CN112926862A - 一种新能源汽车动力电池召回选址的决策方法 - Google Patents

一种新能源汽车动力电池召回选址的决策方法 Download PDF

Info

Publication number
CN112926862A
CN112926862A CN202110240990.6A CN202110240990A CN112926862A CN 112926862 A CN112926862 A CN 112926862A CN 202110240990 A CN202110240990 A CN 202110240990A CN 112926862 A CN112926862 A CN 112926862A
Authority
CN
China
Prior art keywords
recall
center
new energy
energy automobile
power battery
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110240990.6A
Other languages
English (en)
Other versions
CN112926862B (zh
Inventor
郝皓
孙亦辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Polytechnic University
Original Assignee
Shanghai Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Polytechnic University filed Critical Shanghai Polytechnic University
Priority to CN202110240990.6A priority Critical patent/CN112926862B/zh
Publication of CN112926862A publication Critical patent/CN112926862A/zh
Application granted granted Critical
Publication of CN112926862B publication Critical patent/CN112926862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Primary Health Care (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种新能源汽车动力电池召回选址的决策方法，包括：S1、构建考虑召回风险的多目标设施新能源汽车动力电池逆向物流网络结构；S2、采用傅里叶预测模型，预测多个周期内的新能源汽车销售量及动力电池的召回量；S3、构建考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址模型；S4、基于步骤S2和步骤S3，确定考虑召回风险的新能源汽车动力电池逆向物流网络结构中各目标设施的拟选位置；S5、基于步骤S4构建非线性混合整数规划模型，求解全局最优解，所述最优解即为考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址。本发明可以实现新能源汽车动力电池物流网络各目标设施的最优选址。

Description

一种新能源汽车动力电池召回选址的决策方法
技术领域
本发明涉及选址技术领域，具体涉及一种新能源汽车动力电池召回选址的决策方法。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车。
新能源汽车一般会采用电池提供动力源，新能源汽车的动力电池有一定的寿命，在寿命结束时，需要对动力电池进行回收，既可以提高资源的利用率又可以避免电池污染环境。
由于新能源汽车属于新兴产业，动力电池的平均报废时间为五年，并且国内关于新能源汽车动力电池召回的相关法律法规还不完善，因此很少有人关注考虑召回风险的新能源汽车动力电池逆向物流网络设计。
然而，随着新能源汽车的使用量和使用范围越来越大，有必要对新能源汽车动力电池物流网络选址问题进行研究，以保护环境和提高资源利用率。
发明内容
本发明的目的是提供一种新能源汽车动力电池召回选址的决策方法，首先构建包括服务网点、召回网点、召回处理中心、召回转运中心和梯次利用中心在内的新能源汽车动力电池逆向物流网络结构，其次，在采用傅里叶模型预测多个周期内新能源汽车动力电池召回量的基础上，考虑新能源汽车动力电池逆向物流网络结构中的各拟建设施的固定成本、检测成本、包装成本、运营成本、运输成本、仓储成本以及设施在运营和运输过程中对安全和环保影响等因素，以安全环保风险和响应时间最小、对经济效益最大为目标，构建多周期多目标动态选址模型，确定网络中各目标设施的数量和选址。该方法合理考量了多重影响因素，更有利于确定各目标设施的最优选址。
为了达到上述目的，本发明通过以下技术方案实现：
一种新能源汽车动力电池召回选址的决策方法，所述方法包括：
S1、构建考虑召回风险的多目标设施新能源汽车动力电池逆向物流网络结构；
S2、采用傅里叶预测模型，预测多个周期内的新能源汽车销售量及动力电池的召回量；
S3、构建考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址模型；
S4、基于所述步骤S2和步骤S3，设置考虑召回风险的新能源汽车动力电池逆向物流网络结构中各目标设施的拟选位置；
S5、基于所述步骤S4构建非线性混合整数规划模型，求解全局最优解，所述最优解即为考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址。
进一步的，所述多目标设施包含：召回网点、召回处理中心、召回转运中心和梯次利用中心。
进一步的，所述傅里叶预测模型表示为：
f(x)＝a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2x*w)+b2*
sin(2x*w)，其中，x表示年份，f(x)表示新能源汽车销售量或动力电池的召回量，a0、a1、a2、b1、b2为模型参数，w为基频。
进一步的，所述步骤S3中，构建多目标设施的选址模型时，以安全环保风险和响应时间最小、经济效益最大为目标，构造目标函数max F＝(SR-SET)+EB，其中，SR表示社会责任影响，SET表示安全环保风险和响应时间，EB表示经济效益。
进一步的，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期安全环保和响应时间SET包含各周期召回网点、召回处理中心、召回转运中心之间的距离以及梯次利用中心的规模大小，采用以下公式计算：
Figure BDA0002962221350000021
其中，dtst表示召回处理中心s到召回转运中心t的距离，dtte表示召回转运中心t到梯次利用中心e的距离，dtrs表示召回网点r到召回处理中心s的距离；若召回转运中t在第p运营期内建立，则
Figure BDA0002962221350000022
否则
Figure BDA0002962221350000023
若召回处理中心s在第p运营期内建立，则
Figure BDA0002962221350000024
否则
Figure BDA0002962221350000025
若梯次利用中心e在第p运营期内建立，则
Figure BDA0002962221350000026
否则
Figure BDA0002962221350000027
进一步的，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对社会责任的影响SR包含在各周期内召回网点、召回处理中心、召回转运中心以及梯次利用中心创造的就业岗位数量，采用以下公式计算：
Figure BDA0002962221350000031
其中，
Figure BDA0002962221350000032
表示召回处理中心s在运营周期p内创造的就业岗位数量，
Figure BDA0002962221350000033
表示召回转运中心t在运营周期p内创造的就业岗位数量，
Figure BDA0002962221350000034
表示梯次利用中心e在运营周期p内创造的就业岗位数量，若召回转运中t在第p运营期内建立，则
Figure BDA0002962221350000035
否则
Figure BDA0002962221350000036
若召回处理中心s在第p运营期内建立，则
Figure BDA0002962221350000037
否则
Figure BDA0002962221350000038
若梯次利用中心e在第p运营期内建立，则
Figure BDA0002962221350000039
否则
Figure BDA00029622213500000310
进一步的，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对经济效益的影响EB包含在各周期内召回的新能源汽车动力电池被梯次利用中心处理后所产生的价值，采用以下公式计算：
Figure BDA00029622213500000311
EC＝C1+C2+C3+C4+C5+C6+C7，
其中，
Figure BDA00029622213500000312
表示企业的经济收入，
Figure BDA00029622213500000313
表示梯次利用中心e在运营周期o内的库存量，Pr表示动力电池梯次利用扣除成本以后产生的价值，β是梯次利用中心e的梯次利用率，0≤β≤1，EC表示企业的经济成本，C1表示各周期的召回处理中心建设费用、召回转运中心建设费用之和，C2表示各周期的各个设施之间运输费用之和，C3表示各周期的新能源汽车动力电池检测费用之和，C4表示各周期的新能源汽车动力电池包装费用之和，C5表示各周期的召回处理中心、召回转运中心、梯次利用中心仓储费用之和，C6表示各周期的召回处理中心、召回转运中心、梯次利用中心人工费用之和，C7表示各周期的召回处理中心、建召回转运中心、梯次利用中心运营费用之和。
进一步的，所述多目标设施的选址模型中，约束条件设置为：
第p个周期确保每个召回网点都有一个对应的处理中心；
第p个周期确保每个被选择召回处理中心都有一个对应的召回转运中心；
第p个周期确保每个被选择召回转运中心都有一个对应的梯次利用中心；
第p个周期从召回网点运往召回处理中心的动力电池数量等于召回网点回收的数量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于召回处理中心的库存量；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于召回转运中心的库存量；
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量等于梯次利用中心的库存量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量不超过召回处理中心的最大处理能力；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量不超过召回转运中心的最大处理能力；
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量不超过梯次利用中心的最大处理能力；
第p个周期召回处理中心的新能源汽车动力电池数量不超过召回处理中心的最大库存量；
第p个周期召回转运中心的新能源汽车动力电池数量不超过召回转运中心的最大库存量；
第p个周期梯次利用中心的新能源汽车动力电池数量不超过梯次利用中心的最大库存量；
第p个周期召回处理中心的建设数量小于最大可建数量；
第p个周期召回转运中心的建设数量小于最大可建数量；
第p个周期梯次利用中心的建设数量小于最大可建数量。
本发明与现有技术相比，具有以下有益效果：
(1)本发明的一种新能源汽车动力电池召回选址的决策方法，首先构建包括服务网点、召回网点、召回处理中心、召回转运中心以及梯次利用中心在内的考虑召回风险的新能源汽车动力电池逆向物流网络结构，其次，在预测多个周期内新能源汽车动力电池召回量的基础上，考虑新能源汽车动力电池逆向物流网络结构中的各拟建设施的固定成本、检测成本、包装成本、运营成本、运输成本、仓储成本以及设施在运营和运输过程中对安全和环保影响等因素，安全环保风险和响应时间最小、对经济效益最大为目标，构建多周期多目标动态选址模型，确定新能源汽车动力电池逆向物流网络结构中各目标设施的数量、选址和目标设施间流量分配，该方法合理考量了多重影响因素，更有利于确定各目标设施的最优选址；
(2)本发明的一种新能源汽车动力电池召回选址的决策方法，以安全环保风险和响应时间最小、对经济效益最大为目标建立模型，降低了新能源汽车动力电池逆向物流网络结构的安全风险，也减少了对环境的影响；
(3)本发明的一种新能源汽车动力电池召回选址的决策方法，以安全环保因素、社会责任因素、经济因素对新能源汽车动力电池逆向物流网络结构选址决策进行了敏感性分析，采用傅里叶预测模型和非线性混合整数规划模型相结合，优化了新能源汽车动力电池逆向物流网络结构在各周期内召回网点、召回处理中心、召回转运中心以及梯次利用中心的数量、选址以及目标设施间流量分配和库存量。
附图说明
为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图：
图1为本发明一实施例提供的一种新能源汽车动力电池召回选址的决策方法的流程示意图；
图2为本发明的新能源汽车动力电池逆向物流网络结构中的多目标设施示意图；
图3为参数λ和μ的变化对目标函数最佳值的影响图；
图4为参数
Figure BDA0002962221350000051
和
Figure BDA0002962221350000052
的变化对目标函数最佳值的影响图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的技术方案作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
如图1所示，本发明提供了一种新能源汽车动力电池召回选址的决策方法，该方法具体包含：
S1、构建考虑召回风险的多目标设施新能源汽车动力电池逆向物流网络结构。在本实施例中，如图2所示，考虑召回风险的新能源汽车动力电池逆向物流网络结构中的多目标设施包含：召回网点、召回处理中心、召回转运中心和梯次利用中心。动力电池发生问题后，由工信部公布的服务网点(具体相关网店地址在工信部的官网上进行公示)进行召回，服务网点收集存在问题的动力电池后，运输送往召回网点，在召回网点进行汇总后送往召回处理中心，在召回处理中心进行简单的包装检测以后，接着由召回处理中心送往召回转运中心，最后由召回转运中心送往梯次利用中心进行最后处理。
S2、采用傅里叶预测模型，预测多个周期内的新能源汽车销售量及动力电池的召回量。
其中，所述傅里叶预测模型表示为：
f(x)＝a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2x*w)+b2*sin(2x*w) (1)
其中，x表示年份，f(x)表示新能源汽车销售量或动力电池的召回量，a0，a1，a2，b1，b2为模型参数，w为基频。
由于预测汽车销售量和动力电池召回量与年份相关，因此将x代表年份，公式(1)求出的f(x)为销售量或召回量。
模型参数a0，a1，a2，b1，b2通过以下方式确定：将年份和销售量代入傅里叶预测模型进行拟合，即可求出销售量的相关模型参数，或者将年份和召回量代入傅里叶预测模型进行拟合，即可求出召回量的相关模型参数。
S3、构建考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址模型。
在本实施例中，构建多目标设施的选址模型时，以安全环保风险和响应时间最小、经济效益最大为目标，构造目标函数maxF＝(SR-SET)+EB(2)，其中，SR表示社会责任影响，SET表示安全环保风险和响应时间，EB表示经济效益。
所述新能源汽车动力电池召回逆向物流网络结构中，包含P个周期、R个召回网点、S个召回处理中心、T个召回转运中心、E个梯次利用中心，周期的集合为P＝{1,2，…，P}、召回网点的集合为R＝{1,2，…，R}、召回处理中心的集合为S＝{1,2，…，S}、召回转运中心的集合为T＝{1,2，…，T}、梯次利用中心的集合为E＝{1,2，…，E}，r∈R,s∈S,t∈t,e∈E,p∈P，即p表示第p个周期，r表示第r个召回网点，s表示第s个召回处理中心，t表示第t个召回转运中心，e表示第e个梯次利用中心。
优选地，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期安全环保和响应时间SET包含：各周期召回网点、召回处理中心、召回转运中心之间的距离以及梯次利用中心的规模大小。
Figure BDA0002962221350000071
优选地，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对社会责任影响SR包含：在各周期内召回网点、召回处理中心、召回转运中心以及梯次利用中心创造的就业岗位数量。
Figure BDA0002962221350000072
优选地，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对经济效益影响EB包含：在各周期内召回的新能源汽车动力电池被梯次利用中心处理后所产生的价值。
Figure BDA0002962221350000073
EC＝C1+C2+C3+C4+C5+C6+C7 (6)
Figure BDA0002962221350000074
表示企业的经济收入，EC表示企业的经济成本。
各周期的召回处理中心建设费用、召回转运中心建设费用之和
Figure BDA0002962221350000075
Figure BDA0002962221350000076
各周期的各个设施之间运输费用之和
Figure BDA0002962221350000081
Figure BDA0002962221350000082
各周期的新能源汽车动力电池检测费用之和
Figure BDA0002962221350000083
各周期的新能源汽车动力电池包装费用之和
Figure BDA0002962221350000084
各周期的召回处理中心、召回转运中心、梯次利用中心仓储费用之和
Figure BDA0002962221350000085
各周期的召回处理中心、建召回转运中心、梯次利用中心人工费用之和
Figure BDA0002962221350000086
各周期的召回处理中心、召回转运中心、梯次利用中心运营费用之和
Figure BDA0002962221350000087
另外，所述多目标设施的选址模型中，约束条件设置为：
第p个周期确保每个召回网点都有一个对应的处理中心，表示为：
Figure BDA0002962221350000088
第p个周期确保每个被选择召回处理中心都有一个对应的召回转运中心，表示为：
Figure BDA0002962221350000089
第p个周期确保每个被选择召回转运中心都有一个对应的梯次利用中心，表示为：
Figure BDA00029622213500000810
第p个周期从召回网点运往召回处理中心的动力电池数量等于召回网点回收的数量，表示为：
Figure BDA0002962221350000091
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量，表示为：
Figure BDA0002962221350000092
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量，表示为：
Figure BDA0002962221350000093
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于召回处理中心的库存量，表示为：
Figure BDA0002962221350000094
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于召回转运中心的库存量，表示为：
Figure BDA0002962221350000095
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量等于梯次利用中心的库存量，表示为：
Figure BDA0002962221350000096
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量不超过召回处理中心的最大处理能力，表示为：
Figure BDA0002962221350000097
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量不超过召回转运中心的最大处理能力，表示为：
Figure BDA0002962221350000101
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量不超过梯次利用中心的最大处理能力，表示为：
Figure BDA0002962221350000102
第p个周期召回处理中心的新能源汽车动力电池数量不超过召回处理中心的最大库存量，表示为：
Figure BDA0002962221350000103
第p个周期召回转运中心的新能源汽车动力电池数量不超过召回转运中心的最大库存量，表示为：
Figure BDA0002962221350000104
第p个周期梯次利用中心的新能源汽车动力电池数量不超过梯次利用中心的最大库存量，表示为：
Figure BDA0002962221350000105
第p个周期召回处理中心的建设数量小于最大可建数量，表示为：
Figure BDA0002962221350000106
第p个周期召回转运中心的建设数量小于最大可建数量，表示为：
Figure BDA0002962221350000107
第p个周期梯次利用中心的建设数量小于最大可建数量，表示为：
Figure BDA0002962221350000108
其中，
Figure BDA0002962221350000109
Figure BDA00029622213500001010
下标说明：
(1)r：备选召回网点的序号，r∈R，R表示所有的召回网点集合；
(2)s：备选召回处理中心的序号，s∈S，s表示所有备选召回处理中心的集合；
(3)t：备选召回转运中心的序号，t∈T，T表示所有备选的召回转运中心集合；
(4)e：备选梯次利用中心，e∈E，E表示所有备选的梯次利用中心集合；
(5)p：运营周期的序号，p∈P，P表示召回网点、召回处理中心、召回转运中心、梯次利用中心的选址问题中运营期数的集合，如P＝{1,2,3}为考虑三个周期的选址问题，每一周期运营时间以天为单位来表示。
参数说明：
(1)d：每运营周期的运营天数；
(2)
Figure BDA0002962221350000111
召回处理中心s在运营周期p内的固定投入(Fixed Input)；
(3)
Figure BDA0002962221350000112
召回转运中心t在运营周期p内的固定投入；
(4)
Figure BDA0002962221350000113
梯次利用中心e在运营周期p内的固定投入；
(5)
Figure BDA0002962221350000114
召回处理中心s在运营周期p内创造的就业岗位数量(Job Creation)；
(6)
Figure BDA0002962221350000115
召回转运中心t在运营周期p内创造的就业岗位数量；
(7)
Figure BDA0002962221350000116
梯次利用中心e在运营周期p内创造的就业岗位数量；
(8)sc：每个召回动力电池每单位距离的运输费用(Shipping Cost)；
(9)pkc：每个召回动力电池的包装费用(Packing Cost)；
(10)dc：：每个召回动力电池的检测费用(Detect Cost)；
(11)wcs：召回处理中心s的每单位每日仓储费用(Warehouse Cost)；
(12)wct：召回转运中心t的每单位每日仓储费用；
(13)wce：梯次利用中心e的每单位每日仓储费用；
(14)ocs：召回处理中心s的单位运营成本(Operating Cost)；
(15)oct：召回转运中心t的单位运营成本；
(16)oce：梯次利用中心e的单位运营成本；
(17)lcs：召回处理中心s每个员工每天的费用(Labor Cost)；
(18)lct：召回转运中心t每个员工每天的费用；
(19)lce：梯次利用中心e每个员工每天的费用；
(20)dtrs：召回网点r到召回处理中心s的距离；
(21)dtst：召回处理中心s到召回转运中心t的距离；
(22)dtte：召回转运中心t到梯次利用中心e的距离；
(23)Ns：召回处理中心s的最大处理能力；
(24)Mt：召回转运中心t的最大处理能力；
(25)Me：梯次利用中心e的最大处理能力；
(26)
Figure BDA0002962221350000121
召回处理中心s在运营周期p内的库存量；
(27)
Figure BDA0002962221350000122
召回转运中心t在运营周期p内的库存量；
(28)
Figure BDA0002962221350000123
梯次利用中心e在运营周期p内的库存量；
(29)Ls：召回处理中心s的最大建设数量；
(30)Lt：召回转运中心t的最大建设数量；
(31)Le：梯次利用中心e的最大建设数量；
(32)Qf：动力电池预测召回量；
(33)Pr：动力电池梯次利用产生的价值(扣除成本以后)；
(34)β是梯次利用中心e的梯次利用率,0≤β≤1；
(35)δ1,δ2：运输规模折扣的分界点；
(36)γ1,γ2：运输距离惩罚的分界点；
(37)f(Tr0,dtr0)＝sc·δγ(＝运费率函数)，δ是折扣率，取决于召回网点r和召回处理中心s之间的运输量Trs；γ是惩罚率，表示一定时间内必须将需要召回的动力电池回收到召回网点r，在这边将时间用距离的远近进行表示，取决于召回网点r和召回处理中心s之间的距离dtrs。
(38)
Figure BDA0002962221350000124
(39)
Figure BDA0002962221350000125
决策变量的说明：
(1)
Figure BDA0002962221350000126
表示第p运营周期内召回网点t的周期，运营周期以天表示。
(2)
Figure BDA0002962221350000127
表示第p运营周期内召回网点r送往召回处理中心s的动力电池数量，否则为0；
(3)
Figure BDA0002962221350000131
表示第p运营周期内召回处理中心s送往召回转运中心t的动力电池数量，否则为0；
(4)
Figure BDA0002962221350000132
表示第p运营周期内召回转运中心t送往梯次利用中心e的动力电池数量，否则为0；
(5)
Figure BDA0002962221350000133
(6)
Figure BDA0002962221350000134
(7)
Figure BDA0002962221350000135
(8)
Figure BDA0002962221350000136
(9)
Figure BDA0002962221350000137
(10)
Figure BDA0002962221350000138
S4、基于所述步骤S2和步骤S3，确定考虑召回风险的新能源汽车动力电池逆向物流网络结构中各目标设施的拟选位置。
示例地，如表1-4所示，为本实施例中设置的服务网点、召回网点、召回处理中心、召回转运中心、梯次利用中心的拟选位置坐标。
表1召回网点位置
Figure BDA0002962221350000139
Figure BDA0002962221350000141
表2召回处理中心备选点
Figure BDA0002962221350000142
表3召回转运中心备选点
Figure BDA0002962221350000143
表4梯次利用中心备选点
Figure BDA0002962221350000144
由表1-4可知，在考虑召回的新能源汽车动力电池逆向物流网络结构中，共有6个召回处理中心备选点、4个召回转运中心备选点，2个梯次利用中心备选点，通过优化模型可决策出3个召回处理中心、2个召回转运中心和1个梯次利用中心的最优解，即最多构建3个召回处理中心、2个召回转运中和1个梯次利用中心。以上海市为例，各个动力电池召回量按照预测数据得到，相关坐标由模拟数据设置。
S5、基于所述步骤S4构建非线性混合整数规划模型，求解全局最优解，所述最优解即为考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址。在本实施例中，构建了包含822个变量和247个约束条件的混合整数非线性规划模型，利用DELLXPS 13通过Lingo 18.0求解了全局最优解。
案例所示的上海市新能源汽车动力电池逆向物流网络在三个周期内，构建和运营的最小成本为最大收益为433,126,300元，逆向物流网络的选址方案如下表所示。
表5选址方案
Figure BDA0002962221350000151
下面对本发明的决策方法进行敏感性(灵敏度)分析。
本发明提出的一种新能源汽车动力电池召回选址的决策方法，充分权衡安全、环保、经济效益，在模型部分分为两个重要内容，即安全环保社会责任层面(SR-SET)与经济效益层面(EB)。安全环保责任层面包括社会安全风险和环境污染风险(SET)最小化，社会责任(SR)最大化；经济效益层面即企业在保证安全环保的条件下，应保持一定的收益或将损失控制在一定范围内。
影响安全环保责任层面(SR-SET)的参数为λ，影响经济效益EB的参数为μ，影响社会责任SR的参数为
Figure BDA0002962221350000152
影响安全环保响应时间SET的参数为
Figure BDA0002962221350000153
即
Figure BDA0002962221350000154
这些参数数值的增加或减少都会对动力电池召回逆向物流网络产生重要的影响，对其进行灵敏度分析有利于企业管理者做出合理的召回决策，也有助于政府相关部门制定符合实际的引导或监管政策。本发明进行一个灵敏度实验，扩大或缩小每个参数值，以测试参数变化对整体目标的影响。对于每个参数，分别有三种不同的变化率，即0.5、1、1.5，如表6第三列,如表7第三列所示。实验组各参数对应的参数变化分别为0.5倍、1倍、1.5倍，其余四个参数的设置为单位值1。
表6λ和μ的灵敏度分析
Figure BDA0002962221350000161
表7
Figure BDA0002962221350000162
和
Figure BDA0002962221350000163
的灵敏度分析
Figure BDA0002962221350000164
从表6和图3可以看出，安全环保社会责任参数λ对函数目标结果影响较小，经济效益参数μ影响较大。由此可以看出，参数λ对召回逆向物流网络的性能影响不显著，但参数μ对召回逆向物流网络的性能的影响显著。这一明显的利益差距，使得部分企业在制定召回决策或设计召回逆向物流网络时往往会驱逐利益最大化，而忽视安全问题、环境污染问题。
参数λ由
Figure BDA0002962221350000169
和
Figure BDA00029622213500001610
共同影响，因此将参数
Figure BDA00029622213500001611
和参数
Figure BDA00029622213500001612
进行单独分析，可以在表7和图4看出参数
Figure BDA0002962221350000167
和参数
Figure BDA0002962221350000166
的变化对函数的影响，参数
Figure BDA0002962221350000165
起正相关作用，参数
Figure BDA0002962221350000168
起负相关作用。即社会责任越大，其对目标函数的增加越明显；对安全环保和召回响应时间的要求越高，会导致目标函数的下降。新能源汽车动力电池的召回由于其独特性，如存在一定的安全风险隐患、环境污染隐患且存在巨大的经济利益。因此，目前各国在鼓励动力电池回收或召回的同时，也发布了相关的法律法规或标准，制订了严密和安全的召回流程。虽然，动力电池存在巨大的利益，但是不能丢下安全和环保，去无限制的逐利。正是由于安全环保的不可替代性和召回的弱经济性，政策制定者和企业管理者应在重视安全、环保的前提下，依靠标准作业、科学管理来获取适当的利益并落实生产者责任延伸制积极承担社会责任。总之在制定召回相关政策或标准时，不能全靠经济效益单一指标进行，需充分考虑召回的社会的安全和环保层面等因素，保证动力电池可以安全、快速、绿色的召回并再利用。
综上所述，本发明的一种新能源汽车动力电池召回选址的决策方法，首先构建包括服务网点、召回网点、召回处理中心、召回转运中心和梯次利用中心在内的新能源汽车动力电池逆向物流网络结构，其次，在采用傅里叶模型预测多个周期内新能源汽车动力电池召回量的基础上，考虑新能源汽车动力电池逆向物流网络结构中的各拟建设施的固定成本、检测成本、包装成本、运营成本、运输成本、仓储成本以及设施在运营和运输过程中对安全和环保影响等因素，以安全环保风险和响应时间最小、对经济效益最大为目标，构建多周期多目标动态选址模型，确定新能源汽车动力电池逆向物流网络结构中各目标设施的数量、选址和目标设施间流量分配和库存量，同时，该方法以安全环保因素、社会责任因素、经济因素对新能源汽车动力电池逆向物流网络结构选址决策进行了敏感性分析，采用傅里叶预测模型和非线性混合整数规划模型相结合，优化了新能源汽车动力电池逆向物流网络结构在各周期内召回网点、召回处理中心、召回转运中心以及梯次利用中心的数量、选址以及目标设施间流量分配和库存量。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (8)

1.一种新能源汽车动力电池召回选址的决策方法，其特征在于，所述方法包括：
S1、构建考虑召回风险的多目标设施新能源汽车动力电池逆向物流网络结构；
S2、采用傅里叶预测模型，预测多个周期内的新能源汽车销售量及动力电池的召回量；
S3、构建考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址模型；
S4、基于所述步骤S2和步骤S3，设置考虑召回风险的新能源汽车动力电池逆向物流网络结构中各目标设施的拟选位置；
S5、基于所述步骤S4构建非线性混合整数规划模型，求解全局最优解，所述最优解即为考虑召回风险的新能源汽车动力电池逆向物流网络结构中多目标设施的选址。
2.如权利要求1所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述多目标设施包含：召回网点、召回处理中心、召回转运中心和梯次利用中心。
3.如权利要求1所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述傅里叶预测模型表示为：
f(x)＝a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2x*w)+b2*sin(2x*w)，其中，x表示年份，f(x)表示新能源汽车销售量或动力电池的召回量，a0、a1、a2、b1、b2为模型参数，w为基频。
4.如权利要求2所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述步骤S3中，构建多目标设施的选址模型时，以安全环保风险和响应时间最小、经济效益最大为目标，构造目标函数maxF＝(SR-SET)+EB，其中，SR表示社会责任影响，SET表示安全环保风险和响应时间，EB表示经济效益。
5.如权利要求4所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期安全环保和响应时间SET包含各周期召回网点、召回处理中心、召回转运中心之间的距离以及梯次利用中心的规模大小，采用以下公式计算：
Figure FDA0002962221340000021
其中，dtst表示召回处理中心s到召回转运中心t的距离，dtte表示召回转运中心t到梯次利用中心e的距离，dtrs表示召回网点r到召回处理中心s的距离；若召回转运中t在第p运营期内建立，则
Figure FDA0002962221340000022
否则
Figure FDA0002962221340000023
若召同处理中心s在第p运营期内建立，则
Figure FDA0002962221340000024
否则
Figure FDA0002962221340000025
若梯次利用中心e在第p运营期内建立，则
Figure FDA0002962221340000026
否则
Figure FDA0002962221340000027
6.如权利要求4所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对社会责任的影响SR包含在各周期内召回网点、召回处理中心、召回转运中心以及梯次利用中心创造的就业岗位数量，采用以下公式计算：
Figure FDA0002962221340000028
其中，
Figure FDA0002962221340000029
表示召回处理中心s在运营周期p内创造的就业岗位数量，
Figure FDA00029622213400000210
表示召回转运中心t在运营周期p内创造的就业岗位数量，
Figure FDA00029622213400000211
表示梯次利用中心e在运营周期p内创造的就业岗位数量，若召回转运中t在第p运营期内建立，则
Figure FDA00029622213400000212
否则
Figure FDA00029622213400000213
若召回处理中心s在第p运营期内建立，则
Figure FDA00029622213400000214
否则
Figure FDA00029622213400000215
若梯次利用中心e在第p运营期内建立，则
Figure FDA00029622213400000216
否则
Figure FDA00029622213400000217
7.如权利要求4所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述考虑召回风险的新能源汽车动力电池逆向物流网络各周期对经济效益的影响EB包含在各周期内召回的新能源汽车动力电池被梯次利用中心处理后所产生的价值，采用以下公式计算：
Figure FDA00029622213400000218
EC＝C1+C2+C3+C4+C5+C6+C7，
其中，
Figure FDA00029622213400000219
表示企业的经济收入，
Figure FDA00029622213400000220
表示梯次利用中心e在运营周期p内的库存量，Pr表示动力电池梯次利用扣除成本以后产生的价值，β是梯次利用中心e的梯次利用率，0≤β≤1，EC表示企业的经济成本，C1表示各周期的召回处理中心建设费用、召回转运中心建设费用之和，C2表示各周期的各个设施之间运输费用之和，C3表示各周期的新能源汽车动力电池检测费用之和，C4表示各周期的新能源汽车动力电池包装费用之和，C5表示各周期的召回处理中心、召回转运中心、梯次利用中心仓储费用之和，C6表示各周期的召回处理中心、召回转运中心、梯次利用中心人工费用之和，C7表示各周期的召回处理中心、建召回转运中心、梯次利用中心运营费用之和。
8.如权利要求5所述的新能源汽车动力电池召回选址的决策方法，其特征在于，所述多目标设施的选址模型中，约束条件设置为：
第p个周期确保每个召回网点都有一个对应的处理中心；
第p个周期确保每个被选择召回处理中心都有一个对应的召回转运中心；
第p个周期确保每个被选择召回转运中心都有一个对应的梯次利用中心；
第p个周期从召回网点运往召回处理中心的动力电池数量等于召回网点回收的数量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量等于召回处理中心的库存量；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量等于召回转运中心的库存量；
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量等于梯次利用中心的库存量；
第p个周期从召回网点运送到召回处理中心的新能源汽车动力电池的数量不超过召回处理中心的最大处理能力；
第p个周期从召回处理中心运送到召回转运中心的新能源汽车动力电池的数量不超过召回转运中心的最大处理能力；
第p个周期从召回转运中心运送到梯次利用中心的新能源汽车动力电池的数量不超过梯次利用中心的最大处理能力；
第p个周期召回处理中心的新能源汽车动力电池数量不超过召回处理中心的最大库存量；
第p个周期召回转运中心的新能源汽车动力电池数量不超过召回转运中心的最大库存量；
第p个周期梯次利用中心的新能源汽车动力电池数量不超过梯次利用中心的最大库存量；
第p个周期召回处理中心的建设数量小于最大可建数量；
第p个周期召回转运中心的建设数量小于最大可建数量；
第p个周期梯次利用中心的建设数量小于最大可建数量。
CN202110240990.6A 2021-03-04 2021-03-04 一种新能源汽车动力电池召回选址的决策方法 Active CN112926862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110240990.6A CN112926862B (zh) 2021-03-04 2021-03-04 一种新能源汽车动力电池召回选址的决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110240990.6A CN112926862B (zh) 2021-03-04 2021-03-04 一种新能源汽车动力电池召回选址的决策方法

Publications (2)

Publication Number Publication Date
CN112926862A true CN112926862A (zh) 2021-06-08
CN112926862B CN112926862B (zh) 2024-10-01

Family

ID=76173347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110240990.6A Active CN112926862B (zh) 2021-03-04 2021-03-04 一种新能源汽车动力电池召回选址的决策方法

Country Status (1)

Country Link
CN (1) CN112926862B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682759A (zh) * 2016-08-30 2017-05-17 大连理工大学 针对电动出租车的电池供应系统及网络优化方法
CN108549944A (zh) * 2018-03-21 2018-09-18 陕西科技大学 一种电子废旧物回收的逆向物流网络的建立方法
CN109890067A (zh) * 2019-02-21 2019-06-14 华为技术有限公司 对特定路线上的特定位置进行识别的方法及电子设备
CN110222853A (zh) * 2019-06-10 2019-09-10 上海第二工业大学 一种实现报废汽车回收效率提升的决策方法
CN111401655A (zh) * 2020-03-26 2020-07-10 上海第二工业大学 一种医疗废弃物回收设施选址的决策方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682759A (zh) * 2016-08-30 2017-05-17 大连理工大学 针对电动出租车的电池供应系统及网络优化方法
CN108549944A (zh) * 2018-03-21 2018-09-18 陕西科技大学 一种电子废旧物回收的逆向物流网络的建立方法
CN109890067A (zh) * 2019-02-21 2019-06-14 华为技术有限公司 对特定路线上的特定位置进行识别的方法及电子设备
CN110222853A (zh) * 2019-06-10 2019-09-10 上海第二工业大学 一种实现报废汽车回收效率提升的决策方法
CN111401655A (zh) * 2020-03-26 2020-07-10 上海第二工业大学 一种医疗废弃物回收设施选址的决策方法

Also Published As

Publication number Publication date
CN112926862B (zh) 2024-10-01

Similar Documents

Publication Publication Date Title
Liu et al. Has marine technology innovation promoted the high-quality development of the marine economy?——Evidence from coastal regions in China
Zhao et al. Measuring the impact of an exogenous factor: An exponential smoothing model of the response of shipping to COVID-19
Chou An integrated quantitative and qualitative FMCDM model for location choices
Ding et al. A prediction model of the sum of container based on combined BP neural network and SVM
Xie et al. Whether to invest in terminal efficiency: a perspective considering customer preference and capital constraint in competitive environment?
He et al. Modelling a resilient yard template under storage demand fluctuations in a container terminal
Tai et al. Impact of COVID‐19 on Port Production and Operation Based on System Dynamics: A Case Study of Shanghai Port in China
Scherbina et al. Cooperation forms between participants of the inland waterways cargo delivery: a case study of the Dnieper region
Tan et al. Integrated Yard Space Allocation and Yard Crane Deployment Problem in Resource‐Limited Container Terminals
Bian et al. Multi-year planning for optimal navigation channel dredging and dredged material management
Yang [Retracted] Optimization Algorithm of Logistics Transportation Cost of Prefabricated Building Components for Project Management
Wang et al. The influence of water transportation evolution on the economic development of cities along the Beijing–Hangzhou Grand Canal since the Late Qing Dynasty
Qin et al. A simulation based meta-heuristic approach for the inbound container housekeeping problem in the automated container terminals
Zhao et al. A Practical Model for Inbound Container Distribution Organization in Rail‐Water Transhipping Terminal
Zhu et al. Coordinated development of urban land use and ecological economics in China
CN112926862A (zh) 一种新能源汽车动力电池召回选址的决策方法
Wang Significance analysis of influencing factors of highway freight transportation in China and multi-variable grey prediction for its development
CN113409171A (zh) 一种通过地块经济评价确定企业分档及政策的控制方法及装置
Hamdy et al. Quantum computing and machine learning for efficiency of maritime container port operations
Fathabad et al. Data-Driven Optimization for E-Scooter System Design
Li et al. Container terminal berth and yard collaborative allocation for import and export synchronous operations by computational logistics
He et al. Yard template generation in a container terminal considering time requirement of vessel operation
Huang et al. Design of container terminal handling system based on index forecast and economic evaluation
Luo et al. Optimization of Continuous Berth Scheduling by Taking into Account Double‐Line Ship Mooring
Yang et al. Using evolutionary game theory to study behavioral strategies of the government and carriers under different transshipment modes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant