面向电动交通系统的可持续锂供应链优化——采用聚类启发的决策变量影响方法

《Computers & Chemical Engineering》：Sustainable lithium supply chain optimization for electric transportation systems using a Clustering-Enabled Decision-Variable impact approach

　　

电动交通系统的快速扩张正在加剧对锂基材料的需求，给锂供应链及其可持续性表现带来日益增长的压力。应对这一挑战需要能够在实际运营条件下整合经济、环境和资源效率维度的优化框架，尤其是在早期规划阶段。为了克服大规模物流中静态网络假设的局限性，研究人员提出了聚类启发的决策变量影响供应链优化（Clustering-Enabled Decision-Variable Impact for Supply Chain Optimization, CEDVI-SCO）框架。该方法将聚类结果与关键优化变量（包括盈利能力和环境影响）联系起来，从而能够透明地评估其对供应链可持续性的影响。该框架应用于巴西支持电动交通系统的锂供应链，考虑锂化合物（尤其是Li₂CO₃和LiOH）的开采、加工和分销。性能指标包括总利润、水资源需求、碳排放和材料循环性。结果表明，将聚类整合到优化模型中能够识别出平衡且稳健的配置。与乌托邦场景相比，所提出的解决方案实现了水资源需求减少58%，材料循环性提高81%，同时保持具有竞争力的盈利水平（约33,000 MMUSD/年）。总体而言，所提出的框架为优化国家规模的关键资源供应链以支持电动交通系统的可持续部署提供了一个可推广且高效的工具。

随着全球电动交通系统的快速部署，锂作为电动汽车（EV）和电池储能系统（BESS）的关键原材料，其供应链面临日益增长的压力。传统供应链优化模型通常依赖静态假设（如预设选址和运输路线），难以捕捉实际系统的动态性和不确定性，导致早期规划阶段可能产生次优结果。为此，研究人员提出了一种名为“聚类启发的决策变量影响供应链优化”（CEDVI-SCO）框架，旨在整合经济、环境和资源效率目标，克服大规模物流中静态网络假设的局限性。该研究以巴西锂供应链为案例，通过提取锂辉石（spodumene）、生产碳酸锂（Li₂CO₃）和氢氧化锂（LiOH），并分销至国内外市场，评估了总利润、水资源需求、碳排放和材料循环性等指标。结果表明，CEDVI-SCO框架能够识别出平衡且稳健的配置，在保持约33,000 MMUSD/年利润的同时，使水资源需求降低58%，材料循环性提升81%，为实现电动交通系统的可持续部署提供了可推广的工具。论文发表在《Computers》。

研究人员主要采用了以下关键技术方法：首先，利用K-Means聚类算法对巴西338个锂矿点（来源于塞阿拉州、北里奥格兰德州、伯南布哥州、帕拉伊巴州和米纳斯吉拉斯州的官方报告）进行空间聚类，通过肘部法和轮廓系数确定最佳聚类数（6个），并提取每个簇的质心及最近邻的20个市镇作为候选设施点，从而将原问题中的578个二进制选址变量层次化降维。然后，基于混合整数线性规划（MILP）构建确定性优化模型，采用标量化单目标方法整合四种目标函数（最大化利润、最小化水资源需求、碳排放和材料循环性），并引入Sobol序列生成200组权重分布以均匀探索解空间。最后，通过回归敏感度分析（标准化回归系数与p值）耦合聚类结果，评估各选址变量对目标函数的贡献，区分主导变量（如特定浓缩单元的位置）与无关变量。

研究结果部分包含四个子节：
**5.1 聚类整合输入数据**：通过肘部法和轮廓系数综合判断，确定巴西锂资源的最优聚类数为6，其中米纳斯吉拉斯州包含4个簇，北里奥格兰德州和塞阿拉州各1个。随后计算各簇质心，并筛选出每个簇最近的20个市镇作为生产设施候选点，共产生578个二进制变量（对应338个矿点和120个候选市镇），显著降低了空间复杂度。
**5.2 标量化单目标优化结果**：基于200组Sobol权重分布，求解得到各目标函数的乌托邦点和纳迪尔点（如表4所示）。权重分析显示：利润需20%~55%的权重才能达到高值；水资源消耗在权重超过25%时显著降低；循环性指标（DMA）和碳排放权重大于15%时，分别可实现约25%和31%的改善。
**5.3 聚类应用于优化结果**：通过热力图识别出三个代表性场景——场景A（经济最优但环境最劣）、场景C（环境最优但经济最劣）和场景B（平衡折中）。例如，场景B在利润（33,000.93 MMUSD/年）降低45%的同时，使水资源需求、循环性和碳排放分别改善44.5%、36%和43.5%。回归敏感度分析（R² > 0.99）表明，浓缩单元选址对水资源、循环性和碳排放影响最大，而Li₂CO₃和LiOH生产设施选址对利润影响最显著（如表6所示）。图10展示了场景B的具体设施分布，允许跨簇的浓缩精矿运输，增强了模型的现实性。
**5.4 实验结果综合与比较分析**：场景B相比于场景A，实现了51%的碳排放削减和44%的水资源需求减少，展现出“双赢”权衡。循环性指标对利润波动最不敏感，表明巴西锂供应链在循环性方面具有结构性韧性。所有200个场景平均求解时间为270秒，验证了CEDVI-SCO框架在高维问题（2070,955个变量）上的计算可行性。政策分析指出，当经济权重低于50%时，环境指标迅速恶化；最可持续的发展点位于经济参与度35%~46%、环境权重至少54%的区间。

在讨论部分，研究人员强调聚类工具对优化效率与可持续性的关键作用，指出通过CEDVI-SCO可识别需优先关注的矿点和市镇，并可根据不同利益相关者视角调整。同时，该方法可推广至其他非锂供应链案例。结论部分翻译如下：本研究提出了一种新颖的CEDVI-SCO方法，以解决电动交通供应链评估中常见的假设偏差。传统评估依赖预设选址，而CEDVI-SCO通过K-Means聚类与MILP结合，不仅用于输入数据降维，还用于分析输出变量以检测对目标函数影响最大的决策变量。在巴西锂案例中，原始基准模型（40个二进制变量，平均求解600秒）被扩展至578个变量（复杂度增加1445%），直接求解无法收敛，而CEDVI-SCO框架平均仅需270秒即完成求解，使大规模问题从计算不可行变为可行高效。未来研究将支持CEDVI-SCO向随机优化环境过渡，以应对市场波动，并扩展到闭环供应链（涵盖废弃锂电池回收）以提升锂产业的长期可持续性。