《Logistics》:A Machine Learning and Multi-Criteria Decision-Making Approach to Cycle Counting
编辑推荐:
本综述系统探讨了逆向物流(RL)在人道主义行动(HOs)中的概念化、应用与评估,揭示了其作为潜在但非正式化能力在提升可持续性(SDGs 11,12,13)、增强系统韧性及优化运营效率方面的关键作用。文章通过系统文献综述(SLR)提出了RL在人道主义物流(HL)中的整合类型学,为构建更具弹性和可持续的人道主义系统提供了理论框架与实践路径。
逆向物流在人道主义行动中的作用:一项系统综述的发现
摘要
背景:由气候变化、公共卫生事件、武装冲突等驱动的灾害日益加剧,对人道主义行动(HOs)提出了更高要求。人道主义物流(HL)作为应对不确定性和时间压力的核心,其传统框架主要关注前向物流,而逆向物流(RL)——包括剩余捐赠物管理、废弃物处理和物资回收——虽在实践中常见,却在学术和制度层面未被充分重视。本研究通过系统文献综述(SLR),旨在厘清RL在HOs中的角色、挑战与机遇。
引言
HL活动占人道主义支出的最大份额,但相关研究仍集中于前向流动。逆向流动,如不合适的捐赠品、过期药品、包装废弃物和灾后废墟,在真实行动中反复出现,却始终处于边缘地位。RL在商业供应链中已成熟应用,为人道主义场景下的物资回收、再利用和环保处置提供了框架。然而,在HOs中,RL实践多为临时性、非正式且缺乏系统性整合,导致资源浪费、成本增加及公共卫生风险。本研究通过PRISMA协议,系统回顾了RL在HOs中的概念化、应用及可持续性整合情况,并提出一个基于证据的RL类型学。
理论框架
HOs可被视为复杂适应系统,其绩效取决于系统在冲击下的适应与重组能力。RL通过循环经济(CE)视角,在资源稀缺的灾害环境中促进价值保留与再生,从而提升系统韧性。制度理论则解释了RL在HOs中难以制度化的原因:人道主义组织受紧迫性和捐赠者问责的逻辑主导,逆向活动常被视为次要。此外,作为社会技术系统,RL的有效性依赖于技术能力(如物联网、区块链、人工智能)与制度安排的协同。强化学习(RL)在此背景下被视为一种探索性的决策支持机制,可在不确定性环境下辅助路径优化与资源分配。
材料与方法
本研究遵循PRISMA指南,在Web of Science和Scopus数据库中检索了136篇文献,最终纳入47篇进行定性合成。检索策略结合了RL、HOs和可持续性相关术语。纳入标准包括:明确涉及HOs中的RL、或实践与RL概念一致(即使未使用术语)、属于HL或灾害废弃物范畴,且为同行评议文章。数据分析采用开放式和轴心编码,主题涵盖RL的环境、运营、制度和技术角色。
结果
2021年和2023年是出版物高峰,66%的研究集中在2020年后,这与COVID-19大流行暴露的供应链脆弱性相关。RL实践在疫情、自然灾害和复杂紧急情况中均有体现,但地理分布不均,巴西、意大利、美国、印度等国研究较为突出。方法学上,建模与仿真占主导(27%),其次是综述(25%)和概念分析(19%)。关键词共现分析显示三个集群:可持续性与环境管理、人道主义物流与运输、逆向物流与捐赠管理。主题分析表明,RL在HOs中扮演四大角色:环境角色(33%,如废弃物循环)、运营角色(19%,如路径疏通)、制度角色(12%,如政策整合)和技术角色(19%,如物联网应用)。约17%的研究未明确赋予RL任何角色,反映其概念碎片化。
讨论
RL在HOs中主要通过可持续性议题切入,但其术语与实践脱节限制了知识累积。运营上,RL能缓解物流拥堵、提升系统韧性,却因制度障碍(如缺乏指标、政策激励)而难以制度化。技术解决方案(如人工智能、区块链)潜力巨大,但应用受制于地区基础设施差异。理论层面,RL应被重新定位为人道主义系统中连接短时响应与长期可持续发展的结构能力。研究提出一个概念模型(图3),将RL机制与环境、运营、制度和技术维度联动,并通过Sankey图(图4)可视化挑战与机遇的传导路径。
结论
本综述表明,RL在HOs中是一项潜在却未充分制度化的能力。其整合依赖于协同推进环境管理、运营优化、制度规范与技术应用。建议包括:制定分类与返品协议、将逆向流指标纳入评估体系、探索人工智能辅助决策,以及开展更多量化影响的实证研究。未来研究需聚焦RL在不同灾害类型与阶段的实证验证、成本效益分析,以及参与式共同设计,以推动RL从临时实践向人道主义物流的核心组件转变。