動的キャップ・アンド・トレードと在庫依存型グリーン需要下における循環型アルミリサイクル供給チェーンのための強化学習アプローチ

日本語

炭素排出量取引制度（キャップ・アンド・トレード）と、在庫水準に依存する環境志向需要の下で、アルミの循環リサイクル供給チェーンを最適化する強化学習モデルを提示する研究。排出価格の変動と需要の不確実性を同時に扱い、リサイクル調達・在庫・排出権取引の意思決定を統合的に最適化する点が貢献。AI手法を炭素制約下のサプライチェーン設計に適用した点で、GXとAIの交差領域に位置づけられる。

English

This study develops a reinforcement learning model to optimize a circular aluminium recycling supply chain under a dynamic carbon cap-and-trade scheme and stock-dependent green demand. It jointly handles volatile carbon prices and demand uncertainty, integrating recycling procurement, inventory, and emissions-trading decisions. The work sits at the AI × GX intersection, applying RL to carbon-constrained supply chain design.

日本のGX文脈において

日本ではSSBJ基準や有報でのScope3開示、GX-ETSの段階的導入が進み、炭素価格を織り込んだ調達・在庫最適化の需要が高まる。本論文は炭素制約下での循環調達と排出権取引を統合する枠組みを提示し、製造業のGX投資判断やサプライチェーン設計に示唆を与える。

In the global GX context

As carbon pricing expands through the EU ETS, CBAM, and emerging Asian compliance markets, firms face volatile carbon costs alongside circular-economy mandates. This paper offers a quantitative framework for jointly optimizing recycling, inventory, and emissions trading, contributing to the growing literature on carbon-constrained supply chain management relevant to ISSB/CSRD disclosure of transition risk.