快速消费品(FMCG)行业循环经济指数的构建:ANP-数学建模集成方法

《Cleaner Environmental Systems》:Developing a Circular Economy Index for Fast-Moving Consumer Goods (FMCG) Industry: an ANP-Mathematical Modeling Integration

【字体: 大 中 小 】 时间:2026年07月26日 来源:Cleaner Environmental Systems 5.3

编辑推荐:

  从线性经济向循环经济转型对于应对环境问题和支持可持续发展至关重要。快速消费品(FMCG)行业具有实施循环经济的潜力,因为其快速增长会带来显著环境影响,并使其成为塑料废弃物的重要来源之一。印度尼西亚的快速消费品上市公司已开始依据印度尼西亚金融服务管理局(Otor

  
从线性经济向循环经济转型对于应对环境问题和支持可持续发展至关重要。快速消费品(FMCG)行业具有实施循环经济的潜力,因为其快速增长会带来显著环境影响,并使其成为塑料废弃物的重要来源之一。印度尼西亚的快速消费品上市公司已开始依据印度尼西亚金融服务管理局(Otoritas Jasa Keuangan,OJK)法规启动循环经济举措;该法规要求上市公司发布可持续发展报告。然而,迄今为止,尚缺乏对该行业所实现循环性水平的综合测度。本研究旨在构建循环经济指数(Circular Economy Index,CEI),以评估印度尼西亚快速消费品公司的循环性水平。首先,研究人员考察了20家快速消费品公司的可持续发展报告中的指标。随后,采用网络分析法(Analytic Network Process,ANP)构建用于衡量循环经济绩效的数学模型。最后,研究通过案例研究检验该指数的适用性。结果表明,开放获取且完成度最高的三家公司可持续发展报告对应的最终CEI得分分别为:UNVR为0.3986,UCID为0.3461,INDF为0.2623。这表明,这三家公司提供了最便于进行CEI计算的数据,体现出其在实施循环经济举措方面采取了更为主动的路径。此外,敏感性分析显示,被评估企业之间的排序保持一致,表明CEI框架具有稳健性。
该文发表于《Cleaner Environmental Systems》,聚焦印度尼西亚快速消费品(FMCG)行业的循环经济量化评估问题,核心目标是建立一个能够在企业层面衡量“循环性”实现程度的循环经济指数(Circular Economy Index,CEI)。研究背景在于,全球人口增长持续推高资源需求与废弃物产生量,而传统线性经济的“获取—制造—使用—处置”模式加剧了资源枯竭、气候变化与生物多样性损失。相较之下,循环经济强调通过维护、再使用、修理、再制造、回收或堆肥等方式延长材料与产品生命周期,从而减少废弃物生成并支持可持续发展。FMCG行业因产品周转快、包装使用密集、消费频次高,在资源消耗、包装废弃物产生以及消费后废弃物管理方面均具有突出的环境影响,尤其在印度尼西亚,其与食品和塑料废弃物问题密切相关,因此成为循环经济研究与治理实践的关键对象。

论文指出,尽管印度尼西亚上市公司已在OJK监管要求下发布可持续发展报告,并逐渐开展循环经济相关行动,但现有研究多集中于国家、区域或广义产业层面的循环经济评价,缺乏针对FMCG企业层面的定制化循环性测度框架。已有循环经济指数研究虽涉及宏观、中观与微观多个层级,也引入了数学比率、复合指标、多准则决策(MCDM)等方法,但对于FMCG企业这一高相关、高污染压力行业,尚未形成可操作、可比较、可验证的企业级指数体系。因此,研究人员开展本研究,旨在弥补宏观导向测量方法与产业实践需求之间的缺口,形成一个面向印度尼西亚FMCG企业的CEI模型,用以分类并验证指标、赋予权重、测度企业循环性水平,并为企业可持续发展报告中的指标披露提出建议。

在方法上,研究人员首先结合OJK相关法规与既有文献,建立指标体系,共纳入4个主指标与24个子指标。4个主指标分别为能源效率(Energy Efficiency,EE)、水资源效率(Water Efficiency,WE)、减排(Emission Reduction,ER)和废弃物管理(Waste Management,WM)。子指标涵盖多源能源消耗、可再生能源占比及增长、不可再生能源占比及下降、能源强度及其效率、水消耗与再生水利用、温室气体(GHG)排放及其强度、危险与非危险废弃物回收等内容。随后,研究人员基于比值思想与年度变化率构建各子指标的数学表达式,并进一步形成主指标与最终CEI的综合计算公式。由于不同指标的重要性并不相同,且指标间存在相互依赖关系,研究引入ANP以确定主指标及子指标的全局权重,使模型能够同时吸收专家判断与企业量化绩效数据。

用于权重确定的专家共10名,分别来自学术界、企业实践部门、政府机构和非政府组织(NGO),均具备至少7年循环经济或可持续发展相关经验。专家填写了两类问卷:一类用于判断指标间是否存在相互影响关系,另一类用于依据Saaty 1—9标度进行两两比较,以评估相对重要性。研究随后采用几何平均法(Geometric Mean Method,GMM)汇总专家意见,计算局部权重,并通过一致性指标(CI)与一致性比率(CR)检验判断结果的一致性;在此基础上构建未加权超矩阵、加权超矩阵与极限超矩阵,以获得最终全局权重。案例应用部分,研究从市值居前的20家FMCG企业中收集2022年和2023年的可持续发展报告及2023年年报,并对公开披露信息进行人工映射。由于并非所有公司均完整披露所有指标,最终仅UNVR、INDF与UCID三家公司具备完整可计算数据。研究进一步以销售额对数据进行标准化,以消除公司规模差异,再应用极差标准化(Min-Max)方法,将各指标值转化至0—1区间。

就技术方法而言,研究主要采用了四类关键方法。其一,基于OJK法规与文献整合构建企业级循环经济指标体系。其二,运用ANP对主指标及子指标进行权重识别,以刻画指标之间的网络依赖关系。其三,建立基于比值与年度变化率的数学模型,并将ANP权重嵌入CEI综合计算框架。其四,以印度尼西亚20家头部FMCG企业公开可持续发展报告为样本来源进行人工数据映射、销售额归一化与Min-Max标准化,最终对3家数据完整企业开展案例检验及敏感性分析。

在研究结果部分,论文依次呈现了以下几个板块的结论。

4.1. ANP Questionnaire
该部分给出了ANP问卷分析结果。主指标之间大多数存在相互关联,但水资源效率与减排之间不存在双向影响关系,减排也不直接影响能源效率。子指标层面,同组子指标多呈现内部依赖,不同组之间也存在外部依赖,例如大多数能源效率子指标会影响减排子指标,而废弃物管理子指标会影响多个水资源效率与减排子指标。这一结果说明,循环经济评价中的各维度并非孤立存在,而是构成具有网络结构的复杂系统,为采用ANP而非层级式AHP提供了方法论支撑。

4.2. Weighting of Indicators and Sub-Indicators
该部分报告了超矩阵计算所得的全局权重。主指标权重排序为能源效率(EE)> 水资源效率(WE)> 废弃物管理(WM)> 减排(ER),其中EE的权重高达0.795,明显高于其他维度,说明在专家看来,能源效率是构成FMCG企业循环性的核心维度。子指标中,EE2“多源能源消耗效率”在能源效率组中权重最高;WE3“再生水消耗”在水资源效率组中权重最高;ER6“范围2间接温室气体排放减少”在减排组中最具影响;WM2“生产后非危险废弃物回收”在废弃物管理组中权重较高。这表明,研究构建的CEI并非简单加总,而是在专家认知基础上强化了关键循环性行为的识别能力。

4.3. Circular Economy Index Calculation
该部分将标准化后的企业数据代入数学模型,计算三家企业的最终CEI值。结果显示,UNVR的CEI为0.3986,UCID为0.3641,INDF为0.2623。论文摘要中将UCID写为0.3461,但正文结果表与讨论部分均对应0.3641,研究主体以结果表数值展开分析。整体上,三家企业得分均低于0.5,说明尽管已开展一定循环经济实践,但总体循环性水平仍有较大提升空间。该结果也证明了所构建指数能够在企业层面产生区分度,并支持企业间横向比较。

5.1. CEI Result Analysis
5.1.1. UNVR Result
UNVR获得最高CEI值0.3986。其优势主要体现在能源使用与能源效率方面,尤其是多源能源消耗及其强度表现较好。该公司在水资源效率和废弃物管理方面得分相当,其中再生水使用、总用水量下降以及危险与非危险废弃物100%回收均体现出积极举措。相较之下,减排是其最弱维度。报告显示,UNVR在2022至2023年间排放总量保持不变,且100%为范围1(scope 1)排放、范围2(scope 2)为0,这与其可再生能源承诺一致,但范围1排放削减与排放强度下降仍有改进空间。

5.1.2. INDF Result
INDF的CEI值为0.2623,在三家公司中最低。其表现较好的方面包括多源能源效率和能源强度效率,以及危险与非危险废弃物100%回收。在水资源效率方面,再生水消耗是其相对较强的子指标,但总用水量增加,文中解释这一变化与2023年纳入全部104个制造单元、而2022年仅覆盖62个制造单元有关。减排方面,其2022至2023年的总排放削减仅为1.09%,且排放结构未发生变化,仍以范围1排放为主,因此该公司在可再生电力使用与直接温室气体排放削减方面仍有提升空间。

5.1.3. UCID Result
UCID的CEI值为0.3641,位列第二。其能源效率得分最高,反映出公司在2023年相较2022年将总能源消耗降低了11.26%。废弃物管理同样表现突出,危险与非危险废弃物均实现100%回收。水资源效率方面,总用水量下降1.48%,但再生水消耗下降,文中归因于子公司用水减少;同时单位吨产品水耗强度上升3.97%,表明该项仍需改进。在减排方面,UCID实现总排放下降11.21%、排放强度下降6.57%,范围1排放减少1.04%,范围2排放则略增0.02%。

5.1.4. All Company Results
该部分对三家公司进行横向比较。由于数据已按净销售额归一并经Min-Max标准化,不同规模企业的CEI具有可比性。结果表明,总体排序为UNVR、UCID、INDF。主指标层面,UNVR在能源效率与水资源效率上领先;减排方面UNVR最高,其后为INDF、UCID;废弃物管理方面三家公司得分一致,因为均实现了危险和非危险废弃物100%回收。论文进一步指出,各公司在能源、水资源和减排子指标上各有优势,但整体CEI仍偏低,显示循环经济实施水平仍处于提升阶段。

5.2. Sensitivity Analysis
该部分检验CEI模型对权重变化的稳健性。研究设计了9种情景,包括各主指标等权、单一主指标权重上调20%或下调20%等方案。分析结果表明,在所有情景下,企业排序始终保持为UNVR、UCID、INDF,与初始权重结果一致,证明该CEI框架具有较强稳健性。变化幅度较大的情景主要出现在能源效率权重上调或四项指标等权时,这与能源效率初始权重本就最高有关。总体而言,权重变化会影响企业绝对CEI值,但不会改变企业间相对排序。

5.3. Company’s Sustainability Report Analysis
该部分讨论了数据披露层面的差异性问题。研究发现,不同公司对OJK规定的映射方式并不一致,尤其是在废弃物指标方面,报告内容的详细程度差异较大。部分公司按危险/非危险废弃物、固体/液体废弃物、是否生产性废弃物、回收/再利用/出售/焚烧能源回收/填埋等方式详细披露,另一些公司仅报告总量。虽然现行OJK要求允许公司在说明机制时保留一定灵活性,但这会影响跨公司数据可得性与可比性,并增加构建统一CEI的难度。相较之下,能源、水资源和温室气体排放指标的披露一致性较高。该发现说明,标准化、细化的循环经济报告规则是提升企业层面循环性测度质量的重要前提。

讨论部分总体表明,本研究构建的CEI能够有效整合专家判断与可持续发展报告中的量化数据,对FMCG企业循环性水平进行可比性评估。其理论意义在于,将多准则决策与数学建模相结合,形成适用于新兴经济体企业层面的循环经济测度工具;其管理意义在于,可帮助企业识别资源效率、减排、废弃物管理及报告披露中的优先改进领域;其政策意义在于,为监管机构完善可持续发展报告与循环经济披露规则提供量化参考。不过,研究也明确承认其局限性:权重获取依赖问卷,数据提取依赖人工审阅,样本中最终可计算企业数量有限,因此未来仍需在数据自动化提取、长期追踪分析及更广行业适用性方面进一步完善。

研究结论部分可译为:本研究旨在面向快速消费品(FMCG)行业构建循环经济指数(CEI),重点关注微观至中观层面的循环经济实施。研究结论如下:第一,能源效率、水资源效率、减排与废弃物管理4个关键指标适用于评估印度尼西亚FMCG企业的循环性水平,每项指标均包含基于文献构建的子指标。第二,所提出的CEI模型将网络分析法(ANP)与数学方程框架相结合,形成了更具动态性、灵活性与适应性的循环经济评价工具;其中,数学方程结构便于吸纳新增指标与未来修订,而源于ANP的权重能够反映指标的重要性及其相互依赖关系,这些权重来自学术界、产业界、NGO及政府代表的专家判断,从而提高了模型对印度尼西亚FMCG企业循环性评估的相关性与适配性。第三,CEI最终取值范围为0至1,数值越大表示循环经济实施越好;在本研究中,UNVR的CEI值最高,企业可通过扩大可再生能源使用、减少排放和提高再生水利用来提升CEI。第四,在理论层面,本研究通过提出一种基于ANP的综合CEI框架,拓展了循环经济测度文献,并将可持续发展报告指标操作化为适用于新兴经济体和FMCG行业的可量化循环性评价模型。第五,在管理层面,该指数可帮助FMCG企业识别提升循环性绩效的优先领域,尤其是资源效率、废弃物管理和可持续发展报告实践。第六,在政策层面,研究结果表明,有必要制定更标准化且更细化的循环经济报告指引,以提升FMCG企业可持续披露的一致性与可比性;同时,监管者和政策制定者可通过激励机制、行业特定目标和更清晰的测量框架,促进企业更广泛地采用循环经济。第七,本研究的局限在于权重过程仅依赖问卷、数据收集依赖人工审阅可持续发展报告,因此未来研究可通过访谈或焦点小组讨论(FGD)获取更准确、更具洞见的数据,并结合企业优势、劣势、机会与威胁开展更深入分析。第八,未来可利用文本挖掘和自然语言处理(NLP)等数据挖掘方法,自动化映射更多企业和更多行业的可持续发展报告,以提升数据提取效率、减少人工偏差,并开展更广泛的循环经济比较分析;同时,也可纳入纵向分析,以评估循环性绩效的动态演化及其与企业财务、环境或运营绩效之间的关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号