在設計完五種實驗以後，本研究利用 Lingo 軟體來將我們在第三章所建立的 數學模式程式化，接著將前面所蒐集的數據以及上一小節所提到的五種不同的不 確定參數帶入進行模擬計算，一開始我們先求出五種實驗的最佳回收處理分配與 最佳利潤，數據整理後如下表 23:
43
表 23: 最佳分配比例
從表 23 中，我們可以看到各品質ｋ的回收品分配到再製造加工廠的分配比 例，由於本研究最終目的在於了解各個品質的回收品如何分配到不同的再製造方 式，可以得到最佳利潤，因此在表 24 把從 k1 到 k3 三個品質的分配比例都列出 來，各個品質分類比例的加總都會等於 1，這也是本研究最重要的決策變數，從 表 24 中可以發現對於高品質回收品(k1)不論在任何實驗都是最適合分配到 i1 也就是翻新加工的部分，主要的原因在於針對單一回收品，使用翻修的加工方式 直接產出二手品去販賣，所能販售的價格為最高的，高品質的手機回收回來以後，
本身其實都還很完整，因此加工成本不需太高，在決策上就會將他分配到加工出 來價值最高的再製造加工廠裡，然而回收品品質好壞對於翻修這種加工方式的加 工成本影響相對較大，因此我們可以看到在低品質回收品(k3)在五項實驗中，都 沒有分配到加工廠 i1，在中品質回收品(k2)的部分，五個實驗分配的結果差不 多，都是分到 i2 與 i3 大約 7:3 的比例，低品質回收品(k3)在實驗 1、3、4 中都 會分配 55%以上的比例到 i3 再製造工廠，主要原因在於 i3 加工廠的加工成本，
隨著回收品品質的降低而增加的比例相較另外兩種加工方式較少，因此在低品質 回收品大部分會分到再製造加工廠 i3，然而在實驗 2 與實驗 4 因為受到拆解數 量不確定性增加的影響，因此分配到 i2 的部分較為增加。
44
而在利潤的部分，由於各個實驗在不確定參數上的不同，本身利潤就會有影 響，因此單一看利潤這項數據比較無法比較，我們將在下一段配合隨機規劃的ㄧ 個重要指標 EVPI(Expected value of perfect information)進行比較，首先先簡單介 紹ㄧ下 EVPI 的概念。當我們能夠完全知道未來所發生的情況的話，即沒有不確 定性的存在，那麼對於每一個情況我們皆可以用確定性模式提供最佳解，長期而 言預期的最佳利潤就為各個情境使用最佳分配方式，然後在乘上發生的機率，這 種結果我們稱為 WS(Wait-and-see model's objective)，而 EVPI 就是我們利用隨機 規劃求出的解與 WS 解之間的差距，這差距越小則表示隨機規劃所算出來的結果 越準確。在本研究中我們也針對這幾項數據做了計算與分析比較，目的在於了解 各個不確定性參數對於隨機規劃的結果會有什麼影響，整理的數據如下表：
表 24: EVPI
在表中我們可以看到各個實驗在 EVPI 上的差距，實驗 2 我們將實驗 1 中三 個不確定參數都進行調整，而實驗 3、4、5 是各調整ㄧ項參數如 4.3 所提到的，
因此在這邊本研究將對實驗 1 與 2 進行比較，實驗 3、4、5 進行比較。
在實驗 1 與 2 中我們增加了三個隨機變數高、低水準的落差，從實驗數據中 看到當不確定性增加時，EVPI 值也會跟著提升，主要原因在於隨機規劃必須滿 足所有的情境的限制式，且是求出一個綜合所有情境下的最佳解，因此在各個情
45