CN116258419B - 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 - Google Patents
一种基于结构洞理论的汽车供应链分级减碳路径判别方法 Download PDFInfo
- Publication number
- CN116258419B CN116258419B CN202310521034.4A CN202310521034A CN116258419B CN 116258419 B CN116258419 B CN 116258419B CN 202310521034 A CN202310521034 A CN 202310521034A CN 116258419 B CN116258419 B CN 116258419B
- Authority
- CN
- China
- Prior art keywords
- node
- carbon
- enterprise
- enterprises
- representing
- 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.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 255
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 254
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000009467 reduction Effects 0.000 title claims abstract description 94
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 60
- 238000004519 manufacturing process Methods 0.000 claims description 51
- 239000000446 fuel Substances 0.000 claims description 30
- 230000000694 effects Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 238000003012 network analysis Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000007306 turnover Effects 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 239000002283 diesel fuel Substances 0.000 claims description 3
- 239000003502 gasoline Substances 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 4
- 229910052710 silicon Inorganic materials 0.000 claims 1
- 239000010703 silicon Substances 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于供应链碳排放计算与分析技术领域,提供一种基于结构洞理论的汽车供应链分级减碳路径判别方法,包括数据的收集和标准化,结构洞企业的判别,结构洞企业总碳排放量的确定,结构洞企业模型中碳影响力种子节点的判别,基于结构洞理论的分级减碳路径的实现。本发明首次借助于结构洞理论影响力传播机制的优越性,以基于IPCC排放系数法的供应链碳排放方法和供应链节点碳影响力最大化为传播机制,挖掘汽车供应链网络的实际供需流量和碳排放运行数据;划分三级减碳企业,可实现设立不同的减碳目标,分级承担减碳责任和发挥其影响力,快速识别出供应链分级减碳的具体路径。
Description
技术领域
本发明属于供应链碳排放计算与分析技术领域,具体涉及一种基于结构洞理论的汽车供应链分级减碳路径判别方法。
背景技术
2021年提出了“构建绿色供应链,健全绿色低碳循环发展的经济体系”的指导意见。“绿色供应链”是指将环境保护和资源节约的理念贯穿于企业从产品设计到原材料采购、生产、运输、储存、销售、使用和报废处理的全过程,使企业的经济活动与环境保护相协调的上下游供应关系。为此,汽车供应链作为以汽车为产品的功能性网链,通过供应契约实现供应链共赢。汽车供应链涉及众多上下游生产制造企业,规模庞大、组织关系复杂、协调组织困难;在引入碳排放因素后,汽车供应链的动态重构和组织优化更为复杂,核心企业急需在产业链层级上的减碳策略和路径判别方法论有效指导,科学有序带领所有企业共同达成碳达峰和碳中和总体目标。
现有结构洞理论和方法的应用主要集中在主题消息传播、网络舆情控制领域,如中国专利CN 106570188 B公开的“一种多主题消息传播中结构洞节点的挖掘方法”,CN112269923 A公开的“一种基于结构洞的网络舆情控制方法”,侧重于挖掘出有价值的结构洞节点,解决多主题下的结构洞挖掘问题和社交网络群体行为引导问题。可见,现有技术仅仅将结构洞理论应用于社交领域,以社会网络为研究对象,注重消息引导,缺少实体承载。而汽车供应链是以汽车产品为核心的功能性网络,网络节点对象均为企业,在市场经济中本质为企业供应网络。因此将结构洞理论应用于供应链网络的减碳路径识别将具有显著的可行性和创造性。
针对汽车供应链分级减碳的思想和方法,一方面,现有工业碳排放核算专利主要集中在碳排放智能监控系统、碳排放采集等技术,侧重于从微观领域对单个企业工业生产过程或环节测算碳排放,如中国专利CN 106651722 B公开了“一种工业碳排放监控系统及核算方法”,通过高效快速采集核算工业企业碳排放量,依据投入产出法计算获得的碳排放数据,划分能源和非能源两类系统,反映工业企业的能耗和碳排放情况。但其缺少供应链和产业链碳排放宏观视角,并且投入产出法仅考虑了企业生产过程的碳排放,无法表征汽车供应链在企业与企业供需活动中运输、分拨和配送等生产性服务活动中的碳排放量,而上述活动确是汽车供应链中碳排放重要源头之一。另一方面,现有供应链上下游企业众多,企业的减碳成本承担能力和减碳技术能力差异很大,分阶段有序减碳成为必由之路。现有分级减碳的研究中,如张维月等.两阶段供应链碳排放目标减排量分配研究[J].中国管理科学,仅研究了由单一制造商和单一零售商组成的双边垄断型供应链,与实际供应链的运作实践具有明显的情景局限性,尤其是供应链的减碳领导者身份具有多样性,单一制造商或零售商的影响力有限。在减碳思想上,现实中除了强调企业减碳社会责任之外,尚未形成减碳领导力和影响力机制和清晰判别减碳路径,更缺乏对企业减碳能力约束、等级、有效规模和效率等多维度影响因素差异的具体考量,应给出以影响力最大为传播机制特质的减碳路径规划,以制约供应链领导企业和跟随企业能够共同集群达成减碳目标。
发明内容
为解决背景技术中存在现有汽车供应链缺少产业链层级上的减碳策略和减碳路径判别方法指导的现实难题,本发明提供一种基于结构洞理论的汽车供应链分级减碳路径判别方法。
本发明的技术方案如下:
一种基于结构洞理论的汽车供应链分级减碳路径判别方法,包括以下步骤:
步骤S1:数据的收集和标准化
通过汽车供应链网络的供应商、制造商和经销商三方信息库,获取企业名单,结合信息库,获得每个企业运输过程中车辆的燃料类型集合,过程方式集合/>,技术方式集合/>,燃料需求量矩阵、运输周转量矩阵、能源强度集合,以及生产过程中的耗能设备的技术服务量矩阵,在IPCC公布的环境数据库中查找对应类型燃料的碳排放系数和不同过程方式中类燃料的碳排放系数;
步骤S2:结构洞企业的判别
通过社会网络分析软件ucinet6对供应链网络进行以单一节点为中心的个体网分析和对一定边界内的所有网络节点间关系进行分析的整体网分析,在供应链网络中找出符合判别指标要求的所有结构洞企业,每一个结构洞企业即为一个节点,并在所有结构洞企业中聚类筛选出1%最具有结构洞特性的企业作为一级减碳企业;
判别指标包括:限制度、等级度、有效规模和效率,其中限制度表征供应链网络的闭合性;等级度刻画节点的部分特征,表明限制围绕一个节点所开展的程度;有效规模可以测算节点的整体影响力;个体的效率越高,说明其在供应链网络中行动效率越高效,对其他个体的影响程度越大;
步骤S3:结构洞企业总碳排放量的确定
将所有的结构洞企业由单位汽车产品向供应链上下游延伸,形成由不同节点构成的结构洞企业模型,根据各节点采用的不同过程方式和技术方式,计算该单位汽车产品在生产或运营过程中的直接碳排放量和总能源需求量,再计算单位汽车供应链中的零部件和产成品根据特定供需关系在上下游企业之间的运输过程中所需能源产生的碳排放量,两部分碳排放量的总和作为结构洞企业总碳排放量;
步骤S4:结构洞企业模型中碳影响力种子节点的判别
利用含节点碳排放量的半局部中心性指标以及结构洞指标的影响力最大化算法,找到具有较高影响范围的种子节点,种子节点集合作为二级减碳企业;
步骤S5:基于结构洞理论的分级减碳路径的实现
对一级减碳企业设立最为严苛的减碳标准,对二级减碳企业设立次级减碳标准,所有结构洞企业中排除一级减碳企业和二级减碳企业后,剩余的结构洞企业作为三级减碳企业,受到一级减碳企业和二级减碳企业的减碳标准指导。
作为本发明的优选,结构洞企业模型为节点形成的有向图,其中,表示结构洞企业模型中的/>个节点,/>表示上游供应商,/>表示生产商,/>表示下游经销商,/>表示结构洞企业模型中两个节点之间的供需关系;
表示一条从供应商/>指向制造商/>的边,是一条有向路径,认为/>与/>存在正向的供需关系,供应商/>向制造商/>提供产品或服务,表示为/>;同理,表示一条从制造商/>指向供应商/>的边,是一条有向路径,认为/>与/>存在反向的供需关系,表示为/>,存在退货、回收等逆向物流;
;
;
其中,表示供应商/>的生产经营活动产生的碳排放量,/>表示制造商/>的生产经营活动产生的碳排放量,/>表示经销商/>的生产经营活动产生的碳排放量,/>表示产品或服务从供应商/>运输到制造商/>的物流过程中的碳排放量;/>表示节点间正向或反向的供需关系;/>表示:当供应商/>向制造商/>提供产品和服务时,产品或服务运输过程的碳排放量/>,且/>与/>生产经营活动正常运行,自身碳排放量不为零,即/>与/>存在正向的供需关系,/>的符号表示为正,产品或服务运输过程的碳排放量/>,且/>与/>生产经营活动正常运行,自身碳排放量不为零,即/>与/>存在反向的供需关系,/>的符号表示为负;/>同理。
作为本发明的优选,节点的所有邻接节点中,节点/>所占的权重比例/>为:
;
根据算例计算出节点的邻居节点/>,节点/>, 其中:/>到/>有连接,;/>到/>无连接, />;得出供应链网络对应的邻接矩阵/>,输入社会网络分析软件ucinet6;
限制度的公式为:
;
代表限制度,用来表征供应链网络的闭合性,指某个节点与其他节点直接或间接的紧密程度,限制度越低,表明该节点所覆盖的结构洞企业模型越开放,即节点数量越多,减碳的可控性越大;其中节点/>为节点/>和节点/>的共同邻居,/> 为节点/>的所有邻接节点中,节点/>所占的权重比例,/>为节点/>的所有邻接节点中,节点/>所占的权重比例;
等级度的公式为:
;
代表等级度,可以刻画供应链网络结构洞节点的部分特征,表明限制性围绕一个节点所开展的程度,等级度越低,说明该节点居于结构洞企业模型的核心,对结构洞企业模型的控制力越大;其中/>为每个节点的限制度的均值,/>代表所有节点网络约束系数的和,/>是/>的个体网络中的节点数,即/>的个体网规模;
有效规模的公式为:
;
代表有效规模,有效规模等于结构洞企业模型中的非冗余因素,有效规模越大,说明结构洞企业模型重复程度越小,存在节点的可能性就越大,越容易对结构洞企业模型中的节点进行控制以实现减碳目的;
效率的公式为:
;
代表效率,一个节点的效率等于该节点的有效规模除以该点在个体网络的实际规模,/>是指个体网络的大小。
作为本发明的优选,结构洞企业总碳排放量的具体计算过程包括以下步骤:
步骤B1:计算结构洞企业生产经营过程中使用类燃料的总能源需求量/>,公式为:
;
其中,代表总能源需求量,/>指企业生产经营过程中使用的/>类燃料,企业生产经营过程中的燃料类型一般为电能、天然气、汽油、柴油、煤炭等;/>代表技术服务量,为结构洞企业使用/>类燃料在/>过程中采用/>技术的技术服务量,/>指企业生产经营过程中的/>过程,/>指企业生产经营过程中使用的/>技术;/>代表能源强度,为结构洞企业在过程中采用/>技术所消耗的/>类燃料的能源强度;
步骤B2:计算运输中类燃料/>过程的能源需求/>,公式为:
;
其中,代表运输中/>类燃料/>过程的能源需求,指企业间运输产品过程,/>为结构洞企业/>过程的运输周转量,包括公路运输、铁路运输、航空运输、管道运输,/>为结构洞企业/>过程中/>类燃料的能源强度;
步骤B3:计算直接碳排放量,公式为:
;
代表直接碳排放量,/>为/>过程中/>类燃料的能源需求,/>为IPCC公布的环境数据库中/>过程中/>类燃料的碳排放系数;
步骤B4:间接碳排放量,公式为:
代表间接碳排放量,/>生产碳排放系数,指在某燃料自身的生产过程中产生碳排放的碳排放系数,/>代表运输中/>类燃料的能源需求,指企业间运输产品过程;
步骤B5:总碳排放量,公式为:
;/>代表总碳排放量。
作为本发明的优选,种子节点集合的形成包括以下步骤:
步骤C1:输入结构洞企业模型 ,种子节点数/>,初始化节点集合/>;
步骤C2:基于网格约束系数对节点进行初步筛选
计算每个节点的网格约束系数/>,/>越小表明节点具有越高的度值和越低的邻域链接紧密度,/>越小的节点,越容易产生影响力传播,公式为:
,
;
步骤C3:对公式进行重复迭代,循环至/>次,得到每个节点在结构洞企业模型中的网格约束系数,按照最小原则选取,选出网格约束系数最小的节点,更新到节点集合/>中;
步骤C4:基于“含节点碳排放量的半局部中心性”对节点进行再次筛选;将企业的碳排放量引入半局部中心性指标,提出供应链网络碳影响力指标——“含节点碳排放量的半局部中心性”即 />;
若网格约束系数相同,则计算所有节点的含节点碳排放量的半局部中心性,按照最大原则选取,公式为:
;
其中,为某个结构洞企业即节点/>的碳排放总量,/>为节点/>的度值,节点为节点/>的共同邻居;
步骤C5:对公式进行重复迭代,循环/>至/>次,得到每个节点在结构洞企业模型中的/>,按照最大原则选取,选出半局部中心性最大的节点,更新到节点集合/>中;
步骤C6:重复上述步骤直至选出所有节点,输出种子节点集合/>。
作为本发明的优选,某个结构洞制造商企业的碳排放总量为:
;
其中:,
;
代表从节点企业/>向节点企业/>运输中/>类燃料/>过程的能源需求,/>代表从节点企业/>向节点企业/>运输中的生产碳排放系数,指燃料自身的生产过程中产生碳排放的碳排放系数,/>代表节点企业/>的总碳排放量。
本发明的有益效果如下:
(1)本发明首次借助于结构洞理论影响力传播机制的优越性,以基于IPCC排放系数法的供应链碳排放方法和供应链节点碳影响力最大化为传播机制,挖掘汽车供应链网络的实际供需流量和碳排放运行数据;综合考虑结构洞的限制度(Constraint)、等级度(Hierarchy)、有效规模(Effective Size)和效率(Efficiency)四个维度指标,获取供应链网络中最具有代表性的结构洞,作为第一级减碳企业;同时采用含节点碳排放量的半局部中心性指标和结构洞指标的影响力最大化算法,判别出结构洞企业模型中的碳影响力种子节点,作为第二级减碳企业;最后,结构洞企业模型中其他企业作为第三级减碳企业;可实现设立不同的减碳目标,分级承担减碳责任和发挥其影响力,快速识别出供应链分级减碳的具体路径。采用IPCC排放系数法并基于供应链企业间生产活动和生产辅助活动测算碳排放,为汽车供应链集群减碳提供了宏观视角的碳排放核算依据,扩大企业减碳的范围,实现供应链的协同效益;
(2)本发明的供应链网络企业之间的传递性基于供应契约为载体的供需关系,将供应链间的供需关系定义为单向边和双向边关系。供应链网络节点企业之间的供需关系定义为单向或双向节点连接。企业作为供应链网络的节点,无论提供产品还是服务,均产生碳排放,并且该排放内含于该产品或者服务之中。随着产品或者服务的流动,其内含的碳排放在供应链网络中各个节点之间传递、流动,至此供应链网络企业的碳排放作为权值被赋予给各个节点。相比于一般的供应链的分级方法,自然断裂法和用于系统布局规划的物流强度重要相关性等级划分方法,分级均依据其在供应链中的重要性程度,而不能完全适用于供应链产业链宏观层面的减碳责任判别,本发明通过结构洞原理对供应链网络进行识别,再根据改进的结构洞影响力最大化算法计算和挖掘供应链网络减碳的影响力,以企业应该承担的社会责任作为减碳路径识别和分级减碳划分标准,考虑企业生产和运输过程的碳排放测算,更贴合实际需要,该方法可以拓宽到产业链减碳;
(3)常用的中心性度量一般是度中心性指标,度中心性仅考虑了节点最近的邻居,离节点最近的邻居越多,节点在影响力传播中的地位越重要。本发明应用的半局部中心性(Semi-local Centrality)是一种基于半局部信息的节点重要性排序方法,考虑了节点最近邻居和次近邻居的度信息,在效果方面,准确性比度中心性更好,计算复杂度也比中介中心性这些全局指标更低。本发明中的半局部中心性虽然考虑到了节点受邻域的影响,但是忽略了邻域的节点本身的权值即企业的碳排放量对节点影响力度量的作用。因此,本发明又引入碳排放量权值,对半局部中心性进行改进。主要考虑节点的关系进行邻域判断,让邻域潜力高的节点,突出引领邻域减碳的业绩和效果。邻域的节点企业碳排量越大,节点对邻域节点的碳影响潜力就越大,因此本发明将企业的碳排放量引入半局部中心性指标,创新了一个供应链网络碳影响力指标——含节点碳排放量的半局部中心性(Carbon Semi-local Centrality),同时降低了影响力最大化算法的时间复杂度。
附图说明
通过参考以下结合附图的说明,并且随着对本发明的更全面理解,本发明的其它目的及结果将更加明白及易于理解。在附图中:
图1为本发明的方法流程图;
图2为本发明中结构洞企业模型图。
具体实施方式
为使本领域技术人员能够更好的理解本发明的技术方案及其优点,下面结合附图对本申请进行详细描述,但并不用于限定本发明的保护范围。
参阅图1所示:一种基于结构洞理论的汽车供应链分级减碳路径判别方法,包括以下步骤:
步骤S1:数据的收集和标准化
通过汽车供应链网络的供应商、制造商和经销商三方信息库,获取企业名单,结合信息库,获得每个企业运输过程中车辆的燃料类型集合,过程方式集合/>,技术方式集合/>,燃料需求量矩阵、运输周转量矩阵、能源强度集合,以及生产过程中的耗能设备的技术服务量矩阵,在IPCC公布的环境数据库中查找对应类型燃料的碳排放系数和不同过程方式中类燃料的碳排放系数;
步骤S2:结构洞企业的判别
通过社会网络分析软件ucinet6对供应链网络进行以单一节点为中心的个体网分析和对一定边界内的所有网络节点间关系进行分析的整体网分析,在供应链网络中找出符合判别指标要求的所有结构洞企业,每一个结构洞企业即为一个节点,并在所有结构洞企业中聚类筛选出1%最具有结构洞特性的企业作为一级减碳企业;
判别指标包括:限制度、等级度、有效规模和效率,其中限制度表征供应链网络的闭合性;等级度刻画节点的部分特征,表明限制围绕一个节点所开展的程度;有效规模可以测算节点的整体影响力;个体的效率越高,说明其在供应链网络中行动效率越高效,对其他个体的影响程度越大;
步骤S3:结构洞企业总碳排放量的确定
将所有的结构洞企业由单位汽车产品向供应链上下游延伸,形成由不同节点构成的结构洞企业模型,根据各节点采用的不同过程方式和技术方式,计算该单位汽车产品在生产或运营过程中的直接碳排放量和总能源需求量,再计算单位汽车供应链中的零部件和产成品根据特定供需关系在上下游企业之间的运输过程中所需能源产生的碳排放量,两部分碳排放量的总和作为结构洞企业总碳排放量;
步骤S4:结构洞企业模型中碳影响力种子节点的判别
利用含节点碳排放量的半局部中心性指标以及结构洞指标的影响力最大化算法,找到具有较高影响范围的种子节点,种子节点集合作为二级减碳企业;
步骤S5:基于结构洞理论的分级减碳路径的实现
对一级减碳企业设立最为严苛的减碳标准,对二级减碳企业设立次级减碳标准,所有结构洞企业中排除一级减碳企业和二级减碳企业后,剩余的结构洞企业作为三级减碳企业,受到一级减碳企业和二级减碳企业的减碳标准指导。
进一步地,参阅图2,结构洞企业模型为节点形成的有向图,其中,表示结构洞企业模型中的/>个节点,/>表示上游供应商,/>表示生产商,/>表示下游经销商,/>表示结构洞企业模型中两个节点之间的供需关系;
表示一条从供应商/>指向制造商/>的边,是一条有向路径,认为/>与/>存在正向的供需关系,供应商/>向制造商/>提供产品或服务,表示为/>;同理,表示一条从制造商/>指向供应商/>的边,是一条有向路径,认为/>与/>存在反向的供需关系,表示为/>,存在退货、回收等逆向物流;
;;
其中,表示供应商/>的生产经营活动产生的碳排放量,/>表示制造商/>的生产经营活动产生的碳排放量,/>表示经销商/>的生产经营活动产生的碳排放量,/>表示产品或服务从供应商/>运输到制造商/>的物流过程中的碳排放量;/>表示节点间正向或反向的供需关系;/>表示:当供应商/>向制造商/>提供产品和服务时,产品或服务运输过程的碳排放量/>,且/>与/>生产经营活动正常运行,自身碳排放量不为零,即/>与/>存在正向的供需关系,/>的符号表示为正,产品或服务运输过程的碳排放量/>,且/>与/>生产经营活动正常运行,自身碳排放量不为零,即/>与/>存在反向的供需关系,/>的符号表示为负;/>同理。
进一步地,节点的所有邻接节点中,节点/>所占的权重比例/>为:
;
根据算例计算出节点的邻居节点/>,节点/>, 其中:/>到/>有连接, ;/>到/>无连接, />;得出供应链网络对应的邻接矩阵/>,输入社会网络分析软件ucinet6;
限制度的公式为:
;
代表限制度,用来表征供应链网络的闭合性,指某个节点与其他节点直接或间接的紧密程度,限制度越低,表明该节点所覆盖的结构洞企业模型越开放,即节点数量越多,减碳的可控性越大;其中节点/>为节点/>和节点/>的共同邻居,/> 为节点/>的所有邻接节点中,节点/>所占的权重比例,/>为节点/>的所有邻接节点中,节点/>所占的权重比例;
等级度的公式为:
;
代表等级度,可以刻画供应链网络结构洞节点的部分特征,表明限制性围绕一个节点所开展的程度,等级度越低,说明该节点居于结构洞企业模型的核心,对结构洞企业模型的控制力越大;其中/>为每个节点的限制度的均值,/>代表所有节点网络约束系数的和,/>是/>的个体网络中的节点数,即/>的个体网规模;
有效规模的公式为:
;
代表有效规模,有效规模等于结构洞企业模型中的非冗余因素,有效规模越大,说明结构洞企业模型重复程度越小,存在节点的可能性就越大,越容易对结构洞企业模型中的节点进行控制以实现减碳目的;
效率的公式为:
;
代表效率,一个节点的效率等于该节点的有效规模除以该点在个体网络的实际规模,/>是指个体网络的大小。
进一步地,结构洞企业总碳排放量的具体计算过程包括以下步骤:
步骤B1:步骤B1:计算结构洞企业生产经营过程中使用类燃料的总能源需求量,公式为:
;
其中,代表总能源需求量,/>指企业生产经营过程中使用的/>类燃料,企业生产经营过程中的燃料类型一般为电能、天然气、汽油、柴油、煤炭等;/>代表技术服务量,为结构洞企业使用/>类燃料在/>过程中采用/>技术的技术服务量,/>指企业生产经营过程中的/>过程,/>指企业生产经营过程中使用的/>技术;/>代表能源强度,为结构洞企业在过程中采用/>技术所消耗的/>类燃料的能源强度;
步骤B2:计算运输中类燃料/>过程的能源需求/>,公式为:
;
其中,代表运输中/>类燃料/>过程的能源需求,指企业间运输产品过程,/>为结构洞企业/>过程的运输周转量,包括公路运输、铁路运输、航空运输、管道运输,/>为结构洞企业/>过程中/>类燃料的能源强度;
步骤B3:计算直接碳排放量,公式为:
;
代表直接碳排放量,/>为/>过程中/>类燃料的能源需求,/>为IPCC公布的环境数据库中/>过程中/>类燃料的碳排放系数;
步骤B4:间接碳排放量,公式为:
代表间接碳排放量,/>生产碳排放系数,指在某燃料自身的生产过程中产生碳排放的碳排放系数,/>代表运输中/>类燃料的能源需求,指企业间运输产品过程;/>
步骤B5:总碳排放量,公式为:
;/>代表总碳排放量。
进一步地,种子节点集合的形成包括以下步骤:
步骤C1:输入结构洞企业模型 ,种子节点数/>,初始化节点集合/>;
步骤C2:基于网格约束系数对节点进行初步筛选
计算每个节点的网格约束系数/>,/>越小表明节点具有越高的度值和越低的邻域链接紧密度,/>越小的节点,越容易产生影响力传播,公式为:
,
;
步骤C3:对公式进行重复迭代,循环至/>次,得到每个节点在结构洞企业模型中的网格约束系数,按照最小原则选取,选出网格约束系数最小的节点,更新到节点集合/>中;
步骤C4:基于“含节点碳排放量的半局部中心性”对节点进行再次筛选;将企业的碳排放量引入半局部中心性指标,提出供应链网络碳影响力指标——“含节点碳排放量的半局部中心性”即 />;
若网格约束系数相同,则计算所有节点的含节点碳排放量的半局部中心性,按照最大原则选取,公式为:
;
其中,为某个结构洞企业即节点/>的碳排放总量,/>为节点/>的度值,节点为节点/>的共同邻居;
步骤C5:对公式进行重复迭代,循环/>至/>次,得到每个节点在结构洞企业模型中的/>,按照最大原则选取,选出半局部中心性最大的节点,更新到节点集合/>中;
步骤C6:重复上述步骤直至选出所有节点,输出种子节点集合/>。
进一步地,某个结构洞制造商企业的碳排放总量为:
;
其中:,
;/>代表从节点企业/>向节点企业/>运输中/>类燃料/>过程的能源需求,/>代表从节点企业/>向节点企业/>运输中的生产碳排放系数,指燃料自身的生产过程中产生碳排放的碳排放系数,/>代表节点企业/>的总碳排放量。
进一步地,一级减碳企业在供应链网络中通过碳管理联盟,开展培训、建立项目监测评估体系等活动,多措并举帮助邻域节点企业奠定企业碳管理基础;同时通过能效提升技术快速减碳;提升能源效率是最直接、最快速、最经济的方式,如使用工业通用节能设备,发展电动化,增加新能源车占比,提升非火电比例等;参考碳达峰文件以及中汽数据,要求企业第十年后二氧化碳排放比年下降30%,非化石能源消费比重达到40%左右;
二级减碳企业,要求企业第十年后二氧化碳排放比年下降27%,非化石能源消费比重达到25%左右;
三级减碳企业,要求企业第十年后二氧化碳排放比年下降22%,非化石能源消费比重达到18%左右。
本发明以汽车供应链中所有供应商、制造商和经销商为研究对象,在判断减碳路径时将三种企业视为由供需关系连接的同类型节点,不考虑具体企业在供应链网络中承担的其他职能。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基于结构洞理论的汽车供应链分级减碳路径判别方法,其特征在于,包括以下步骤:
步骤S1:数据的收集和标准化
通过汽车供应链网络的供应商、制造商和经销商三方信息库,获取企业名单,结合信息库,获得每个企业运输过程中车辆的燃料类型集合k,过程方式集合b,技术方式集合c,燃料需求量矩阵、运输周转量矩阵、能源强度集合,以及生产过程中的耗能设备的技术服务量矩阵,在IPCC公布的环境数据库中查找对应类型燃料的碳排放系数和不同过程方式中k类燃料的碳排放系数;
步骤S2:结构洞企业的判别
通过社会网络分析软件ucinet6对供应链网络进行以单一节点为中心的个体网分析和对边界内的所有网络节点间关系进行分析的整体网分析,在供应链网络中找出符合判别指标要求的所有结构洞企业,每一个结构洞企业即为一个节点,并在所有结构洞企业中聚类筛选出1%最具有结构洞特性的企业作为一级减碳企业;
判别指标包括:限制度、等级度、有效规模和效率,其中限制度表征供应链网络的闭合性;等级度刻画节点的部分特征,表明限制围绕一个节点所开展的程度;有效规模可以测算节点的整体影响力;个体的效率越高,说明其在供应链网络中行动效率越高效,对其他个体的影响程度越大;
步骤S3:结构洞企业总碳排放量的确定
将所有的结构洞企业由单位汽车产品向供应链上下游延伸,形成由不同节点构成的结构洞企业模型,根据各节点采用的不同过程方式和技术方式,计算该单位汽车产品在生产或运营过程中的直接碳排放量和总能源需求量,再计算单位汽车供应链中的零部件和产成品根据特定供需关系在上下游企业之间的运输过程中所需能源产生的碳排放量,两部分碳排放量的总和作为结构洞企业总碳排放量;
结构洞企业模型为节点形成的有向图G(V,E),其中V={s1,s2,…si,mi+1,mi+2,…,mj,cj+1,cj+2,…cn},表示结构洞企业模型中的n个节点,si表示上游供应商,mj表示生产商,cn表示下游经销商,E表示结构洞企业模型中两个节点之间的供需关系;
(si,mj)表示一条从供应商si指向制造商mj的边,是一条有向路径,认为si与mj存在正向的供需关系,供应商si向制造商mj提供产品或服务,表示为si→mj;同理,(mj,si)表示一条从制造商mj指向供应商si的边,是一条有向路径,认为si与mj存在反向的供需关系,表示为mj→si,存在退货、回收逆向物流;
其中,表示供应商si的生产经营活动产生的碳排放量,/>表示制造商mj的生产经营活动产生的碳排放量,/>表示经销商cn的生产经营活动产生的碳排放量,/>表示产品或服务从供应商si运输到制造商mj的物流过程中的碳排放量,/>表示制造商mj向经销商cn提供产品和服务运输过程的碳排放量;lab表示节点间正向或反向的供需关系;表示:当供应商si向制造商mj提供产品和服务时,产品或服务运输过程的碳排放量且si与mj生产经营活动正常运行,自身碳排放量不为零,即si与mj存在正向的供需关系,/>的符号表示为正,产品或服务运输过程的碳排放量/>且si与mj生产经营活动正常运行,自身碳排放量不为零,即si与mj存在反向的供需关系,/>的符号表示为负;/>同理;
步骤S4:结构洞企业模型中碳影响力种子节点的判别
利用含节点碳排放量的半局部中心性指标以及结构洞指标的影响力最大化算法,找到种子节点集合作为二级减碳企业;
种子节点集合的形成包括以下步骤:
步骤C1:输入结构洞企业模型G(V,E),种子节点数f,初始化节点集合S=0;
步骤C2:基于网格约束系数对节点进行筛选;
计算每个节点i的网格约束系数CTi,CTi越小表明节点具有越高的度值和越低的邻域链接紧密度,CTi越小的节点,越容易产生影响力传播,公式为:
q≠i,j
Pij为节点j所占的权重比例,Pqj为节点q的所有邻接节点中,节点j所占的权重比例;Piq为节点i的所有邻接节点中,节点q所占的权重比例;τ(i)为节点i的邻居节点;
步骤C3:对公式进行重复迭代,循环1至f次,得到每个节点在结构洞企业模型中的网格约束系数,按照最小原则选取,选出网格约束系数最小的节点,更新到节点集合S中;
步骤C4:基于含节点碳排放量的半局部中心性对节点进行再次筛选;
若网格约束系数相同,则计算所有节点的含节点碳排放量的半局部中心性CLCi,按照最大原则选取,公式为:
其中,ωq为某个结构洞企业即节点q的碳排放总量,|τ(q)|为节点q的度值,度值是指和该节点相关联的边的条数,节点q为节点i的共同邻居;
步骤C5:对CLCi公式进行重复迭代,循环1至f次,得到每个节点在结构洞企业模型中的CLC,按照最大原则选取,选出半局部中心性最大的节点,更新到节点集合S中;
步骤C6:重复上述步骤直至选出所有节点f,输出种子节点集合S;
步骤S5:基于结构洞理论的分级减碳路径的实现
对一级减碳企业设立最为严苛的减碳标准,对二级减碳企业设立次级减碳标准,所有结构洞企业中排除一级减碳企业和二级减碳企业后,剩余的结构洞企业作为三级减碳企业,受到一级减碳企业和二级减碳企业的减碳标准指导。
2.根据权利要求1所述的一种基于结构洞理论的汽车供应链分级减碳路径判别方法,其特征在于,节点i的所有邻接节点中,节点j所占的权重比例pij为:
根据算例计算出节点i的邻居节点τ(i),节点其中:i到j有连接,Zij=1;i到j无连接,Zij=0;得出供应链网络对应的邻接矩阵A(aij)8×8,输入社会网络分析软件ucinet6;
限制度的公式为:
Cij代表限制度,用来表征供应链网络的闭合性,指某个节点与其他节点直接或间接的紧密程度,限制度越低,表明该节点所覆盖的结构洞企业模型越开放,即节点数量越多,减碳的可控性越大;其中节点q为节点i和节点j的共同邻居,Piq为节点i的所有邻接节点中,节点q所占的权重比例,Pqj为节点q的所有邻接节点中,节点j所占的权重比例;
等级度的公式为:
HIi代表等级度,可以刻画供应链网络结构洞节点的部分特征,表明限制性围绕一个节点所开展的程度,等级度越低,说明该节点居于结构洞企业模型的核心,对结构洞企业模型的控制力越大;其中C/N为每个节点的限制度的均值,C代表所有节点网络约束系数的和,N是i的个体网络中的节点数,即i的个体网规模;
有效规模的公式为:
ESi代表有效规模,有效规模等于结构洞企业模型中的非冗余因素,有效规模越大,说明结构洞企业模型重复程度越小,存在节点的可能性就越大,越容易对结构洞企业模型中的节点进行控制以实现减碳目的;
效率的公式为:
Ei代表效率,一个节点的效率等于该节点的有效规模除以该点在个体网络的实际规模,N是指个体网络的大小。
3.根据权利要求2所述的一种基于结构洞理论的汽车供应链分级减碳路径判别方法,其特征在于,结构洞企业总碳排放量的具体计算过程包括以下步骤:
步骤B1:计算结构洞企业生产经营过程中使用k类燃料的总能源需求量TEDk,公式为:
其中,TEDk代表总能源需求量,k指企业生产经营过程中使用的k类燃料,企业生产经营过程中的燃料类型为电能、天然气、汽油、柴油、煤炭;TSVk,b,c代表技术服务量,为结构洞企业使用k类燃料在b过程中采用c技术的技术服务量,b指企业生产经营过程中的b过程,c指企业生产经营过程中使用的c技术;EIk,b,c代表能源强度,为结构洞企业在b过程中采用c技术所消耗的k类燃料的能源强度;
步骤B2:计算运输中k类燃料b过程的能源需求EDTransformation,k,b,公式为:
其中,EDTransformation,k,b代表运输中k类燃料b过程的能源需求,Transformation指企业间运输产品过程,Turnoverb为结构洞企业b过程的运输周转量,包括公路运输、铁路运输、航空运输、管道运输,EIk,b为结构洞企业b过程中k类燃料的能源强度;
步骤B3:计算直接碳排放量DCE,公式为:
DCE代表直接碳排放量,TEDk,b为b过程中k类燃料的能源需求,CFk,b为IPCC公布的环境数据库中b过程中k类燃料的碳排放系数;
步骤B4:间接碳排放量ICE,公式为:
ICE代表间接碳排放量,PCF k生产碳排放系数,指在某燃料自身的生产过程中产生碳排放的碳排放系数,EDTransformation,k代表运输中k类燃料的能源需求,Transformation指企业间运输产品过程;
步骤B5:总碳排放量TCE,公式为:
TCE=ICE+DCE;
TCE代表总碳排放量。
4.根据权利要求3所述的一种基于结构洞理论的汽车供应链分级减碳路径判别方法,其特征在于:某个结构洞制造商企业的碳排放总量为:
其中:
代表从节点企业si向节点企业mj运输中k类燃料b过程的能源需求,/>代表从节点企业si向节点企业mj运输中的生产碳排放系数,指燃料自身的生产过程中产生碳排放的碳排放系数,/>代表节点企业mj的总碳排放量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310521034.4A CN116258419B (zh) | 2023-05-10 | 2023-05-10 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310521034.4A CN116258419B (zh) | 2023-05-10 | 2023-05-10 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258419A CN116258419A (zh) | 2023-06-13 |
CN116258419B true CN116258419B (zh) | 2023-09-08 |
Family
ID=86682816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310521034.4A Active CN116258419B (zh) | 2023-05-10 | 2023-05-10 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258419B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN113505448A (zh) * | 2021-06-09 | 2021-10-15 | 上海电力大学 | 一种基于改进贝叶斯网络的风电机组动态可靠性评价方法 |
CN114399294A (zh) * | 2022-03-25 | 2022-04-26 | 南京擎天科技有限公司 | 一种应用于碳排放计量仪的碳排放自动核算方法及系统 |
CN114708045A (zh) * | 2022-06-02 | 2022-07-05 | 华中科技大学 | 一种基于消费者偏好的多周期供应链网络设计方法及系统 |
CN115456472A (zh) * | 2022-10-12 | 2022-12-09 | 欧冶工业品股份有限公司 | 工业品采购供应链碳资产数字化管理方法和系统 |
-
2023
- 2023-05-10 CN CN202310521034.4A patent/CN116258419B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN113505448A (zh) * | 2021-06-09 | 2021-10-15 | 上海电力大学 | 一种基于改进贝叶斯网络的风电机组动态可靠性评价方法 |
CN114399294A (zh) * | 2022-03-25 | 2022-04-26 | 南京擎天科技有限公司 | 一种应用于碳排放计量仪的碳排放自动核算方法及系统 |
CN114708045A (zh) * | 2022-06-02 | 2022-07-05 | 华中科技大学 | 一种基于消费者偏好的多周期供应链网络设计方法及系统 |
CN115456472A (zh) * | 2022-10-12 | 2022-12-09 | 欧冶工业品股份有限公司 | 工业品采购供应链碳资产数字化管理方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于SIENA方法的省域低碳经济空间关联网络演化态势研究;丁刚等;《华北电力大学学报(社会科学版)》(2022年第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116258419A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A fuzzy-based customer clustering approach with hierarchical structure for logistics network optimization | |
Mishra et al. | Single‐valued neutrosophic similarity measure‐based additive ratio assessment framework for optimal site selection of electric vehicle charging station | |
Davoudabadi et al. | Solving construction project selection problem by a new uncertain weighting and ranking based on compromise solution with linear assignment approach | |
Tang et al. | Sustainable e-bike sharing recycling supplier selection: An interval-valued Pythagorean fuzzy MAGDM method based on preference information technology | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
Liu et al. | Do you need cobalt ore? Estimating potential trade relations through link prediction | |
Zuo et al. | A large group decision-making method and its application to the evaluation of property perceived service quality | |
CN104881735A (zh) | 用于支撑智慧城市运行管理的智能电网大数据挖掘系统及方法 | |
Han et al. | Evaluation of Multimodal Transport in China Based on Hesitation Fuzzy Multiattribute Decision‐Making | |
Rabbani et al. | Design of forward/reverse logistics with environmental consideration | |
Bu | Logistics engineering optimization based on machine learning and artificial intelligence technology | |
Min et al. | Comprehensive evaluation of offshore oilfield development plans based on grey clustering analysis with cloud model | |
Yang et al. | Electric Vehicle Charging Station Location Decision Analysis for a Two‐Stage Optimization Model Based on Shapley Function | |
CN116258419B (zh) | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 | |
Zeng et al. | Forecasting the sustainable classified recycling of used lithium batteries by gray Graphical Evaluation and Review Technique | |
Chen et al. | Incremental community detection on large complex attributed network | |
Omrani et al. | Combination of top-down and bottom-up DEA models using PCA: A two-stage network DEA with shared input and undesirable output for evaluation of the road transport sector | |
Yang et al. | Representation and assessment of spatial design using a hierarchical graph neural network: Classification of shopping center types | |
Sun et al. | A Low‐Carbon‐Based Bilevel Optimization Model for Public Transit Network | |
Liu et al. | Research on the network connection mode of logistics economy in Guangdong province based on social network analysis | |
Ding et al. | A method of capturing and transferring customer value in product service system | |
Karimi et al. | Analyzing the results of buildings energy audit by using grey incidence analysis | |
Wang et al. | Classification of Rural Tourism Features Based on Hierarchical Clustering Analysis Knowledge Recognition Algorithm | |
Li et al. | Stepwise improvement for environmental performance of transportation industry in China: a DEA approach based on closest targets |
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 |