《Journal of Chromatography B》:Library-assisted UHPLC-Q-TOF-MS/MS bioanalytical profiling of Qiling Hushen granules:
In-vivo metabolic mapping and kidney-biased distribution
编辑推荐:
本研究提出概率绿色利润设计(PrGPD)模型,通过整合返回产品质量、市场需求波动和产品替代率的不确定性分析,采用概率密度函数与合成数据生成技术,揭示再制造系统的关键约束因素与性能驱动机制,并以游艇发动机为案例验证,证明该模型能有效提升利润与碳减排的稳健性。
姜一兰|朴世英|卢佐伊|约翰·贝莱斯|哈里森·金
美国伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系,厄巴纳,IL 61801
摘要 再制造是推动各行业可持续性和资源效率提升的重要策略。然而,由于退货产品的状况多变以及市场需求波动等固有不确定性,制定有效的再制造计划仍然具有挑战性。以往的研究在反映这些不确定性方面存在局限性,因为它们依赖于优化模型中的确定性输入。本研究提出了一种新的框架——称为概率绿色利润设计(PrGPD)模型,该模型明确地将不确定性纳入再制造优化过程中。该模型根据专家知识和实证数据为关键参数分配概率密度函数,通过合成数据生成实现随机分析。此外,该框架通过分析不同条件下的约束活动来识别影响再制造结果的关键因素。通过一个涉及休闲船用发动机的案例研究验证了所提出的方法。结果表明,拆卸部件质量的提高直接提升了盈利能力并减少了碳排放,这证明了在再制造设计(DfR)、早期回报计划和质量检测系统上的投资是合理的。此外,分析还显示,即使在需求波动的情况下,利润率也保持稳定,表明绿色利润机会具有很强的抗干扰性。总体而言,这项研究为再制造企业开发了一种实用且可适应的决策支持工具,提供了比传统确定性方法更稳健的策略。
引言 日益严重的环境问题促使全球采取措施减少生态影响,给制造商带来了更大的压力,要求他们采用可持续的生产和产品回收实践(Bocken等人,2016年;Ongondo等人,2011年)。在各种循环经济策略中,再制造因其能够从报废产品中回收价值并减少原材料消耗而受到广泛关注(Teixeira等人,2022年)。通过系统的拆卸、翻新和重新组装,再制造产品可以达到与新产品相当的性能水平,同时带来显著的经济和环境效益(Matsumoto和Ijomah,2013年;Atasu等人,2008年)。
尽管具有这些优势,许多企业仍不愿扩大再制造业务,因为该业务通常涉及重大且相互关联的不确定性(Goodall等人,2014年)。主要的不确定性来源之一是退货产品的状况,这通常通过不同组件和产品单元之间的产量率差异来体现(Zussman和Zhou,2002年)。第二个关键不确定性在于再制造产品的市场规模,该市场规模可能随着消费者偏好、季节性因素以及竞争新产品的出现而波动(Ijomah,2009年)。第三个不确定性来源于蚕食率,即再制造销售额取代新产品销售额的程度(Guide和Li,2010年)。这些不确定性共同决定了再制造商业模式的可行性,但在现有的基于优化的研究中,它们很少被综合考虑或以概率方式处理。
尽管以往的研究从成本最小化(Jiang等人,2016年)、利润最大化(Cho等人,2017年)、客户效用(Kim等人,2022年)以及经济与环境权衡(Kwak和Kim,2017年)的角度探讨了再制造决策,但这些模型主要依赖于确定性输入。因此,它们往往无法捕捉到退货质量不确定、需求波动和蚕食效应的综合影响,从而无法充分理解再制造系统在现实世界变异性下的表现。此外,对于哪些约束或参数在不确定性相互作用时对性能有关键影响,目前了解甚少。这是设计在可变运营条件下仍然有效的决策策略的一个重要空白。
为了解决这些局限性,本研究重点关注再制造策略的韧性,即其在广泛不确定条件下的盈利能力及环境效益保持能力。一个具有韧性的解决方案并不是针对单一假设情景进行优化的;相反,它能够在产品退货、市场需求和蚕食效应波动的情况下仍保持稳定的表现。现有的再制造模型没有提供评估或设计此类韧性策略的机制。
本研究开发了一种新的框架——概率绿色利润设计(PrGPD)模型。该方法捕捉影响再制造性能的关键不确定性,并识别在随机条件下驱动盈利能力和环境结果的关键因素。总体目标是提供一个实用的决策支持工具,使制造商能够基于现实的变异性而非确定性假设来设计具有韧性的再制造策略。
为实现这一目标,本文做出了以下贡献。
• 一个概率优化框架(PrGPD) ,该框架联合建模了三个主要不确定性——产量率(
T i )、再制造产品市场规模(Q r )和蚕食率(α )——使用第2节中的特定参数概率密度函数(表1)。• 一种随机场景生成程序 ,该程序将合成概率数据与运营和市场信息相结合,从而能够在广泛的不确定性范围内评估绿色利润(第3.1、4.1–4.3节)。
• 一种以韧性为导向的性能分析方法
,结合敏感性分析和约束活动分析来识别在不确定性下的关键参数和约束条件,从而揭示再制造结果的主要驱动因素(第3.3–3.4、4.4节)。所提出的PrGPD框架通过一个涉及休闲船用发动机的案例研究得到了验证,该研究得到了行业合作伙伴的真实数据支持。结果表明,PrGPD模型有效捕捉了现实世界的不确定性,揭示了影响性能变化的机制,并为设计稳健和具有韧性的再制造策略提供了可操作的见解。
本文的其余部分组织如下:第2节回顾了再制造领域的相关研究;第3节详细介绍了所提出的方法;第4节描述了该方法在现实世界案例中的应用;第5节讨论了本研究的方法论和实践贡献;最后,第6节总结了研究的整体思路并探讨了未来的工作方向。
章节摘录 文献综述 通过再制造实现可持续制造需要在经济可行性和环境影响之间取得平衡,同时应对产品退货、市场动态和运营执行中的不确定性。本综述系统地探讨了现有研究如何在四个维度上应对这些挑战:决策层次结构的作用范围和整合(第2.1节)、产量、需求和蚕食的不确定性处理(第2.2节)、方法论方法
方法论 为了解决第2节中发现的差距,本节介绍了概率绿色利润设计(PrGPD)框架。图1概述了四阶段方法。第1阶段构建了一个结合双目标优化的数学模型,并为选定的参数分配概率密度函数。第2阶段准备市场、产品和生命周期评估(LCA)数据以供模型实施。第3阶段生成不确定性
案例说明 本研究通过一个真实的案例——休闲船用发动机,展示了所提出方法的价值。图2展示了所考虑的生产过程。首先,回收并拆卸旧发动机。根据部件的状况,对零部件进行翻新或回收。翻新后的部件(必要时使用新部件)重新组装,生产出再制造产品。同时,也仅使用新部件生产新产品。
方法论贡献 所提出的框架使用户能够纳入额外的不确定性假设,以进一步分析再制造策略。为了展示这一能力,研究了第4节中描述的情景之外的其他情景。如图8所示,引入了替代的分布假设(A1 + B1 + C1)。对于产量率,假设了一个均值为0.8、标准差为0.01的左偏贝塔分布(A2),代表了潜在的核心质量
结论与未来工作 本研究旨在解决再制造决策中的一个核心挑战:即依赖忽视退货质量、市场需求和蚕食效应不确定性的确定性模型。为了克服这一限制,我们开发了概率绿色利润设计(PrGPD)模型,这是一个结合概率密度函数、合成数据生成和约束活动分析的随机优化框架,用于在现实情况下评估再制造策略
CRediT作者贡献声明 姜一兰: 概念化、方法论、软件、撰写——初稿、可视化、调查、验证。朴世英: 概念化、方法论、软件、撰写——初稿、可视化、调查、验证。卢佐伊: 软件、数据整理、撰写——初稿。约翰·贝莱斯: 数据整理、撰写——初稿。哈里森·金: 监督、撰写——审阅与编辑。
利益冲突声明 作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢 本材料基于Brunswick Corporation 的支持。
姜一兰 目前是伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系的博士生。她获得了加州大学圣地亚哥分校的应用数学和经济学双学士学位,以及哥伦比亚大学的数据科学硕士学位。她的主要研究兴趣包括机器学习应用、数据驱动的产品设计和优化。