从开放创新的角度出发，利用Fermatean模糊风险分析方法提升电动汽车逆向物流的可持续性

《Journal of Cleaner Production》：Enhancing sustainability in electric vehicle reverse logistics from an open innovation perspective using fermatean fuzzy risk analysis

电动汽车逆向物流生态系统（EVRLE）中利益相关者风险分析及优先排序研究，提出融合区间值费马模糊集（IVFFS）与MACTOR方法的新框架，揭示政府机构、制造商及创新伙伴的主导地位，优先识别环境、财务、安全等六类核心风险，为可持续供应链管理提供决策支持。

　　

Hulya Yilmaz | Saliha Karadayi-Usta

质量与认证办公室，克尔克拉雷利大学，39100，克尔克拉雷利，土耳其

摘要

电动汽车（EV）的快速增长凸显了需要可持续的逆向物流生态系统来管理电池的生命周期结束后的处理问题。这些生态系统涉及具有相互冲突利益的各种利益相关者，这使得风险管理对于环境和经济的可持续性至关重要。本研究识别了电动汽车逆向物流生态系统（EVRLEs）中的关键利益相关者，评估了他们之间的相互关系，并使用一种新颖的基于模糊集的方法对风险进行了优先级排序。所提出的方法将区间值Fermatean模糊集（IVFFSs）与联盟与冲突矩阵：策略、目标和建议（MACTOR）方法相结合，以应对不确定性并分析利益相关者的影响和风险动态。研究结果表明，政府机构是最具主导性的利益相关者，而在市场和监管约束下，制造商、供应商和创新合作伙伴也是关键利益相关者。包括回收中心和物流提供商在内的主导利益相关者主要参与上游流程，而电动汽车用户、大学和研究机构的影响有限。环境、财务和安全风险需要利益相关者的协调参与。敏感性和比较分析证实了结果的稳定性和所提出方法的一致性。该研究为政策制定者和行业从业者提供了支持，以加强合作、规范协调和电动汽车电池逆向物流中的开放创新。

引言

电动汽车逆向物流生态系统（EVRLE）是指在电动汽车（EV）电池及其他组件生命周期结束时，涉及其回收、再制造和处置的网络和流程（Mohiuddin等人，2025年）。这一生态系统在环境保护（Wenzhu Liao和Luo，2022年）、有价值材料和资源的回收（Kumar Jauhar等人，2024年）、成本降低和盈利能力提升（Hao等人，2021年）以及合规性方面发挥着重要作用（Ayvaz等人，2021年）。EVRLE的关键组成部分包括以最小化成本和环境影响的方式收集和运输生命周期结束的产品（Mohiuddin等人，2025年）、回收和再制造设施的战略选址（Wenzhu Liao和Luo，2022年），以及旨在拆卸、重新利用和回收电动汽车电池中有价值材料的回收和再制造过程（Ahmed等人，2024年）。

包括电动汽车组件回收、再制造和处置在内的逆向物流市场正在经历显著增长。根据最近的行业报告，全球逆向物流市场预计到2029年将达到约9370亿美元，而2022年为6040亿美元，年复合增长率约为6.5%（Carlier，2025年）。这一扩张部分是由于需要处理的大量电动汽车电池和组件所致。仅在美国，退货运输的成本就从2017年的3070亿美元增加到2020年的4190亿美元，凸显了逆向物流运营的财务重要性（Carlier，2025年）。

开放创新在电动汽车逆向物流生态系统（EVRLEs）的发展和可持续性中发挥着重要作用。它支持利益相关者之间的合作，促进了资源、能力和知识的共享（Cabigiosu，2022年；Camilleri，2025年）。开放创新还通过支持循环经济导向的做法和改进生命周期结束过程的管理来促进可持续性（Mahboubi等人，2025年）。此外，它通过使逆向物流系统能够适应危机并采用基于平台的解决方案，帮助应对市场不确定性（Arribas-Ibar等人，2021年）。

正如文献中所强调的，利益相关者在逆向物流系统的成功实施和管理中起着至关重要的作用。包括政府机构、企业、消费者和物流提供商在内的多种利益相关者的参与对于克服障碍和实现可持续性目标至关重要。政府机构负责制定和执行促进逆向物流实践的法规（Bouzon等人，2016年），并为研究和基础设施提供补贴（Tao等人，2025年）。制造商或企业直接参与收集、回收和再制造生命周期结束产品的运营方面（Dung Nguyen和Nguyen，2025年）。消费者通过退回使用过的产品并参与回收计划发挥作用，他们参与逆向物流活动的意愿对系统的成功至关重要（González Romero等人，2025年）。此外，物流提供商负责退货产品的运输和管理（Yu和Sun，2024年）。

逆向物流的利益相关者面临多重挑战，包括缺乏专业知识和组织承诺（Abdulrahman等人，2014年）、财务限制（Bouzon等人，2016年）、监管障碍（Abdulrahman等人，2014年）、基础设施不足（Wenzhu Liao和Luo，2022年）以及利益相关者之间的协调问题（Vargas等人，2024年）。这些挑战增加了逆向物流系统的复杂性，并加剧了利益相关者之间的相互依赖性，使得风险识别和分析更加困难。

由于环境保护和资源利用方面的考虑（Wenzhu Liao和Luo，2022年；Kumar Jauhar等人，2024年）、退货的不确定性（Yaghoubi等人，2024年）、安全风险（Hao等人，2021年）、成本效率考量以及与可持续性相关的关键绩效指标（Mahboubi等人，2025年），分析电动汽车逆向物流生态系统（EVRLE）中的利益相关者风险至关重要。

随着电动汽车电池和组件生命周期结束数量的增加，对强大且可持续的逆向物流系统的需求也在增加。在EVRLEs中，复杂性不仅来源于技术和运营流程，还来源于多种利益相关者之间往往相互冲突的利益，这些利益影响了风险暴露和决策结果。尽管关于逆向物流和可持续性的文献日益增多，但人们对利益相关者特定风险如何相互作用并共同影响EVRLEs整体绩效的关注仍然有限。受此差距的启发，本研究重点关注在不确定性条件下系统分析利益相关者相关风险。EVRLEs的动态性质要求采用能够应对不确定性和利益相关者相互依赖性的分析方法。开放创新为支持利益相关者之间的合作和知识共享提供了合适的框架。

本研究旨在识别EVRLEs中的关键利益相关者及其面临的风险。它还研究了利益相关者之间的关系以及利益相关者与风险之间的关系，以明确他们在生态系统中的地位。为此，本研究提出了一种基于区间值Fermatean模糊集（IVFFSs）和联盟与冲突矩阵：策略、目标和建议（MACTOR）的方法来评估利益相关者的影响并优先排序风险。该方法结合了IVFFSs和MACTOR方法的互补优势而开发。Fermatean模糊集（FFSs）通过允许更广泛的不确定性表示，改进了决策问题中模糊和冲突信息的建模能力（Senapati和Yager，2020年）。将这些集合扩展到IVFFSs可以将专家判断表示为区间而非单一值，从而捕捉复杂决策过程中的更广泛不确定性和犹豫（Sergi等人，2021年）。MACTOR方法支持对具有潜在冲突目标的多个利益相关者之间互动的结构化分析（Kadaifci，2024年）。将IVFFSs整合到MACTOR方法中，使得在多利益相关者EVRLEs中能够对利益相关者影响和风险进行结构化分析。

本研究通过引入一种新颖的IVFF-MACTOR方法为文献做出了贡献。它将模糊集理论扩展到多利益相关者的战略环境中，支持对不确定性和利益相关者动态的更精确建模。该研究还提高了对利益相关者角色和相互依赖性的理解。此外，它强调了开放创新在促进合作、知识共享和可持续逆向物流实践中的作用。

研究的结构如下：第2节提供了关于电动汽车和利益相关者风险分析的文献综述。第3节描述了IVFFSs的理论背景，并详细介绍了所提出的IVFF-MACTOR方法。第4节展示了利益相关者影响和风险优先级分析的结果，包括敏感性和比较分析。第5节讨论了理论、实践和管理方面的意义。最后，第6节总结了研究的主要发现，以及研究的局限性和对未来研究的建议。

文献摘录

文献综述

电动汽车相关文献包括具有影响力和主题演变的计量分析出版物，以及新兴的研究方向（Zheng等人，2024年），专注于电池充电方法的优化技术，以实现充电站的有效规模和定位（Muniprakash等人，2022年），提供能源管理和电池性能细节的机器学习论文，这些论文取得了有希望的结果但也面临重大挑战（Raj和Sakthivel，2024年），系统

方法

本节介绍了IVFFSs的初步知识，这些知识为决策过程中的不确定性管理提供了理论框架。此外，还介绍了用于评估EVRLEs中利益相关者影响和优先排序风险的区间值Fermatean模糊MACTOR方法。

应用与结果

本节展示了从MACTOR分析以及敏感性和比较分析中得出的关键发现。该部分分为五个小节。第4.1节定义了相关的利益相关者和战略风险，从而建立了研究的分析框架。第4.2节根据他们在系统中的相对权力和影响对利益相关者进行了优先级排序和映射。第4.3节评估了利益相关者在缓解这些风险中的作用和影响

讨论

本节讨论了从研究结果中得出的理论、实践和管理方面的意义。

结论

本研究提出了一种新颖的IVFF-MACTOR方法，用于系统分析EVRLEs中的利益相关者动态和风险优先级排序。通过将模糊逻辑与战略利益相关者映射相结合，分析确定政府机构、车辆和电池制造商以及创新合作伙伴是最具主导性的参与者。结果表明，六个运营风险在电动汽车逆向物流中至关重要，即环境风险、财务风险、安全风险、技术风险、治理风险和社会风险。

CRediT作者贡献声明

Hulya Yilmaz：撰写——审阅与编辑、撰写——初稿、可视化、验证、软件、资源、方法论、调查、形式分析、数据整理、概念化。Saliha Karadayi-Usta：撰写——审阅与编辑、撰写——初稿、验证、方法论、调查、形式分析、概念化。

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报告工作的竞争性财务利益或个人关系。