臺灣博碩士論文加值系統

環境的汙染促使永續環保議題逐漸受到重視，為因應相關環保法規的制定、綠色供應鏈風潮與企業永續發展，逆物流回收議題漸成為當務之急的研究方向。如何有效的了解最終消費者對廢資訊物品逆物流回收之服務需求以及對逆物流回收貨運量之預測與掌握，則為重要課題之ㄧ。透過逆物流回收需求分析，可作為決策者提高產品回收率之參考依據，而針對逆物流回收量進行預測，則可提供相關第三方逆物流回收運送業者之運輸規劃基礎。然而，過去研究有關逆物流回收之需求分析與逆物流回收貨運量預測之文獻闕如，故發展一套整合逆物流回收需求分析與逆物流回收貨運量預測模式，對於學術上與實務上均具有研究之價值。
本研究第一部份進行廢資訊物品逆物流回收需求調查與分析，並利用探索性因素分析，萃取出生命終期廢棄資訊物品從產生逆物流到實際進行逆物流回收活動過程之關鍵因素。並藉由廢資訊物品逆物流回收考量因素之因素分數與回收處理方式，應用二元羅吉斯迴歸模式建構回收機率函數。此外，假設資訊物品使用年限呈常態分配，再利用資訊物品出貨量、使用年限機率與回收機率函數進行未來潛在回收貨運量之推估。但此推估之潛在回收貨運量與實際回收貨運量仍有差距，且實際回收貨運量具有不規則、不確定等特性，因此，本研究第二部份應用類神經網路之適應性學習功能，建構逆物流回收貨運量預測模式，以修正潛在回收貨運量與實際回收貨運量之誤差與降低其不確定性。最後，進行實證範例分析，結果顯示本研究所建構之逆物流回收貨運量預測模式之預測能力均較機率推估型預測模式之使用年限法、時間數列型預測模式之ARIMA與GM(1,1) 、整合機率推估型與時間數列型預測模式之二元迴歸及GM(1,N)模式佳，驗證本研究模式可行且具有較佳之預測能力與解釋能力。
本研究首次嘗試將逆物流回收需求分析整合於逆物流回收貨運量預測模式中，研究成果不僅在學術上可作為逆物流回收需求分析與貨運量預測模式相關研究之參考，所發展之模式亦可提供實務上進行逆物流回收預測模組開發之模式基礎。

With the global eco-awareness, the European Union has claimed several regulations, such as the Directive on Waste Electrical and Electronic Equipment (WEEE) to regulate recycling items for end-of-life(EOL) electrical and electronic equipment. Under the trends in the responsibility of end-of-life product recycling, the reverse logistics management has become a topic of great interest for many academicians and planners, and an essential element of company strategy for others. However, the management of waste EOL reverse logistics is even more complex than the traditional logistics, due to the uncertainty surrounding the process of reverse logistics and EOL recycling. Demand analysis and forecasting for waste recycling is a critical foundation in the reverse logistics management of EOL electrical and electronic equipment, that is prerequisite to recycling management for regulators and administrators, and reverse logistics network design and transportation planning for reverse logistics service providers. However, few literatures have been paid to the demand analysis and forecasting models for reverse logistics and recycling of waste EOLs. This study attempts to develop a series of models to analyze the demand factors, and to predict the return quantity for waste EOL electrical and electronic equipment.
The first part of this study conducted a demand survey and analysis of reverse logistics and recycling on EOL electrical and electronic equipment. This study applies exploratory factor analysis to identify key demand for EOL electrical and electronic equipment recycling. This study proposes a binary logistic regression model to determine the return probability. In the second part of the study, this study combines probability estimation and time-series forecasting model to propose a hybrid forecasting model for return quantity forecasting. Considering useful life of electrical and electronic equipment, the production shipment volume, and the return probabilities, the potential return quantity is estimated. Furthermore, a neural network model is developed to improve the forecasting accuracy and eliminate the uncertainty and randomness surrounding the input data. Finally, a case study with a reverse logistics and recycling of EOL electrical and electronic equipment data was provided to illustrate the results and the application of the model’s is shown to be more accurate prediction results than useful life, ARIMA, GM(1,1), binary regression and GM(1,N) models. The results verified that the proposed model is practicable, and provide a better prediction and explanation ability.

中文摘要
英文摘要
誌謝
目錄 i
表目錄 iii
圖目錄 v
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 5
1.3 研究對象與範圍 6
1.4 研究流程與架構 6
第二章 文獻回顧 10
2.1 逆物流分析 10
2.1.1 逆物流定義 10
2.1.2 逆物流運作流程與發生原因 11
2.1.3 逆物流規劃研究 15
2.2 逆物流預測 17
2.2.1 時間數列型預測模式相關文獻 17
2.2.2 機率推估型預測模式相關文獻 19
2.3 供應鏈需求預測模式 21
2.4 綜合評析 24
第三章 廢資訊物品逆物流回收需求分析 27
3.1 廢資訊物品逆物流回收市場概況 29
3.2 問卷設計與資料分析方法 32
3.2.1 問卷構面說明 33
3.2.2 資料分析方法 40
3.2.3 B2B問卷分析 42
3.2.4 B2C問卷分析 58
3.2.5 廢資訊物品平均使用年限機率 71
第四章 廢資訊物品逆物流回收貨運量預測模式 77
4.1 廢資訊物品逆物流回收機率函數 80
4.2 逆物流回收貨運量預測模式 86
4.2.1 類神經網路模式 86
4.3 實證範例分析 95
4.3.1 廢資訊物品逆物流回收機率 95
4.3.2 逆物流回收貨運量預測 96
第五章 結論與建議 107
5.1 結論 107
5.2 建議 108
參考文獻 108
附錄一 B2B 問卷 115
附錄二 B2C 問卷 119


表目錄
表 2-1 逆物流活動型態表......................................................................................13
表 2-2 逆物流供給層面文獻表..............................................................................16
表 2-3 逆物流預測文獻彙整表..............................................................................20
表 2-4 供應鏈需求預測模式彙整表......................................................................23
表 3-1 國內廢資訊物品稽核認證總量..................................................................31
表 3-2 資訊物品逆物流之發生原因（B2B）.......................................................34
表 3-3 資訊物品逆物流之發生原因（B2C）.......................................................34
表 3-4 廢資訊物品逆物流回收考量因素（B2B）...............................................35
表 3-5 廢資訊物品逆物流回收考量因素（B2C）...............................................36
表 3-6 廢資訊物品逆物流回收服務管道（B2B）...............................................37
表 3-7 廢資訊物品逆物流回收服務管道（B2C）...............................................38
表 3-8 KMO 指標....................................................................................................41
表 3-9 B2B 族群問卷調查各群體名單..................................................................43
表 3-10 B2B 族群問卷調查各群體有效問卷份數................................................43
表 3-11 B2B 族群資訊物品逆物流發生原因之基本統計分析............................45
表 3-12 B2B 族群資訊物品逆物流發生原因之KMO 及Bartlett 球形檢定.......45
表 3-13 B2B 族群資訊物品逆物流發生原因之因素結構表................................45
表 3-14 B2B 族群資訊物品逆物流發生原因之量表分項信度與效度分析........46
表 3-15 B2B 族群資訊物品逆物流發生原因之因素結果與命名........................46
表 3-16 B2B 族群廢資訊物品逆物流回收考量因素之基本統計分析................48
表 3-17 B2B 族群廢資訊物品逆物流回收考量因素之KMO 及Bartlett 球形檢定
.....................................................................................................................................48
表 3-18 B2B 族群廢資訊物品逆物流回收考量因素之因素結構表....................49
表 3-19 B2B 族群廢資訊物品逆物流回收考量因素之量表分項信度與效度分析
.....................................................................................................................................50
表 3-20 B2B 族群廢資訊物品逆物流回收考量因素之因素結果與命名............51
表 3-21 B2B 族群廢資訊物品逆物流回收服務管道之基本統計分析................53
表 3-22 B2B 族群廢資訊物品逆物流回收服務管道之KMO 及Bartlett 球形檢定
.....................................................................................................................................53
表 3-23 B2B 族群廢資訊物品逆物流回收服務管道之因素結構表....................54
表 3-24 B2B 族群廢資訊物品逆物流回收服務管道之量表分項信度與效度分析
.....................................................................................................................................55
表 3-25 B2B 族群廢資訊物品逆物流回收服務管道之因素結果與命名............56
表 3-26 B2B 族群廢資訊物品處理方式................................................................57
表 3-27 B2C 族群問卷基本資料表........................................................................59
表 3-28 B2C 族群資訊物品逆物流發生原因之基本統計分析............................61

表 3-29 B2C 族群資訊物品逆物流發生原因之KMO 及Bartlett 球形檢定.......61
表 3-30 B2C 族群資訊物品逆物流發生原因之因素結構表................................61
表 3-31 B2C 族群資訊物品逆物流發生原因之量表分項信度與效度分析........62
表 3-32 B2C 族群資訊物品逆物流發生原因之因素結果與命名........................62
表 3-33 B2C 族群廢資訊物品逆物流回收考量因素之基本統計分析................64
表 3-34 B2C 族群廢資訊物品逆物流回收考量因素之KMO 及Bartlett 球形檢定
.....................................................................................................................................64
表 3-35 B2C 族群廢資訊物品逆物流回收考量因素之因素結構表....................64
表 3-36 B2C 族群廢資訊物品逆物流回收考量因素之量表分項信度與效度分析
.....................................................................................................................................65
表 3-37 B2C 族群廢資訊物品逆物流回收考量因素之因素結果與命名............65
表 3-38 B2C 族群廢資訊物品逆物流回收服務管道之基本統計分析................67
表 3-39 B2C 族群廢資訊物品逆物流回收服務管道之KMO 及Bartlett 球形檢定
.....................................................................................................................................67
表 3-40 B2C 族群廢資訊物品逆物流回收服務管道之因素結構表....................68
表 3-41 B2C 族群廢資訊物品逆物流回收服務管道之量表分項信度與效度分析
.....................................................................................................................................69
表 3-42 B2C 族群廢資訊物品逆物流回收服務管道之因素結果與命名............69
表 3-43 B2C 族群廢資訊物品處理方式................................................................70
表3-44 資訊物品平均使用年限平均數與標準差.................................................71
表 3-45 資訊物品平均使用年限機率....................................................................72
表 4-1 類神經網路模式簡易表..............................................................................88
表 4-2 二元羅吉斯回歸模式參數..........................................................................95
表 4-3 潛在逆物流回收貨運量與實際回收貨運量比較表..................................98
表 4-4 類神經網路輸入數據資料........................................................................100
表 4-5 類神經網路模式相關參數設定................................................................100
表 4-6 本研究研究模式預測結果與實際回收貨運量比較表............................101
表4-7 本研究模式與使用年限法、ARIMA、GM(1,1)、二元迴歸、GM(1,2)預測
結果比較表................................................................................................................102

圖目錄
圖1-1 研究流程圖.....................................................................................................8
圖1-2 研究架構圖.....................................................................................................9
圖 2-1 整合型物流架構..........................................................................................12
圖 2-2 文獻回顧與本研究架構關聯圖..................................................................26
圖 3-1 本研究逆物流回收需求分析與貨運量預測關聯圖..................................28
圖 3-2 資源回收四合一計劃..................................................................................30
圖 3-3 2000~2007 年台灣個人電腦市場規模.....................................................30
圖 3-4 問卷內容流程圖..........................................................................................39
圖 3-5 個人電腦平均使用年限分配機率圖..........................................................73
圖 3-6 顯示器平均使用年限分配機率圖..............................................................73
圖 3-7 筆記型電腦平均使用年限分配機率圖......................................................74
圖 3-8 印表機平均使用年限分配機率圖..............................................................74
圖 4-1 國內廢資訊物品回收貨運量......................................................................78
圖 4-2 逆物流回收貨運量預測模式流程圖..........................................................79
圖 4-3 類神經網路架構圖......................................................................................87
圖 4-4 本研究逆物流回收貨運量預測模式圖－倒傳遞網路..............................93
圖 4-5 倒傳遞網路學習流程圖..............................................................................94
圖 4-6 潛在逆物流回收貨運量與實際回收貨運量比較圖..................................99
圖 4-7 本研究模式預測結果與實際回收貨運量比較圖....................................105
圖 4-8 各模式預測結果與實際回收貨運量比較圖............................................106

1MIC-AISP情報顧問服務網站，資策會。http://mic.iii.org.tw/intelligence/。
2環保署資源回收基管會網站，http://recycle.epa.gov.tw/epa/index.asp。
3丁執宇與黃宗煌（2002），「我國現行廢資訊物品回收模式問題探討與建議」，2002工業減碳暨永續發展研討會，頁A13，民國91年。
4吳明隆（2003），「SPSS 統計應用學習實務—問卷分析與應用統計」，知城圖書，民國92年。
5林永禎、張謝淵、陳柏鈞（2008），「應用灰色理論GM(1,1)模式預測資源回收成效－以新竹市為例」，明新學報，34卷，第1期，頁27-39，民國97年。
6林俊旭（2006），「《廢棄物清理法》與《資源回收再利用法》合併後對製造商或進口商的可能影響」，全球台商e焦點電子報，第57期，經濟部投資事業處，民國95年。
7林祖得、樂以媛(2001)，「我國流通業電子化現況與展望-3C產業」，資策會商業電子化標準建立與制定計畫，民國90年8月。
8柯毓楷、馬勝雄、林明傳（2007），「企業推動清潔生產落實社會責任之實務探討以印刷電路板業為例」，2007 清潔生產暨永續發展研討會論文集，經濟部工業局，民國96年。
9郝皓，「逆向物流」，IT經理世界，頁85-87，2002。
10酒井隆（2007），「問卷設計市場調查與統計分析實務入門」，博誌文化事業，民國96年6月。
11張廷政、萬絢（2004），「因素分析、逐步迴歸與Logistic 迴歸模式
在澎湖箱網養殖決策因素之研究」，計量管理期刊，第1卷，第1期，頁119-145，民國93年。
12張淑卿（2002），「臺灣地區廢電腦回收業市場研究」，輔仁大學應用統計學系在職專班碩士論文，民國91年。
13黃文輝等人（2004），「綠色供應鏈管理在半導體製造業之應用」，2004清潔生產暨永續發展研討會論文集，經濟部工業局，民國93年。
14黃詩彥（2002），「企業逆物流的發展與機會」，中華民國物流年鑑，民國91年。
15溫麗琪（2004），「廢棄物回收處理費之回收處理市場及誘因效果」，人文及社會科學集刊，第17卷，第3期，頁491-520，民國94年9月。
16溫麗琪等人（2005），「應回收廢棄物責任業者範圍界定與費率因子檢討評估」，行政院環境保護署專案計畫，民國94年。
17葉怡成（2003），「類神經網路模式應用與實作」，儒林，民國92年。
18廖人敬（2005），「筆記型電腦維修零備件需求預測模式之建立」，中華大學科技管理研究所碩士論文，民國94年。
19劉淑梅（2007） ，「運用財務比率構建借殼上市公司財務危機預警模型－鑑別分析與羅吉斯迴歸之比較」，實踐大學企業管理學系碩士班論文，民國96年。
20錢炳全、李順益、王學亮（2003），「基於灰色理論之短期銷售預測方法」，資訊管理展望期刊，第5卷，第1期，頁1-18，民國92年3月。
21羅志明、詹宗學、黃營芳（2008），「應用灰色預測理論、迴歸分析、指數平滑法於預測台灣TFT-LCD出口值」，工程與教育學刊，第5卷，第1期，頁120-140，民國97年3月。
22蘇義雄，「物流與運籌管理：觀念、機能、整合」，華泰書局，台北，2000年。
23Aburto, L., and Weber, R., “Improved supply chain management based on hybrid demand forecasts,” Applied Soft Computing, Vol. 7, pp. 136-144, 2007.
24Barros, A. I., Dekker, R. and Scholten, V., “A two-level network for recycling sand: A case study,” European Journal of Operational Research, Vol. 110, pp. 199-214, 1998.
25Bowersox, D. J. and Closs, D. J., “Logistics Management: The Intergraded Supply Chain Process,” International Editions, London:McGraw-Hill, 1996.
26Bowersox, D.J., Closs, D.J., Stank, T.P., 21st Century Logistics: Making Supply Chain Integration a Reality.Council of Logistics Management, Oak Book, IL, 1999.
27Chang, N. B. and Wei, Y. L., “Siting recycling drop-off stations in urban area by genetic algorithm-based fuzzy multiobjective nonlinear integer programming modeling,” Fuzzy Sets and Systems, Vol. 114, pp. 133-149, 2000.
28Chang, P. C., Wang, Y. W, and Liu, C. H., “The development of a weighted evolving fuzzy neural network for PCB sales forecasting,” Expert Systems with Applications, Vol. 32, pp. 86-96, 2007.
29Cottrill, K., “Return to sender,” TraNc World , Vol. 262, No. 7, pp. 17-8, 2000.
30De Brito, M. P, and Dekker, R., “Reverse logistics - a framework,” Econometric Institute Report 290, Erasmus University Rotterdam, Econometric Institute,2002.
31De Koster, R. B M, De Brito, M. P and Van De Vendel, M. A, “Return handling: An exploratory study with nine retailer warehouses,” International Journal of Retail & Distribution Management, Vol. 30, pp. 407-421, 2002.
32Dobos, I., “Optimal production–inventory strategies for a HMMS-type reverse logistics system,” International Journal of Production Economics, Vol. 81-82, pp. 351-360, 2003.
33Ferrer, G., “Yield information and supplier responsiveness in remanufacturing operations,” European Journal of Operational Research, Vol. 149, pp. 540-556, 2003.
34Fleischmann, M., Jacqueline, Bloemhof-Ruwaard, M., Dekker, R., Vander Laan, E., Nunen, J. V., and Wassenhove, L. V., “Quantitative Models for Reverse Logistics: A Review,” European Journal of Operation Research, Vol. 103, No. 1, pp. 1-17, 1997.
35Fleischmann, M., Kuik, R. and Dekker, R., “Controlling inventories with stochastic item returns: A basic model,” European Journal of Operational Research, Vol. 138, pp. 63-75, 2002.
36Hanafi, J., Kara, S. Kaebernick, H, “Generating Fuzzy Coloured Petri Net Forecasting Model to Predict the Return of Products,” IEEE, pp. 245-250, 2007.
37Hsu, L.C., “Applying the Grey prediction model to the global integrated circuit industry,” Technological Forecasting and Social Change, Vol. 70, pp. 563-574, 2003.
38Inderfurth, K. and van der Laan, E., “Leadtime effects and policy improvement for stochastic inventory control with remanufacturing,” International Journal of Production Economics, Vol. 71, pp. 381-390, 2001.
39Jayaraman, V., Patterson, R. A., Rolland, E., “The design of reverse distribution networks: Models and solution procedures,” European Journal of Operational Research, Vol. 150, pp. 128-149, 2003.
40Kang, H. Y., and Schoenung, J. M., “Estimation of future outflows and infrastructure needed to recycle personal computer systems in California,” Journal of Hazardous Materials, Vol. 137, pp. 1165-1174, 2006.
41Krumwiede, D. W., and Sheu, C., “A model for reverse logistics entry by third-party providers,” Omega, Vol. 30, pp. 325-333, 2002.
42Landers, T. L., Cole, M. H., Walker, B. and Kirk, R. W., “The virtual warehousing concept,” Transportation Research Part E: Logistics and Transportation Review, Vol. 36, pp. 115-126, 2000.
43Lee, D. H. and Dong, M., “A heuristic approach to logistics network design for end-of-lease computer products recovery,” Transportation Research Part E, Vol. 44, pp. 455-474, 2008.
44Lin, C. T., and Yang, S. Y., “Forecast of the output value of Taiwan''s opto-electronics industry using the Grey forecasting model,” Technological Forecasting & Social Change, Vol. 70, pp. 177-186, 2003.
45Listes, O., Dekker, R., “A stochastic approach to a case study for product recovery network design,” European Journal of Operational Research, Vol. 160, pp. 268-287, 2005.
46Mahadevan, B., Pyke, D. F., Fleischmann, M., “Periodic review, push inventory policies for remanufacturing,” European Journal of Operational Research, Vol. 151, pp. 536-551, 2003.
47Marx-Gomez, J., Rautenstrauch, C., and Kruse, R., “Neuro-fuzzy approach to forecast returns of scrapped products to recycling and remanufacturing,” Knowledge-Based System, Vol. 15, pp. 119-128, 2002.
48Maslennikova, I. and Foley, D., “Xerox''s approach to sustainability,” Interfaces, Vol. 30, pp. 226-233, 2000.
49Masui, K., “Calculation of amount of discarded end-of-life products by using multi-regression analysis,” Environmentally Conscious Design and Inverse Manufacturing, pp. 624-625, 2005.
50McBurney, P., Parsons, S. and Green, J., “Forecasting market demand for new telecommunications service: an interdiction,” Telematics and Informatics, Vol. 19, pp. 255-249, 2002.
51MSUGLRT, World Class Logistics: The Challenge of Managing Continuous Change, Oak Brook, IL: Council of Logistics Management,1995.
52Pohlen, T. L. and Farris , M. T., “Reverse Logistics in PlasticsRecycling,” International Journal of Physical Distribution and Logistics Management, Vol. 22, No. 7, pp. 35-47,1992.
53Rogers, D. S. and Tibben-Lembke, R. S., Going Backwards: Reverse Logistics Trend and Practices, Reverse Logistics Executive Council ,1998.
54Shang, K. C., Marlow, P. B., “Logistics capability and performance in Taiwan''s major manufacturing firms,” Transportation Research Part E, Vol. 41, pp. 217-234, 2005.
55Sheu, J.B., Chou, Y.H. and Hu, C.C., “An integrated logistics operational model for green-supply chain management,” Transportation Research Part E, Vol. 41, pp. 287-313, 2005.
56Shih, L. H., “Reverse logistics system planning for recycling electrical appliances and computers in Taiwan,” Resources, Conservation and Recycling, Vol. 32, pp. 55-72, 2001.
57Stock, J. R., Product Returns/Reverse Logistics in Warehousing: Strategies, Policies and Programs, Oak Brook, IL: Warehousing Education and Research Council, 2005.
58Stock, J. R., Reverse Logistics, Oak Brook, IL: Council of Logistics Management, 1992.
59Toktay, B., van der Laan, E. A. and De Brito, M. P., “Manading Product Returns: The Role of Forecasting,” Econometric Institute, Rotterdam, The Netherlands, 2003.
60Toktay, L. B., Wein, L. M., Zenios, S. A., “Inventory Management of Remanufacturable Products,” Management Science, Vol. 46, No. 11, pp. 1412-1426, 2000.