（工商管理专业论文）电子设备逆向物流回收量预测及时间与成本的改善.pdf

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发 表或撰写过的研究成果， 也不包含为获得 天津大学天津大学 或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论 文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津大学天津大学 有关保留、使用学位论文的规定。 特授权 天津大学天津大学 可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学 校向国家有关部门或机构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘 要 目前人们最关注的是环境恶化问题和资源短缺问题，这是因为环境和资源 不仅是社会可持续发展的基本条件，而且直接关系着人类的生存和发展。在经 济高速发展的今天，资源的短缺已经成为世界的共识，原材料价格一路上涨， 资源的稀缺性和有限性一览无余。由于产品更新换代的加快，产品生命周期的 缩短，促使人类消费的增加，废弃产品成倍的增长。废弃产品引发的环境污染 问题已经成为全球关注的一个新的焦点，其中电子垃圾的增长速度尤其引起人 们的高度重视。据权威部门的统计，截止到 2010 年底，我国已有 230 万吨的电 子废弃物，仅次于 300 万吨的美国，排名世界第二。这些电子垃圾，是巨大的 污染源，每年产生的危险有毒物质就有 5 亿多吨。 本文正是基于上述背景，在国内外有关逆向物流管理的理论等研究的基础 上，对逆向物流的相关概念、基础理论等逆向物流的相关内容进行了介绍和分 析，着重探讨了产品逆向物流回收量的预测问题和我国企业逆向物流模式的选 择问题。 本文介绍 c 公司全方位逆向物流的管理实践，c 公司重新思考逆向物流，将 其视为利润中心而非成本中心；为了高效率挖掘逆向物流回收产品的剩余价值， c 公司为退货创造需求；c 公司为保护环境、尽到企业公民的环境责任，全方位 开展逆向物流，共有 9 种逆向物流渠道回收处理各种各样的产品。 回收数量的不确定性是逆向物流的难点之一，本文选用灰色预测，线性回 归，时间序列三种预测方法预测逆向物流的回收数量。 虽然 c 公司选择自己组建逆向物流网络，但我国企业必须根据实际情况选 择合适的逆向物流模式，本文介绍了逆向物流选择决策流程图。 最后，对全文的工作进行了总结，分析了存在问题和缺陷，并对今后的研 究方向做了展望。同时希望文中对逆向物流问题的讨论和结论，能对企业有所 帮助。 关键字：逆向物流，灰色模型，线性回归，时间序列 abstract now people are most concerned about environmental degradation and resource shortage. this is because the environment and resource is not only the basic conditions for sustainable social development，but also related to human survival and development.in the rapid economic development of today，the shortage of resources has become the consensus of the world. the price of raw material rising up，the scarce and limited resource have been shown up.as product is replaced faster and the product life cycle is shortened，the consumption of human is increased and the waste products grow exponentially.the problem of environmental pollution caused by waste products has become a new focus of global concern，in which the growth rate of e-waste aroused great attention in particular.according to authoritative statistics, by the end of 2010, china has 230 million tons of e-waste, after the united states， which have 300 million tons, ranking second in the world。this e-waste is a huge source of pollution, which produced 500 million tons of dangerous toxic substances annually. under these backgrounds, this paper has introduced and analyzed the related conceptions and basic theory of reverse logistics. besides, the paper emphasizes on reverse logistics prediction problem and the selection of our business model in reverse logistics. this paper describes a full reverse logistics management practices of company c. company c rethink the reverse logistics as a profit center rather than a cost center. to dig the residual value of returns high-efficiently，company c creates demand for the returns. to protect the environment and to be the best corporate citizen which takes full responsibility for environment, company c carry out a full range of reverse logistics. it has a total of nine kinds of reverse logistics channels for recycling a wide range of products. the uncertainty quantity is one of the difficulties of reverse logistics. this paper uses gray model prediction, linear regression, time series of three forecasting methods to predict the quantity of reverse logistics recycling. company c chose to set themselves up as the reverse logistics network, but chinas enterprises must select the appropriate reverse logistics model according to the actual situation。the paper describes the reverse logistics choice decision-making flowchart. finally, the paper has a summarization on the researching work，analyzing the problems and shortcomings, giving a series of vistas to the future direction of research. all the above suggestion and research about reverse logistic can be referred for the enterprise. keywords：reverse logistic，gray model，linear regression，time series 目录 第一章 绪论 . 1 1.1 研究背景和意义 . 1 1.2 逆向物流的定义 . 2 1.3 逆向物流的驱动因素 . 3 1.4 国内外研究状况 . 6 1.5 逆向物流的基础理论 . 7 1.5.1 利益相关者理论 . 7 1.5.2 博弈理论 . 8 1.5.3 可持续发展理论 . 9 1.5.4 循环经济理论 . 9 1.5.5 产品生命周期理论 . 11 1.5.6 生产者责任延伸制 . 11 1.6 本文研究的内容和结构 . 12 第二章 c 公司全方位逆向物流管理实践 . 13 2.1 对逆向物流的重新思考：利润中心而非成本中心 . 13 2.2 价值重获：为退货创造需求 . 14 2.3 多渠道回收设备与材料 . 16 2.3.1 客户计划 . 16 2.3.2 制造商和维修商的计划 . 17 2.3.3 c 公司内部计划 . 17 2.4 多样化废弃物流处理计划 . 18 2.4.1 电子废料再循环流程 . 18 2.4.2 产品包装物 . 19 2.5 c 公司逆向物流的绩效 . 19 2.5.1 环境绩效 . 19 2.5.2 经济绩效 . 19 2.6 c 公司逆向物流流程图 . 19 第三章 c 公司逆向物流回收量预测 . 21 3.1 逆向物流回收量预测研究背景 . 21 3.2 灰色预测模型 gm(1,1) . 21 3.2.1 gm(1,1)建模 . 22 3.2.2 gm(1,1)模型检验及残差修正 . 22 3.3 时间序列预测 . 24 3.3.1 自回归(ar：auto-regressive)模型 . 24 3.3.2 移动平均(ma：moving average)模型 . 25 3.3.3 自回归移动平均(arma：auto-regressive moving average)模型 . 25 3.3.4 使用 arma 模型时间序列分析预测 . 26 3.4 回归分析预测 . 26 3.4.1 一元线性回归模型 . 27 3.4.2 一元线性回归方程 . 27 3.4.3 一元线性回归显著性检验 . 28 3.4.4 应变量 y的预测 . 28 3.5 三种预测实例分析和实现 . 28 3.5.1 gm(1,1)模型预测实例分析和 matlab 实现 . 28 3.5.2 时间序列预测及 eviews 6.0 实现 . 30 3.5.3 一元线性回归预测及 excel 实现 . 34 3.6 三种预测结果的比较 . 35 第四章 c 公司逆向物流时间与成本的改善 . 36 4.1 bpr 理论介绍 . 36 4.1.1 bpr 的主要程序 . 36 4.1.2 bpr 的主要方法 . 36 4.2 中国 rcfa 逆向物流流程 . 37 4.3 使用 bpr 理论对逆向物流流程进行改善 . 37 4.4 改善结果 . 40 第五章 我国企业逆向物流网络的选择决策 . 41 5.1 政府在逆向物流发展中的作用 . 41 5.1.1 政府与企业在逆向物流发展中的博弈 . 41 5.1.2 政府的监管措施 . 42 5.2 逆向物流网络分类 . 42 5.3 逆向物流网络构建决策选择 . 44 5.4 逆向物流网络成本与收益的比较情况 . 45 5.4.1 基本假设 . 46 5.4.2 n 个企业在两种逆向物流网络模式下总体收益的对比分析 . 46 5.5 我国企业构建逆向物流网络 . 47 第六章 逆向物流网络未来的趋势和本文研究的不足 . 49 6.1 逆向物流网络未来的趋势 . 49 6.1.1 基于产品全生命周期的逆向物流战略 . 49 6.1.2 物资回收与应用 . 50 6.1.3 延长产品生命周期 . 50 6.1.4 第三方逆向物流服务商 . 50 6.1.5 财务影响 . 51 6.1.6 信息技术 . 51 6.2 本文研究的不足 . 51 参考文献 . 52 附录一：用 matlab 实现灰色预测 gm(1,1)源代码 . 55 附录二：灰色预测 gm(1,1)预测结果 . 58 附录三：一元线性回归 excel 实现的结果 . 61 致谢 . 62 第一章 绪论 1 第一章 绪论 1.1 研究背景和意义 当今人类社会面临的三大主要问题：环境恶化、资源短缺、人口老龄化， 目前人们最关注的是环境恶化问题和资源短缺问题，这是因为环境和资源不仅 是社会可持续发展的基本条件，而且直接关系着人类的生存和发展。在经济高 速发展的今天，资源的短缺已经成为世界的共识，原材料价格一路上涨，资源 的稀缺性和有限性一览无余。由于产品更新换代的加快，产品生命周期的缩短， 促使人类消费的增加，废弃产品成倍的增长。废弃产品引发的环境污染问题已 经成为全球关注的一个新的焦点，其中电子垃圾的增长速度尤其引起人们的高 度重视。据权威部门的统计，截止到 2010 年底，我国已有 230 万吨的电子废弃 物，仅次于 300 万吨的美国，排名世界第二。这些电子垃圾，是巨大的污染源， 每年产生的危险有毒物质就有 5 亿多吨。 随着社会对环保问题的日益关注，土地掩埋空间和掩埋成本的增加，面对 日益严重的废弃物垃圾问题，以及与之相关的环境污染和资源的过度消耗，人 们逐渐认识到可以通过对资源的循环利用来解决环境恶化和资源短缺问题。因 此越来越多的国家和地区相继制定了越来越严格的产品回收法规和废弃物处理 法规，其核心主旨是要求生产商在产品的整个生命周期内承担完整的环境责任， 完成回收、 处置、 再利用废弃产品等一系列工作。 例如欧盟在 2003 年颁布的 废 弃电气和电子设备指令(weee 指令)规定，从 2005 年 8 月 13 日，在欧盟市场 上出售的电器及电子产品的制造商，必须负责回收废旧产品，处置和回收的成 本。 为了应对法规的约束、降低回收处理成本、更有效地实现资源的循环利用， 越来越多的企业开始改变传统的产品生产经营管理模式，转而实施产品全生命 周期管理，并逐渐将废旧产品回收处理活动纳入到整个供应链管理的范围，由 此推动了逆向物流及闭环供应链的发展。近几年来，逆向物流已经成为物流供 应链领域的最热门的研究问题之一。 逆向物流，相对于正向物流来说，是一个与正向物流流向相反的物流管理 过程。正向物流追求的是如何增加利润，而逆向物流主要考虑的是如何降低损 失和发掘新的利润增长点。开展逆向物流具有的重要意义有以下四方面： 第一、可以改善产品品质，避免事故的发生。在客户退货的过程中，企业 可以发现曝露出的品质问题和客户的使用感受，并给管理层传递这些信息，管 第一章 绪论 2 理者根据得到的信息，改善品质管理和产品设计，这样可以降低发生潜在事故 的可能和发现产品的隐患。 第二、使客户满意，赢得客户的忠诚，增加竞争优势。逆向物流的有效实 施，能够保证及时退回客户不满意的产品，消除客户的后顾之忧，赢得客户的 信任和口碑，提高了客户对产品和服务的满意度，从而增加了客户回头率，扩 大了企业的市场份额，增加了企业的竞争优势。 第三、有效降低物料成本。传统的物料管理主要集中在企业内部的生产物 料进料与库存管理上，逆向物流主要关注企业外部废旧产品及其物料，它们得 到有效地利用，可以避免闲置与浪费大量可再用性资源。而且废旧产品回收成 本较低，企业对废旧产品进行回收再加工，可以有效降低物料成本。 第四、有助于改善企业的环境行为，塑造优良的负责任的企业形象。人们 的消费观随着环保意识的日益增强而发生了很大的改变，人们对环境的期望值 越来越高，对企业的环境行为的期望也越来越高。不可再生资源越来越少，环 境污染越来越严重，工业化的世界已经使我们的地球伤痕累累，为了保护我们 居住的家园，各国都制定了越来越严格的环保法规，严格约束企业的环境行为。 许多企业顺应潮流，积极实施逆向物流战略，降低产品对环境的影响和资源的 消耗，有效改善企业环境行为，在公众心中塑造优良的企业形象。 1.2 逆向物流的定义 “逆向物流(reverse logistics)”概念最早是美国学者 douglas lambert 和 james stock 在 1981 年提出的，他们将逆向物流描述为“与大多数货物正常流动 方向相反的流动”。 james stock， 他在 1992 年给美国物流管理协会(the council of logistics management，clm)的一份研究报告中给出：逆向物流为一种包含了产品退回、 物料替代、物品再利用、废弃处理、再处理、维修与再制造等流程的物流活动 1。 carter x1=ones(1,n); x1(1)=x0(1); for i=1:n-1 x1(i+1)=x1(i)+x0(i+1);%作 1-ago 生成序列 x1 end z1=ones(1,n); z2=ones(1,n-1); for k=2:n z1(k)=-0.5*x1(k)-0.5*x1(k-1); end z2=z1(2:end);%紧邻均生成 z2 y=ones(1,n-1); y=x0(2:end); b=ones(n-1,2); for i=1:n-1 b(i,1)=z2(i); end au=ones(2,1); au=inv(b*b)*b*y; %产生数据矩阵 b,计算系数 a 和 u a=au(1); u=au(2); yc1=ones(1,n); yc1(1)=x0(1); for i=1:n-1 yc1(i+1)=(x0(1)-u/a)*exp(-a*i)+u/a; %计算 gm(1,1)模型 yc1=x1(k+1)的值 end yc0=ones(1,n); yc0(1)=x0(1); for i=1:1:n-1 附录 56 yc0(i+1)=yc1(i+1)-yc1(i);%计算 yc0=x0(k+1)值，显示预测结果 end %判断和检验 gm(1,1)模型的精度 e=ones(1,n); for i=1:n e(i)=x0(i)-yc0(i);%残差检验,计算预测的误差 e end e1=ones(1,n); for i=1:n e1(i)=e(i)/x0(i); %计算相对误差 e1 end max1=max(abs(e); r=1; for k=2:n r=r+0.5*max1/(abs(e(k)+0.5*max1); end r=r/n; %r 表示关联度 e2=mean(e);%计算预测的误差均值 e2 x2=mean(x0);%计算原始数据均值 x2 s1=std(x0);%计算原始数据的标准差 s1 s2=std(e);%计算预测误差标准差 s2 c=s2/s1;%方差比 c=s2/s1 p=0; for k=1:n if abs(e(k)-e2)0.6745*s1 p=p+1; end end p=p/n; %小误差概率 fprintf(fid,预测下一年的逆向物流回收数量：n); yc2=ones(1,2*n); yc3=ones(1,n); 附录 57 for k=n:1:2*n-1 yc2(k+1)=(x0(1)-u/a)*exp(-a*k)+u/a; end yc3=yc2(n+1:end); yc4=ones(1,n); yc4(1)=yc2(n+1)-yc1(n); for i=1:1:n-1 yc4(i+1)=yc3(i+1)-yc3(i); end fprintf(fid,%16.6f,yc4); fprintf(fid,n); fclose(fid); 附录 58 附录二：灰色预测 gm(1,1)预测结果 gm(1,1)逆向物流回收量预测 = 预测结果: 预测合格 以下是详细信息： 原始序列: 387.000000 429.000000 481.000000 489.000000 437.000000 437.000000 490.000000 482.000000 504.000000 468.000000 424.000000 483.000000 501.000000 539.000000 603.000000 513.000000 532.000000 591.000000 573.000000 635.000000 628.000000 685.000000 818.000000 682.000000 1-ago 生成序列 x1: 387.000000 816.000000 1297.000000 1786.000000 2223.000000 2660.000000 3150.000000 3632.000000 4136.000000 4604.000000 5028.000000 5511.000000 6012.000000 6551.000000 7154.000000 7667.000000 8199.000000 8790.000000 9363.000000 9998.000000 10626.000000 11311.000000 12129.000000 12811.000000 紧邻均生成 z: -601.500000 -1056.500000 -1541.500000 -2004.500000 -2441.500000 -2905.000000 -3391.000000 -3884.000000 -4370.000000 -4816.000000 -5269.500000 -5761.500000 -6281.500000 -6852.500000 -7410.500000 -7933.000000 -8494.500000 -9076.500000 -9680.500000 -10312.000000 -10968.500000 -11720.000000 -12470.000000 一阶单变量微分方程 dx1/dxt+ax1(t)=u 系数 a= -0.0240829301 附录 59 一阶单变量微分方程 dx1/dxt+ax1(t)=u 系数 u= 394.3758543704 累加模型预测结果 x1= 387.000000 795.596298 1214.152240 1642.910594 2082.120046 2532.035346 2992.917451 3465.033680 3948.657868 4444.070523 4951.558994 5471.417632 6003.947961 6549.458860 7108.266731 7680.695693 8267.077763 8867.753051 9483.069960 10113.385382 10759.064910 11420.483048 12098.023429 12792.079037 还原后预测结果 x0=387.000000 408.596298 418.555942 428.758354 439.209453 449.915300 460.882105 472.116229 483.624188 495.412656 507.488471 519.858637 532.530330 545.510898 558.807871 572.428962 586.382070 600.675289 615.316909 630.315422 645.679528 661.418138 677.540381 694.055608 残差检验 e= 0.000000 20.403702 62.444058 60.241646 -2.209453 -12.915300 29.117895 9.883771 20.375812 -27.412656 -83.488471 -36.858637 -31.530330 -6.510898 44.192129 -59.428962 -54.382070 -9.675289 -42.316909 4.684578 -17.679528 23.581862 140.459619 -12.055608 相对误差检验 e1=0.000000 0.047561 0.129821 0.123194 -0.005056 -0.029554 0.059424 0.020506 0.040428 -0.058574 -0.196907 -0.076312 -0.062935 -0.012080 0.073287 -0.115846 -0.102222 -0.016371 -0.073851 0.007377