时间风险

2024-09-22

时间风险（共7篇）

时间风险篇1

美国研究人员12月8日公布的报告显示, 经常白班夜班两班倒的女性患Ⅱ型糖尿病的风险显著高于只上白班的女性, 而且这种情况持续的时间越长, 风险越高。

哈佛大学的研究人员分析了17.7万名年龄在42岁至67岁女护士的数据。这些女性参加了长达20年的“护士健康研究”项目, 每月至少有3个夜班者被认为属于倒班者。研究人员发现, 与只上白班的护士相比, 进行两班倒达3年的护士患Ⅱ型糖尿病的风险要高20%;如果情况持续至少20年, 这一风险会提高近60%。

研究人员认为, 这些人患糖尿病风险加大的部分原因是, 其饮食和睡眠习惯被打断, 生活习惯普遍不健康。另一个可能原因是, 不规律的工作时间打乱了身体的生物钟, 而生物钟在维持健康的血糖代谢和能量平衡中扮演着重要作用。

这项研究成果当天发表在美国《科学公共图书馆医学卷》期刊的网站上。

时间风险篇2

人员疏散准备时间及其对火灾风险评估结果的影响

火灾时人员的有效避难评估是火灾风险评估中的重要组成部分.作为人员疏散时间中重要组成部分的`疏散准备时间服从概率分布,而通常计算中往往将其简单取为常数.将人员疏散准备时间简单取为常数时,有可能产生模拟计算结果比实际偏差大、疏散情形与真实情况不符的情况.以一座办公建筑为例进行了计算,将人员疏散准备时间简单取为常数时与人员疏散时间服从正态分布的情况进行了比较,并分析了对火灾风险评估结果的影响.

作者：褚冠全孙金华 CHU Guan-quan SUN Jin-hua 作者单位：中国科学技术大学火灾科学国家重点实验室,合肥,230026刊名：安全与环境学报 ISTIC PKU英文刊名：JOURNAL OF SAFETY AND ENVIRONMENT年，卷(期)：5(3)分类号：X92关键词：安全管理工程火灾风险评估人员有效避难评估疏散准备时间概率分布

时间风险篇3

关键词：时间压力；观察成本；风险决策

决策活动是人类的最基本活动。我们几乎每天都面临决策。由于决策影响人们生活的许多方面，决策过程中又带有不确定性风险。因此。风险决策行为的研究一直是经济学、管理学、行为科学与心理学研究的焦点问题。当前人类社会已经进入信息经济时代。信息作为一种商品，具有价值和使用价值。获得信息需要付出一定的成本。另外随着社会的进步，人们工作和生活节奏的加快，人们进行决策的时间越来越少，更多的决策对时间的要求越来越高。因此，研究时间压力下。具有信息观察成本的风险决策行为就显得尤为重要。

决策中的时间压力通常包括两种含义：一种指真正的时间压力，另一种指时间机会成本压力。时间压力定义为“决策者感觉完成任务的期限越来越紧迫而形成的焦虑程度”，形成所谓的时间压力的条件是：在决策进行之前，可用的时间少于正常完成一项任务的时间。时间压力通常还定义为对决策者做出判断和决策所需资源的一种限制条件。现实生活中的时间压力同严格的最终期限联系得不是那么多。而常常是同延迟决策的潜在机会成本相关联。即时间机会成本，在时间机会成本下的压力被称为时间机会成本压力。因此，时间机会成本压力不是决策过程中真正的时间威胁，而是决策者因不能在规定的时间内完成任务的成本或损失。或随着可用时间的流逝决策者所付出的成本损失。相比真实的时间压力。机会成本时间压力更接近现实生活。时间机会成本压力可能在现实生活中更加常见。除了概念上的定义以外。时间压力的操作定义如下：以决策实验中选取低于平均时间一个标准差的值作为低时间压力情形下的决策时间，平均时间的50％的值作为高时间压力情形的决策时间。

时间压力对决策者决策行为的影响是显著的。通过对决策者决策模型进一步加入时间因素，其风险偏好在不同的时间压力下会呈现非理性，因而传统理论的偏好和理性假设将不再是决定所有决策者行为的最终因素，时间压力以及个体素质也成为影响决策者决策行为和最终目标实现的重要因素。时间因素存在于决策者的整个行为决策过程中，而且时间也是不能忽视的约束因素和影响变量。个体做出决策的时间是有限的，不可能花费无穷尽的时间去仔细衡量各种影响因素，也不允许花费大量的时间去搜寻所有的信息，从而导致个体不可能有充分的时间做出绝对正确的决策。首先，时间压力对决策的作用不是简单直线型的，情绪状态、信息加工策略和任务结构等因素都能决定时间压力对于决策的影响趋势。其次。时间压力迫使个体分出一部分智力资源来监控时间进程，必然导致可用于分析思考的认知资源减少，从而促使个体调整策略以加快任务完成的速度。如果加速决策获得的时间能够用在其他方面，那么加速将是合算的，而速度慢可能会损失一些机会，也可能会导致自我强加的时间压力。

时间压力导致决策者信息加工和决策策略的改变。决策者在时间压力下信息加工方式的改变大致可归纳为三种：加速、过滤选择信息和转换信息搜寻模式。时间压力会明显的降低决策质量，并且决策质量的降低程度与使用什么样的决策策略有关。人们选择策略的变化依赖于时间压力的大小。个体的推断策略与时间和知识的限制条件有关，词典策略能够很好地描述时间压力下的推断。该策略首先确定最重要的属性。然后在该属性上比较各选项间的差异，并选出在该属性上最好的选项。如果无法就此属性区分选项的优劣，则继续在次重要的属性上进行比较，以此类推，直到选项被选取为止。与无时间限制条件相比，时间压力导致决策者明显地使用了较少的信息，而且花在每一个信息上的平均时间也较少，这验证了加速策略的运用。加速策略是个体应对时间压力和时间限制时使用最多的一种策略。实际生活中，许多决策需要在短期内完成。即决策中存在时间压力。有时间压力时。决策者的情绪会更加焦虑，而且更积极的采取不同的策略来做出决策。由于时间压力的存在，决策者更倾向于使用基于属性的搜索策略。在无时间压力情形中，决策者常常采用以选项为主的信息搜索策略，即时间压力导致决策者的选择策略从基于选项的搜索策略转换为基于属性的搜索策略。所谓以选项为主的搜索策略是指决策者针对某一选项的各个属性加以查看和全面了解后，再对下一个选项进行同样的考察，以期提高决策的质量。所谓以属性为主的搜索策略是指决策者针对某一特定属性进行信息搜索并比较该属性的属性值在各个选项间的差异后，再比较下一个属性的属性值在各个选项间的差异。决策者在面临时间压力时，最常见的反应是从难以执行的补偿性策略转换为较不费力的非补偿性策略来简化选择任务。补偿性决策策略强调每一个选项的所有属性之间有替代和互补效应，非补偿性决策策略强调每一个选项的所有属性之间没有替代和互补效应。补偿性策略是指决策者在信息搜索过程中会对每个选项的所有属性信息进行考察。在同一选项的不同属性间，一个属性的优势可以弥补其他属性的不足，然后对所有选项进行综合比较，得出决策结果。

信息观察成本对决策者决策行为的影响也是显著的。伊利诺伊大学贝克曼学院，人性因素系教授Wai-Tat FU在2006年发表文章，使用Map-navigation Task实验给出了人们信息搜寻成本及其收益之间的关系，实验证明人们面临具有信息成本的决策情境时，会在信息搜寻的成本和收益之间做一个权衡，而不是传统理论认为的人们会在信息搜寻的边际成本等于边际收益时候停止信息搜寻。人们的决策中的搜寻的信息并不是越多越好。而是有一个度。过少的信息难以作出决策，过多的信息反而不利，增加信息甄别和选择成本。个人在决策中选择什么样的信息，并根据信息作出什么样的决策取决于对信息的感知成本和感知收益。

在许多特定决策情境中，决策信息观察成本和时间压力存在交互作用。尽管还没有见到专门研究时间压力和信息观察成本对决策行为影响的成果，但在一些决策情境中，已证明决策信息观察成本和时间压力存在交互作用。当决策需要获取信息时人们需要承受时间上的等候压力，决策制定和自我控制行为都可能依赖于决策结果和信息成本。策略选择依赖信息成本，成本的高低导致策略的变化。时间压力条件下的决策中。对压力的反映也取决于不同的信息成本，不同的时间压力和信息成本下决策者的策略会发生变化。

信息搜索是决策过程中的一个重要环节。一般来说，人们为了避免决策的盲目性与不确定性，总要搜索一定的决策信息以提高决策的准确性。然而在现实生活中，许多决策任务的信息并不是同时的完全的呈现出来。秘书问题就是这样的。经典秘书问题的决策情境是：要聘请一名秘书。有n人来面试。每次面试一人。面试过后便要即时决定聘不聘他。如果当时决定不聘他，以后便不能再聘。问凭什么策略，才使选到最适合担任秘书的人的机率最大?此问题是一个何时停止信息搜寻的问题。经典秘书问题的特点如下：(1)决策收益要么是1(选择到最佳人选)，要么是0(没选择到最佳人选)。(2)观察信息不需要成本。(3)决策者没有真正的时间压力或时间机会成本压力。人们关于经典秘书问题的研究积累了大量的研究成果。但经典秘书问题的这些条件限制阻碍其研究结果的推广和应用，而在一般秘书问题中，决策者的决策收益是其所选选项绝对排序a的函数，同时观察信息需要成本，决策中可能存在真正的时间压力或时间机会成本压力。一般秘书问题和现实和生活中的真实决策情境比较接近，因此，一直得到相关学者的研究和重视。同时相关研究进一步指出，考虑时间压力和观察成本的秘书问题研究具有更广泛的意义和研究价值，非常值得进一步深入研究。

时间风险篇4

我国将医疗设备大量地引入医院仅有三四十年历史。随着CT、磁共振、B超、心电监护等医疗仪器广泛地应用于医院的日常工作之中,医疗仪器已成为医院诊断和治疗疾病、维持患者生命必不可少的重要工具。然而作为复杂的机电系统,医疗仪器随时可能出现的技术故障一直困扰着医护人员。这些技术故障的不可预见性不仅影响着医院日常的医疗工作和经济效益,甚至威胁着患者的生命安全。因此,对医疗仪器的可靠性研究也就自然而然成为必须进行的课题[1,2]。

系统可靠性研究始于第二次世界大战期间。当时,前苏联人通过对武器的战场寿命的研究发现,战场上武器的损失量大,武器实际的使用寿命往往远远小于其设计寿命,继而提出在生产上以牺牲武器的设计寿命为代价,换取武器在数量上和性能上的优势。产品的可靠性一般是生产厂家所涉及的范畴,生产厂家根据产品的可靠性要求设计产品,并对产品的可靠性进行测试,设计标准和测试结果通常由生产厂家掌握[3,4]。一些对于系统可靠性要求高的行业和技术领域,也会向生产厂商索取产品的设计标准和产品测试结果,以对其所使用设备的可靠性进行管理和控制[5]。

从医疗仪器市场的现状来看,没有任何一个厂家向用户提供系统可靠性方面的相关资料。厂家与用户在系统可靠性方面的信息出现了严重不对称,给用户安全有效地使用仪器形成了极大的困扰。用户只能随时准备着被动接受系统失效的风险,无法对系统的可靠性实现有效地主动干预。医疗仪器的可靠性资料对于医疗仪器的使用者来说是一个非常重要的技术参量,医护人员可以不知道仪器的生产厂家,也可以不了解仪器的结构及工作原理,但他们却迫切希望知道所使用的仪器是否可以信赖,这些仪器是否能保证在诊断、治疗及手术的正常使用过程中不因故障而失效,或者是否能将故障风险控制在可控的范围之内。医疗仪器的可靠性资料对于医疗仪器的科学配置、日常保养、淘汰更新及医院整体运行的经济性具有很重要的意义。

本文试图通过对系统可靠性相关理论的讨论,将医疗仪器可靠性概念引入到医疗仪器的使用和管理实践之中,提出描述医疗仪器可靠性状态的相关参量和函数,为改善医疗仪器的使用环境,提高医疗仪器使用管理的科学性和经济性提供一种行之有效的思想方法。

1 描述产品可靠性的参量

可靠性是指系统在规定的条件下,在规定的时间内完成规定功能的能力[5]。从这个定义上可以看出,系统可靠性一定是在规定条件下、规定时间内完成既定功能的能力。

产品的可靠性是产品重要的质量特性,可靠性测试是在产品研制定型过程中必不可少的测试环节。对产品可靠性的检测往往从产品的无故障工作时间入手,即在规定的条件下抽取足够数量的产品,对这些产品进行使用耐久性实验,记录每件产品失效(丧失规定功能)前的工作时间,并计算出样品的平均无故障工作时间。

1.1 平均无故障工作时间(mean time between failure,MTBF)

平均无故障工作时间是指在规定的条件下和规定的时间内,产品的寿命单位总数与故障总数之比;对于可修复的产品来说,平均无故障工作时间是在相邻2次故障之间工作时间的数学期望值,即在每2次相邻故障之间的工作时间的平均值。平均无故障工作时间定义公式可以表示为

式中,ti为第i件产品的失效时间,N为产品总数。

还可以利用另一种方式计算产品的平均无故障工作时间。如果把产品的整个测试时间(即最后一台产品失效的时间)分为若干相等的分区,将每个时间分区内失效的产品数量除以被测试产品的总数,并以柱状图的形式表示。由此便得到每个时间分区内产品失效数量占所检测产品总数比例与测试时间的关系图像(如图1所示)。对比公式(1),取每个时间分区内产品的平均失效时间作为该时间分区的时间值,该间隔内产品失效的数量亦用ni表示,故公式(1)可改写为

式中,k为分区数,N为样品总数,ni为第i时间分区内失效的样品数,ti为第i分区内失效产品失效时间的平均值。

1.2 产品的失效密度函数和故障几率

为定义描述系统可靠性的参量,有必要对无故障工作时间的分布进行数学抽象。假设样品总数N趋近于无限大,时间分区数k趋近于无穷大,分区的时间间隔Δt趋近于0,则平均无故障工作时间亦可表示为

式中,,Δt为分区的时间间隔,T为测试中产品最后全部失效的时间。

在实际测试中,产品的失效是一个离散过程,产品总数N的取值再大,时间分区Δt的取值再小,在这个时间内失效的产品数ni都必须是整数,ni/N都不可能是连续函数。上式中,函数是伴随着“Δt趋近于0”这个数学抽象而定义的一个抽象函数。之所以做出以上数学抽象,是为了将函数f(t)做连续化抽象,以利于数学处理的方便。经数学抽象处理后,产品的失效规律便可以用连续函数f(t)描述,函数曲线即为图1柱状图之柱顶包络线(如图2所示),我们称函数f(t)为产品的失效密度函数。正是由于以上的数学抽象,使得任意t时刻的f(t)没有实际的测试意义,产品的失效率只能定义在一个时间间隔t1<t<t2内。因此在这个时间间隔内,产品的失效率可表示为

式中,a、b分别为t1、t2时刻时间区间的序号,N为被测试产品的总数,n(t1,t2)为所测试产品在t1<t<t2时间间隔内失效的数量。由公式(4)可以看出,由于f(t)不等于常数,对于不同的时间点,即使选择相同的时间间隔t1<t<t2,函数F(t1,t2)也不尽相等。对于相等的时间间隔,即t1-t2=常量,产品的失效率由函数f(t)决定,由此可知函数f(t)为描述t时间产品失效密度的函数。

产品的内在品质和失效规律可以通过对产品的测试结果得出,因此可以将产品的测试结果作为衡量产品品质和失效规律的依据。产品无故障工作时间分布的测试结果所反映出的就是产品可靠性随使用时间变化的规律。如果用概率论来分析测试过程[6],则测试中产品的失效可以被看作是随机事件。如果我们把时间看作是随机变量,则根据公式(3)、(4)的定义,随机函数F(t1,t2)正好等于在[t1,t2]时间内产品在整个使用过程中的失效几率。由于产品在使用过程中的失效往往以故障的形式来表现,我们也称函数F(t1,t2)为产品在[t1,t2]时间内的故障几率,称f(t)为产品的故障密度函数。

上述讨论是根据可靠性的定义,从对产品的无故障工作时间的检测结果入手,由样品无故障工作时间的分布曲线得出产品故障密度关于时间变化的故障密度分布函数f(t),并依据故障密度分布函数f(t)导出产品在一定时间间隔内的故障几率分布F(t1,t2)。由于设计、制造、产品结构、原材料的选择及使用环境等多种因素的影响,任何特定产品的可靠性都遵循特定的规律。对产品在测试阶段的失效几率的研究就是为了寻找这个规律,并在产品的实际运行之中运用这个规律,实现对产品运行可靠性的人为干预。产品的故障几率是描述产品可靠性的重要参量,一旦我们知道所使用产品的故障几率便可得出其无故障几率,如公式(5)所示:

式中,R(t)为产品在使用中到t时间前无故障的几率,通过这个函数就可以对在正常工作条件下,一定时间间隔的仪器完成特定功能的能力加以判断,所以也可以称R(t)为可靠性函数,也有人称这个函数为“可靠度函数”[5]。

1.3 故障风险函数

分析公式(4)、(5)可以发现,虽然产品的故障几率函数和可靠性函数能够反映出故障在整个寿命周期内故障发生频率的分布,但不能直观描述仪器在实际使用中的故障风险程度。这是因为在定义故障几率函数时,是以全部受测试产品数作为样品基数的。而在具体讨论仪器故障风险时,讨论的对象总是那些尚未失效的仪器。上文所讨论的仪器一定是在t1时间点前尚未失效的仪器,同时在t1<t<t2时间间隔内失效的仪器也只能存在于这些在时间点前尚未失效的仪器之中,t1时间点前已经失效的产品对于当前仪器故障风险的预估已经没有意义。所以在进行仪器故障风险预估时,应该取当前尚未失效的产品数作为计算故障风险的样品基数。

若T为测试中产品最后全部失效的时间,则根据公式(4)可以得到,在t1时刻尚未失效的样品数为

在t1<t<t2时间间隔内失效的样品数为

根据概率理论便可得到实际使用中的仪器在t1<t<t2时间间隔内失效几率为

式中,D(t1,t2)是现实运行的仪器在t1<t<t2时间间隔内出现故障的几率,我们可以称之为故障风险函数。故障风险函数能够非常直观地描述仪器在实际使用中的故障风险程度:例如,某种产品以100台作为样品,第一时间段0<t<t1失效了20台。根据测试结果,预计第二时间段t1<t<t2的失效数将为8台,这时t1<t<t2时间段内故障分布几率F(t1,t2)等于0.08。在计算故障风险时所选择的样品只能存在于没有失效的80台产品之中,在这个时间段失效的8台产品也只能在这80台之中,所以故障风险值应为D(t1,t2)=8÷80=0.1。

2 复杂医疗仪器的故障几率

探讨仪器的可靠性不可避免地要探讨复杂仪器的可靠性。随着科学技术的进步,现代医学仪器不再是手术刀、血管钳那样的简单系统,而是集多种技术、多个模块于一体的、复杂的综合系统。这样的复杂系统在工作时,任何一个模块所发生的任何一种技术故障均可能导致整个系统失效。因此在分析复杂系统的可靠性时,需要将各个模块的可能故障进行分类,然后进行综合性分析。

比如复杂仪器在工作的过程中,可能出现接插件接触不好、电路板脱焊、管道老化、机械系统润滑剂污浊、电子元件击穿等多种故障。将各个模块的故障密度随时间变化规律分解出来,便可得到系统在t1<t<t2时间间隔内发生该故障的几率为

式中,fi(t)为第i模块在t时刻的故障密度函数,Fi(t1,t2)为第i模块在t1<t<t2时间间隔内的故障几率。由于在复杂系统中,任何一个模块故障都意味着整个系统的失效,所以对于模块数为N的系统来说,整个系统在t1<t<t2时间间隔内的故障几率可表示为

式中,N为组成仪器系统的模块数,F(t1,t2)为仪器整体的故障几率[6]。从公式(4)可以看出,由于各个模块的故障几率Fi(t1,t2)不小于零,仪器整体故障几率总是不小于各个模块的故障几率;在设计和制造水平一定的条件下,复杂系统在一定时间间隔内的故障几率不低于简单系统。在某系统中,若某模块在一定时间间隔内的故障几率远高于其他模块,则该系统的故障几率由高故障几率模块决定。

如果复杂系统经过维修,故障几率的计算公式也会随之改变。比如,假设某没有经过维修的系统使用中第k模块发生故障并进行维修,到t0时刻完成维修(例如在维修中更换了k模块),这时计算故障几率,k模块的计时就应该从零开始,故障几率的计算公式则应该表示为

将公式(9)推广到任意系统,如果某复杂系统经过多次维修,其故障几率则应表示为

式中,ti为第i模块完成最后一次维修的时间。对于其中从来没有经过维修的模块,记ti=0。此处应该注意,由于系统中任意模块的f(t)在t<0时没有意义,所以,公式(10)中t2>t1,t1≥ti。若需要跨维修时间计算故障几率函数F,则应将公式(4)中的积分上下限依照维修时间拆分,分别计算。

3 可靠性的应用

由以上对可靠性参数的讨论可以看出,仪器的可靠性参量F(t1,t2)和R(t)可以通过生产厂家对产品无故障工作时间的可靠性测试中得到,使得通过这些可靠性参量对仪器的可靠性进行有效管理成为了可能。比如,参量F(t1,t2)和R(t)都是时间的函数,那么就可以通过对仪器有效使用时间或有效使用寿命的控制,把仪器的无故障几率控制在一定的范围之内。对仪器无故障几率的控制的前提,是生产厂家提供的产品失效率关于时间分布的故障密度函数f(t)曲线,这一点在现有医疗仪器市场上还不能做到。欲实现可靠性管理,市场主管部门应该对仪器可靠性测试提出强制性要求,并在制度上鼓励厂商向市场提供相关的测试结果。鉴于产品的可靠性并不是产品是否能占领市场的唯一因素,公布这些资料不会成为减少产品的市场占有率的因素。向市场提供产品的可靠性测试结果不仅不会减少其产品的市场占用率,而且可以由此获得用户的信赖,并为用户配置、维护、管理及更新仪器提供科学的依据。

另一方面,由于生产厂家所设定的测试条件为仪器的理想工作条件,与仪器在实际使用的条件存在一定的偏差,随着样品数量的增加,统计数据也将得到进一步完善,仪器的可靠性参量f(t)还有必要通过实际使用做适当的修正。

本文以下讨论将建立在已知仪器的可靠性参量函数f(t)的基础之上。

3.1 人机因素和环境因素对仪器可靠性的影响

严格地说,人机因素和环境因素对仪器可靠性的影响与仪器本身的可靠性没有直接的关系,之所以作为第一个问题提出来,是因为人机因素和环境因素是影响仪器安全、正常使用的重要因素。通俗地说,所谓人机因素就是仪器的使用者能否正确、熟练地使用仪器。随着技术的不断更新,各种仪器的性能和使用方法也不尽相同。仪器是由人操作的,如果使用者不能正确使用仪器,任何仪器都没有可靠性可言,所以人机因素是决定仪器可靠性的一大重要因素。

为了解决人机因素对仪器可靠性影响的问题,首先应要求未来仪器的操作人员认真阅读仪器的使用说明书,并对照仪器熟悉每个操作环节;其次,在新仪器投入正式使用前保留一段试用期,让操作人员利用这段时间与仪器实现有效的“人机磨合”,达到人机一体的程度。这个人机磨合的过程对于仪器的有效使用是非常重要的,通过这个过程不仅能够让操作人员熟练操纵仪器,最大限度地实现仪器应该具备的经济和社会效益,而且能够让操作人员对仪器产生信赖和感情,使仪器保持良好的技术状态。

解决环境因素对仪器可靠性的影响则应该在仪器的安装和使用中,严格按照厂商要求设定仪器的安装环境,尽可能避免外界环境对仪器的使用造成危害。

研究仪器的可靠性必须以仪器安装符合设计要求,使用者能够熟悉仪器的各项性能,正确熟练使用仪器为前提。

3.2 仪器配置中的可靠性控制

前文提到过,医疗仪器作为医疗手段的工具,其工作的稳定性和可靠性直接关系到医学诊断治疗的有效性和安全性。为保证医疗过程的安全有效,操作人员有必要对所使用仪器的可靠性提出要求,或了解仪器的可靠性程度,并对可能的仪器失效留出相应的应急预案。

具体的做法如下:首先由医疗管理部门和临床医技设备管理部门制定医疗仪器使用过程中的可靠性标准,即故障风险函数D(t1,t2)<D0,医院可以根据各种仪器的故障密度函数f(t)为临床和医技科室配备和更新仪器。比如相关管理部门要求仪器在使用时某类仪器的故障风险应不大于D0(比如D0=1/1 000),则在配备仪器时应该保持所配备的仪器在使用过程中,其故障风险D(t1,t2)应该总小于D0;随着使用时间的推移,故障风险会随着时间的变化而变化,一旦仪器的故障风险接近或大于标准值D0,则应对仪器进行保养或更新。采用上述方法不仅能把仪器在使用过程中发生故障风险的概率控制在一定范围之内,而且能够为医护人员放心使用仪器提供科学依据,为该类医疗仪器创造最大经济效益和社会效益提供必要条件。

对于经过维修的复杂仪器,在计算故障几率时应该考虑到维修因素,不能把系统故障几率计算时间简单归零,而应该仅将维修中被更换的模块的计时时间归零。比如某复杂系统由于故障,第k模块在维修中被更换,在后续使用的(t1,t2)时间间隔内故障风险几率D(t1,t2)则应遵循本文公式(10)加以计算。

这里值得注意的是,尽管在仪器配置中已经把故障风险控制到很小,但故障风险小并不表示仪器不出故障,因此要求使用过程中还是应该注意观察仪器的运行,设备管理人员也应该定期或不定期地对仪器进行检查和保养,及时发现故障苗头,将仪器在正常使用中失效的可能性降到最低;同时,也应为小概率事件准备充足的应对预案,将因仪器可能的偶然故障所造成的危害降到最低。

3.3 增加备用仪器

如果所使用的仪器不能达到可靠性标准D0,则应通过为该仪器准备备用仪器的方法提高该仪器使用过程中的可靠性。为正在使用的仪器准备备用仪器是有效提高使用可靠性的一个重要手段,如果某仪器的故障几率为D1(t1,t2),备份仪器的故障风险几率为D2(t1,t2),则2台仪器同时出现故障的几率应该为D1(t1,t2)×D2(t1,t2),鉴于故障风险几率总是定义于[0,1]邻域内,2台仪器同时出现故障的几率将总是小于其中任何一台仪器的故障几率。只要仪器配置科学,把因仪器故障而导致诊断或治疗工作不能正常开展的几率降低1~2个数量级并不是什么难事。

仪器备份对于多台相同仪器配置的临床科室(如手术室、监护室、急诊室)也有着尤为重要的意义。比如,如果某临床科室配置N台某相同型号的仪器,且这些仪器为同时购买、未经过维修,那么在分析这些仪器的可靠性时,可以将它们看作一个系统。根据概率理论可以得出,该系统因故障而不能达到全部正常开机工作的几率D(t1,t2)应该是单台仪器在(t1,t2)时间内的故障风险D1(t1,t2)的N倍。如果能增加一台仪器作为备用,那么该系统的失效风险D(t1,t2)则应该降为

式中,N为仪器台数。由于故障几率函数D(t1,t2)总是存在于[0,1]邻域内,而且在一般使用条件下仪器的故障风险应该小于0.1,所以在正常条件下,为临床科室配置备份仪器可以有效降低仪器使用过程中的失效几率。

但在另一方面,配置备份仪器势必增加科室的运营成本,这就要求设备管理部门根据科室的实际使用情况掌握。比如,若科室仪器使用率高则可以考虑配置备份仪器;当科室仪器使用率不高时,可以将当时未使用的仪器作为备份(即以当时未使用的相同仪器作为备份)。呼吸机、心电监护、除颤仪等常用的生命支持类仪器,建议医院统一备份,以备不时之需。

3.4 医疗设备的维护与保养

根据本文公式(8),故障几率分布函数可以看作是系统各个模块故障几率分布函数的和,尽管系统各模块一般不会同时发生故障,但系统中任何模块发生故障都将导致系统整体失效。当系统任一模块的故障风险几率升高到一定程度时,如果能对可能发生故障的模块进行必要的技术处理,不仅可以避免系统使用过程中发生该模块故障的风险,而且可以避免系统的永久性损坏,延长系统的使用寿命。我们通常把这种为避免系统故障或保持系统良好技术状态,而在系统尚未发生故障或失效时对系统的技术处理,称为对系统的维护和保养。

医疗设备的维护保养实际上是对医疗设备的“预维修”,即当医疗设备使用到一定程度时,将其中故障风险大到一定程度的故障隐患排除的过程。比如,由于暴露在空气中,电路板的金属接插件会发生氧化、污损,导致电路接触不良,影响设备的正常工作;由于设备的长期使用而造成机械磨损,设备中机械单元的润滑脂会发生污损和老化,从而导致机械单元运行部件阻力增大,严重时导致整台设备失效。再例如,某些设备中的易损件(如心电监护中的无损血压测量系统中的空气泵、呼吸机中用于测量潮气氧含量的氧电池)应该定期更换;对设备的计算机软件系统需要定期进行清理,以避免系统中数据堆积致使系统运行缓慢或死机。类似这些问题将严重威胁医疗设备的使用安全,对医疗设备进行维护和保养,目的就是将设备在以后使用过程中可能的故障和失效隐患消除在尚未发生之中。

随着医疗设备的广泛应用,医疗设备的维护和保养正日益受到使用部门的重视。通过定期维护和保养,可有效地降低医疗设备的故障发生率,提高设备的开机率和使用寿命。在维护工作中,可靠性参量是重要的理论依据。使用和维护人员不仅要通过对设备的观察,或是凭经验制定维护保养计划,而且要参考生产厂家所提供的相关可靠性资料,更科学合理地完善维护保养计划。只有这样才能保证维护保养计划科学合理,最大限度地提高仪器的使用效率,提高仪器的完好率,缩短维护保养及故障维修所占用的时间。

4 结语

从本文的讨论可以得知,产品的故障分布函数可以通过产品平均无故障工作时间的检测中习得,同时可以通过其计算出故障风险函数。对于设备的操作人员来说,故障风险几率函数对于保证仪器安全、有效和经济地使用有非常重要的意义。可靠性检测和控制技术是一种成熟的技术规范,这种技术规范不仅被生产厂家用于产品的质量检测和控制,而且也被许多行业的产品用户用于对产品可靠性进行判断的量化指标、对设备可靠性进行人为干预的科学依据[7]。

需要注意的是,本文所讨论的故障风险参数是由仪器在规定条件下检测所得出的参数。也就是说,该参数是假设操作人员能熟练操作仪器,仪器在不超出规定环境下运行的理想参数。尽管操作人员及运行环境也是影响医疗仪器可靠性的重要因素,但这些因素可以依靠使用部门不断地完善他们的工作而加以克服。

医疗行业是一个高风险行业,医疗仪器在使用中出现的故障往往会造成医学诊断和治疗的延误,有时还会造成不可逆的严重后果。及时掌握医疗仪器的可靠性参数对于其使用的安全性有着非常重要的意义。如果使用及管理人员能够掌握医疗仪器的可靠性参数,便可有效地规范医疗仪器的配置、管理和使用,规避医疗仪器在使用中大部分可能出现的故障,延长仪器的使用寿命,提高医疗工作的安全性和经济性[8]。然而,现在无论是医疗仪器的生产厂家还是医疗仪器管理人员,对于与医疗仪器可靠性相关领域的重视程度远远达不到临床医疗工作对之的预期,致使医疗仪器常常工作在本不应该随机发生的失效风险之中。要改变这种现状,医疗仪器的管理人员就应该深入研究,并广泛宣传相关知识,使得医疗仪器的可靠性管理成为工作的常态。

参考文献

[1]顾克杰.可靠性技术与医疗设备的管理保养[J].苏州医学院学报,1993,13(4):338-339.

[2]李杰,陈国桢.医疗设备的可靠性技术研究[J].科技与企业,2015(16):209.

[3]白宏光,葛红宇.电子设备的可靠性统计试验方法研究[J].电子产品可靠性与环境试验,2008,26(3):40-43.

[4]潘建.浅谈电子产品的可靠性设计[J].国外电子元器件,2001(7):9-11.

[5]王劲松.配电系统可靠性分析与评价[J].电力工程运用,1991(3):20-23.

[6]杨虎,钟波,刘琼荪.应用数理统计[M].北京:清华大学出版社,2006.

[7]冯敬东,来萍.电子产品MTBF的意义及工程化计算方法[J].电子产品可靠性与环境试验,2008,26(2):15-24.

时间风险篇5

关键词鞅; 停时; 风险模型

中图分类号 F840;O211 文献标识码:A



1 引言

时间风险篇6

随着我国经济的迅猛发展,化学工业、核电站、地铁、高层和地下建筑以及人口高度集中的场所日益增多,新产品、新工艺、新材料的开发与应用以及危险化学品的大量使用,致使特大恶性事故时有发生。如何预测、减少和控制危险源引起火灾事故的发生是火灾安全工程领域的重要课题。火灾发生时,火灾损失成本和站点火灾成本都是随时间变化的函数,目前火灾成本分析方法仍处在发展阶段,尚不成熟(如有些间接损失还是依靠估算,准确计算比较困难)。笔者以火灾风险评估理论为主要依据,将风险时间函数应用在危险源站点火灾成本分析中,研究风险时间函数是为了估算危险源引起火灾时,风险随时间变化的大小,即站点火灾成本的大小,对火灾成本进行定性和定量研究。火灾风险等级越高,站点火灾成本越大。

2 站点火灾成本的估算

2.1 风险时间函数的建立

危险源需求的计量是对于危险源的确定需求,它着重考察危险源发生火灾时对灭火资源的需求数量。为了定性和定量的求解灭火成本,主要从火灾发生的时间、可能性、危险源的确定性需求等方面构造函数。采用风险时间函数是对火灾风险随时间变化的研究,见公式(1)。

r(t)=P(t)q(t) (1)

式中:r(t)为风险函数;P(t)为火灾发生随时间变化的概率;q(t)为火灾损失成本。

火灾随时间变化的概率P(t)的特点:一是P(t)值是从火灾发生时刻的零值逐渐增大;二是P(t)的最大值是火灾发展最猛烈时刻;三是P(t)值是由火势最大时刻tc逐渐减小至火灾熄灭时刻te的零值。火灾损失成本q(t)是随着时间变化估算成本损失的函数,它能够反映火灾发生时的损失成本,在许多情况下,q(t)是一个随时间增大而增长的递增函数,见公式(2)。这也意味着火灾影响范围内的其它资源,如基础设施、生产生活设施等随着火灾时间的增长,损失也在增大。

q(t)0) (2)

2.2 火灾随时间变化的损失成本

火灾成本是指在预防与扑灭火灾过程中所需要的费用,它不仅包括危险源发生火灾后造成的直接经济成本,而且包括危险源为预防火灾发生需要的各种物资的费用(即鲁棒性成本)。因而火灾成本是一个综合的概念,是指由于火灾的存在和火灾发生后人们所必须支出的费用和火灾造成的经济利益的减少,它是随着时间变化的。

火灾的总成本主要由火灾损失成本与火灾控制成本两部分构成,见公式(3)。

c(t)=P(t)·u(t)+v (3)

式中:c(t)为火灾随时间变化的总成本;u(t)为火灾随时间变化的损失成本;v为火灾预防费用形成的成本;P(t)为该危险源发生火灾随时间变化的概率。

2.2.1 火灾损失成本

火灾发生后, 直接造成财产毁损和人员伤亡所必须支付的实际经济成本。如一建筑物失火被毁且有多名人员被烧伤, 则其直接损失成本为房屋的价值、受伤人员的医疗费、营养费等。火灾发生后, 火灾导致的除财产以外的损失以及与之相关的其它损失和责任等而支付的费用或经济利益的减少, 包括营运收入损失、额外费用增加、责任赔偿费用等。

火灾的扑救尤其是重特大火灾的扑救需要待主要灭火资源运抵火场后开始总攻,但灭火资源运抵火场需要耗费一定的时间,火灾损失成本是指在这一段时间内火灾造成的损失。总攻阶段是火灾扑救的关键环节,将总攻开始直至结束的时间定义为扑救阶段。初始阶段中主要采取控制性的手段,如冷却燃烧物、扑灭流

淌火等,而总攻是火灾扑救的实质性阶段,总攻展开越早,初始阶段延续时间越短,对火灾的扑救越为有利,即扑救时间越早,火灾损失成本越小,估算的火灾风险越低,站点火灾成本也越低。

火灾成本包括两部分:一是站点灭火资源到达危险源k这段时间资源造成的损失成本ui1;二是从火灾开始扑救到最后熄灭这段时间资源的缺失损失ui2。设定当前站点到达危险源k的时间为ti1k,单位数量该资源的延误单位时间会造成火灾损失βi,站点储备资源i的数量为xi,则资源造成的缺失损失ui(t),见公式(4)。

ui(t)=ui1(t)+ui2(t)

=undefined (4)

式中:βi1为单位数量该资源的延误单位时间会造成的损失;βi2为单位数量该资源在火灾扑救中造成的损失;ti1k为当前站点到达危险源k的时间,tb≤ti1k≤tc;ti2k为当前站点从扑救开始到火灾熄灭过程中的时间,tc≤ti2k≤te;xi为站点储备的资源数量;l为当前危险源的数量。

假若站点供给资源的种类有n种,则站点火灾损失成本u(t),见公式(5)。

u(t)=undefined (5)

2.2.2 鲁棒性成本(预防成本)

即使火灾不发生,各个消防站点也需要储备足够的灭火资源,以满足火灾发生时危险源的需求,这是一种鲁棒性措施。因此,将购置、存储、维护需要资源的费用定义为鲁棒性成本,它不随火灾时间的变化而变化。鲁棒性成本包括消防站点的运行成本与配置资源成本。消防站的运行成本主要包括土地征用费、建筑建设和安装费、装备器材投入费用以及日常运行费用等。

假若消防站点储备资源为xi,该站点所辖的危险源数量为k(1≤k≤l),即k个危险源共同分摊当前站点的鲁棒性成本,以λk表示危险源k分摊的比例,则存在undefined。

若单位数量该资源的购置、存储及维护的费用为xi,则该站点对资源的购置、存储及维护的费用为αixi。假设站点配置n种资源,得到该站点对于危险源k的鲁棒性成本,见公式(6)。

v=undefined (6)

由以上分析可知,当前消防站点相对危险源k随时间变化的火灾成本ck(t),见公式(7)。

undefined

3 单一站点资源配置方式火灾成本

运用风险时间函数计算单一站点配置方式火灾成本时,由于站点配置方式中危险源仅有唯一所辖站点,即l=1,则ti1k=ti1,ti2k=ti2,λk=1。此时,公式(7)转换为公式(8)。

undefined

在站点资源配置方式中,危险源与消防站点一一对应,消防站点的资源配置必须满足所辖危险源的资源需求,则危险源应全部承担其责任站点的资源配置成本,以CAi表示危险源对资源的需求数量,在单一站点资源配置方式下,xi=CAi。

因此,用风险时间函数估算单一站点配置方式下的站点火灾成本可以用公式(9)表示。

undefined

4 结论

笔者应用风险时间函数对消防站点资源配置所对应危险源的火灾成本进行评估,是对火灾概率预算研究的进一步深化。站点火灾成本并不是常数,而是取决于很多因素,其中最关键的是时间因素。风险时间函数是对火灾成本的初步估算,目前火灾成本分析方法仍处于发展阶段,火灾成本除取决于时间因素外,还与危险源本身的需求、资源配置方式直接相关,因而要从不同角度考虑火灾成本。

目前,国内火灾风险分析的研究刚刚起步。在火灾风险评估中通过预算风险概率,可以得到火灾发生的风险等级,同时通过风险管理减少危险源火灾发生风险。风险管理包括收集风险事件信息,制定火灾预防和火灾发生的控制方案,使火灾成本损失最小化。如何进行火灾风险管理和火灾概率预测等方面应是火灾风险评估的主要研究方向。

摘要：利用风险时间函数对站点危险源火灾成本进行定性和定量化风险分析,从站点火灾损失成本和鲁棒性成本两方面对站点火灾成本进行评估,当火灾预测或火灾发生时,风险时间函数给出了随时间变化的站点资源配置对应的危险源火灾成本。

关键词：火灾成本,风险时间函数,定量化,评估

参考文献

[1]屈波.城市区域火灾风险评估研究[D].重庆:重庆大学,2005,35-44.

[2]郭仲伟.风险分析与决策[M].北京:机械工业出版社,1986.

[3]佐和隆兴.数量经济分析基础[M].北京:中国统计出版社,1987,134-148.

[4]Rachaniotis,Nikos P.Scheduling fire-fighting tasks using the concept of“deteriorating jobs”[J].Canadian Journal of Forest Research,2006,36(3):652-658.

[5]Smith,Jim.Wildland fire risk assessment system:A new tool for fire prevention[J].Forest Landowner,2004,63(1):44-46.

时间风险篇7

供应链是围绕核心企业, 通过对信息流、物流、资金流的控制, 将供应商、分销商、零售商、直到最终用户连成一个整体的功能网链结构模型。它可以带来市场、技术、资本和风险四大方面的竞争优势。但是供应链的企业都是独立的法人实体, 都以利润最大化为目标向企业的投资者负责。为了获得更有利的竞争地位, 企业的行为也可能会损害供应链上其他企业的利益。根据波特的竞争战略理论, 供应链上企业为了在谈判中获得优势, 往往会保留私有信息, 如原料或产品成本、产品质量、企业的生产能力等。正是由于这种信息不对称, 可能导致代理人隐藏信息或隐藏行动, 进而引发道德风险。汪贤裕 (2001) 建立委托代理关系的动态规划模型讨论了企业的多期委托代理关系, 并对委托人和代理人的理性行为和收益特征进行分析[1]。李善良 (2005) 利用委托代理分析框架研究了供应链中供应商和零售商之间的利益博弈, 通过比较在信息对称与信息不对称情况下的线性契约, 分析了不同因素对于佣金率、供应商期望收益以及代理成本的影响[2,3]。白世贞 (2007) 分析了供应链道德风险的产生机理, 在考虑努力水平、成本系数、产出系数等参数的前提下, 从供应链的核心企业——制造商角度出发, 建立了当核心企业不能观测到成员企业努力水平时的激励机制[4,5]。朱烨 (2008) 在委托代理理论的基础上对两阶段供应链管理问题进行分析, 通过对信息对称和非对称信息两种情况的分析分别得出最优合约, 根据制造商与供应商各成本的变化, 在一个供应商和一个制造商中建立了一个激励机制[6]。胡宪武 (2010) 对供应链节点企业间合作促进机制、激励和收益分享机制博弈模型进行了研究和分析, 表明非完全信息条件下, 供应链核心企业可以根据伙伴企业隐性努力的不同状况和市场风险的不同情境, 通过与其建立不同的激励和利益分享机制, 以增强供应链稳定性[7]。吴江华 (2012) 运用斯坦伯格博弈模型研究了不确定性对上下游定价和广告投入决策的影响, 分析比较了有信息共享和无信息共享两种情况下供应链各成员及供应链利润[8]。以上研究从不同的角度分析了供应链企业间的道德风险问题, 但都只是考虑了一期道德风险的情况, 未对多期道德风险进行分析。本文在此基础上探讨了基于时间价值的多期道德风险的激励机制。本文首先建立模型分析的基本框架, 然后在基本模型的基础上对信息对称情况与信息不对称情况分别进行优化求解, 最后对模型的解进行了分析讨论。

2 激励机制模型的基本分析框架

考虑由一个供应商S和一个制造商M组成的委托代理模型, 制造商作为委托人, 供应商作为代理人。为了分析问题方便, 作如下假定:

假定1:制造商与供应商合作一期为1年。

假定2:供应商第t年给制造商带来的动态收入:πt=Af (at) +θt, 其中A表示供应商的能力水平系数;f (at) 是供应商第t年的努力at (at为一维变量) 给制造商带来的收入函数;f′ (at) >0表示供应商努力水平的边际收入为正;f″ (at) <0表示供应商努力带来的边际收入递减;Af (at) 共同决定制造商第t年的动态收入;θt表示第t年市场的不确定性带来的损益, 服从正态分布θt~N (0, σ2) , 即E (θt) =0, var (θt) =σ2, 且假定θt (t=1, 2, …, n) 相互独立, 则持续n年后的市场损益期望现值损益方差现值 (r表示市场利率) 。

假定3:供应商付出的努力成本为c (a) , 且满足c′ (a) >0, c″ (a) ≥0, 为了简单分析, 不妨假定供应商持续n年后努力的成本现值总额

假定4:供应商第t年努力后的收入为供应商努力程度的线性函数, 即令f (at) =at, 则供应商在第t年给制造商带来的动态收入为:πt=Aat+θt。

假定5:供应商持续n年后为制造商实现的收入贴现总额为, 制造商根据每年供应商创造的动态收入给其线性支付现值总额为:其中α为制造商每年支付给供应商的固定工资, 表示供应商持续n年后可以获得的固定收入现值总额, 表示供应商持续n年后得到的可变收入现值总额, 其中β为供应商对动态利润的分享份额, s (π) 为供应商持续n年后获得的收入现值总额。

假定6:作为委托人的制造商是风险中性的, 作为代理人的供应商是风险规避的。特别地, 假定供应商具有不变的绝对风险规避效用函数为:μ (ω) =-e-ρω, 其中ρ值衡量经济人对风险的规避程度, 且ρ>0, ω为供应商的实际货币收入。

因此, 制造商持续n年后的期望收入现值为:

由于制造商是风险中性的, 于是制造商持续n年后的期望效用等于期望收益:

根据假设供应商持续n年后的实际收入现值总额为:

由假定μ (ω) =-e-ρω, 如果, 则称确定性收益为随机收益的等价收益ω0。因此, 供应商持续n年后的确定性等价折现收入为:

其中, 为供应商的风险成本, 即供应商宁愿在随机收益中放弃的收益以换取确定性收益

制造商作为供应链中的核心企业, 委托代理的领导者, 在整个委托代理中具有先动优势, 但是在其追求自身期望利润最大化时, 会受到供应商的参与约束与激励相容约束两种制约, 于是制造商与供应商的委托代理关系可表述为如下的规划模型 (P) :

其中, 式 (6) 是激励相容约束, 式 (7) 是参与约束, 其中表示供应商持续n年后的最大保留收入现值, 即机会成本。

3 信息对称情况下的激励机制

为不失一般性, 首先研究制造商与供应商完全信息的情况。此时供应商与制造商信息对称, 制造商可以观测到供应商的努力水平, 激励相容约束式 (6) 不起作用, 且制造商不会给供应商更多的收入, 于是参与约束式 (7) 的等式成立。因此规划问题 (P) 可以改写为 (P′) :

我们用上标B表示规划问题 (P′) 的最优解。

将式 (9) 代入式 (8) , 之后, 分别对at和β求解一阶条件得:

将式 (10) 的结果带入参与约束式 (9) , 制造商支付给供应商每年最优的固定收入:

此时供应商持续n年后的边际成本现值为:

供应商努力持续n年后的边际收入为:

式 (14) 是典型的帕累托最优条件:持续n年后努力的期望边际收入等于持续n年后期望边际成本。

此时制造商持续n年后的期望收益现值总额为:

供应商持续n年后的实际收入现值总额为:

结论1:在信息对称情况下, 制造商可以通过设计线性激励契约, 使供应商在持续n年的合作中达到帕累托最优努力水平, 且制造商只需支付固定工资。

结论2:由αB=w0+A2/2b知,

①∂αB/∂b=-A2/2b<0, 说明供应商努力成本系数越大, 制造商支付给供应商的固定工资越低。

②∂αB/∂A=A/b>0, 说明供应商的能力越高, 制造商支付给供应商的固定工资越高。

③∂αB/∂w0=1>0, 说明供应商的最大保留收入越高, 制造商支付给供应商的固定工资越高。

4 信息不对称情况下的激励机制

理性供应商的最优努力水平是当边际期望收入现值总额等于边际努力成本现值总额时的努力水平, 即:

于是

在信息对称时, 有β=0, 所以, 因此在制造商不能观测到供应商的努力水平情况下, 帕累托最优将不能实现, 因为给定β=0, 供应商将选择最优化自己的确定性等价收入现值总额, 这意味着:即如果制造商给供应商的支付与供应商的努力产出无关, 供应商将选择努力水平, 而不是

结论3:在不完全信息情况下, 帕累托最优合同无法实现。

通常情况下, 制造商不能每时每刻去监督供应商, 于是便产生了信息不对称, 即制造商不能观测到供应商的努力水平, 委托人与代理人目标不一致, 所以激励相容式 (6) 产生约束效应, 于是得到以下的规划形式 (P″) :

我们用上标SB表示上述规划问题 (P″) 的次优解。

求以上规划问题 (P″) , 可以得到:

于是, 制造商持续n年后的期望收益现值总额为:

在不对称信息条件下, 供应商持续n年后的实际收入现值总额为其努力成本贴现、机会成本贴现与风险成本三者之和。

结论4:由βSB=A2/ (A2+ρbσ2) 可以得到:

①若ρ→∞, 则, 此时供应商完全没有风险承受能力, 制造商给供应商固定工资现值, 市场的产出决定于随机变量θt。

②当ρ=0时, 供应商可以达到帕累托最优水平。即当供应商是风险中性型时, 可以通过让供应商承担全部风险来达到激励供应商最优水平的目的, 此时利润剩余索取权完全归供应商所有。

③ρ>0, 则随着风险规避系数ρ的上升, 激励系数βSB会相应降低, 风险规避程度ρ会抵消βSB的激励作用。这就是“委托—代理”问题中风险规避程度与激励之间的权衡问题。

Ⅰ当合作期限为有限期时:

①说明供应商的能力越强, 制造商的收入现值总额越高。

②说明供应商规避风险程度越强, 制造商的收入现值总额越低。

③说明供应商努力成本系数越大, 制造商的收入现值总额越低。

④说明随着制造商与供应商的合作期限的增加, 制造商的收入现值总额越高。

Ⅱ当合作期限为无限期时:

制造商期望收益现值总额为:

5 多期情况下信息对称与信息不对称激励机制的比较

制造商在信息不对称条件下要付出代理成本, 代理成本大小为持续n年后制造商在完全信息条件下和不完全信息条件下的期望收益现值总额之差:

其中ΔE (π) 表示持续n年后制造商期望产出的净损失现值的增加值, ΔW表示制造商支付给供应商的实际收入现值总额的增加值。将式 (10) 、 (11) 、 (21) 分别代入上式, 得到:

其中, ΔC=c (a B) -c (a SB) 表示供应商持续n年后努力成本的节约现值, ΔRC表示供应商持续n年后承担风险所要付出的风险βSB成本现值。

在信息不对称的情况下持续n年后制造商所付出的激励成本现值总额为:

因此, 制造商持续n年后支付的总的激励成本现值又等于风险成本现值和激励成本现值之和:

结论6:在信息不对称的情况下, 制造商n期付出代理成本为

结论7:由可以得到:

Ⅰ当合作期限为有限期时:

①说明供应商的能力越强, 制造商持续n年后支付的总的激励成本现值越高。

②说明供应商的努力成本系数越低, 制造商持续n年后支付的总的激励成本现值越高。

③说明供应商对风险的规避程度越高, 制造商持续n年后支付的总的激励成本现值越高。

④说明市场的波动越大, 制造商持续n年后支付的总的激励成本现值越高。

⑤说明随着合作期限的增加, 制造商持续n年后支付的总的激励成本现值越高;同时每期支付的激励成本现值增长幅度降低。

Ⅱ当合作期限为无限期时:

说明当制造商与供应商合作期限无限长时, 制造商支付给供应商的激励成本为一个定值

6 结语

供应链企业中核心企业契约设计是供应链协调的重要手段, 根据委托方与代理方享有信息差异的程度, 以及合作次数多少, 设计合适的激励机制将极大地提高供应链的协作水平。本文研究了制造商与供应商之间的激励问题, 由于努力水平的不可观测性, 制造商只有通过恰当的激励机制来提高供应商的努力水平, 防范供应商因为道德风险行为带来的损失。文章分析了信息对称与信息不对称条件下的线性契约, 并得到了以下具有现实意义的结论:

①在信息对称情况下, 制造商可以通过设计线性激励契约, 使供应商在持续n年的合作中达到帕累托最优努力水平, 且制造商只需支付固定工资。

②在信息不对称的情况下, 帕累托最优合同无法实现, 制造商增加与供应商的合作次数, 可以提高期望收益现值。

③与信息对称情况相比, 在信息不对称的情况下, 制造商必须付出代理成本, 并且每期代理成本现值随合作期限的增加而递减。

④在信息不对称的情况下, 当制造商与供应商合作期限无限长时, 制造商的期望收益现值总额与激励成本现值总额分别趋近于一定值。

在制造商和供应商多期合作中, 制造商可以通过考虑以上因素设计合理的显性激励机制提高供应链企业间的协作水平, 从而防范道德风险的发生。本文对多期合作中显性激励机制的设计进行了探讨, 但未涉及隐性激励, 供应链企业间多期道德风险的隐性激励机制将是我们下一步的研究目标。

摘要：本文在供应链中提出基于时间价值的激励契约设计理论, 研究了在信息对称和不对称情况下, 供应链企业中制造商如何对供应商设计多期最优激励机制来达到防范道德风险的问题。在信息对称的情况下, 帕累托最优水平可以达到, 制造商支付给供应商固定工资, 且制造商支付给供应商的固定工资与供应商的努力成本系数呈负相关, 与供应商的能力、最大保留收入呈正相关;在信息不对称的情况下, 帕累托最优合同无法实现, 制造商必须付出代理成本。当制造商与供应商合作期限无限长时, 制造商的期望收益现值总额与激励成本现值总额分别趋近于一个定值。

关键词：供应链,时间价值,道德风险,激励机制

参考文献

[1]汪贤裕, 钟胜, 李康.一类多期委托代理关系的模型研究[J].系统工程理论与实践, 2001, 21 (11) :31-36.

[2]李善良, 朱道立.不对称信息下供应链线性激励契约委托代理分析[J].计算机集成制造系统, 2005, 11 (12) :1758-1762.

[3]李善良.供应链委托代理问题分析[D].上海:复旦大学, 2005.

[4]白世贞, 朱晓燕.供应链企业间委托代理及激励监督问题研究[J].商业研究, 2008 (2) :47-50.

[5]白世贞, 朱晓燕.基于委托代理的供应链道德风险激励机制研究[J].供应链管理, 2007, 26 (10) :75-77.

[6]朱烨, 秦江涛, 崔秀梅.供应链中道德风险问题的模型分析[J].商业时代, 2008 (2) :14-15.

[7]胡宪武, 滕春贤.供应链企业关系稳定机制的竞合博弈分析[J].统计与决策, 2010 (22) :173-175.

[8]吴江华, 翟昕.信息共享对供应链合作广告影响的博弈分析[J].中国管理科学, 2012, 20 (5) :98-105.

[9]冉翠玲, 杨桂元.基于不对称需求信息的激励机制模型研究[J].技术经济, 2007, 11 (26) :66-69.

[10]Bengt Holmstrom.Managerial Incentive Problems:A Dynamic Perspective[J].Review of Economic Studies, 1999, 66 (1) :169-182.