zhang, amp; Zheng, 2012)。特别是,CCLs采用先进的技术,如：无线电频率识别(RFID)和传感器，所以被称为无处不在的冷链物流(UCCL)。一方面,在分配过程中RFID标签被安装在产品(如交付产品、工人或集装箱)，它们也被用于自动识别分配给标签的唯一标识符的产品。另一方面,传感器是指就特定的环境特征而言测量环境条件的装置,如温度和湿度。信息来自传感器，包含一条环境特性和其测量值。通过结合RFID和传感器传送的信息,我们可以判断出哪个产品在哪个环境条件下。
由于信息在产品和环境条件下是通过无线传感器网络周期性地传播给其他系统,在整个配送过程中，交付产品的环境条件在UCCL中没有延迟。
尽管UCCL完全涉及温度条件,其他环境条件也很大程度地影响一个产品的新鲜度。为了达到产品的最大新鲜度，在分配过程中，环境条件的意外变化所造成的风险管理是非常重要的,这种风险可以直接或间接地造成产品新鲜的负面影响,除非在配送过程中立即采取适当的反应来消除风险。也就是说，UCCL的分配流程的有效性主要取决于通过WSNs收集的自动检测的信息，以及对风险的即时响应。
图1 在交付过程中有和没有实时风险管理比较
如图1所示，风险管理UCCL的重要性表现在从仓库A到仓库B的路上，意外情况下温度升高，UCCL可以改变产品新鲜程度。假设在案例中，货物的新鲜度直接受到温度条件的影响,并且如果送货时的平均温度超出了10分钟的建议范围，那么它们的新鲜度就会大大受损。没有风险管理,意外情况出现问题后10分钟内是极不可能被发现的。当他们被运达仓库这些产品的新鲜度无法恢复,导致的生产损失。相比之下,风险管理人员进行适当的调整，通过通知负责风险管理的人员来保持产品质量的新鲜度，从而避免了产品质量的损失。
UCCL与传统物流相比,风险管理被认为是一个具有挑战性的问题，有以下原因:首先,当风险发生时,风险管理的所有任务都应该以实时方式进行，因为响应速度较慢意味着产品质量较低。让我们假设一个情境,冰箱内装有水果的冷冻容器突然被关闭，水果的质量严重受损，如果冰箱容器的平均温度大于5°,10分钟作为一个时间周期。在这种情况下,水果新鲜度的关键主要取决于风险管理系统能够立即通知这种意外情况的一个负责人,而不是只需要跟踪货物的温度条件。
第二,在每个单独的风险情况下定义规则,将产品和环境条件映射到风险和响应是非常复杂的，因为事实是随着越来越多的产品和环境条件的考虑，需要定义的规则数量将显著增加，而且环境条件也要被考虑。这表明，针对单个风险案例的构建规则是一项耗费大量时间和成本的劳动密集型任务。此外,根据分布策略的变化，需要更多的努力来更新这些规则。举个例子,根据不同的水果类型，他的温度范围是不同的。此外,长期储存的适当湿度范围与短期储存得不同。
最后,在没有人为干预的情况下有效地控制UCCL的风险管理，一个负责所有风险管理步骤、从接收信息到响应的综合框架是必要的。自动化风险管理框架对于减少由人为错误和延迟响应造成的后续问题至关重要。与此同时，一个能够提供统一观点的集成框架，可以用来理解缺陷点，并常在配送过程中发现事故。
因此,我们建议使用UCCL的智能风险管理框架,即i-RM。它的设计目的是为了自动处理风险，结合基于本体论和实时风险管理的环境意识的概念，导致最大的灵活性和最小的手动工作。UCCL的实际情况是通过产品、产品状态和对i - rm的本体和三个风险管理功能(环境识别、风险检测和响应判断)的响应来建模的。基于WSNs收集的信息反映现实世界的情况，i - RM试图确定当前情况下的基本环境，即最初表示哪些产品是通过使用环境标识函数来实现的。然后，通过合并风险检测和响应判断功能，改变环境用来应对环境的风险和做出适当的响应。
为了提高灵活性，在规则定义期间减少复杂性，在运行时自动化风险管理任务的同时，我们采用了一种分离和合并的方法。这种方法允许i-RM不仅可以根据风险管理功能独立地定义规则，而且还可以根据环境动态地组合在一起处理风险。具体来说，在规则定义期间，不同于之前提出的框架，这些框架在不理解环境的情况下，根据可能的风险情况，密集地依赖于构造规则。i-RM有能力通过将风险管理任务划分为子任务来显著降低规则定义的复杂性，每个任务都是在一个独立于其他任务的函数之前进行的。也就是说，每当一个特定的规则被更新或添加时，其余的规则就不会被更改，从而导致在交付策略被更改时对系统进行最少的更改。
随后,i-RM动态链接规则用风险管理功能在运行时处理一个特定的风险。每当产品和环境特性的信息到达时，i-RM先识别接收到的信息的环境。通过解决风险水平，环境的含义被不断地改变。通过使用风险和响应规则对环境进行适当的调整。也就是说，i-RM执行风险管理任务，不是依靠单个规则来处理每个特定的风险情况，而是通过链接多个规则来适应风险情况。
我们的方法与最近报告的研究结果相比较。一些之前的研究人员主要集中在开发实时决策系统，比如Nechifor et al.(2014)and Olafsdottir et al. (2010)，而另外一些人则试图通过使用环境感知的模型来维护交付过程，例如Cao, Shao, Yu, and Chen(2014)和Engel and Su-pangkat(2014)。他们的方法处理的是在一个特定的环境研究中提出的，而不是不同的环境。我们的方法利用一个本体基础来动态地组合三个决策任务，例如环境识别、风险评估和响应检测，能够通过简单地调整本体规则，使系统能够灵活地适应各种环境。此外，这种方法的优点在于在现实环境中能够灵活的维护和广泛的应用。
本文的其余部分是按照以下方式组织的:在第二节,讨论了以往的研究及其局限性。在第三节,我们提出了i-RM的概念，以及它的组件及其关系的解释。接下来,在第四节我们证明风险管理UCCL的任务是通过利用i-RM基于真实场景。最后,我们在第五节总结本研究。
2.文献综述
在本节中，我们将讨论与我们正在考虑的问题相关的先前研究，以及它们的局限性。先前的研究分为五类:实时产品状态变化检测、食品质量评价和风险规避,发现和跟踪过程,环境感知监控和风险管理。
首先，在与实时产品状态变化检测相关的研究中，他们关注的是在配送过程中，如何检测交付产品的环境状况如何变化。Abad et al.(2009)；Olafsdottir et al.(2010),和Yan and Lee (2009)都详细说明了RFID标签在UCCL中实时可跟踪性和温度监测的潜力。通过关注温度条件和变化,Kreyenschmidt(2003)建议用一个通用的模型来预测交付产品的剩余寿命。最近,Nechifor et al.(2014)介绍了一种基于机器学习技术的交通实时监控的自动监控方法。
第二，有一组研究关注的是基于RFID标签和传感器等普遍存在的技术对食品质量的评估和监测。Cao et al. (2014) 试图通过整合信息处理技术来监测运输过程中从RFID标签获得的温度Oh et al. (2011)提出了UCCL的食品质量监测系统，通过存储历史日志的分布，使交付过程中的问题得到跟踪。Wang and Li (2012)展示了一种通过基于动态确定的食品保质期的定价方法来减少食品腐败浪费并最大化食品零售商利润的食品质量评估方法。
第三,Engel and Supangkat (2014)报告了从学习到基于本体模型的UCCL环境感知方法的可能组合。另外，为了发现项目的流程和可追溯性，Kelepouris,Pramatari,Doukidis(2007)开发了信息数据模型和系统架构,旨在发现在供应链端到端的跟踪能力。Kim, Oh, Rosales, Kim, and Jung (2010)提出了一个从分发过程的角度来管理UCCL的架构。Premkurmar(2000)提出了一种通过整合供应链管理的异构信息系统来实现信息流动和实现这一概念的策略来理解分配流程的概念。
接下来,Ngaia et al.(2011)通过使用基于无线传感器网络的ZigBee，研究了对集装箱码头业务实时监控的环境感知决策支持。此外，Verdouw，Robbemond，Verwaart，Wolfert和Beulens（2015）提出了实施UCCL信息系统的参考架构模型。 Xu，Wijesooriya，Wang和Beydoun（2011）试图针对包含静态，社会和动态子本体的多视角本体来处理物流中的特殊情况，以有效反映物流异常之间的情境依赖关系。
最后，Cucchiella和Gastaldi（2006）通过根据风险来源显示风险管理的可能选择，解决了用于企业风险降低的物流中的不确定性问题。同样，Yang，Jung，Kim和Kim（2011）提出了影响全球供应链风险的因素，Son，Wenning，Timm-Giel和Gorg（2009）提出了一种基于物流应用环境的模型，旨在区分重要信息和噪声。
虽然以前的研究成功应对了UCCL在监测状况和建议风险政策方面的问题，但这些限制仍然不仅在于处理UCCL的灵活性和复杂性，而且还根据其对风险的实时适当反应。
3。i-RM:智能风险管理
3.1。框架
在本节中，我们首先介绍i-RM的框架，然后详细解释框架的主要组成部分。i-RM由本体基础和风险管理系统组成。 本体基础包含三个本体，来支持风险管理体系的相应阶段：（i）涉及物流过程及其关系的本体；（ii）规定了感兴趣的环境变化；（iii）对每个风险级别采取回应的行动。 三个本体代表哪些产品在哪些环境条件下，以及当产品被认为处于适当的环境条件时应该采取适当的响应。
同时，风险管理体系负责处理风险情况的三个阶段：实时环境识别，风险检测和响应行动判断。 首先，实时环境识别用于收集、过滤和汇总物流系统中重要的输入信息。 i-RM的实时输入主要是与产品和环境条件相关的流状信息，它们从RFID标签和传感器周期性地传输到i-RM。一旦信息从WSN获取，环境条件的信息将用于确定配送过程中产品的状态。 此外，产品及其状态作为环境组合。 为了从流状信息获得产品状态，将采用事件处理语言（EPL）来收集需要的信息 (Zappia, Paganelli, amp; Par-lanti, 2012)。在风险检测步骤中，通过使用基于本体的产品和状态定义的风险规则评估其风险;该风险评估基于上一步骤中识别的环境。 在确定环境的风险级别后，i-RM通过使用将风险级别反应到响应规则，来搜索与环境相对应的适当响应。 最后，i-RM通过向传统系统（例如供应链管理系统）来获取相应的响应动作，或直接与负责人联系在配送过程中控制环境。
规则的动态组合是可行的，因为在EPL语句中所显示的所有参数和产品都用于捕获状态和风险评估规则，并且在i-RM中引用本体中的元素来给出响应判断，而不管其他规则如何。对于特定的风险，在组件中应用的规则是根据前一个组件的结果动态确定的，而不是预先为风险定义的特定规则。响应决策部分根据风险的存在，需要纳入i-RM中的风险管理任务，而环境识别和
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[484645]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
