基于模糊认知图的产品回收处理策略研究

基于模糊认知图的产品回收处理策略研究

0回收策略的提出由于产品翻新、质量维护、服务维修、使用一段时间后废弃、产品功能丧失等原因和现象，以及科技进步带来的产品转型速度加快，许多制造业的废物产品堆积如山，这不仅造成了许多环境问题，而且固体残留物的残余价值没有得到充分有效利用，导致无法再生资源的供应不足。许多国家已经或者迫切需要制定相关的法律和法规,如欧盟的WEEE(wasteelectricalandelectronicequipment)指令,德国、法国、意大利和荷兰的ELV(end-of-lifevehicles)回收政策,日本的家用电器资源回收法,我国的电子废物污染环境防治管理办法等。在政策法律和社会可持续发展的双重要求下,越来越多的制造企业和再生企业开始关注如何在兼顾经济效益和生产效率的前提下,承担废旧产品的处置责任。因此,废旧产品回收处理阶段的研究和实践已经成为本世纪新的热点问题。企业在处理废旧产品的过程中,面临着许多管理层面与技术层面的不确定性,需要平衡各种绩效目标,其中产品回收处理策略(ProductRecoveryandDisposalStrategy,PRDS)的选择是关键问题和难点问题。PRDS选择的影响因素多,属于多目标决策问题,且其中涉及到许多难于处理的定性因素和信息。目前,国内仅关注定量绩效因素,还比较缺乏该方面的研究,国际上的相关研究也难以综合权衡和处理各种具有模糊性和不精确性的定性影响因素。如文献和文献基于拆卸树采用0-1规划的方法来确定回收策略,但仅考虑了成本因素和财务方面的绩效目标。文献采取两阶段方法,作为最优化耐用消费品的回收战略,首先在产品类型层次,确定所谓的产品类型回收和丢弃策略(ProductRecoveryandDisposalstrategy,PRD),然后在产品组层次,讨论产品组的回收和丢弃策略(GroupRecoveryandDisposalstrategy,GRD),但是该文只考虑了质量因素。基于六种技术上的产品特征,文献和文献设计了一种模型来预测某一类型产品的回收策略的选择问题,进而指导产品设计过程,但是该模型仅根据产品类型的共性特征,给出了一个大致的选择策略。针对当前该领域研究的不足,本文首先研究了产品回收处理的相关策略,然后探讨和分析了PRDS决策要素及要素间的关系。在此基础上提出了基于模糊认知图(FuzzyCognitiveMaps,FCM)的PRDS决策模型和方法,并结合具体案例,验证了本文方法的可行性和有效性。1再制造活动及其回收工艺产品生命周期中存在产品生命末期(End-of-Life,EOL)阶段,即产品在经过一段时间使用后,为了保护环境,或者充分利用产品及其部件和原材料的剩余价值,需要收集废旧产品,对废旧产品选择适当的回收策略并进行拆解回收,对有害物质进行无害处理,以及对最终垃圾进行掩埋、焚烧等。EOL阶段的产品回收管理过程主要包括收集废旧产品、检测/分类/分解废旧产品、再处理、废弃、再分销等。在产品回收管理中,PRDS主要归纳为如下四种:(1)产品直接再使用包括简单维修、翻新和再制造。该策略针对质量较好的旧产品,如大多数出租的设备等。这些产品不需要修复或者只需要很少的修复,如重新上漆、简单拆卸更换次要零部件等,就可以在同一市场或者其他市场立即再销售使用。再制造是通过将废旧产品完全拆卸到组件层次,进行深入地检测然后替换已经损坏的或者过时的部件,从而将废旧产品的质量提高到新产品的质量水平。典型的活动包括拆卸、清洗、替换部件、再组装。再制造活动对产品类型的依赖性很大,一般只是研究某些典型产品的再制造活动。(2)组件再使用包括部件翻新和再制造。该策略是针对功能已经失效或者完全过时的废旧产品,但该产品的某些部件的质量状况仍然良好。这些部件被拆卸下来,可用于再制造产品或者作为二手备件出售。(3)原材料再循环当产品或者零部件不能通过上述两种方式回收价值时,最常用的回收方式就是通过各种分离过程,将不同的原材料从废旧产品或者零部件中提取出来,用于新产品或者其他产品的生产中。(4)废弃即热利用,对于那些不能通过以上几种方式回收的产品、部件或者原材料,需要根据安全和环境法律进行销毁和掩埋,尤其是废旧产品中的有害成分或者部件需要进行专门的无害化处理,如汽车中的润滑剂、手机或者计算机中的电池、空调系统中的制冷液体等。对于某些特定产品,可以通过焚烧其废弃物回收剩余残渣的能量,如汽车轮胎,但是可能会对环境造成一定影响。在产品回收管理过程中,存在许多具体的运作决策问题,其中,影响到整个回收过程绩效的关键决策点之一,就是如何针对产品、部件或者原材料选择最合理的回收处理策略。对于上述不同的PRDS,基于具体情况选择合理的回收处理策略具有重要意义:①合理的决策能够最大程度地回收产品的剩余价值,提高整个回收链的整体收益和利润;②合理的决策能够减少垃圾和污染物的释放,降低废弃成本,减少对环境的压力,有利于建设可持续发展和资源节约型社会。2prds的决策问题在进行PRDS的选择时,决策者首先要考虑三个方面的可行性准则:法律(即保证没有违反各国法律和各地法规)、技术(处理能力、资源的可获得性等)和商业(即保证不赔本,有利润)。在此基础上,依据相关的决策要素和具体情况,对PRDS做出合理选择。PRDS的决策要素主要包括决策目标和决策影响因素两类。决策是指在追求某定义良好的目标时,从某几个可执行的方案中选择一个。决策的有效性是指决策的结果在多大程度上能够达成所设定的目标。PRDS的决策目标需要与整个回收系统的目标相一致,目前主要分为两类:①由政府主导的,主要考虑环保等因素,产品回收处理是一个“推”的过程,尽可能地合理回收和利用废旧产品;②由经济体主导的,主要关注经济绩效,产品回收处理的目标是最大化回收的净利润。目前大多数再生企业偏向第二种类型,其PRDS的决策目标是尽可能最大化其经济利益,但同时也需要遵守政府在环保方面的要求,兼顾环境效益。因此,PRDS的决策问题是一个典型的多目标优化问题,需要在上述两个决策目标之间寻求平衡。在不同的企业战略指导下,各行业的产品回收处理企业对上述两个决策目标的侧重可能会有所不同。PRDS的决策影响因素主要包括废旧品磨损程度、再生产品需求量、废旧品的回收过程处理能力及成本、政府对废旧品回收的支持和关注程度、废旧品回收对环境所造成的影响等。PRDS的决策影响因素较多,而且其中的许多影响因素是定性的,具有模糊性和不精确性,部分影响因素是动态变化的,各影响因素之间可能还存在相互影响关系,这些增加了对PRDS合理选择的难度,也是造成当前相关研究难以综合考虑这些影响因素的主要原因。本文将引入不确定性推理领域应用广泛的方法——FCM方法来综合分析和推理PRDS的决策问题,并尽可能全面地覆盖各相关决策要素。本章将首先根据PRDS的决策目标和决策影响因素的特征,将相关决策要素归纳为五个维度,并对各要素的关系进行分析:①产品维,是确定产品回收策略的基础;②市场维,是购买者对再生产品的认可度和需求,以及再生产品的平均价格水平等;③过程维,与前期的回收过程和后期的处理和治污过程紧密相关,涉及到运作所需的资源与成本等;④政策维,涉及到政府所制定的环保政策,以及对环保的重视程度等;⑤环境维,是关于所选择的回收处理方式对环境的影响等。2.1产品维基础对于单个产品来说,可以从该产品生命周期的三个阶段来分析产品维。首先在BOL阶段,影响回收决策的要素主要有如下三个:(1)影响再处的成本产品的内部结构特征对回收决策具有决定性的影响力,影响着整个过程的经济绩效。首先,部件或者材料的类型和数量如何组装在一起,以及产品材料的异构性等,都会影响再处理的难易度和回收处理活动的成本。另外,还要考虑产品中的环境有害材料,因为有害物需要专门处理。产品的内部结构特征主要与产品模型即设计物料清单(BillofMaterial,BOM)有关,主要有以下四个方面:模块化程度或者集成度、部件组成、部件数量、原材料组成及比例。原材料组成一般包括黑金属(如铁)、有色金属(如金)、非金属(如塑料)、有害物质(如铅、锌),每类原材料的比例与每类原材料的可回收量和预计的回收收入直接关联。(2)大尺寸对于产品品质的影响产品的外部特征主要包括产品尺寸与产品重量两个方面。产品尺寸能够直接影响运输成本。大尺寸对于回收过程来说是一种约束,顾客不能将产品送到回收中心,并且处理很困难;尺寸较小的产品适合回收。产品重量也能直接影响运输成本,并且是计算产品中各类原材料重量的基础,而这与原材料回收收入直接关联。(3)回收过程管理产品的功能特征主要体现在产品设计的理论寿命和产品功能升级的难易程度两方面。产品设计的理论寿命即磨损生命(wear-outlife),指从产品购买到产品不再符合原有功能的时间长度,该参数对估计产品的剩余寿命非常重要。如计算机的磨损生命大概为7a～10a。产品功能升级的难易程度影响了产品翻新或者再制造的难度。在MOL阶段,主要是产品或者部件的历史使用方式和强度影响待回收产品或者部件的质量水平。使用强度包括使用时间长度、使用频率和周围环境(如温度、湿度)等。因此使用强度可深可浅,使用时间的长短并不是描述使用强度的唯一要素。基于BOL及MOL阶段影响回收决策的产品相关要素的具体情况,在EOL阶段主要考察废旧产品被再生利用后的剩余价值(ResidualValue,RV),它是回收过程中一个相当关键的定性要素,对于回收系统的绩效起着决定性的作用。废旧产品再生利用前的质量水平和PRDS影响了再生产品的剩余价值。质量水平为多维特征的总和,如使用年龄、功能状况、物理状况(磨损情况)、功能上的年龄(作为老化的一种评价指标)、剩余的有用寿命等。2.2回收过程中的要素市场维主要是考察对应于不同回收处理策略的二手产品、部件或者原材料等的销售情况,与回收处理过程的收入和经济绩效直接相关,主要包含以下几个要素:(1)影响再生产品销售水平的因素客户认可度(CustomerRecognition,CR)表示某一地区内消费者购买二手产品、部件或者再生原材料等再生产品的平均意愿,该要素直接影响再生产品的销售水平。一般来说,认可度越高,再生产品的销售水平(De-manufactureditemSaleslevel,DS)(销售量)也越高。(2)循环产品的销售水平影响回收决策经济绩效的一个重要要素是二手产品、部件或者再生原材料等的DS。每种回收处理策略的经济价值体现为是否存在相匹配的市场基础。(3)再生产品的价格回收处理策略影响了产品的剩余价值,而产品的剩余价值和回收总成本等影响和决定了再生产品的市场价格。另外,再生产品的需求水平与再生产品的价格水平(De-manufactureditemPrice,DP)之间也存在一定的相互影响关系。DS和DP的高低对回收企业的经济绩效有着直接的正向影响。2.3回收环境的影响过程维主要包括产品回收过程总成本(OverallCost,OC)、投资和处理能力三个大的方面。OC主要包含废旧品的回收处理成本(ProcessingCost,PC)和环保成本(EnvironmentalProtectionCost,EC)两个要素。因为不同的回收处理策略对应于不同的回收处理过程和活动,所以产品回收处理成本与回收处理策略有很大关系。另外,回收处理策略不同,废旧品回收处理难度(ProcessingDifficulty,PD)和治污难度(PotentialThreatonEnvironment&EnvironmentalProtectionDifficulty,PTED)也不同。PD和处理能力(ProcessingAbility,PA)共同影响其回收处理成本,PTED和治污能力(EnvironmentalProtectionAbility,EA)共同影响环保成本。再生制造企业对回收处理的投资(FactoryInvestmentonProcessing,FIP)和对环保的投资(FactoryInvestmentonEnvironment,FIE)会分别正向影响回收PA和EA。另外,产品回收管理阶段的成本与同属过程维的回收利润和经济效益(Profit,P)(决策目标2)紧密相关,成本越高,经济效益越低。企业会将利润的一部分再投资用于回收处理过程和环保过程。但是一般来说,企业对于投资治理回收处理可能造成的环境污染较为被动,因此政府的政策导向就起到很重要的作用。如果政府对环保的关注度(GovermentalAttention,GA)提高,对企业所造成环境污染的惩罚加大,企业则会加强这部分投资。2.4政策维的主要内容政府管理或者指导产品回收活动的目的在于确保资源的合理利用,保护生态环境,维护生态平衡,最终促进社会经济的可持续发展。因而,政府对于不同产品及不同回收策略的关注度和支持程度(GA)会不一样。政策维除了包括GA外,主要还涉及到政府补助(GovermentalInvestment,GI)和政府惩罚(GovermentalPunishment,GP)两个方面。GI是指政府会根据实际情况对回收企业的环保过程进行一定地资助,主要是帮助回收企业减小回收处理过程对环境的影响;GP是指当企业的回收处理活动对环境的影响较大时,政府会采取一些惩罚性措施,促使企业加大对环境保护的重视程度和投资等。对于上述两个要素,在实际应用中可以依据具体情况只考虑其一,或均不考虑。2.5rr与环境纤维的关系总的环境影响(Environment,E)(决策目标1)可以分为两个部分:①资源再利用率(ResourceReserve,RR),它体现产品回收处理过程为资源的再利用和可持续发展所做出的贡献,产品剩余价值直接影响RR;②回收处理对环境造成的影响(ProcessingonEnvironment,PE),如回收处理所消耗的能源、污染物排放(水污染—工业废水、土壤污染—垃圾填埋物、空气污染—工业废气)等。后者与同属环境维的PTED有直接关系。上述要素的取值与PRDS紧密相关,会随处理策略的不同而不同。另外,回收处理对环境造成影响的值越大,意味着环境破坏程度越强,回收企业需要对回收处理环节所造成的环境影响进行投资,提高企业的EA,尽量减小回收处理活动对环境的影响。3fcm-prds决策模型基于上述研究,本章提出基于FCM的PRDS的决策模型和决策方法。软计算方法被广泛用于复杂系统的描述和建模分析,而模糊认知图FCM是一种非常有效的软计算方法,能够结合模糊逻辑和神经网络的鲁棒特性,类似于人类推理与决策过程,对定性问题具有较强的分析能力。FCM模型能够充分利用专家知识,采用概念的方式表示可获得的常识与专家知识,并将概念之间的相互关系(逻辑关系)量化为数量值。FCM是很好的定性建模工具,能够描绘复杂的因果关系网络问题,尤其是带反馈的网络。专家们能够很容易地构建FCM,并快速比较该模型与现实世界的差异,尤其是由于其内在的模糊逻辑,该模型能更好地描绘不确定信息。基于上述特点和优势,FCM被成功地用到了许多科学领域,同时它也非常适合用来解决PRDS的决策这一定性复杂问题。参照FCM的理论和方法,FCM-PRDS决策模型被构建为一个有向图:设第i个概念节点为Ni,带符号和加权的弧连接了不同概念节点,表达了所连接概念节点之间的因果关系,设弧Arji(Nj,Ni)表示概念节点Nj影响了概念节点Ni,该弧的权重为wji,其取值范围为模糊正负极区间Z=[-1,…,1]⊂R,取值的正负分别代表正面影响和负面影响;该有向图的节点集合设为N={Ni},弧的集合为A={Arji(Nj,Ni)}⊂N×N,弧的权重集合为W={wji}。FCM-PRDS决策模型中的概念节点描述的是PRDS相关的决策要素。概念节点所取的数值量是对其相应决策要素的一种定性描述,一般取模糊值,数值越大表示该概念越强烈地存在。在构建FCM-PRDS决策模型时,一般先由专家给出PRDS相关的决策要素,然后描述概念之间存在的关系,确定一个概念对于另一个概念的影响是“负”或“正”,并验证相关知识。基于前述PRDS的决策要素及要素间的关系分析,并把一些难以自动处理的量综合为五个输入量,本文构建了一个基本的FCM-PRDS决策模型,如图1所示,模型中各个概念节点的具体含义如表1所示。FCM表达的是系统的一种动态性。参照FCM理论与方法,基于FCM-PRDS决策模型,可以通过迭代运算推理,得到决策模型中各决策要素达到平衡时的取值。对于迭代运算,在简化条件下,不考虑外部激活,设在第k步时概念节点Nj对应的值为N(k)j(k)j,则概念节点Ni在第k+1步时的取值应该遵循下面的迭代关系:Ν(k+1)i=f(Ν(k)i+n∑j≠i,j=1Ν(k)j⋅wji)。N(k+1)i=f(N(k)i+∑j≠i,j=1nN(k)j⋅wji)。其中,n为概念节点的总个数,f:R→V是一个阈值函数,用于对激活值进行标准化处理。由于所构建的模型为定性模型,采用阈值函数可以归一化概念节点输入值的作用(内部激活值)。有两种常用的阈值函数:①单极sigmoid函数,f(x)=1(1+e-λx)f(x)=1(1+e−λx),其中λ>0,λ决定了函数的模糊化程度,值越大(λ>10)表示越接近离散阈值函数,值越小(λ<1)越接近线性函数;②当概念节点可以取负值时,采用的双曲线正切函数f(x)=tanh(x)。在实际应用中,进行迭代运算前需要给FCM-PRDS决策模型中的输入概念节点及各概念节点间的关系强度赋值。具体赋值可以根据专家意见综合得到,也可以通过基于历史数据的学习得到。若采用专家方法,则一般先由各个专家用语言变量的方式,评价各概念和概念之间的影响关系强弱,如“很强的影响”、“中等或一般的影响”、“弱的影响”等。专家评价术语集合T(强度或影响)一般由七个变量组成:T={非常弱,很弱,弱,中等,强,很强,非常强},这些术语相应的隶属度函数如图2所示。在此基础上,再采用加权求和等方法,综合各位专家的模糊意见,通过解模糊化方法(如重心方法)给出一个总体的语言权重,并将语言权重转换为在[-1,1]之间的一个数值赋给相应对象。而基于历史数据的学习方法则主要包括Hebbian学习算法、遗传算法等。赋值后,通过阈值函数可对FCM-PRDS决策模型中各概念的值进行迭代运算,直到各概念值:①在某个固定点达到平衡,各输出概念值收敛到固定值;②显示有限循环行为,各输出概念值在特定时间段内进入循环;③显示混沌行为,各输出概念值以非确定、随机的方式取得不同的数值。一般来说,决策模型中的输入概念节点的取值因PRDS的不同而存在较大差异,因此在不同回收处理策略下,基于FCM-PRDS决策模型迭代得到的各概念(决策要素)的最终值也会有所不同,从而可支持PRDS的优劣比较和选择。基于上述研究,本文给出的基于FCM的PRDS的决策方法可概括为两步:①考虑法律、技术和商业三个可行性准则,对待处理的废旧品进行初步判断和取舍;②首先基于待处理废旧品的具体情况,对本文提出的基本FCM-PRDS决策模型进行必要地修改和定制化,然后给不同PRDS下FCM-PRDS决策模型中的各输入概念节点赋值,给决策模型中的各概念节点间的关系强度赋值,并通过迭代运算得到平衡态时的决策模型中各概念的最终值,最后依据所关注概念(决策要素,如决策目标)的最终值,进行PRDS的对比判断和选择。基于本文所提出的方法,笔者还在JavaApplet环境下开发了相关的PRDS的决策支持软件,并在实际案例中进行了应用。4prds决策方法本文案例主要基于笔者所参与的一个欧盟多国合作项目,主要涉及到某国知名汽车生产商的废旧汽车拆卸车间的回收处理活动。按照该国法律,汽车行业实行生产商责任制,由原始生产商负责末端汽车(end-of-lifevehicles)的回收管理活动。出于简化原则,本文主要选取最为典型的可再生部件——轮胎为例,来阐释本文所提出的PRDS决策方法。由于该国不允许直接填埋废旧轮胎,该企业所回收的废旧汽车轮胎可行的三种主要回收处理策略为翻新、再循环和热利用,如图3所示。废旧轮胎的再生利用是节约石油、橡胶等稀缺原料并消除“黑色污染”的良好途径。其中,翻新主要是针对那些胎体比较完好的旧轮胎,这些轮胎经过冷法翻新工艺等技术处理或者升级后可以作为配件再次使用。一条合格的翻新轮胎,其使用寿命可达新轮胎的80%以上,而翻新成本一般是新轮胎的30%～70%。再循环主要是将废旧轮胎中的橡胶采用常温粉碎法和脱硫等工艺分离开来,制成再生胶。热利用是把整胎或者粉碎后的废旧轮胎直接用作燃料,1kg废旧轮胎大致相当于11kg的烟煤,本案例中主要是将热能转变为电能产品卖出。本案例采用的FCM-PRDS决策模型如图1所示,依据本文上述所提出方法,接下来需要给各输入概念节点及各概念节点间的关系强度赋值,在此基础上确定阈值函数并对各概念的值进行迭代运算。(1)同类型同品牌轮胎质量的模糊映射应该根据回收处理策略和产品质量状态等的不同而给各输入概念节点赋不同的值。如本案例中,所收集的一批同类型同品牌轮胎的质量定为六成新,则各输入概念节点的取值如表2所示。所赋值为模糊值,如高、较高、中等、较低、低等。在实际计算中,将其映射为区间上的数量值。为编程方便,将输入区间扩展为。(2)时间数据的映射所赋值亦为模糊值,如非常弱、很弱、弱、中等、强、很强和非常强等。在实际计算中,亦将其映射为区间上的数量值。为编程方便,输入区间也被扩展为。本案例中,根据领域经验,各概念节点间的关系强度取值如表3所示。(3)耐ga变化的变量因为本案例决策模型中各概念节点的值为正,且需要归一化到区间上,所以本案例采用最常用的阈值函数——sigmoid函数f(x)=1(1+e-λx)f(x)=1(1+e−λx)来进行迭代仿真运算。为了保证良好的模糊化程度,本案例将λ取为5。在此基础上,通过应用所开发的PRDS决策支持软件,对决策模型中各概念的值进行迭代运算,可以观察到在不同回收处理策略及不同质量等级情况下,决策模型中的输出概念节点——总绩效(O)(总决策目标)的变化情况,如图4所示。通过迭代运算,不同