《Cleaner Logistics and Supply Chain》：Integration of queuing theory based performance indicators into waste to value investment decisions with a consensus based hybrid decoding business analytics
编辑推荐：
本研究旨在解决在有限资源下，通过识别最关键策略和运营标准来提升废物价值化投资绩效的挑战。该领域的主要问题在于缺乏能够将基于排队论（Queuing Theory）的运营绩效指标（如拥堵和等待相关衡量指标）纳入战略决策的分析框架，从而无法优先考虑投资机会。尽管现有
本研究旨在解决在有限资源下，通过识别最关键策略和运营标准来提升废物价值化投资绩效的挑战。该领域的主要问题在于缺乏能够将基于排队论（Queuing Theory）的运营绩效指标（如拥堵和等待相关衡量指标）纳入战略决策的分析框架，从而无法优先考虑投资机会。尽管现有研究考察了废物价值化系统，但将排队论参数整合到战略决策中仍十分有限，这在文献中构成了一个显著空白。为克服这一局限，研究人员基于广泛的文献综述和专家评估，提出了一种新颖的模糊决策模型。专家重要性权重通过曼哈顿距离（Manhattan distance）中心性方法确定，标准权重通过认知地图（cognitive maps）技术计算以反映相互依赖关系，投资方案则通过正交度量鲁棒聚合（orthogonal metric robust aggregation）方法进行排序，同时通过密码模糊集（cipher fuzzy sets, CFSs）处理不确定性。结果表明，等待时间（waiting time）是最具影响力的基于排队论的绩效指标，而塑料瓶再制造商（plastic bottle remanufacturer）和纸板箱回收商（cardboard box recycler）是最重要的废物价值化投资机会。这些发现凸显了减少运营延迟和优先考虑可回收包装废弃物策略的重要性，并且所提出的模型为支持有效的废物价值化投资规划提供了一个结构化和稳健的框架。
**论文解读：基于排队论与模糊决策的废物价值化投资优先级分析**
**1. 研究背景与问题**
废物价值化（Waste-to-Value）投资旨在将废弃物转化为有经济价值的产品、能源或二次原材料，是循环经济的关键组成部分。这类投资能减少垃圾填埋、降低环境污染、节约原生资源，并促进可持续发展。然而，其有效性并非自动实现，需要有效的战略规划与资源分配。当前面临的核心问题是，企业面临严格的预算约束，无法同时提升所有绩效指标。因此，必须识别出最关键的策略和运营标准，以确保资源得到最有效的利用。现有文献中，尽管有研究探讨了废物价值化系统，但缺乏将基于排队论（Queuing Theory）的运营绩效指标（如拥堵、等待时间等）系统性地整合进战略投资决策的分析框架。这导致决策者往往依赖主观判断，而非结构化分析，从而增加了投资决策不一致和次优的风险。因此，开展这项研究旨在通过提出一个新颖的模糊决策模型，填补这一空白，实现在有限资源下对废物价值化投资策略进行优先级排序。
**2. 研究内容与结论**
研究人员开展了一项研究，旨在识别在有限资源下提升废物价值化投资绩效的最优先策略。为此，他们提出了一种新颖的模糊决策模型。该模型首先通过文献综述确定了五个关键绩效指标（基于排队论）和五个投资方案。研究得出结论：**等待时间（Waiting Time）** 是最具影响力的基于排队论的绩效指标，而**塑料瓶再制造商（Plastic Bottle Remanufacturer, PBR）** 和**纸板箱回收商（Cardboard Box Recycler, CBR）** 是最重要的废物价值化投资机会。这项研究的意义在于，它提供了一个结构化的、稳健的分析框架，能够系统性地整合专家意见、标准间的相互依赖性和不确定性，从而支持更有效、更一致的废物价值化投资规划。该论文发表在《Cleaner Logistics and Supply Chain》。
**3. 主要技术方法**
研究人员为开展研究运用了以下关键技术方法：首先，采用**曼哈顿距离中心性法（Manhattan distance-based centrality approach）** 确定专家重要性权重，以选出最具共识的专家评价矩阵；其次，运用**认知地图（Cognitive Maps）技术** 计算绩效标准的权重，以捕捉标准间的因果关系和相互依赖性；再次，采用**正交度量鲁棒聚合（Orthogonal Metric Robust Aggregation）方法** 对投资方案进行稳健排序；最后，引入研究人员自创的**密码模糊集（Cipher Fuzzy Sets, CFSs）** 来处理专家评价中的不确定性和语言模糊性，其核心在于通过编码-解码机制捕获隐藏信息，比传统模糊集更有效地减少信息损失。
**4. 研究结果**
**4.1. 确定共识矩阵**
研究人员通过计算十位专家评价矩阵间的曼哈顿距离，并选择总距离最小的专家作为共识来源。对于排队论参数，专家9的评价矩阵被选为共识关系矩阵；对于投资方案，专家7的评价矩阵被选为共识决策矩阵。这确保了模型输入数据的一致性和可靠性。
**4.2. 生成解码后的共识矩阵**
研究人员将选定的共识评价转换为密码模糊集（CFSs）。通过编码-解码过程，将观察到的隶属度、非隶属度和犹豫度转化为更精细的CFN（Cipher Fuzzy Number）值。对于排队论参数，共识矩阵的`ρ`参数为0.80；对于投资方案，`ρ`参数为0.375。此步骤成功捕获了专家评价中的非线性模式、方向偏差和采样噪声。
**4.3. 排队论参数权重确定**
利用认知地图（CM）技术，基于五种决策情景（平衡、重隶属度、厌犹豫、忽略犹豫、鲁棒平衡）对解码后的关系矩阵进行迭代计算，得到各参数的优先级。结果显示，在所有情景中，**等待时间（WA）** 的权重始终最高或在多数情景下最高，被确认为最关键的排队论参数。这表明，废弃物在系统内处理前的延迟时间对系统整体绩效具有决定性影响。
**4.4. 废物价值化投资机会排序**
通过正交度量鲁棒聚合方法，对五个投资方案进行排序。该方法综合了平方欧几里得偏差、根欧几里得偏差、切比雪夫欧几里得偏差以及线性相关系数，得出性能得分。结果表明，**塑料瓶再制造商（PBR）** 和**纸板箱回收商（CBR）** 在所有主要情景下（如“平衡”、“重隶属度”、“忽略犹豫”、“鲁棒平衡”）均排名前两位，其中PBR在多数情景下排名第一。这表明，投资于处理高容量、同质化、易分离废弃物流的方案，能够实现更稳定的处理率和更低的运营不确定性，从而获得更高效益。
**5. 讨论与结论**
**讨论部分**总结了研究结果：等待时间是最重要的绩效指标，因为它是非增值时间，直接反映系统拥堵和效率。塑料瓶再制造和纸板箱回收被视为关键投资机会，因为它们能处理同质化、高流量的废弃物，可预测性强，有助于减少等待时间。研究强调，该模型并非用于实时随机模拟，而是作为战略决策支持工具，利用专家知识在数据稀缺环境下进行投资优先级排序。此外，研究还指出，企业应优先考虑对流程瓶颈（由等待时间指示）进行针对性容量调整，而非全面扩大产能。
**研究结论**：本研究旨在识别在运营和预算约束下提升废物价值化投资绩效的最优先策略。为实现这一目标，研究人员提出了一种新颖的模糊决策框架，该框架将专家评估与基于排队论的绩效指标（而非完整的随机排队系统建模）相结合。通过曼哈顿距离中心性法确定专家重要性权重，通过认知地图计算标准权重以捕获相互依赖性，并利用密码模糊集下正交度量鲁棒聚合方法对投资方案进行排序。分析结果表明，等待时间是最重要的排队论参数，而塑料瓶再制造商和纸板箱回收商是最重要的废物价值化投资机会。这些发现通过提供一个集成的、基于运营的、方法论上具有原创性的决策支持模型，填补了系统化策略优先级排序方面的关键空白，为废物价值化投资规划做出了贡献。
