中国科学院大学经济与管理学院王曙明副教授与新加坡国立大学的Tsan Sheng Ng副教授合作的论文“Robustness of Resource Recovery Systems under Feedstock Uncertainty” (基于原料状态不确定的再生能源系统鲁棒性分析)，于2018年8月被国际商科顶级期刊《Production and Operations Management》(POM)在线发表。POM作为UT DALLAS 24\FT 50\商业周刊20系列期刊，是国际公认的商学运营管理方向顶级期刊。

　　王曙明及其合作者深入思考再生能源决策系统中输入变量的不可预测性特征后，首次尝试运用动态鲁棒优化方法并结合逆优化的思想设计全新的系统鲁棒性指标(Robustness Index),作为再生能源系统决策优化指标。该指标的计算建立在求解一个两阶段适应性最优化问题(two-stage adaptive optimization)的基础之上。进一步，在该指标体系下，作者发展了一套针对再生能源系统的操作环境(Operating Environment)的多目标鲁棒性分析框架(如下图)，同时为该框架的计算开发了多项式时间计算模型。所提出的鲁棒性分析框架对于数据依赖性较低，在大量的半仿真实验测试中已被验证能够大大降低外部输入变量的高度不确定性对再生能源系统的运营所产生的冲击。该框架为再生能源企业以及相关政策制定部门提供了全新的决策方法论及其系统构架雏形。此外，从决策分析理论的角度，作者在数学上证明了所提出的鲁棒性指标(Robustness Index)是一类比概率测度性质更为优良的一致性满意度算子(Coherent Satisficing Measure)，因此为所提出的分析框架提供了数学基础保证。

图：通过所提出的分析框架可以计算出的再生能源系统操作环境鲁棒性前沿面(Robustness Frontier)：通过该鲁棒性前沿面，决策者可以清楚识别哪些操作环境点是安全可行的。

　　POM的审稿专家认为“…in my opinion, the manuscript offers important contributions to both the literature and practice.”(我认为该论文对于本领域的研究文献与实践都具有重要的贡献。)POM的副主编也认为 “The paper …with some methodological contribution, and I expect it will make an impact...”(该论文具有方法论的创新，并且会（对整个领域）产生一定影响力。)

　　据悉，该项工作的研究动机源于王曙明老师之前在新加坡国立大学NFR-CREATE E2S2项目组工作期间所深度接触的震惊整个再生能源行业的真实案例：2011年当时新加坡最大的垃圾再生能源企业IUT Global由于无法对垃圾产量及质量进行可靠预估而导致规划决策失误并最终宣告倒闭。一个极具讽刺意味的细节是：该公司在2008年成立时，其垃圾-能源再生技术曾获新加坡国家能源综合实力奖 (National ENERGY GLOBE overall winner 2008)，并代表新加坡角逐2010年亚洲最佳能源大奖。该案例引出一个发人深思的研究问题：对于再生能源系统，即使本身能源再生技术非常先进，没有智慧的运营决策，同样面临系统崩溃风险！此外，对于垃圾-能源再生系统而言，一个普遍存在的运营环境特征是：(1) 垃圾成分以及有效产量作为输入变量，很大程度影响着再生能源的产出；（2）这些变量的数据信息往往是缺失不足(如IUT Global案例)或是不准确的，因此很难借助常规的统计方法进行准确预估。

　　论文连接：
　　S. Wang, T.-S. Ng, Robustness of resource recovery systems under feedstock uncertainty, Production and Operations Management, online, DOI:10.1111/poms.12944, 2019.