本研究利用兩階層數學規劃 (Bi-level Programming, BLP) 嘗試解決台灣地區廢印表機回收清除處理補貼費率制訂之問題。其中高階為社會福利系統；低階為回收處理業者。由於兩者的目標不一致，透過此模型可反應出其衝突之本質。並且利用 (1) KKT條件(The Karush-Kuhn-Tucker condition)與0-1變數轉換、 (2) 模糊趨近法(Fuzzy approach)以及 (3) 直覺模糊趨近法(Intuitionistic Fuzzy approach)，三種轉換方式，希望獲得妥協之最適解，同時分析比較其管理意涵，以提供未來費率修改之參考。
        我國環保署成立基管會以推動資源回收，對責任業者徵收處理費用，並補貼處理業者以鼓勵回收作業，處理業者同時給予回收獎勵金給回收之民眾。而高階目標社會福利系統之角度，目標有三：第一希望回收率最大，以降低環境汙染；第二希望補貼費率降低，以增進處理業者運作效率；第三則是希望行政成本比例降低，以促進基管會運作效能。以低階處理業者而言，希望利潤能極大化。本研究為比較不同方法之管理意涵，使用將低階問題轉換為其限制式的KKT條件與0-1變數變換，成為高階模型。另外使用將高階目標、控制變數、以及低階目標轉換的模糊趨近法，另考量直覺模糊概念結合，將原始模型轉換為低階為主之數學規劃模型。
        分析結果發現，資源化價值的提高，可使得處理業者利潤提升，並且收入與回收率息息相關，另外，回收獎勵金額與回收率成一正向關係，回收獎勵金提高可使得回收率明顯提升，進而減低環境汙染成本，並提升處理業者之利潤。可見本模型相較於基管會費率公式，更能提升回收率與整體社會福利之情況。而0-1變數變換雖然回收清除處理補貼費率較高，但回收獎勵金較低，因此回收率與處理業者利潤都比模糊與直覺模糊趨近法為低。以上分析結果可供環保署上進行費率制訂作業時參考。

This research applies bi-level programming to make a decision of the subsidy to recycling industries for waste printers in Taiwan. The upper-level decision unit is design for the social welfare system; the lower-level unit is modeled as the recycling industries. The different and conflict of these two objectives can be simulated by the bi-level programming model. This research solves the model through KKT conditions and 0-1 variable transformation, fuzzy approach and intuitionistic fuzzy approach, and compares the results of these approaches with current subsidy for obtaining a better managerial control.
        Recycling Fund Management Board (RFMB), Environment Protection Administration of ROC Government was founded being responsible for resource recycling. The RFMB levy the fee from responsible manufactures or importers, and give the recycling and treatment fee to the recycling industries. The recycling industries also give the incentives to the populace who come to recycle their wastes. The upper-level, it aims to increase the recycling rate, reduce the recycling and treatment fees of waste printers, and reduce the administrative cost. The goal of the lower-level is to increase their profits. For comparing the managerial control, this research applies KKT conditions and 0-1 variable transformation which are upper-level model; the fuzzy approach and intuitionistic fuzzy approach which is lower-level model.
        As a result, the profits of recycling industries arise when the resources value increase, and the profit are depending on the recycling rate. Besides, the correlation between the incentives and recycling rate are positive. Higher incentives get higher recycling rate, then the profit of recycling industries increased and the environment pollution can be reduced. Thus, this research can improve recycling rate and the circumstance of social welfare system. Lastly, 0-1 programming has larger value for the recycling and treatment fee, but the incentives are lower than fuzzy approach and intuitionistic fuzzy approach. It causes the lower recycling industries profit and recycling rate. The results can be an option for setting the subsidy on waste printers for RFMB.

目錄
第1章 緒論	1
1.1	研究背景與動機	1
1.2	研究目的	2
1.3	研究範圍	2
1.4     研究方法與限制	3
1.5   研究內容與流程架構	3
第2章 文獻回顧	5
2.1	逆物流	5
2.2	台灣資源回收發展	7
2.2.1	廢資訊物品回收處理現況	10
2.2.2	廢印表機回收	11
2.3	兩階層數學規劃	12
2.3.1二階層數學規劃問題求解方法	15
2.4	模糊數學規劃	17
2.4.1	直覺模糊數學規劃	20
2.5	小結	24
第3章 廢印表機回收費率制定模型建構	25
3.1	問題描述	25
3.2	基管會現行費率	26
3.3	印表機雙樣本平均數T檢定	28
3.4	印表機回收費率模型建構	28
3.4.1	高階目標函數－社會福利系統	30
3.4.2低階目標函數－處理業者	32
3.4.3模型限制式	32
3.4.4建立模型	33
3.4.5廢印表機資源回收問題兩階層數學規畫模型	41
3.5	KKT條件模型之建構	43
3.6	模糊趨近法模型建構	44
3.7	小結	49
第4章 模型求解之分析比較	50
4.1	建立0-1 變數變換模型	50
4.2	建立直覺模糊趨近法模型	52
4.3	模型求解	54
4.3.1 與現行費率之比較	54
4.4 參數分析	55
4.4.1 資源化價值	55
4.4.2 Ca參數分析	59
4.4.3 Cr參數分析	63
4.5 小結	66
第5章 結論與建議	67
5.1	結論	67
5.2	建議	68
參考文獻	69
中文部分	69
英文部分	72
網頁資料	75
附錄A    雙樣本平均數檢定	76
附錄B　計算回收清除處理總費用	77
附錄C　廢印表機回收處理成本整理	80
附錄D　推估回收處理總成本二次函數	81
附錄E    廢印表機回收問卷	83
附錄F　廢印表機問卷整理組距資料	84
附錄G   羅吉斯迴歸報表	85
附錄H   KKT條件之0-1程式Lingo碼	86
附錄I    模糊與直覺模糊Lingo碼	89

表目錄
表2-1應回收廢棄物項目表	10
表2-2 廢電子電器及廢資訊物品回收清除處理補貼費率	11
表2-3 模糊數學規劃模式整理	19
表3-1 環保署公告費率值	31
表3-2 高階三目標最佳值	31
表3-3 90~99年度各材質業者申報營業量統計表	34
表3-4印表機報廢機率	38
表3-5廢印表機衍生物組成及處理成效分析表	39
表3-6非營業基金使用情形	40
表3-7 本模型使用參數值表	42
表3-8 控制變數最佳解與最劣解數值表	47
表3-9 高低階最佳解與最劣解數值表	47
表4-1結果整理表	54
表4-2 0-1變數變換塑膠資源價值敏感度分析表	56
表4-3 模糊趨近法塑膠資源價值敏感度分析表	56
表4-4 直覺模糊趨近法塑膠資源價值敏感度分析表	57
表4-5 0-1變數變換鐵資源價值敏感度分析表	57
表4-6模糊趨近法鐵資源價值敏感度分析表	58
表4-7直覺模糊趨近法鐵資源價值敏感度分析表	58
表4-8 0-1變數變換Ca參數分析表	60
表4-9 模糊趨近法Ca參數分析表	61
表4-10 直覺模糊趨近法Ca參數分析表	62
表4-11 0-1變數變換Cr參數分析表	63
表4-12 模糊趨近法Cr參數分析表	64
表4-13 直覺模糊趨近法Cr參數分析表	65
表A-1 雙樣本平均數檢定報表	76
表B-1 點矩陣式印表機之應報廢量與徵收收入之推估	77
表B-2 噴墨式印表機之應報廢量與徵收收入之推估	78
表B-3 雷射式印表機之應報廢量與徵收收入之推估	79
表C-1 97年廢印表機回收處理成本	80
表D-1 二次迴歸計算過程	81
表D-2 二次迴歸式之參數矩陣運算	82
表F-1 廢印表機組距資料	84
表G-1 羅吉斯回歸報表	85
 
圖目錄
圖1-1 研究架構流程	4
圖2-1 逆物流流程圖	5
圖2-2 延伸型供應鏈示意圖	6
圖2-3 基管會四合一架構圖	8
圖2-4 國內現行資源回收管理體系運作方式	9
圖2-5 廢印表機拆解處理流程	12
圖2-6多階層規劃問題求解方法之分類	16
圖2-7 模糊隸屬函數圖形	18
圖2-8直覺模糊之模糊隸屬函數與非隸屬函數圖	20
圖3-1廢資訊物品回收處理流程	26
圖3-2 高低階目標關係圖	28
圖3-3 長期成本曲線	36
圖3-4 回收處理總成本	36
圖3-5 x1模糊隸屬函數圖形	45
圖3-6 f1模糊隸屬函數圖形	46
圖3-7 f1、f2模糊隸屬函數圖形	48
圖3-8 Ca、r模糊隸屬函數圖形	48
圖4-1 f1、f2隸屬函數與非隸屬函數圖形	52
圖4-2 Ca、r非隸屬函數圖形	53
圖4-3 0-1變數變換之Ca參數分析圖	60
圖4-4 模糊趨近法之Ca參數分析圖	61
圖4-5 直覺模糊趨近法法之Ca參數分析圖	62
圖4-6 0-1變數變換之Cr參數分析圖	63
圖4-7 模糊趨近法之Cr參數分析圖	64
圖4-8 直覺模糊趨近法之Cr參數分析圖	65

中文部分
1.	李松宏(2010)，以印表機為例談節能標章新推動產品之基準訂定，工業技術研究院綠  能與環境研究所。
2.	李坤陸（2002），我國與世界主要國家資源回收制度之比較研究，國立台北科技大學環境規劃與管理研究所碩士論文，未出版，台北市。
3.	李曉蘋(2002)，公營汽車客運業者面臨破產因應對策之研究，逢甲大學交通工程與管理學系碩士班論文，台中。
4.	吳仲賢（2008），應回收廢棄物稽核認證團體專案工作計畫(廢電子電器及廢資訊物品類)。行政院環境保護署97年度委託研究計畫，未出版。
5.	吳南明、張志誠與薛宏欣（2000），我國資源回收法制之演進與評估，環境工程會刊，11，29-37。
6.	林俊旭（2008），提升廢電子電器及廢資訊物品回收處理成效專案工作計畫。行政院環境保護署97年度委託研究計畫，未出版。
7.	施傑文 (2008)，運用直覺模糊群體決策方法於圖書館管理導入RFID之研究，長庚大學資訊管理學研究所碩士論文，未出版。
8.	郭育孟（2009），廢棄電子資訊物品逆物流回收之需求分析與預測研究－以台灣地區為例，淡江大學運輸管理學系運輸科學碩士班碩士論文，未出版，台北。
9.	郭進安（2000），廢一般容器回收清除處理費之收費對象與費率訂定之研究。碩士論文，國立清華大學經濟系，新竹。
10.	陳永仁，黃揮原（2003），廢棄物回收政策－台灣經驗，台灣衛誌，第二十二卷第四期，318-326。
11.	陳冠中（2005），公告應回收廢棄物再生市場調查分析與應用計畫。行政院環境保護署94年度委託研究計畫，未出版。
12.	陳慈陽（2006），配合廢棄物零廢棄政策檢討研修合併廢棄物清理法及資源回收再利用法計畫。行政院環境保護署97年度委託研究計畫，未出版。
13.	陳志恆(2010)，廢電子電器暨廢資訊物品類處理技術調查評估專案工作計畫，行政院環境保護署98年度委託研究計畫，未出版。
14.	黃柏翰(2009)，「兩階層非線性規劃費率制訂之研究－以台灣廢印表機回收機制為例」，淡江大學管理科學研究所，碩士論文。
15.	黃聖芬、陳亭羽(2009)，以直覺模糊集合平均運算衡量商店形象−以百貨公司為例。朝陽商管評論，第八卷第三、四期合刊，75 - 98。
16.	許家瑋(2009)，「台灣廢主機回收補貼費率制訂之研究－以基因演算法求解多階非線性規劃問題」，淡江大學管理科學研究所，碩士論文。
17.	張益欽（2005），模糊要素價格下要素配置問題之求解與其應用，南台科技大學工業管理研究所碩士班碩士論文，未出版，台南。
18.	張清溪、許嘉棟、劉鶯釧、吳聰敏（2004），「經濟學—理論與實務」上冊，五版。
19.	彭孟吟（2008），「兩階層數學規劃費率制訂之研究－以台灣玻璃容器資源回收機制為例」，淡江大學管理科學研究所，碩士論文。
20.	楊文正(2005)，廢棄物物流系統規劃之研究，國立成功大學工業管理研究所碩士班碩士論文，台南。
21.	溫麗琪（1999），廢資訊物品回收清除處理費費率訂定之研議。中華經濟研究院編印，未出版。
22.	溫麗琪（2005a），應回收廢棄物回收制度與費率架構檢討評估。行政院環境保護署93年度委託研究計畫，未出版。
23.	溫麗琪（2005b），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，第十七卷第三期(94/9)，491-520。
24.	溫麗琪（2006），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94年度委託研究計畫，未出版。
25.	溫麗琪（2007），應回收廢棄物回收清除處理成本調查分析及費率訂定計劃。行政院環境保護署95年度委託研究計畫，未出版。
26.	溫麗琪（2008），資源回收清除處理費率架構調整暨強化費率審議委員會運作計畫。行政院環境保護署97年度委託研究計畫，未出版。
27.	溫麗琪（2008），資源回收費率審議委員會議運作及回收清除處理費率架構檢討計畫。行政院環境保護署96年度委託研究計畫，未出版。
28.	溫麗琪（2008），廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃。行政院環境保護署97年度委託研究計畫，未出版。
29.	溫麗琪(2009)，「廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃」專案工作計畫，行政院環保署97年度委託計畫，未出版。
30.	廖慧凱(2006)，道路災害搶修與緊急物流配送問題之探討，國立中央大學土木工程學系碩士論文，桃園。
31.	鄭怡婷、陳亭羽(2009)，基於直覺模糊集合之平均運算拓展顧客滿意度界定方法，經營管理論叢，第五卷第一期，55 - 80。
32.	鄭力寬（2002），應用雙層次數學規劃於鐵路定價問題之研究，國立成功大交通管理學系碩士班碩士論文，未出版，台南。
33.	鄭兆祥（2003），運輸系統管理策略下最適運具配比之研究-二階規劃方法之應用，國立臺灣海洋大學河海工程學系碩士論文，未出版，基隆。
34.	廢棄物資源回收制度改進之研究(湯德宗研究主持)（1997）。台北市，行政院研究發展考核委員會編。
35.	蕭翰琦（2002），以類神經網路求解模糊多階層規劃問題，義守大學工業管理學系碩士班碩士論文，未出版，高雄。
36.	譚春橋，張強 (2006) ，模糊多屬性決策的直覺模糊集方法，模糊系統與數學，10，71-76。
37.	羅時芳 (2008)，公告應回收廢電子電器及廢資訊物品環境影響成本推估及相關準則研擬計畫。行政院環境保護署97年度委託研究計畫，未出版。
 
英文部分
1.	Atanassov, K. T. (1986). Intuitionistic Fuzzy Sets. Fuzzy Sets and Systems, 20, 87-96.
2.	Angelov, P. P. (1997). Optimization in an intuitionistic fuzzy environment. Fuzzy Sets and Systems, 86, 299-306.
3.	Angelov, P. P. (2001). Multi-objective Optimization in Air-Conditioning Systems: Comfort/Discomfort Definition by IF Sets. Notes on Intuitionistic Fuzzy Sets, 1, 10-21.
4.	Bard, J. F., Plummer J., and Claude J. (2000). A bilevel programming approach to determing tax credits for biofuel production. European Journal of Operational Research, 12, 30-46.
5.	Bard, J. F. (1983). Coordination of a multidivisional organization through two levels of management, Omega, 11, 457-468.
6.	Beamon, B.M. (1998). Supply chain design and analysis: models and methods. International Journal of Production Economics, 55(3), 281-294.
7.	Beamon, B. M. (1999). Designing the green supply chain. Logistics Information Management, 12(4), 332-342.
8.	Bialas, W. F., and Karwan, M. H. (1984). Two-Level Linear Programming. Management Scienc, 30(8), 1004.
9.	Candler, W., and Norton, R. (1977). Multilevel Programming. Tech. Rep. 20. World Bank Development Research Center, Washington D.C. 
10.	Cohen, M. (1988). Replace, rebuild or remanufacture. Equipment Management, 16(1), 22-26.
11.	Daniel, V. R., Jayaraman V., and Linton, J. D. (2003). Building contingency planning for closed-loop supply chains with product recovery. Journal of Operation Management, 21, 259-279.
12.	Dennis, K. W. and Sheub C. (2002). A model for reverse logistics entry by third-party providers. Omega, 30, 325 - 333. 
13.	Dhanda, K. K., and Peters, A. A. (2005). Reverse logistics in the computer industry. International Journal of Computer, Systems and Signals, 6, 2, 57-67.   
14.	Dowlatshahi, S. (2000). Developing a theory of reverse logistics. Interfaces, 30(3), 143-155.
15.	Dubois, D., and Prade H. (1980). Systems of linear fuzzy constraints. Fuzzy Sets and Systems, 3, 37-48.
16.	Fleishmann, M., Bloemhof-Ruwaard, J.M., Dekker, R., van der Laan, E., van Nunen, J. A. E. E., and Wassenhove, L. N. V. (1997). Quantitative models for reverse logistics: A review. European Joumal of Operational Research, 103, 1-17.
17.	Fortuny-Amat, J. and McCarl, B. (1981). A representation and economic interpretation of a two-level programming problem. J. Operational Research Society, 32(9), 783-792.
18.	Guide, D.V.R., Srivastava, R., and Spencer, M.S. (1997). An evaluation of capacity planning techniques in a remanufacturing environment. International Journal of Production Research, 35(1), 67-82.
19.	Iakovidis, D. K., Pelekis, N., Kotsifakos, E., and Kopanakis, I. (2008). Intuitionistic Fuzzy Clustering with Applications in Computer Vision. In: Proceedings of the 10th International Conference on Advanced Concepts for Intelligent Vision Systems, 764-774. 
20.	Inuiguchi, M. and Inuiguchi H. (1990). Relative modalities and their use in possibilistic linear programming, Fuzzy Sets and Systems, 35, 303-323.
21.	Inuiguchi, M., Sakawa M., and Kume Y. (1994). The usefulness of possibilistic programming in production planning problems. International Journal of Production Economic, 33, 45-52.
22.	Jana, B., and Roy, T. K. (2007). Multi-objective intuitionistic fuzzy linear programming and its application in transportation model. Notes on Intuitionistic Fuzzy Sets, 13, 1, 34 – 51.
23.	Khatibi, V., and Montazer, G. A. (2009). Intuitionistic Fuzzy Set vs. Fuzzy Set Application in Medical Pattern Recognition. Artifical Intelligence in Medicine, 47, 43 - 52.
24.	Krikke, H. R., Harten, A. V., and Schuur, P. C. (1999). Business case Roteb: recovery. Strategies for monitors. Computers & Industrial Engineering, 36, 739-757.
25.	Lamming, R., and Hampson, J. (1996). The environment as a supply chain issue. British Journal of Management, 7, 45-46.
26.	Lee, E. S. and Shih, H. S. (2001). Fuzzy and Multi-level Decision Making: An Interactive Computational Approach.  London: Spring-Verlag.
27.	Mukhopadhyay, S. K., and Setoputro R. (2005). Optimal return policy and modular design for build-to-order products. Journal of Operations Management, 23, 496-506. 
28.	Mohtadi, S. S. (2004). Bilevel programming and Recent Approaches.  Journal of Applied Mathematics Islamic Azad University Lahijan, Autumn 2004, 22-35.
29.	Nagurney, A. and Toyasaki, F. (2005). Reverse supply chain management and electronic waste recycling: A multitiered network equilibrium framework for E-cycling. Transportation Research E, 41, 1-28.
30.	Orlovsky, S. A. (1980). On formulation of a general fuzzy mathematical programming problem, Fuzzy Sets and Systems, 3, 311-321.
31.	Prahinski, C. and Kocabasoglu, C. (2006). Empirical research opportunities in reverse supply chains. Omega, 34, 519 – 532.
32.	Sarkis, J., Darnall, N.M., Nehman, G.I. and Priest, J.W. (1995). The role of supply chain management within the industrial ecosystem. IEEE International Symposium on Electronics and the Environment, 229-340.
33.	Shih, H. S., Lai, Y. and Lee, E. S. (1996). Fuzzy Approach for Multi-Level Programming Problems. Computer Operations Research, 23, 1, 73-91.
34.	Shih, H. S., Wen, U. P., Lee, E. S., Lan, K. M. and Hsiao, H. C. (2004). A Neural Network Approach to Multiobjective and Multilevel Programming Problems. Computers and Mathematics with Applications, 48, 95-108.
35.	Srivastava, S. K. (2007). Green supply-chain management: A state of the art literature review. International Journal of Management Reviews, 9, 1, 53-80.
36.	Stock, J. R. (2001). The 7 Deadly Sins of Reverse Logistics, Material Handling Management, 56, 3, 5-12.
37.	Tanaka, H., Okuda, T. and Asai K. (1974). On fuzzy mathematical programming, Journal of Cybernetics, 3, 37-46.
38.	Thierry, M., Salomon, M., Van, N. J., & Van, W. L. (1995). Strategic issues in product recovery management. California Management Review, 37, 2, 114-134.
39.	Wen, U.P., and Hsu, S. T. (1991). Linear Bi-level Programming Problems. Operational Research Society, 42, 2, 125-133.
40.	Zeleny, M. (1973), Compromise programming. In: Multiple Criteria Decision Making, eds: Cochrane J. L., and Zeleny, M. University of South Carolina Press, Columbia, South Carolina, 262-301.
41.	Zimmermann, H. J., (1978). Fuzzy programming and linear programming with several objective functions, Fuzzy Sets and Systems, 1, 45-55.
 
網頁資料
1.	Bellman, R., and Zadeh. L.A. (1970). Decision – making in a fuzzy environment. Retrieved from http://www.imamu.edu.sa/Data/abstract/management/Decision-Making%20In%20Fuzzy%20Environment.pdf
2.	Kalashnikov, V., Dempe, S., Pérez-Valdés, G., and Kalashnykova, N. (2011). Natural gas cash-out problem: solution with bilevel programming tools. The Clute Institute International Academic Conferences. Retrieved 2011-05-30, from http://www.cluteonline.com/conferences/index.php/IAC/2011NO/paper/view/338.
3.	Li, D. F., and Yang, J. B. (2003). A multiattribute decision making approach using intuitionistic fuzzy sets (University of Manchester Institute of Science and Technology). Retrieved from http://www.eusflat.org/publications/proceedings/EUSFLAT_2003/papers/10Li.pdf.