📊 statistics

Robustness of sustainable aviation fuel supplier rankings under alternative fuzzy representations and MCDM methods

本研究验证了 SAF1 在各种模糊表示和多准则决策（MCDM）方法下作为排名第一的可持续航空燃料供应商的稳健性，同时强调尽管领先候选者保持一致，但完整的供应商排序存在变化，因此应将其视为进一步尽职调查的优先事项，而非自动选择。

原作者： Büşra ALTINKAYNAK

发布于 2026-08-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Büşra ALTINKAYNAK

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是某大型航空公司机队的机长，你的任务是从燃烧肮脏化石燃料转向一种更清洁、更绿色的替代品——可持续航空燃料（SAF）。但问题在于，你不能随机选择一个燃料供应商。你必须从几个选项中选出最好的一个，并且必须同时权衡数十个不同的因素。有些因素关乎金钱（成本是多少？），有些关乎地球（能减少多少污染？），还有些关乎物流（他们能否按时交付？）。这是一个经典的“多准则决策”问题，用通俗的话说，就是：“当每个选项都有优缺点时，如何做出完美的抉择？”

在现实世界中，我们很少拥有完美、清晰的数据。我们通常不得不依赖人类专家的说法，比如“高”、“中”或“很高”，而不是精确的美元金额。为了处理这种模糊性，科学家们使用了被称为“模糊逻辑”和“不确定性分析”的特殊数学工具。把这些工具想象成一种将模糊的猜测转化为可能性范围的方法，就像是用粗记号笔画出一个目标区域，而不是画一个微小的点。核心问题在于：如果航空公司改变了画目标的方式，或者改变了计算分数的规则，我们的“最佳”选择是否会保持不变，还是会完全颠倒？

这正是布什拉·阿尔廷卡亚克（Büşra Altınkaynak）的研究所调查的内容。作者选取了一个之前发表的关于三种可持续航空燃料（SAF）供应商的排名——我们暂且称它们为 SAF1、SAF2 和 SAF3——并对其进行了严格的“压力测试”。想象一下，你有一份大家都公认最好的蛋糕配方。但如果更换了面粉类型、改变了搅拌面糊的方式或者调整了烤箱温度呢？这个蛋糕尝起来还是原来的味道吗，还是变成了一种完全不同的甜点？

在这项研究中，“配方”是用于挑选赢家的数学模型。原有的研究（由 Ecer 等人进行）已经选出了一个赢家，但阿尔廷卡亚克想要看看这个赢家是真的具有“稳健性”，还是仅仅因为使用了特定的数学方法而“走运”。她使用不同版本的“模糊”数学、不同的权重分配方式以及不同的排名算法，重新运行了整个筛选过程。

以下是她的发现：

首先，这个“赢家”实际上立即发生了变化。原有的研究认为 SAF2 是最好的。然而，一旦阿尔廷卡亚克将数学模型切换到另一种类型的模糊数（将模糊的“高”和“低”转化为具体的三角形形状）并分析了不确定性，新的数学模型便宣布 SAF1 为胜出者。这发生在她的重新计算的第一步。

一旦 SAF1 占据了榜首，它就稳住了地位。无论她如何微调数学的其他部分——无论是使用不同的方法来计算准则的重要性（从一种称为 MEREC 的方法切换到另一种），还是使用不同的排名公式（如 MARCOS、CRADIS、TOPSIS 或 COPRAS）——SAF1 始终是第一选择。

然而，当观察后续排名时，故事变得稍微复杂了一些。虽然大家都认同 SAF1 是最好的，但不同的方法对谁是第二名和第三名存在分歧。

其中两种方法（MARCOS 和 CRADIS）对整个列表达成了一致：先是 SAF1，然后是 SAF2，最后是 SAF3。
另一种方法（TOPSIS）虽然也认为 SAF1 第一，但它颠倒了另外两个的顺序，将 SAF3 排在了 SAF2 之前。
第四种方法（COPRAS）则回到了原始顺序：SAF1、SAF2、SAF3。

该研究还测试了这些排名的“韧性”。他们模拟了准则重要性的微小变化（例如，假设“成本比平时重要 10%”）以观察排名是否会崩溃。结果显示，供应商的顺序是非常稳定的；排名并不会仅仅因为权重的轻微变化而发生剧烈波动。

那么，这对航空公司机长意味着什么呢？这项研究表明，SAF1 是一个非常强力的候选者，应当作为进一步调查的重点。即使在游戏规则发生变化时，数学模型在判定 SAF1 为最佳方面也表现出了惊人的连贯性。然而，研究也提醒我们，不要对第二名和第三名的确切顺序过于自信。数据的“模糊性”和数学方法的选择可能会改变谁是第二名。

简而言之，论文的结论是：虽然 SAF1 看上去是明显的领跑者，但航空公司不应仅根据单一的计算机排名就立即签署合同。相反，他们应该将 SAF1 作为重点调查的首选，同时让 SAF2 和 SAF3 继续保持竞争态势，直到他们拥有更具体、更真实的现实数据来决定彼此。这项研究证明了，虽然“最好”的选择可以是稳健的，但“第二好”的选择往往取决于观察的角度。

技术摘要：可持续航空燃料供应商排名的稳健性

问题陈述
可持续航空燃料（SAF）供应商的选择是一个复杂的多元准则决策（MCDM）问题，涉及相互冲突的经济、环境、社会、技术和交付准则。虽然以往的研究（如 Ecer 等人，2025）提出了集成模型用于 SAF 供应商选择，但对于当决策模型的核心组件——不确定性表示、准则权重和排名程序——被顺序修改时，追踪已发表的供应商推荐首先在何处发生变化的现象，仍缺乏明确的关注。此外，现有的比较往往依赖于最终排名，这可能会掩盖在“对领先供应商的一致性”与“对所有备选方案完整排序的一致性”之间的区别。本研究旨在解决评估 SAF 供应商排名在替代模糊表示和 MCDM 方法下的稳健性问题，以确定已发表的参考排名是稳定的还是对方法论选择敏感的。

研究方法
本研究采用顺序方法论比较，将 Ecer 等人（2025）报告的决策问题作为已发表的基准。数据集包含 39 个准则、3 家 SAF 供应商和 4 位权重相等的决策者。研究过程通过五个实验配置（E1–E5）进行：

数据表示： 将基准研究中的原始语言评估重新编码为三角模糊数（TFNs），而非区间值模糊中性数（IVFNNs）。应用了两种群体聚合规则：“最小-平均-最大”（min–mean–max）规则（保留最小下界和最大上界，同时取模态值的平均值）以及标准的“TFN 算术平均”。
不确定性传播： 在 $\alpha$ -截断区间（ $\alpha = 0, 0.1, \dots, 1$ ）内生成逐点确定性决策矩阵，以便在不立即将 TFNs 折叠为单一代表值的情况下传播不确定性。
权重：
- E2： 使用重建的 LOPCOW 派生权重（基于基准固定）。
- E3–E5： 用经典的 MEREC（基于准则剔除效应的方法）权重替换固定权重，并针对每个逐点实现情况重新计算。
排名程序：
- E2 & E3： MARCOS（基于折衷解的测量备选方案与排名）。
- E4： CRADIS（基于到理想解距离的折衷排名）。
- E5： 使用 TOPSIS 和 COPRAS 进行跨方法比较。
稳健性分析： 研究计算排名频率（解释为场景频率）以确定排名可接受性。通过 Spearman 秩相关系数、精确顺序频率和获胜者一致性来评估一致性。此外，通过 $\pm 10\%$ 的一次一项（one-at-a-time）和同步权重扰动进行局部敏感性测试。

关键结果

领先供应商的变化： 最显著的发现是，领先供应商在已发表的基准（E1: SAF2 > SAF3 > SAF1）与第一个重新计算的配置（E2: SAF1 > SAF2 > SAF3）之间发生了变化。这种反转发生在引入序数 TFN 重新编码和 $\alpha$ -截断分析时，甚至在改变权重或排名方法之前就已经发生。
核心获胜者的稳定性： 一旦 SAF1 在 E2 中确立为领导者，所有后续配置（E3–E5）在 $\alpha = 1$ 时均保持 SAF1 为第一名。
方法论敏感性：
- 权重： 使用 MEREC 替换 LOPCOW 权重并未改变 $\alpha = 1$ 时的核心排序，但显著影响了排名可接受性。在 min–mean–max 聚合下，SAF1 的排名第 1 频率降低；在算术平均聚合下，其频率增加。
- 排名方法： 当输入相同数据时，MARCOS 和 CRADIS 在所有 $\alpha$ 水平和聚合规则下均产生相同的排名。然而，TOPSIS 和 COPRAS 虽然在 SAF1 是获胜者这一点上达成一致，却反转了 SAF2 和 SAF3 的位置。
一致性与稳健性： 研究表明，对领先供应商的一致性可以与对完整排序的分歧并存。在 $\alpha = 1$ 时，尽管存在 100% 的获胜者一致性，但由于第二和第三名的位置反转，TOPSIS 和 COPRAS 的 Spearman 相关系数仅为 0.500，且精确顺序一致性为零。
敏感性： 所有方法在 $\alpha = 1$ 时，在 $\pm 10\%$ 的权重扰动下均保持了基准排序，表明其对准则权重具有局部稳定性，但这并未涵盖在更广泛的不确定性区域中所观察到的变动。

意义与主张
本文声称其主要贡献在于识别了已发表的供应商排序偏离参考结果的具体阶段，并区分了“核心获胜者”的稳健性与“完整排序”的稳健性。

研究结论认为，虽然有持续的证据支持优先考虑 SAF1 进行后续的商业、技术和运营尽职调查，但证据并不支持对剩余供应商（SAF2 和 SAF3）进行固定的、确定性的排序。作者认为，对于航空公司采购而言，应将 SAF1 视为进一步调查的优先候选对象，而非自动选定的供应商。研究结果表明，决策者应综合评估核心排名、 $\alpha$ -截断排名可接受性和跨方法一致性，而不是依赖于由单一特定模型规范导出的单一确定性排序。研究强调，核心排名保持不变并不意味着在更广泛的不确定性区域内也保持不变的稳健性。

技术摘要：可持续航空燃料供应商排名的稳健性

类似论文