Méthodes et modèles de prévision des DEEE
Plusieurs approches ont été développées pour estimer les quantités de certaines catégories d’équipement en fin de vie générés périodiquement. Selon Li, Yang, Lu et Song (2015), ces approches peuvent être classifiées en quatre méthodes: les analyses entrées-sorties, les séries chronologiques, les modèles de facteurs et les analyses liées à l’élimination.
Plusieurs auteurs font la différenciation entre les méthodes d’estimation et les séries chronologiques et considèrent ces dernières plutôt comme des modèles de prévision du marché.
Il faut noter que les méthodes d’ estimation ne sont pas exclusives. Une combinaison de méthodes peut être appliquée.
Les méthodes d’estimation des DEEE
Les méthodes les plus utilisées dans la littérature présentent trois grandes catégories : les analyses liées à l’élimination, les modèles factoriels et les analyses entrées-sorties.
Les analyses liées à l’élimination (disposai related analysis)
Les analyses liées à l’ élimination utilisent les données des déchets électroniques obtenus à partir des canaux de collecte, des installations de traitement et des sites d’élimination (Wang, Huisman, Stevels et Baldé, 2013). Cette méthode est rarement mentionnée pour estimer les quantités de DEEE éliminées (Li et al. , 2015).
Les quantités de déchets électroniques enregistrées au niveau des installations locales de récupération de déchets sont la source d’ information. Les enregistrements des recettvs de déchets électroniques dans toutes les installations locales de déchets sont une source d’information. Les données sur l’élimination des déchets électroniques peuvent également être obtenues au niveau des installations d’élimination finale (Chung, 2012).
Les résultats ont une faible cohérence au fil du temps, en raIson des changements dynamiques entre la mise au rebut et les canaux commerciaux (Magalini, Wang, Huisman, Kuehr, Baldé, Van Straalen et Akpulat, 2014).
Le gouvernement de la région administrative spéciale de Hong Kong a utilisé ce modèle afin d’estimer les déchets électroniques générés à travers la ville (Environnement Bureau, 2010).
Modèles de facteurs
Le modèle de facteurs intègre des variables socioéconomiques et autres variables explicatives. Ces variables explicatives comprennent la population, le niveau de revenu, la taille du ménage, le type de résidence, l’ âge, l’emploi et la consommation d’électricité (Li et al. , 2015).
Selon Wang et al. (2013), c’est la méthode la moins explorée à ce jour en raison d’effets anthropologiques complexes, d’une forte incertitude dans les modèles à long terme et de sa complexité en termes de modélisation.
Analyse entrées-sorties (input-output analysis)
C’est la méthode la plus utilisée jusqu’à présent. Elle comporte plusieurs variations de modèles multiples et elle est appliquée pour estimer la génération des déchets électroniques dans nombreuses études régionales et nationales. Ce modèle nécessite des informations ‘sur la durée de vie des produits.
Cette méthode comporte plusieurs approches telles que les méthodes « approvisionnement du marché » (market suppl y ), « consommation et utilisation » (consumption and use), « Time-Step » et « Carnegie Mellon » (Li et al., 2015).
Le tableau 2.2 résume les formules de quelques approches de cette méthode de prévision. Voici deux des méthodes les plus citées dans la littérature.
La méthode « Time-Step »
Avec ce modèle, le changement de stock au cours d’une période dans un système est égal à la différence entre les entrées totales (les ventes) et les sorties (les déchets).
Par conséquent, cette méthode implique deux types de données: les ventes de l’année d’évaluation et les données sur les stocks pour deux années consécutives. Cette méthode a un haut niveau de précision pour mesurer le changement dynamique de déchets uniquement lorsque des données sur les stocks et les ventes précises sont disponibles.
La méthode « Approvisionnement du marché»
Les trois approches les plus utilisées de cette méthode sont:
« Simple Delay»
Une version simplifiée de la méthode d’ approvisionnement du marché est la Bméthode du « Simple Delay» qui consiste à supposer qu’après une durée de vie fixe, les équipements sont éliminés, c’est-à-dire que la quantité de DEEE générée à un instant « t » est égale à la quantité d’EEE vendue au moment « t » moins la durée de vie. En d’ autres termes, la production de déchets électroniques au cours de l’année d’évaluation est considérée comme étant les ventes en une année historique avec un décalage qui correspond à la durée de vie.
« Distribution Delay»
La méthode du « Distribution Delay» consiste à assumer que la durée de vie suit une distribution statistique. La distribution de durée de vie est définie comme la fonction de densité de probabilité que les EEE qui sont entrés dans la phase d’utilisation à l’instant « t » deviennent obsolètes à l’instant « j ». Plusieurs auteurs ont mentionné que la distribution de durée de vie pour les équipements électroniques est mieux abordée avec la fonction de Weibull (Chancerel, 2010).
« Carnegie Mellon »
Au lieu d’utiliser la distribution continue de la durée de vie d’un produit, la méthode « Carnegie Mellon » applique une durée de vie moyenne discrète pour différentes étapes du cycle de vie (Steubing, Boni, SchIuep, Silva et Ludwig, 2010). Cette méthode alloue les ventes de produits par phases tel que la réutilisation, le stock domestique, le recyclage ou la mise en décharge et chaque phase a des retards de temps différents. Pour une estimation précise, elle exige une analyse complète du matériel, des flux et leurs retards représentatifs dans toutes les étapes du cycle de vie des produits.
Consommation et utilisation
Sur un marché saturé, les ventes de nouveaux produits et la répartition selon l’âge des appareils en stock ne changent plus d’une façon significative (Van der Voet, Kleijn, Ruele, Ishikawa et Verkuijlen, 2002).
Ce modèle calcule la génération de déchets électroniques en pourcentage fixe du stock total divisé par la durée de vie moyenne du produit. Selon Chancerel (2010), cette méthode consiste à diviser les stocks d’EEE dans les ménages et les entreprises par la durée de vie moyenne. Les stocks sont déterminés en multipliant les taux de pénétration dans les ménages (entreprises) par le nombre de ménages (entreprises).
Les taux de pénétration sont définis comme le nombre moyen d’appareils par habitant ou par ménage.
Critères de sélection des méthodes d’estimation
Les deux critères les plus importants pour le choix de la méthode d’estimation sont la disponibilité des données et l’état du marché.
Disponibilité des données
La première contrainte à l’ application de ces méthodes que les auteurs ont signalée est la disponibilité des données. Ces variables deviennent un critère essentiel pour le choix de la méthode.
Le tableau 2.1 résume les données requises pour chaque modèle. L’ applicabilité de ces méthodes dépend, par la suite, de deux éléments: la disponibilité de ces données et la situation du marché.
Condition du marché : saturé/dynamique
Le deuxième critère de choix de la méthode d’ estimation est la condition du marché. Selon Chancerel (2010), la sélection de la méthode la plus adéquate dépend essentiellement de la situation du marché de chaque équipement, c ‘ est-à-dire si le marché est saturé ou dynamique.
Araujo, Magrini, Mahler et Bilitewski (2012) et Ikhlayel (2016) ont estimé les déchets électriques et électroniques respectivement au Brésil et en Jordanie avec différentes méthodes pour les marchés saturés et non saturés. Les deux ont considéré que le marché saturé contient généralement les équipements électriques tels que les réfrigérateurs, les laveuses et les climatiseurs. Alors que le marché dynamique contient les TIC tels que les cellulaires et les PC.
Pour les marchés complétement saturés (le cas des réfrigérateurs, des laveuses et des TV), la méthode « consommation et utilisation » peut être utilisée. Pour les marchés non saturés (le cas des cellulaires et des ordinateurs), cette méthode ne peut pas être précise et cause une sous-estimation des quantités générées.
Selon Ikhlayel (2016), la méthode « Simple Delay » aussi ne peut être efficace dans le cas des marchés en forte croissance. Dans ce cas, la sélection de la méthode « Distribution Delay » ou « Time Step » est efficace.
Le tableau 2.2 présente les formules mathématiques des modèles les plus utilisés dans la littérature. Leur applicabilité dans les marchés saturés et dynamiques sont tirées des travaux de Chancerel (2010) et Ikhlayel (2016).
|
Table des matières
REMERCIEMENTS
RÉslJMÉ
LISTE DES TABLEAUX
LISTE DES FIGURES
LISTE DES ACRONYMES
INTRODUCTION GÉNÉRALE
CHAPITRE 1 – CONTEXTE ET OBJECTIF DE LA RECHERCHE
1.1 Contexte de la recherche
1.1.1 DEEE au monde et au Canada
1.1.2 La logistique inverse
1.1.3 Gestion de fin de vie d’un équipement
1.1.4 Importance de prévision dans la logistique inverse
1.1.5 Valorisation et recyclage des équipements électroniques en fin de vie
1.2 Problématique
1.3 Questions de recherche
1.4 Objectifs
1.4.1 Objectif principal
1.4.2 Objectifs secondaires
CHAPITRE 2 – REVUE DE LA LITTÉRATURE
2.1 Méthodes et modèles de prévision des DEEE
2.1.1 Les méthodes d’estimation des DEEE
2.1.2 Modèles de prévision: séries chronologiques (time series model)
2.1.3 Combinaison des méthodes d’ estimation et modèles de prévision utilisés dans les articles récents
2.1.4 Matrice de revue de la littérature
2.2 Durée de vie d’un équipement
2.2.1 Fiabilité et taux de pannes
2.2.2 Obsolescence technologique
2.2.3 Combinaison mortalité et obsolescence technologique
2.3 Les méthodes d’estimation, les modèles de prévision et la durée de vie selon le marché étudié
CHAPITRE 3 – MÉTHODOLOGIE DE RECHERCHE
3.1 Choix des méthodes d’ estimation des DEEE pour l’industrie des TIC
3.2 Modèle d’estimation proposé
3.3 Estimation de la durée de vie
3.3.1 Modélisation de la fiabilité
3.3.2 Critères de choix de la distribution la plus adéquate
3.4 Intégration de l’ obsolescence technologique
3.5 Modèle de prévision
3.5.1 Modèle logistique
3.5.2 Modèle de Gompertz
3.5.3 Modèle ARIMA : méthode de Box & Jenkins
3.5.4 Critères de choix
3.6 Application du modèle proposé
CHAPITRE 4 – DÉVELOPPEMENT D’UN MODÈLE D’ESTIMATION ET DE PRÉVISION DES ÉQUIPEMENTS EN FIN DE VIE POUR LE MARCHÉ DE TÉLÉCOMMUNICATION
4.1 Introduction
4.2 Méthode « Distribution Delay »
4.3 Durée de vie de l’équipement
4.3.1 Concept de la durée de vie
4.3.2 Fiabilité et pénétration technologique
4.3.3 Intégration de l’obsolescence technologique future
4.4 Modèle de prévision des ventes
4.4.1 Modèle logistique
4.4.2 Modèle de Gompertz
4.4.3 Modèle Box et Jenkins / ARIMA
4.5 Estimation des quantités de métaux inclus dans les équipements en fin de vie
4.6 Perspectives: probabilité des retours
4.7 Conclusion
CHAPITRE 5 – CAS DU MARCHÉ NORD-AMÉRICAIN: TÉLÉPHONES INTELLIGENTS
5.1 Collecte des données de ventes des cellulaires
5.1.1 Sources des données
5.1.2 Estimations des données manquantes
5.2 Modèle de prévision
5.2.1 Logistique
5.2.2 Gompertz
5.2.3 Modèle ARIMA
5.2.4 Sélection du modèle de prévision
5.2.5 Application du modèle de prévision sélectionné
5.3 Estimation durée de vie
5.3.1 Collecte des données
5.3.2 Maximisation de la fonction de vraisemblance
5.3 .3 Choix de la distribution
5.4 Intégration de l’ effet de l’obsolescence technologique dans la durée de vie
5.5 Estimation des quantités de téléphones intelligents générés d’ ici 2022
5.5.1 Sénario 1 : prévision sans intégration du coefficient de l’obsolescence
5.5.2 Scénario 2 : prévision avec intégration du coefficient de l’ obsolescence
5.6 Potentiel des métaux récupérables par recyclage
CONCLUSION GÉNÉRALE
RÉFÉRENCES
ANNEXE 1
ANNEXE 2
ANNEXE 3
Télécharger le rapport complet