环境科学学报  2016, Vol. 36 Issue (5): 1875-1882
引用本文
刘志峰, 薛雅琼, 黄海鸿. 2016. 我国大陆地区电器电子产品报废量预测研究[J]. 环境科学学报, 36(5): 1875-1882.
LIU Zhifeng, XUE Yaqiong, HUANG Haihong. 2016. Prediction of the quantities of waste electric and electronic products in Mainland China[J]. Acta Scientiae Circumstantiae, 36(5): 1875-1882.
我国大陆地区电器电子产品报废量预测研究    [PDF全文]
刘志峰, 薛雅琼, 黄海鸿     
合肥工业大学 机械与汽车工程学院, 合肥 230009
收稿日期: 2015-02-03; 修回日期: 2015-02-27; 录用日期: 2015-02-27.
基金项目: 国家高技术研究发展计划项目(No.2013AA040205)
作者简介: 刘志峰(1963-),男,教授(博士),E-mail:zhfliuhfut@126.com
通讯作者（责任作者）: 黄海鸿(1980—)，教授(博士)，博导.入选2012年教育部新世纪优秀人才支持计划，承担与完成了国家自然科学基金、“十二五”国家科技支撑计划、博士后面上基金等多个项目，发表论文80余篇. E-mail:huanghaihong@hfut.edu.cn
摘要: 随着我国电器电子产品的报废量不断增长,准确预测报废量及其分布对回收网络体系规划研究十分关键.本文利用Gompertz模型及保有量系数法对我国电器电子产品报废量进行建模,在验证预测模型及结果准确性的前提下,对全国31个省2003-2020年电视机、电冰箱、洗衣机、空调及电脑的报废量进行预测,并对5种家用电器报废总量构成、时间序列及空间分布进行分析.结果表明,到2020年,我国5种家用电器报废量将达到20.3亿台,广东省以1794万台报废量列居全国首位,上海市以1083台·km-2的报废密度列居首位;按现有回收处理规模,2014年全国仍存在103万t待处理缺口.最后对废旧电器电子产品拆解处理产能布局提出了合理化建议,为我国的家用电器回收网络规划提供参考.
关键词: 电器电子产品    保有量    报废量    预测    回收网络布局    
Prediction of the quantities of waste electric and electronic products in Mainland China
LIU Zhifeng, XUE Yaqiong, HUANG Haihong     
School of Mechanical and Automotive Engineering, Hefei University of Technology, Hefei 230009
Received 3 February 2015; received in revised form 27 February 2015; accepted 27 February 2015
Supported by the National High-Tech Research and Development Program of China(No.2013AA040205)
Biography: LIU Zhifeng(1963—), male, professor(Ph.D.),E-mail:zhfliuhfut@126.com
Corresponding author: HUANG Haihong,E-mail:huanghaihong@hfut.edu.cn
Abstract: With the increase of the quantities of the waste electric and electronic products, accurate prediction of the scrap quantity becomes a key precondition to constructing the recycling networks. Gompertz model and ownership coefficient method are applied to establish the prediction model in this paper. The obsolete volume of TV sets, refrigerators, washing machines, air conditioners and computers in 31 provinces from 2013 to 2020 were estimated based on the proposed model; and the composition, trends and spatial distributions of the e-waste in China are analyzed. The result shows that the total volume of mentioned household appliances will reach 2.03 hundred million units in the year of 2020; Guangdong is the top e-waste-generating province with the quantity of 17.94 million units, and Shanghai has the highest obsolete density of e-waste which is 1083 units per square kilometer in the year of 2020. There are about 1.03 million tons waste products in the year of 2014 which could not be recycled based on the current scale. Finally, suggestions on the distribution of recycling capability are provided which serves as a good reference for recycling network planning in mainland China.
Key words: electric and electronic product    quantity of ownership    scrap quantity    prediction    recycling network planning    
1 引言(Introduction)

中国已成为世界上电器电子产品报废量最大的国家之一，而退役电器电子产品的报废数据分散在供应链上下游的若干规模不一的企业中，存在着基础数据挖掘困难、缺乏行业代表性等问题(Yu et al.，2010).电视机、冰箱、洗衣机、空调四大家电和电脑(简称“四机一脑”)作为典型的电器电子产品，自20世纪90年代普及至今，使用年限已超过15年，进入了报废高峰期.据预测统计，2010年中国电子废弃物总量达到230万t(UNEP，2009)，2013年“四机一脑”报废量达到1.1亿台(EARTC，2013).准确预测以“四机一脑”为代表的电器电子产品报废量及其分布可为合理规划回收处理企业的布局、规模以及处理方法提供科学依据，并对制定相关法律法规、行业准入条件具有重要意义(梁晓辉等，2010).

预测退役电器电子产品数量的常用方法包括：Logistic模型、Stanford模型、ICER模型、GM(1，1)模型及保有量系数法等.在家用电器电子产品报废量预测方面，保有量系数法相较于Stanford模型及Logistic模型具有结果更加可靠，且更适应中国国情(何逸林等，2010；EARTC，2010；童昕等，2013).经保有量系数法预测，河南省2015年废弃电器电子产品数量与实际值正向误差为9.5%，预测效果良好(张相锋等，2013).

保有量系数法预测报废量要求对产品保有量准确测算，但由于我国前期数据缺失较多、全面性不足以及地区针对性等问题，成为了家电报废量预测的瓶颈.因此对保有量进行建模研究成为国内外科研院校关注热点.Gompertz模型、Time-varying Extended Logistic模型以及Simple Logistic模型在评估电器电子产品生命周期内相关数量方面的对比结果证明，Time-varying Extended Logistic模型对短生命周期产品预测效果较好，而Gompertz模型由于其输入变量及模型稳定，同时适用于长生命周期产品(Trappey et al.，2008；Li et al.，2006).黄庆等利用家用电器居民平均拥有量代表市场扩展程度，通过实证分析证明，相较于Logistic模型，我国家用电器市场扩展更遵循Gompertz模型(黄庆等，2000).谢小良以1999—2009年长沙市电脑保有量为数据依据，分析证明了Gompertz模型是预测电子产品需求可行且较优的方法(谢小良，2011).

本文根据基础数据对退役电器电子产品报废量的影响因素进行关联度分析，选择对退役电器电子产品产生量影响较大的因素作为切入点，提出了结合保有量系数法的Gompertz改进模型，对全国“四机一脑”社会保有量及报废量进行预测研究并验证，对结果进行总量构成、时间序列及空间分布分析，对全国回收处理点布局进行调研并提出合理化建议，为我国退役家电产品回收处理网络建立提供参考.

2 模型建立(Model) 2.1 影响因子与关联度分析

目前，在各种退役电器电子产品的预测模型中广泛应用的影响因子见表 1(Zhang et al.，2011).根据《中国统计年鉴》(国家统计局，2013)、《中国电器工业年鉴》(中国电器工业协会，2013)中2001—2012年各影响因子统计数据，以及《中国废弃电器电子产品回收处理及综合利用行业白皮书(2013)》(以下简称WEEE行业白皮书)中2001—2012年电器电子产品报废量统计数据，运用SPSS数据分析软件得到各因子的相关系数，见表 2.结果表明，报废量与社会保有量相关性最大，而社会保有量与GDP值相关性最大，人口数次之.因此将GDP、人口作为保有量预测模型的输入参数，将保有量、报废年限作为报废量预测模型输入参数.

表 1 退役电器电子产品总量预测模型中常用的影响因子 Table 1 Common factors in E-waste forecast model

表 2 常用影响因子相关系数分析 Table 2 Correlation coefficient analysis of commonly used factors
2.2 社会保有总量预测模型

家用电器电子产品作为典型的耐耗品，会依次经历加速增长、缓慢增长和饱和3个阶段.随着社会保有量的增长，人们对于家电产品的消费达到一定水平后会逐渐进入缓慢增长期，直至达到饱和，社会保有量将不再随着消费水平的增长而增长.Gompertz模型在应用特点上更适合于描述变化趋势为先快后慢的不对称S型曲线，家电产品社会保有率的增长趋势符合该模型特点，因此，可利用Gompertz模型预测家电产品社会保有率(Kim et al.，2013；Gutiérrez-Jáimez et al.，2007；黄庆等，2000).根据家电废弃量的各影响因子关联度分析，选取公开数据GDP和人口作为模型自变量，家电产品社会保有率的Gompertz模型(Trappey et al.，2008)为：

式中，V(X)为家电产品社会保有率(台·人-1)；X为人均GDP(万元·人-1)；γ为家电产品保有率饱和水平；α、β为负的待估参数，用来描述曲线的形状和曲率.

对保有率、人均GDP分别用保有量、GDP及人口进行替换，得保有量计算模型：

式中：Yt(Gt，Pt)为第t年家电产品社会保有量(万台)；Pt为第t年区域人口数(万人)；Gt为第t年区域生产总值(亿元)；γ0为家电产品社会保有量饱和水平；t为年份.

将式(4)进行积分变换，得到回归方程：

式中，ε为随机误差.

2.3 报废总量预测模型

在对典型家用电器电子产品社会保有量的预测基础上，采用保有量系数法进行报废量预测.假设第t年的家电社会保有量Yt(Gt，Pt)中有比例η的家电在未来一个时间段内进行报废，则根据保有量系数法计算的第t+m年的报废量Qt+m为：

式中，Yt(Gt，Pt)为第t年家电产品社会保有量值(万台)；η为第t年到第t+m年的家电报废比例；m为电器电子产品最低报废年限(年)；n为电器电子产品最长寿命，n＞m(年).

回归方程为式(8)：

3 结果(Results) 3.1 市场保有总量测算结果验证

分别根据全国31个省的相关数据资料建立Gompertz拟合模型，从而运用matlab工具对式(5)的参数α、β进行估计.以安徽省为例，通过迭代，当γ0=1.744时可决系数最大，非线性回归曲面拟合图如图 1a所示，回归参数如表 3所示.表 3显示，拟合可决系数R2为0.9922，拟合效果良好.其次，对保有率与人均GDP关系进行二维拟合观测，符合Gompertz模型对耐耗品保有量成长曲线的描述，如图 1b所示.

图 1 安徽省Gompertz模型拟合结果 Fig. 1 Fitting result of Gompertz model in Anhui Province

表 3 安徽省Gompertz模型回归参数表 Table 3 Regression parameter of Gompertz model in Anhui Province

为保证模型的可靠性，对31个省的拟合可决系数进行检验，见表 4，拟合结果具有良好的可靠度和均一性.将各省拟合结果总和与《中国统计年鉴》中2008—2012年城镇与农村居民耐用品每百户保有量数据与户数所计算的保有量真实数据进行对比，结果见表 5，预测值与实际值的误差均不超过5.5%，预测结果可靠(Li et al.，2006).

表 4 全国各省拟合可决系数检验结果 Table 4 Verification of R2

表 5 2008—2012年全国家用电器电子产品市场保有量测算结果验证 Table 5 Verification for the quantity of the ownership of electric and electronic appliances
3.2 报废总量预测结果及验证

中国家用电器研究院研究设定洗衣机、电冰箱、空调等耐用家电高峰报废年限为第10~16年，电视机、电脑等小型家电高峰报废年限为第4~6年，电器电子产品在报废年限内的平均年报废率在40%~60%之间，一般取50%(张相锋等，2013).洗衣机、电冰箱、空调的最长寿命为16年，报废期平均年报废率为7.14%；电视机、电脑的最长寿命为6年，报废期平均年报废率为16.67%.通过计算得到2013—2020年全国31个省份“四机一脑”报废总量，见表 6.将预测结果分别与文献(EARTC，2013；梁晓辉等，2010；陶栋艳和董昕，2013；张欣，2010)进行对比，预测结果与文献结果接近，证明模型准确性，见表 7.

表 6 2013—2020年全国典型家用电器报废量预测结果 Table 6 Predicted amount of e-waste appliances from 2013 to 2020

表 7 家电产品报废总量预测结果验证 Table 7 Verification of e-waste appliances prediction
4 结果分析(Result analysis) 4.1 全国退役电器电子产品总量构成分析

随着技术进步、特别是信息技术的进步和消费习惯的改变，我国大陆地区退役电器电子产品的构成也将不断改变.但是“四机一脑”因其普及时间长、普及率高、需求稳定性高等特点，在未来一定的时期内，仍将是退役电器电子产品的最重要组成部分.

根据日本家电协会研究结果，电视机、电冰箱、洗衣机、空调(含外机)和电脑的平均重量分别为25、59、25、51、27 kg(Noroma and Osibanjo，2008).由于2008年后液晶显示器在我国开始普及，但尚未达到大批量报废年限，故对电脑市场保有量的均重进行修正，取其平均重量为9.9 kg(EMPA，2013)，而报废电脑的均重仍按照2008年的重量计算.2013—2020年“四机一脑”的社会保有及报废量构成见表 8.至2020年，全国“四机一脑”社会保有量有27.6289亿台；报废总量将突破2亿台，达638万t；从2013年起至2020年增加了8968.3万台，平均年增长率达1281万台.5种家电中电视机由于需求量和普及量大、普及时间长，所占比例在保有量与报废量中均居于首位.

表 8 2013—2020年“四机一脑”市场保有量与理论报废量构成 Table 8 Structure of the ownership and the waste amount from 2013 to 2020
4.2 全国退役电器电子产品时间变化分析

结合2009—2012年的家电实际报废量(EARTC，2013)，进行报废量产生趋势分析，见图 2.结果显示，电视机、电脑报废量仍呈较快上升趋势，预示着其报废高峰即将到来；电冰箱、洗衣机及空调报废量基本达到饱和状态；电冰箱与洗衣机所占比例相近，且各年变化无太大波动.

图 2 2009—2020年“四机一脑”报废量增长趋势图 Fig. 2 Growth trend of e-waste quantity from 2009 to 2020

对所预测数据抽取2013、2015及2020年分别进行各省报废量及报废密度分析，见图 3与图 4.结果显示，广东省平均年报废量占有率最大，在2013、2015及2020年的家电报废量分别达到了993、1327、1794万台，平均占全国报废总量的8.7%；其次，上海市平均报废密度最大，在2013、2015及2020年家电报废密度分别达到了394、602、1083台·km-2.

图 3 全国排名前5的省“四机一脑”报废量 Fig. 3 Quantity of five categories for top 5 waste-generating provinces

图 4 全国排名前5的省“四机一脑”报废密度 Fig. 4 Areal density of five categories of e-waste for top 5 provinces
4.3 全国退役电器电子产品空间分布分析

以2015年为例，分析我国家电产品的空间分布.据上述预测，2015年有6个省份的“四机一脑”报废量超过800万台，4个省份低于200万台；华东地区的报废量占有率超过全国总量的1/4，列于7大区域之首，西北地区5省报废量占有率仅5.76%；7个省份“四机一脑”报废密度大于70台·km-2，5个省份报废密度少于8台·km-2；结果如图 5所示.

图 5 2015年全国“四机一脑”报废量及报废密度分布 Fig. 5 Quantity and areal density distribution of five categories of e-waste in 2015

根据国家环保部、工业和信息化部公布的具有相关处理资质且获得国家政策补贴的107家废旧电器电子产品拆解处理企业(截止至2014年6月)的最大年回收处理能力计算，2014年内处理量达到报废量75%以上的省份有15个，低于40%的省份有7个，其中山东省回收能力不足35%，如图 6所示.报废量最大的华东地区现有处理能力不足报废量的40%；全国待处理废旧家电缺口达103万t.我国拆解处理企业仍面临回收不完全局面.

图 6 2014年拆解处理率与拆解处理企业分布 Fig. 6 Processing rate and plant distribution of e-waste in 2014

另一方面，拥有自主回收网络体系的企业非常有限，且来源单一，相当一部分废弃家电产品流向了个体手工作坊，以致部分回收处理企业的开工率低于40%.因此，在扩大拆解企业规模的同时，更加亟待解决有效回收体系建立及法律法规制定的问题.目前仅有广东、上海等地开展了废旧电器电子产品回收体系方面的研究，为了更高效回收处理废弃电器电子产品，相关回收体系及设施建立应侧重于报废量及报废密度较大的地区，对处理率较低的区域应尽快健全回收体系、完善相关法律法规.

另外，根据实地调研，目前处理企业的开工率不足另一个原因是由于回收量存在季节波动所致.调研的某处理企业2014年月平均回收量为2280.6 t，其中7月的回收量为2832.7 t，而2月的回收量为1296 t(Chen，2014)，但其建厂规模是按最大回收量预估建设的，从而出现淡季产能过剩的情况.因此，在规划企业处理能力时也应考虑季节波动的影响，合理规划各月库存及产能分配.论文结果可为各省建设处理企业、规划回收体系、推广生产者责任制度及制定相关法律法规提供参考.

5 结论(Conclusions)

1)提出了结合保有量系数法的Gompertz模型，对全国31个省份的退役电器电子产品总量进行预测，并验证了模型与结果的有效性.

2)利用Gompertz模型对废旧家电产品的保有量进行准确预测，为其报废量预测提供了更丰富、时间更长的数据，加长报废量预测时间跨度.

3)对全国及各地区的典型家电产品报废数量以及各省的报废数量和报废密度进行时间与空间分析，结果对全国家电回收网络体系的布局具有参考意义.

4)调研并分析了全国现有处理工厂的规模及分布，分析结果对各省建设退役电器电子产品处理工厂的规模、规划回收体系提供了参考数据，对新产能的合理布置提出了合理建议.

参考文献
[1] Chen H M. 2014. Personal Communication with H M Chen[M]. Nanjing, China:Nanjing Kaiyan Electronic Co., Ltd
[2] Electrical Appliance Recycling Technology Center (EARTC). 2010. White paper on Current Situation and Trend of WEEE Recycling Industry in China (2010)[R]. Beijing:Electrical Appliance Recycling Technology Center. 24-32
[3] Electrical Appliance Recycling Technology Center (EARTC). 2013. White paper on Current Situation and Trend of WEEE Recycling Industry in China (2013)[R]. Beijing:Electrical Appliance Recycling Technology Center. 5-7
[4] 国家统计局. 2013. 中国统计年鉴2013[M]. 北京:中国统计出版社. 1108-1116
[5] Gutiérrez-Jáimez R, Román R, Romero D, et al. 2007. A new Gompertz-type diffusion process with application to random growth[J]. Mathematical Biosciences, 208(1):147-165
[6] 何逸林, 廖小红, 田晖. 2010. 我国家用电器理论报废量测算方法研究及结果分析[J]. 家电科技, (10):76-77
[7] 黄庆, 王成璋, 宗瑞兴. 2000. 家电产品市场扩展分析[J]. 电子科技大学学报, 29(1):95-99
[8] Kim S, Oguchi M, Yoshida A, et al. 2013. Estimating the amount of WEEE generated in South Korea by using the population balance model[J]. Waste Management, 33(2):474-483
[9] Li J H, Tian B G, Liu T Z, et al. 2006. Status quo of e-waste management in mainland China[J]. Journal of Material Cycles and Waste Management, 8(1):13-20
[10] 梁晓辉, 李光明, 黄菊文, 等. 2010. 上海市电子废弃物产生量预测与回收网络建立[J]. 环境科学学报, 30(5):1115-1120
[11] Noroma I C, Osibanjo O. 2008. Overview of electronic waste (e-waste) management practices and legislations, and their poor applications in the developing countries[J]. Resources, Conservation and Recycling, 52(6):843-858
[12] 陶栋艳, 童昕. 2013. 从流动集群到组织化运营:城市废弃电器电子产品回收体系的转型[A]//第十二届产业集群与区域发展国际学术会议论文集[C]. 武汉:中南财经政法大学. 5-12
[13] The Swiss Federal Laboratories for Materials Science and Technology (EMPA). 2013. E-waste weight[OL]. 2015-01-30, http://ewasteguide.info/node/4065
[14] 童昕, 蔡一凡, 颜琳. 2013. 基于"家电以旧换新"回收数据评估电子废物产生量估算方法[J]. 生态经济, (7):38-42
[15] Trappey C V, Wu H Y. 2008. An evaluation of the time-varying extended logistic, simple logistic, and Gompertz models for forecasting short product lifecycles[J]. Advanced Engineering Informatics, 22(4):421-430
[16] UNEP. 2009. Recycling from E-Waste to Resources[R]. Bali:UNEP. 15-16
[17] 谢小良. 2011. "电脑"型产品需求预测的Gompertz模型与随机模拟[J]. 计算机工程与应用, 47(30):230-233
[18] Yu J L, Williams E, Ju M T, et al. 2010. Managing e-waste in China:Policies, pilot projects and alternative approaches[J]. Resources, Conservation and Recycling, 54(11):991-999
[19] Zhang L, Yuan Z W, Bi J. 2011. Predicting future quantities of obsolete household appliances in Nanjing by a stock-based model[J]. Resources, Conservation and Recycling, 55(11):1087-1094
[20] 张欣. 2010. 天津市废旧电器电子产品回收体系研究[D]. 天津:天津理工大学. 26-41
[21] 张相锋, 于鲁冀, 张培. 2013. 2015年河南省主要废弃电器电子产品产生量及回收量预测分析[J]. 河南科学, 31(12):2275-2279
[22] 中国电器工业协会. 2013. 中国电器工业年鉴2013[M]. 北京:机械工业出版社. 169-243