供应室与临床的协调

供应室与临床的协调（共12篇）

供应室与临床的协调 篇1

一、引言

在供应链管理中, 对由供应商、制造商、分销商、零售商、顾客等组成的网络中的物流、信息流、资金流进行管理是一项比较艰巨的任务。面对着这个错综复杂的系统, 供应链在空间、时间等方面变得越来越难以协调。如何协调供应链节点企业之间的关系, 促使供应链整体利益的提升, 实现利润共享、风险共担, 这已成为供应链管理领域一个重要的研究命题。供应链协同管理作为一种有效地解决方案正越来越受到学者们的关注。

二、供应链管理的核心思想与运营机制

1. 供应链管理的核心思想。

供应链管理作为一种全新的管理思想, 强调通过供应链各节点企业间的合作和协调, 建立战略伙伴关系, 将企业内部的供应链和企业外部的供应链有机地集成起来进行管理, 达到全局动态最优目标, 最终实现“双赢”或“多赢”的目的。供应链管理强调三个思想:“合作”、“双赢”、“集成”, 这三个思想贯穿供应链管理。

2. 供应链管理运营机制。

供应链管理运作的表象是物流、信息流、资金流, 但是供应链的成长过程实质包含两个方面的含义:一是通过产品 (技术、服务) 的扩散机制来满足社会的需要;同时, 通过市场的竞争机制来发展壮大企业的实力。因此, 供应链管理实际是一种基于“竞争-合作-协调”机制的、以分布式企业集成和分布式作业协调保证的新的企业运作模式。供应链管理实际是就是通过合作机制 (Cooperation Mechanism) 、决策机制 (Decision Mechanism) 、激励机制 (Encourage Mechanism) 、自律反馈机制 (Benchmarking) 来实现最终目标, 达到社会目标、经济目标和环境目标的合一。

三、供应链协调的基本概念与类型

1. 供应链协调的基本概念。

供应链管理的核心思想表现为“合作、双赢、集成”思想, 这就要求供应链上各节点企业之间建立一种相互协作的关系, 从而使供应链整体的收益得到改善。然而, 传统的供应链中的各企业是各自独立运转的, 这些组织有其各自的目标, 很明显, 需要建立一种协调机制把不同的企业集成起来。

供应链协调就是通过一系列的管理方法和管理手段来加强供应链节点企业之间的沟通与合作, 建立行之有效的利益共享和风险共担机制, 实现由传统的“赢/损”型企业合作关系向双赢型合作关系的转变, 促使每个企业个体决策的结果接近系统最优的水平。

2. 供应链协调的类型。

从现有的国内外有关的文献来看, 供应链节点企业间的协调类型很多, 从不同的角度出发有不同的分类, 概括起来主要有如下几种:

⑴根据协调的职能不同可以分为:生产-供应协调、生产-销售协调和库存-销售协调。

⑵根据协调的方式, 可分为信息协调和非信息协调。信息协调是指整个供应链对内外部信息的掌握以指导供应关系, 只有企业之间获得了有效的信息共享与信息的同步化, 才能实现运作的同步化。非信息协调主要是完善整个供应链的一些实物供应条件, 如地理位置、运输、仓储等。

⑶根据协调的对象可划分为两类:横向协调和纵向协调。所谓横向协调是指对供应链同一层次上的不同企业进行协调, 如对一级供应商企业之间的协调。纵向协调是对供应链不同层次上的企业进行协调, 如对供应商和制造商或制造商和销售商之间的协调。

⑷根据协调的范围不同可分为:内部协调和外部协调。内部协调主要是指各个企业内部的相关决策、信息、运作等方面协调。外部协调是指供应链企业与企业之间的协调。在供应链的整体运作过程中, 一方面, 为了达到供应链的同步化运作, 供应链企业之间需要进行一定的协调, 同时, 为了满足供应链整体运作的要求, 供应链企业内部也必须进行协调, 从而使之符合供应链企业间的协调标准。

四、影响供应链协调的因素分析与协调策略

供应链协调是以信息的自由交流、知识创新成果的共享、相互信任、协同决策、无缝连接的生产流程和共同的战略目标为基础。从供应链协调的定义可知, 供应链不协调的瓶颈, 即有哪些因素使供应链配合不够好, 从而导致物流、信息流、资金流不畅。企业实现供应链协调的关键是企业内部供应链和外部供应商及客户的协同, 这也是供应链协调管理的精髓所在。因此, 影响供应链协调的因素分为两种“牛鞭效应” (bull-whip effect) 和“双重边际化” (double marginalization) 问题。

需求的变动如客户需求的多样性、不确定性、需求量波动大等外部环境的变化是整个供应链需求波动的源泉, 这要求要有相应的信息传递系统来使各成员准确及时的知道这些信息, 同时精细安排自己的流程以及和供应链成员企业紧密合作以应对各种变动, 否则就会产生发生“牛鞭效应”, 出现各种使供应链不协调的问题, 如库存过多来缓冲需求波动、出现产品滞销;供应链内部的冲突表现在, 各供应链成员由于有各自的利益, 每个成员都想使自己的利益最大化, 供应链成员的边际效益和供应链总体的边际效益不一致, 即为通常所说的“双重边际化”问题, 这就使得各成员作用的“合力”小于集中控制时供应链的总体利润, 出现供应链不协调。因为牛鞭效应是由需求变动引起的, 所以本文分别从外部需求变动和供应链成员目标不一致的角度来分析影响供应链不协调的因素。

1. 由需求变动引起的影响供应链协调的因素分析。

(1) 由需求不确定引起存货和提前期增多。需求市场的变动带动整个供应链体系的变动, 从源头的设计、采购到制造企业的规划、配送及需求端的配销预测都受到很大的挑战。客户对产品的样式、种类、功能等性能的要求越来越高, 使得产品的生命周期越来越短, 这就使得企业必须预测准确, 控制好整条供应链上的库存, 以免造成产品积压, 使整条供应链效益下降。

“牛鞭效应”是把供应链看作一条鞭子, 需求端在鞭柄, 供应端在鞭梢, 当需求有些许的变动时, 鞭梢就会产生巨幅的波动。在供应链里的牛鞭效应是说, 为了满足客户需求变动, 每一级供应链节点都准备出比上一级需求更多的库存来应变, 而距离真实的消费者需求量越来越大, 每一级节点的库存都会很多, 造成供应链中无用库存增多, 而非真正需求。如果消费需求突然变少, 整条供应链的库存都将无法流动, 就会造成占用资金、产品贬值等损失。所以消费者需求很难预测、不断变动、大规模的客制化定制使得更加加剧了牛鞭效应, 使得供应链上每一级库存量更多, 生产、交货的提前期更大。

(2) 由需求不确定引起的生产企业内部的协调问题。因为需求的不确定性, 会引起生产企业内部预测决策困难、产销协调困难、生产排程困难等问题。由于用户需求越来越趋向大规模的客制化, 产品的组合就会越来越多。这种情况下, 根本无法对成品型号进行预测, 即便对半成品预测, 面对吃紧和采购期长的关键物料, 必须提前采购, 但同时跌价极快, 一旦预测不准, 就会造成库存跌价的损失。同时不断变动的交期、数量、规格也会使早已安排好的生产计划重新调整, 整个生产排程都要改变, 对制造端来说是个很大的挑战。一旦客户需求无法满足, 由于市场竞争的激烈, 可替代选择增多, 极有可能流失客户。快速变动的需求会导致生产陷入混乱, 现行状况都很难掌握的情况下, 很难做出未来的仿真决策来确定未来战略。生产计划排定非常耗时, 所以生产部门希望一旦拟定生产排程就不要有变动, 业务部门希望用各种弹性化的方法争取客户, 当然会满足客户不断变动的需求。业务的追求多变和生产的寻求稳定使得它们的协调很困难。客户需求的不断变动, 生产排程一定要随之变动。面对每一次变动, 都要调整主生产计划, 再执行, 物料需求计划, 非常浪费时间, 如果每一次变动都按此流程调整一遍, 根本没有时间去完成实际的生产了。

(3) 由需求不确定引起的供应链企业间的配合障碍。供应商交货期难以控制, 由于你可能不是这个供应商的重点客户, 当供应商资源紧缺时, 你的利益可能被牺牲掉, 不能及时得到原材料。所以一般的做法就是采购提前和增加库存, 来应付意外。总的来说, 需求的变动会引起预测的困难、交货期提前、拖后, 从而引起生产排程困难、存货过多、成本过高等问题。

总结以上由需求变动引起的供应链协调问题, 我们可以分析出影响供应链协调的因素如下:客户善变引起的交货时间、数量、价格、甚至规格的不确定;毁约;存货过多引起的占用资金;产品的生命周期越来越短引起的产品贬值等。

2. 由供应链成员目标不一致引起的影响供应链协调的因素分析。

由供应链各成员利益不同引起的问题被称为“双重边际化”问题。所谓双重边际化指的是, 供应链上、下游企业为了谋求各自收益最大化, 在独立决策的过程中确定的产品价格会高于其生产边际成本, 如果下游企业定价过高, 必然会造成市场需求的萎缩, 带来供应链总体收益下降。因为集中控制时和分散控制时供应链成员的边际利润不一致, 所以叫做双重边际化。

供应链成员目标不一致引起的供应链管理难点就是每个供应链节点企业有自己各自的利益。如果供应链不同阶段属于不同的所有者, 则不同阶段的目标有可能发生冲突。因此每个阶段都努力追求自身利益的最大化。如果这样就会导致失调, 从而使整体供应链绩效降低。在这里, 需要解决的是采购、库存、生产、运输和分销之间的协调, 因为每个阶段的最优化目的都有可能相冲突。比如, 管理者希望通过过量采购或超前采购而从制造商获得数量折扣, 但是这种采购却引起库存的增加;而对于运输与分销环节, 供应商总希望通过运输的规模经济来降低运输成本, 但由此却引起了库存成本的上升和顾客服务水平的下降。但是如果各个阶段在最优化自身的计划时, 并未与其他阶段进行必要协商, 则供应链会失调。

3. 供应链协调策略。

(1) 使激励与目标保持一致。设置良好的激励并使其与目标保持一致, 可以通过两种途径来实现:其一, 根据契约理论与博弈论来构建一个恰当的契约或博弈机制, 即是本文所讨论的契约问题。这个契约既应能保证供应链的运营最优, 又能保证供需双方的自身利益方向一致, 使供需双方都没有偏离供应链最优轨迹的意图。其二, 在契约里难以涉及 (某些条款达成成本过高) 或难以操作, 或难以处理的意外事件时, 按某种“默契”或行动准则等进行运营, 从而使供应链整体最优。

(2) 提高信息精确度和信息共享程度。供应链管理者可以通过提高供应链各阶段可获得的信息的精确度以及信息共享来实现供应链协调, 在这方面除了建立信息共享的硬件环境外, 在管理途径方面主要表现在库存管理上, 主要有直销模式、连续补货管理模式和供应商管理库存模式。

(3) 改善供应链运营绩效。供应链管理者可以通过改善供应链运营绩效或设计产品短缺情况下合适的产品分配方案, 来抑制牛鞭效应。这种管理途径可以通过如下管理方式来实现:缩短补货提前期, 根据我们前面对需求不确定性的讨论可知, 补货提前期的缩短有利于降低需求不确定性, 从而降低牛鞭效应。减小订货批量, 即供应链管理者可以通过在供应链中减小订货批量的方法减小在供应链上任何一对阶段之间累积起来的订货量的波动程度, 从而抑制供应链内存在的牛鞭效应。基于销售历史记录进行分配, 限制投机, 便是如何设计一套产品短缺情况下的分配方案, 使得零售商或批发商不会在产品短缺情况下人为地夸大其订货量, 从而抑制了牛鞭效应。

(4) 制定能稳定订货量的定价策略。如果制造商能制定出鼓励零售商小批量进货并减少预购的定价策略, 那么供应链中的牛鞭效应也可以得到抑制。这种定价策略包括:价格折扣从基于单次定购量向基于累计定购量转变、平稳价格定价策略。数量折扣从基于单次订购转为总量折扣, 在以批量为基础的数量折扣策略下, 零售商通过扩大其批量规模, 以充分利用折扣的优惠;而以累积订购量-总量为基础的数量折扣消除了零售商扩大批量规模订货的动机, 导致小批量订货, 从而降低了供应链订单的变异程度。平稳价格定价策略, 供应链管理者还可以通过减少促销活动并奉行“天天低价定价法”来抑制牛鞭效应。供应链内促销的减少, 可减少零售商的超前采购, 从而使订货量与需求趋于一致。若制造商出于实现营销目标之目的, 必须进行促销活动, 那么还可以采用一种变通的做法, 即限购。限购应当针对具体的零售商限定可以订购的产品数量, 并将之与各零售商的销售历史记录相联系。

五、结束语

以上供应链协调策略能使供应链各成员的预测信息更接近实际需求信息, 从而抑制牛鞭效应;供应链各成员的决策激励平衡, 使得个体理性 (优化) 行为与供应链整体优化决策相一致。

四种协调途径, 在技术层面上实施起来并不困难, 当然, 其中某些途径可能对某些供应链未必合适, 因为上述的管理途径都必须建立于一种供应链内部的相关关系基础上, 这种关系基础就是战略性的合作伙伴与诚信关系, 只有这种关系基础存在, 才能保证上述管理途径的真正有效。

参考文献

[1].马士华, 林勇, 陈志祥.供应链管理[M].北京:机械工业出版社, 2000

[2].崔献霞.基于竞争合作关系的供应链协调机制研究[J].西安:西安理工大学, 2005

供应室与临床的协调 篇2

1、加强与临床各科室的沟通与协调,增强质量意识和服务意识,规范服务行为

2、满足各临床科室的供应物品数量,质量的需求,每月定时发放意见征求表,对提出的意见,建议及时讨论分析,制定改进措施并专人跟踪.3、有计划地申报物资采购计划,急需物品与物资管理部门联系,妥善解决.4、做好设备,器材的保养和维修记录.随时与设备维修部门保持联系.5、定期向上级部门汇报工作情况.富裕县妇幼保健院

消毒供应中心仪器保养维修制度

1、各类仪器应设专人操作和维护.工作人员未经科室管理人员同意不得私自换岗.2、所有机器操作人员必须经技术培训及考试合格后方能上机使用.3、仪器操作人员应严格按操作规程做好日常工作维修与保养.发现异常时上报管理者,严禁擅自动机拆修.4.每月管理小组与仪器操作责任人对各类机器进行自查一次.5.对贵重,大型仪器如高压蒸汽灭菌器,低温灭菌器,半自动及全自动清洗装置等,应每半年申报设备维修科进行检修一次.6.建立仪器维修保养登记记录,并妥善保管以备查证.富裕县妇幼保健院

消毒供应中心监测制度

1.认真遵守各项监测技术操作流程,以实事求是的科学态度对待工作.2.负责灭菌器消毒灭菌效果监测.每日对灭菌锅进行空锅B-D试验.监测员每天随机抽查灭菌包化学指示胶带变色情况及工艺监测记录结果.每周进行生物检测一次以确定其无菌效果.环氧乙烷灭菌器应每批次进行生物监测.植入物应每锅进行生物监测.3.每月对检查包装区,无菌物品存放区进行空气监测.4.对使用中的消毒液,清洗液浓度实行不定时监测,每天至少一次.5.对一次性使用的无菌空针.输液器.分装袋等,每一批号的进货应要求厂家提供相应的物理检测.热源检测及细菌检测报告.6.对各病房出现的一次性使用无菌物品的质量问题,应配合科室查找原因并向相关部门汇报,同时做好登记记录.7.对使用的各类洗涤用水每月应进行相应规定项目的检测,去离子水电导 每日检测.8.各种检测结果认真登记,妥善保管.发现问题采取措施,立即改进,以保证质量.富裕县妇幼保健院

消毒供应中心质量追溯制度

1建立质量控制过程记录与追踪制度记录应易于识别和追踪.灭菌质量记录保留期限应大于等于3年.2每天记录清洗.消毒.灭菌设备的运行情况和运行参数

3每天记录灭菌的信息.灭菌日期.灭菌器锅号.锅次.装载的主要物品.数量.灭菌员等.4记录灭菌质量检测结果,妥善存档.5手术包外的信息卡应包括灭菌日期.灭菌器锅号.锅次.操作者与核对者的姓名或编号.灭菌包的名称或代号.失效日期.6临床任何质量反馈均有全程(包括处理结果)记录,并妥善存档.富裕县妇幼保健院

消毒供应中心一般工作制度

1、工作人员必须熟悉各类器械与物品的性能.用途.清洗.消毒.保养包装和灭菌方法,严格执行各类物品的处理流程,保证各类各类器材物品完整.性能良好.2、各区人员相对固定,以严肃认真的态度遵守标准防护原则,认真执行规章制度和技术操作流程,有效防范工作缺陷和安全事故的发生.3、分工明确,相互协作,共同完成各项任务,做好相关统计工作.4、爱护科室环境和财物,勤俭节约,严格按照器械.物品破损报废规定处理流程处理破损报废物品.5、严格控制人员出入,非本中心人员未经许可不得随意进入工作区域;各区人员不得随意相互跨区

6、树立职业防护意识,做好个人防护,确保职业安全.7、加强与服务对象的沟通,定期收集意见.建议;不断改进工作.富裕县妇幼保健院

消毒供应中心质量管理制度

1、在护士长领导下,成立3人以上的质量管理小组,设专职或兼职的质量检测员,职责明确,责任到人.每月至少召开一次质量控制管理小组会议.2、建立健全各项质量管理制度.制定各项质量控制标准及具体的质量控制措施和改进方案.3、加强质量管理,每天专人按照质量控制标准开展质量监控,对各环节.各流程工作质量进行定期或不定期专项或全面检查.4、定期分析.通报和讲评质量检查结果,发现问题及时制定整改措施,以促进质量持续改进、富裕县妇幼保健院

消毒供应中心去污区工作制度

1、严格遵守消毒隔离制度

2、穿戴防护用品,不得随意到其他区域走动,落实职业防护措施

3、做好回收器械的清点.核对.登记.交接工作.4、严格按物品种类分类.认真执行器械.物品清洗操作流程.5、盛装清洗后物品的容器及传递车辆应必须专用,严禁与污染容器及车辆混装;该区车辆.分装箱等用物必须专用,不得随意出入该区.6、工作结束后做好记录.整理.消毒.交接工作.7、离开此区应洗手.更衣.换鞋;下班前做好安全检查.富裕县妇幼保健院

消毒供应中心检查包装及灭菌区工作制度

1、工作人员进入检查包装及灭菌区应洗手.更衣.戴帽.着装,必要时戴口罩.2、工作人员严格执行器械.物品检查与包装灭菌操作流程,认真落实查对制度,确保工作准确无误.3、库管人员根据敷料使用情况,合理准备储存量,保证供应,避免浪费.4、敷料室和手套室供制作各类敷料和手套,非操作人员不得入内.5、严禁一切与工作无关的物品进入该区;该区使用车辆不得随意出入,必须进入者需进行处理后方能进入该区;保持该区清洁干净.6、消毒灭菌员需要经过专门培训,持证上岗,认真履行岗位职责.7、工作结束后,做好登记.环境整理和安全检查.8、其他则按照消毒供应中心一般工作制度执行.富裕县妇幼保健院

消毒供应中心无菌物品存放区工作制度

1、无菌物品存放区工作人员相对固定,由专人管理,其他无关人员不得入内.2、工作人员进入该区,必须换鞋.戴帽.着专用服装,必要时戴口罩,注意手的卫生.3、认真执行灭菌物品卸载.存放的操作流程,增强无菌观念.4、灭菌物品存放的有效期:(1)使用棉布类包装的灭菌包, 有效期为14天;未达到<医院消毒供应中心管理规范>规定的环境温度.湿度标准,其有效期应为7天.(2)使用纸包装袋的灭菌包有效期为1个月.(3)使用一次性医用皱纹包装纸.医用无纺布包装的灭菌包有效期为6个月.(4)使用一次性纸塑袋包装的灭菌包有效期为6个月.(5)具有密封性能的硬质容器, 有效期为6个月(遵循先进先出原则).5、该区专放已灭菌的物品,严禁一切未灭菌的物品进入该区.6、凡发出的灭菌包,即使未使用过,一律不得再放回该区.7、各类常规物品和抢救物品应保持一定基数.认真清点.及时补充,保证灭菌物品的质量和数量,保证随时供应.8、从库房领取的一次性无菌物品均需先拆除外包装后方可进入该区.9、保持环境的清洁整齐,做好环境消毒和登记

10、其他按消毒供应中心一般工作制度执行.富裕县妇幼保健院

消毒供应中心办公区工作制度

1、工作时间更衣换鞋,着装整洁.2、更衣室仅限工作人员更衣, 更衣柜内按要求存放衣服及洗涤用品.浴室供本室人员使用,非本室人员一律禁止使用.3、休息室供交班.中心议事.观看电视晨会.接待外事人员.处理工作中业务,应随时保持室内整洁..4、消毒供应中心工作区域内禁止吸烟.5、其他按消毒供应中心一般工作制度执行

富裕县妇幼保健院

消毒供应中心下收下送工作制度

1、满足临床物资需要,及时供应各类诊疗物品.2、工作人员着装整洁,配戴胸牌,态度热情,文明用语.3、遵守消毒隔离制度,认真执行下收下送的各项操作流程.灭菌物品与污染物品分别使用专用车辆.蓝筐,特别污染物品应装入防污染扩散的装置内,并标明感染类别。

4、坚持查对制度,严格交接,认真登记,做到帐物相符.5、下收下送工作结束,车辆分别进行清洗消毒处理,分区固定放置.富裕县妇幼保健院

消毒供应中心一次性使用无菌医疗用品管理制度

1、一次性使用的无菌医疗用品必须由医院统一采购,使用科室不得自行购入, 消毒供应中心应设专人管理.2、接收一次性使用无菌医疗用品时,必须验证是否具备省级以上卫生或药监部门颁发的<医疗器械生产企业许可证>.<工业产品生产许可证>.<医疗器械产品注册证>.<医疗器械经营企业许可证>等,进口产品还要有国务院(卫生部)监督管理部门颁发的<医疗器械产品注册证>.3、接收一次性使用无菌医疗用品时,认真检查每批产品外包装是否严密.清洁.有无破损.污债.霉变.潮湿;检查每箱产品的检验合格证.灭菌标示和失效期, 检查后建帐登记.每批产品需由生产厂家提供质量检测报告并加盖生产厂家红色公章.4、要求有计划申购,不可积压太多太久,储存于专用库房内,放置在距地面大于等于20cm.距墙壁5 cm.距天花板50 cm的货架上.室内保持洁净.阴凉.干燥.通风.每日空气消毒器消毒一次.5、建立质量登记本.使用过程中发生不良事件时,必须立即停止使用,详细登记时间.种类.事件经过.结果.涉及产品单位.批号,汇报护士长和相关部门;及时封存取样送检,不得擅自处理.富裕县妇幼保健院

消毒供应中心值班制度

1、值班者按要求着装规范.整洁

2、坚守工作岗位,认真履行岗位职责.3、严格按规范处理各项操作流程.4、遇到交接班,认真填写交班记录.5、做好安全管理和环境卫生.富裕县妇幼保健院

消毒供应中心参观接待制度

1、任何来访同行均需在护理部或医院上级部门备案,并得到明确接待指示后方可待.2、对所有来访参观人员应登记其单位.姓名.职务和联络方式.3、参观人员应科室指定专人接待,科室人员不得私下接待任何来访人员.4所有参观人员均需遵守供应室的三区出入流程和防护标准

5、接待人员接待过程中应遵守医院和科室相关制度,不能准确回答的问题应及时向上级反馈

6、参观过程中参观人员提出超越预定接待项目的应向上级请示后再做出决定

7、对参观人员在参观过程中提出的建议.意见均应做出解释, 并做出相关记录

富裕县妇幼保健院

消毒供应中心物品召回制度

1、对供应的灭菌物品种类.数量应有去向登记

2、发出物品中一旦发现化学监测.生物监测不合格,必须立即全部召回自上次生物监测合格以来的所有灭菌物品.迅速查找原因,重新处理.如已经使用应向相关上级部门汇报备案.3、若临床使用同一时间处理的灭菌物品出现多个感染病例,提出疑问时,应立即召回自上次生物监测合格以来的所有灭菌物品, 查找原因,重新处理,再次进行相应监测.4、质量监测员随时收集内部.外部的建议.意见, 及时改进,不断提高.5、消毒供应中心应逐步实现质量控制过程的信息化管理.富裕县妇幼保健院

消毒供应中心缺陷管理制度

1、消毒供应中心工作人员必须有高度的责任感,遵守医院规章制度,认真履行岗位职责,严格遵守各项规章制度和技术操作流程.2、制定并落实各种缺陷防范预案,护士长.组长和质控监测员应严格把好质量关,加强质量监控,做好质量检查督促工作.3、制定相应缺陷处理办法和应急预案,对薄弱环节和关键岗位重点监控,及时妥善处理、出现缺陷问题,当事人应及时报告并采取有效补救措施

供应室与临床的协调 篇3

一、引言

城市基础设施在促进城市经济发展方面具有基础性和先导性地位。虽然自2001年以来，绿色基础设施的概念在欧美国家产生，并成为景观生态学在城市规划中应用的一个重要的理论，被视为解决城市因建设所带来的环境问题的一个系统化途径，但是绿色基础设施更多地侧重于规划层面。随着城市环境的不断恶化和绿色供应链管理理论的不断发展，城市基础设施绿色供应链管理研究日益具有现实意义。

二、城市基础设施建设项目管理模式存在的问题

按照2015年6月1日正式施行的《基础设施和公用事业特许经营管理办法》（以下简称《办法》），政府授予特许经营权可以采取投资-建设项目-运营-移交；投资-建设项目-拥有-运营-移交；投资-建设项目-移交-运营等多种形式。

非经营性城市基础设施管理：政府直接投资是主要的资金来源和保障。这是因为，我国的市场经济还不是很完善，各个城市的非经营性城市基础设施管理大都处于探索阶段，基本表现为政府自己组织专门机构，进行集中、统一管理和政府委托专业机构，进行管理两种模式。

实践表明，以上这两类基础设施的管理均出现了诸多弊端，主要表现在：一是追求经济利益的最大化。企业不能从宏观的角度，考虑整个城市的发展，以及项目本身对城市环境和公众利益所带来的破坏；二是面对多种性质和类型的基础设施建设项目，部门之间的组织体制关系纷繁复杂，管理不够完善；三是公众发挥外部环境破坏的监督作用的途径和信息有限；四是重城市基础设施建设项目管理，忽视环境效益，形成城市基础设施经济与环境效益不相协调的被动局面。因此，城市率先在基础设施建设领域推进绿色供应链管理理念，对实现城市经济与环境效益协调发展，具有重要的现实意义。

三、城市基础设施建设项目绿色供应链管理的内涵界定

绿色供应链管理（environmentally conscious supply chain management）考虑了供应链中各个环节的环境问题，其最大特点是注重对环境的保护，促进经济与环境的协调发展。关于绿色供应链管理的确切定义，目前，理论界对此还没有一个统一的表述，但是总的观点是指在供应链管理的基础上，增加环境保护意识，把“无废无污”和“无任何不良成分”，以及“无任何副作用”贯穿于整个供应链中。

目前，国内外对于城市基础设施建设项目绿色供应链管理并无统一定义。综合国内外文献，本文认为，城市基础设施建设项目绿色供应链管理是指在城市基础设施建设项目的规划、设计、施工、运营、回收的全生命周期中，由政府、企业根据系统的内外部环境，共同制定和完善城市建设项目所用原料、施工、运营、回收技术的质量和环境管理标准，并进行内部质量和环境监督，同时还要协调公众等外部监督主体的整个管理过程，通过对供应链上的信息流、物流、资金流的规划、协调和优化控制，实现项目利益相关方在项目经济效益和环境效益上的平衡。

四、城市基础设施建设项目绿色供应链管理模式分析

2013年3月，国务院批准中新天津生态城建设国家绿色发展示范区。综合而言，中新天津生态城最适合作为推进建设领域供应链管理的试点。2015年5月，天津市政府出台了《亚太经合组织绿色供应链合作网络天津示范中心建设项目方案》，重点研究和实施“创立、改造、限制和废止”的产业政策，支持企业开展绿色供应链资源行动，全力推进产业绿色化。

城市基础设施建设项目特许经营方案实施流程必须遵照《办法》，基于此，并结合基础设施不同类型项目的各自特点，以及中新天津生态城建设的具体情况，对中新天津生态城基础设施建设项目绿色供应链管理模式进行分析。

为实现基础设施建设项目绿色供应链管理，天津市绿色供应链管理指导小组级别应设置在财政局、审计局、规划局、建委、国资委以上，与亚太经合组织绿色供应链合作网络天津示范中心处于平等协作的地位，共同协调管理中的所有问题，并具有最终调整权和决定权。

城市基础设施绿色供应链管理追求的经济与环境效益平衡发展。为实现这一目标，必须保证各主体服从统一的经济与环境效益的调整，因此必须依靠行政力量，政府理应成为基础设施建设项目推行绿色供应链管理的首要核心主体，依据工程建设项目的法律法规、工程合同、环保法规、绿色采购，以及建造标准等，对基础设施建设项目实施全程管理。项目管理公司是市场主体，不具备保障环境效益的行政权力，应处于政府指导下的供应链核心的主体地位。

中新天津生态城管理委员会作为二级管理的主管单位，是天津市政府下设的直属部门，是二级层面上的首要核心主体，作为公共利益的体现者和维护者，必须从根本上负担生态城内所有基础设施绿色建造的指导和管理责任，对上向天津市绿色供应链管理指导小组和亚太经合组织绿色供应链合作网络天津示范中心负责，对下负责指导中新生态城投资有限公司进行基础设施建设项目的建设和管理。为此，中新天津生态城管委会应当建立绿色建造项目信息发布平台，网上公开供应链信息，统一市场准入，公平、择优确定投资人，披露城市基础设施在绿色规划、绿色设计、绿色建设项目、绿色运营阶段的相关管理信息，并与审计部门共享信息，保护市场环境、生态环境和消费者、社会公众的利益，实现各类资本平等参与、投资回报合理、运作透明。

在政府监管下，中新天津生态城投资有限公司实施公司法人负责制的专业化管理，接受中新天津生态城管委会的直接领导，接受规划、土地资源、建委、财政、审计、监察等部门的管理，接受公众对生态城基础设施从规划设计到建设项目运营全过程的环境效益的监督。通过中新生态城投资有限公司的管理，可将所涉及的勘察企业、设计单位、施工单位、材料设备制造供应商和物流方，甚至银行、基金机构等金融支持方，纳入到一个供应链中。首先，中新天津生态城投资有限公司和政府之间应在平等协商、依法合规的基础上确定各自的权责，不能达到绿色标准必须承担相应责任；其次，公众肩负着绿色供应链推进过程中的外部监督的社会责任，是城市管理的多主体之一，也是城市基础设施建设项目绿色供应链管理的重要推动力量。

五、结语

为促进城市可持续发展，本文以中新天津生态城建设为例，探索性地提出政府与亚太经合组织绿色供应链中心共同引导、投资与管理分离、审计与社会监督结合、经济与环境效益并重的基础设施建设项目绿色供应链管理模式，旨在为提高城市管理水平提供一定参考。

参考文献：

[1]王能民，孙林岩.绿色供应链管理[M]. 北京：清华大学出版社，2005.

[2]刘铮.国内外建设项目供应链管理研究综述[J].经济研究导刊，2013-2：157-160.

[3]柯洪，尹贻林.公共工程项目供应链管理理论研究[J].科学学与科学技术管理，2005-7：149-152.

[4]杨耀红.我国建设项目行业实施绿色供应链管理探究 [J].经济师，2005-7：143-145.

[5] Koskela L. Application of the new production philosophy to construction [R]. Palo Alto：Stanford Univers.ity，1992.

[6]蔺雪峰，汪波，冯剑丰.中新天津生态城的城市治理研究 [J].天津大学学报（社会科学版），2011-3：284-288.

[7]纪泽民.中新天津生态城建设项目与管理的多元共治模式探析-以多中心治理理论为视角[J].城市发展研究，2014-21（4）：20-23.

供应室与临床的协调 篇4

契约是协调供应链常用的手段, 也是目前供应链研究的热点。在绝大多数供应链协调契约的研究中, 都假定供应链成员的风险是中性的, 然而在实践中, 市场环境的不确定性往往使合作伙伴的收益具有风险性, 由于供应链成员的具体情况不同, 所以对待风险的态度也是不同的, 具有风险厌恶的合作伙伴可能会因为害怕风险而选择规避风险的行为, 而风险偏爱的合作伙伴可能会因为追求更大的收益而选择偏爱风险的行为, 因此, 忽视合作伙伴风险规避和偏爱特性的契约机制在供应链实践过程中难以有效地实施。

目前考虑供应链成员风险态度的协作契约机制的研究文献甚少。Chen等利用均值方差方法重新审视了一些基本库存模型, 发现具有风险规避特性的合作伙伴的最优订货量往往会少于系统达到最优时所必须的订购量[1];Gan等也通过构建由风险中性的供应商与风险厌恶的分销商组成的供应链, 证明了传统的批发价格契约机制、回购契约机制或收益共享契约机制并不能协调这类具有风险规避者的供应链[2];Agrawal等考虑了一类风险规避性成员的库存与价格联合优化决策问题[3];Agrawa等发现与风险中性的零售商相比, 当销售价格会影响需求规模时风险厌恶的零售商将选择较高销售价格及较低的订货数量[4];Eeckhoudt等针对单个风险厌恶合作伙伴的供应链协作契约进行了研究[5];Buzacott等利用均值-方差方法研究了期权契约模型[6]。

有关具有风险偏爱者加盟的供应链优化与协调方面的研究文献很少, 一般采用均值-方差方法。本人在利用条件风险规避值理论研究了具有风险规避特性的供应链优化与协调问题之后, 本文提出了风险偏爱值和条件风险偏爱值的概念, 并将其引入具有风险偏爱特性的供应链优化与协调问题的研究。建立了随机需求下由具有不同风险偏爱特性蹬单个供应商与单个零售商组成的两级供应链的条件风险偏爱值模型和基于条件风险偏爱值的最优订购量模型及回购契约模型, 并对模型进行了分析, 揭示了供应商和零售商的风险偏爱程度对最优订购量、回购价格及供应链协调的影响。

回购契约是协调供应链常用的手段, 所谓回购契约也就是供应商用一个合理的价格b (g<b<w) , 从零售商处回购剩余产品的条款, 从而刺激零售商增加订购量, 扩大产品的销售量。Jeuland等在1983年就发现回购政策可以实现供应商和零售商之间的协调, 遗憾的是他们没有建立相应的契约模型[7]。Pasternack指出利用回购契约 (Buy back contracts) 可以实现供应链的协调, 并建立了回购契约模型[8]。对于回购契约下供应链的协调研究现状, Cachon给出了很好的综述与发展研究[9]。

2 风险偏爱值与条件风险偏爱值

(1) 风险偏爱值VaRT (value at risk-taking)

设X是描述损失的随机变量, F (x) 是其概率分布函数, 风险偏爱水平为β, 则

$VaR{\rm T}(\beta )=\max \{x|F(x)<1-\beta \}$

称为风险值偏爱值, 记作VaRT.

Artzner等 (1999) 提出了一致性风险度量模型, 认为一个完美的风险度量模型必须满足:单调性;次可加性;正齐次性;平移不变性[10]。

风险值偏爱值不具有次可加性, 它不是一致性风险度量模型, 因此在某种意义上不是一个好的风险度量指标。

(2) 条件风险偏爱值CVaRT

条件风险偏爱值CVaRT (condition value at risk-taking) 是指在正常市场条件下和一定的风险偏爱水平β下, 测算出在给定的时间段内损失风险偏爱值不超过1-β的条件期望值。设X是描述损失的随机变量, F (x) 是其概率分布函数, 则条件风险偏爱值可以表示为:

CVaRT (β) =E{x|F (x) <1-β}

风险偏爱水平β越大, CVaRT (β) 越小, 决策者对风险的偏爱程度越高;风险偏爱水平β越小, CVaRT (β) 越大, 决策者对风险的偏爱程度越低;β=0时, CVaRT (β) 等于随机损失的期望值, 风险为中性的。

由于CVaRT模型在一定程度上克服了VaRT模型的缺点, 有效的改善了模型在处理损失分布的后尾现象时存在的问题, 并且CVaRT模型是一个一致性风险度量模型。

设g (x, y) 是决策损失函数;y是决策变量向量;x是随机向量;f (x) 是x的密度函数, 则g (x, y) 的条件偏爱风险值为:

$CVaR{\rm T}{}_{\beta }(x)=(1-\beta ){}^{-1}{\displaystyle \underset{g(x,y)\le VaR{\rm T}{}_{\beta }(x)}{\int }g}(x,yf(x)\text{d}x$

为解决上述CVaRT定义公式包含β-风险偏爱值所造成的求解上困难, 提出了下列求解公式:

$\begin{array}{l}CVaR{\rm T}{}_{\beta }g(x,y)\\ =(1-\beta ){}^{-1}E[g(x,y)]\\ -(1-\beta ){}^{-1}\beta \underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}^{-1}E[g(x,y)-\alpha ]{}^{+}\}\\ =(1-\beta ){}^{-1}\{E[g(x,y)]-\beta CVaR{}_{1-\beta }g(x,y)\}\end{array}$

其中:[g (x, y) -α]+=max{0, g (x, y) -α}, E[g (x, y) -α]+是[g (x, y) -α]+的期望值, R是实数集, CVaR1-βg (x, y) 是风险置信水平为1-β时g (x, y) 的条件风险值。

条件风险偏爱值与均值-方差相比具有较好的计算特性, 其结果更便于实施。

3 问题的描述与基本假设

本文考虑一个供应商M和一个零售商R构成的单周期两级供应链库存系统。假定:

①信息是完全的, 即供应商和零售商都知道自己及对方的成本结构、收益函数及需求分布;

②供应商和零售商是理性的, 即按照各己确定的风险偏爱水平下的条件风险偏爱值最小原则进行决策。

供应链运作如下:销售季节开始前, 供应商向零售商提供产品批发价格w和回购契约T (q, w, b*) , 零售商按照一定的风险偏爱水平下的负收益的条件风险偏爱值最小原则确定最优订购量q*.

设零售商销售的产品为短生命周期产品, 市场需求量D为随机变量, 密度函数为f (x) 。零售商R的产品的边际单位成本为c1, 无缺货损失, 零售价格为p. 供应商的产品单位成本为c, 产品的批发价格为w (w>c) , 期末单位剩余产品的残值为g<c, 供应商回购价格为b (g<b<w) 。零售商的风险偏爱水平为β1, 供应商的风险偏爱水平为β2 , 确定基于条件风险偏爱值的最优回购契约T (q, w, b*) , 实现供应链系统的完美协调。

4 供应链及成员的条件风险偏爱值

4.1 供应链成员的条件风险值模型

在回购契约T (q, w, b) 下, 零售商的收益函数为:

πR (q) =pmin{q;D}+b (q-min{q;D}) - (w+c1) q

令 (t) +=max{0;t}, 则min{q;D}=q- (q-D) +, 代入上式得:

πR (q) = (p-w-c1) q- (p-b) (q-D) +

在回购契约T (q, w, b) 下, 供应商的收益函数为:

πM (q) = (w-c) q- (b-g) (q-min{q;D})

= (w-c) q- (b-g) (q-D) +

供应链的收益函数为:

π (q) =πR (q) +πM (q) = (p-c-c1) q- (p-g) (q-D) +

下面以收益函数的负值作为损失函数来求供应链及成员的条件风险值和条件风险偏爱值。

当零售商的风险置信水平为1-β1时, 零售商的条件风险值为:

$\begin{array}{l}CVaR{}_{\beta {}_1}\pi {}_R(q)\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1{}^{-1}E[-\pi {}_R(q)-\alpha ]{}^{+}\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1{}^{-1}{\displaystyle {\int }_0^q[}-\pi {}_R(q)-\alpha ]{}^{+}f(x)dx\\ +\beta {}_1^{-1}{\displaystyle {\int }_q^{+\infty }[}-\pi {}_R(q)-\alpha ]{}^{+}f(x)dx\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1^{-1}{\displaystyle {\int }_0^q[}(w+c{}_1-b)q-(p-b)x-\alpha ]{}^{+}f(x)dx\\ +\beta {}_1^{-1}{\displaystyle {\int }_q^{+\infty }[}-(p-w-c{}_1)q-\alpha ]{}^{+}f(x)dx\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}G{}_1(q,\alpha )\end{array}$

当α≤- (p-w-c1) q时,

$\begin{array}{l}\begin{array}{l}CVaR{}_{\beta {}_1}\pi {}_R(q)\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1{}^{-1}{\displaystyle {\int }_0^q[}(w+c{}_1-b)q-(p-b)x-\alpha ]f(x)dx\\ +\beta {}_1^{-1}{\displaystyle {\int }_q^{+\infty }[}-(p-w-c{}_1)q-\alpha ]f(x)dx\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1^{-1}[-(p-w-c{}_1)q-\alpha ]F(q)\\ +\beta {}_1^{-1}(p-b){\displaystyle {\int }_0^{q}F}(x)dx\\ +\beta {}_1{}^{-1}[-(p-w-c{}_1)q-\alpha ][1-F(q)]\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1^{-1}[-(p-w-c{}_1)q-\alpha +(p-b){\displaystyle {\int }_0^{q}F}(x)dx]\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}G{}_1(q,\alpha )\end{array}\\ \frac{dG{}_1(q,\alpha )}{d\alpha }=1-\beta {}_1{}^{-1}<0\end{array}$

当- (p-w-c1) q≤α≤ (w+c1-b) q时,

$\begin{array}{l}q{}_1=-\frac{\alpha -(w+c{}_1-b)q}{p-b}\le q\\ \begin{array}{l}CVaR{}_{\beta {}_1}\pi {}_R(q)\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1^{-1}{\displaystyle {\int }_0^{q{}_1}[}(w+c{}_1-b)q-(p-b)x-\alpha ]dF(x)\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}\{\alpha +\beta {}_1^{-1}[(p-b){\displaystyle {\int }_0^{q{}_1}F}(x)dx]\}\\ =\underset{\alpha \in R}{{\displaystyle \min }}G{}_1(q,\alpha )\end{array}\\ \frac{dG{}_1(q,\alpha )}{d\alpha }=1-\beta {}_1{}^{-1}F(q{}_1)=0\\ F(q{}_1)=\beta {}_1\\ q{}_1^{*}=F{}^{-1}(\beta {}_1)\\ \alpha {}^{*}=-(p-b)F{}^{-1}(\beta {}_1)+(w+c{}_1-b)q\end{array}$

当α≥ (w+c1-b) q时

$CVaR{}_{\beta {}_1}\pi {}_R(q)=\underset{\alpha {}_1\in R}{{\displaystyle \min }}\{\alpha \}=\underset{\alpha {}_1\in R}{{\displaystyle \min }}G{}_1(q,\alpha )$

综上知, 当q<F-1 (β1) 时,

$\begin{array}{l}\alpha {}^{*}=-(p-w-c{}_1)q\\ \begin{array}{l}CVaR{}_{\beta {}_1}\pi {}_R(q)\\ =G{}_1(q,\alpha {}^{*})\\ =\{-(p-w-c{}_1)q+\beta {}_1^{-1}(p-b){\displaystyle {\int }_0^{q}F}(x)dx\}\end{array}\end{array}$

当q≥F-1 (β1) 时,

$\begin{array}{l}\alpha {}^{*}=-(p-b)F{}^{-1}(\beta {}_1)+(w+c{}_1-b)q\\ \begin{array}{l}CVaR{}_{\beta {}_1}\pi {}_R(q)\\ =\underset{\alpha \in R}{{\displaystyle \min }}G{}_1(q,\alpha {}^{*})\\ =-(p-b)F{}^{-1}(\beta {}_1)-(b-w-c{}_1)q\\ +\beta {}_1^{-1}[(p-b){\displaystyle {\int }_0^{F{}^{-1}(\beta {}_1)}F}(x)dx]\}\end{array}\end{array}$

同理, 当供应商的风险偏爱水平为1-β2时, 可求供应商的条件风险值为:

$\begin{array}{l}CVaR{}_{\beta {}_2}\pi {}_{{\rm M}}(q)\\ =\{\begin{array}{l}-(w-c)q+\beta {}_2^{-1}(b-g){\displaystyle {\int }_0^{q}F}(x)dx,q<F{}^{-1}(\beta {}_2)\\ \{-(w-c-b+g)q\\ +(b-g)[\beta {}_2^{-1}{\displaystyle {\int }_0^{F{}^{-1}(\beta {}_2)}F}(x)dx-F{}^{-1}(\beta {}_2)]\},\\ q\ge F{}^{-1}(\beta {}_2)\end{array}\end{array}$

4.2 供应链及成员的条件风险偏爱值模型

零售商的条件风险偏爱值为:

当q<F-1 (β1) 时,

CVaRTβ1πR (q) =- (p-w-c1) q

当q≥F-1 (β1) 时,

$\begin{array}{l}CVaR{\rm T}{}_{\beta {}_1}\pi {}_R(q)\\ =-(p-w-c{}_1)q\\ +(1-\beta {}_1){}^{-1}(p-b)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_1)}^{q}F}(x)dx-\beta {}_1[q-F{}^{-1}(\beta {}_1)]\}\end{array}$

供应商的条件风险偏爱值为:

当q<F-1 (β2) 时,

CVaRTβ2πM (q) =- (w-c) q

当q≥F-1 (β2) 时

$\begin{array}{l}CVaR{\rm T}{}_{\beta {}_2}\pi {}_{{\rm M}}(q)\\ =-(w-c)q\\ +(1-\beta {}_2){}^{-1}(b-g)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_2)}^{q}F}(x)dx-\beta {}_2[q-F{}^{-1}(\beta {}_2)]\}\end{array}$

供应链的条件风险偏爱值为:

$CVaR{\rm T}{}_{\beta }\pi (q)=CVaR{\rm T}{}_{\beta {}_1}\pi {}_R(q)+CVaR{\rm T}{}_{\beta {}_2}\pi {}_{{\rm M}}(q)$

即:

①当β1≥β2时, F-1 (β1) ≥F-1 (β2) , 则

当q<F-1 (β2) 时,

CVaRTβπ (q) =- (p-c-c1) q

当F-1 (β2) ≤q≤F-1 (β1) 时,

$\begin{array}{l}CVaR{\rm T}{}_{\beta }\pi {}_{(}q)\\ =-(p-c-c{}_1)q\\ +(1-\beta {}_2){}^{-1}(b-g)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_2)}^{q}F}(x)dx-\beta {}_2[q-F{}^{-1}(\beta {}_2)]\}\end{array}$

当q>F-1 (β1) 时,

$\begin{array}{l}CVaR{\rm T}{}_{\beta }\pi {}_{(}q)\\ =\{-(p-c-c{}_1)q\\ +(1-\beta {}_1){}^{-1}(p-b)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_1)}^{q}F}(x)dx-\beta {}_1[q-F{}^{-1}(\beta {}_1)]\}\\ +(1-\beta {}_2){}^{-1}(b-g)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_2)}^{q}F}(x)dx-\beta {}_2[q-F{}^{-1}(\beta {}_2)]\}\end{array}$

②当β1<β2时, F-1 (β1) <F-1 (β2) , 则

当q<F-1 (β1) 时,

CVaRTβπ (q) =- (p-c-c1) q

当F-1 (β1) ≤q≤F-1 (β2) 时,

$\begin{array}{l}CVaR{\rm T}{}_{\beta }\pi {}_{(}q)\\ =-(p-c-c{}_1)q\\ +(1-\beta {}_1){}^{-1}(p-b)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_1)}^{q}F}(x)dx-\beta {}_1[q-F{}^{-1}(\beta {}_1)]\}\end{array}$

当q>F-1 (β2) 时,

$\begin{array}{l}CVaR{\rm T}{}_{\beta }\pi {}_{(}q)\\ =\{-(p-c-c{}_1)q\\ \\ +(1-\beta {}_1){}^{-1}(p-b)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_1)}^{q}F}(x)dx-\beta {}_1[q-F{}^{-1}(\beta {}_1)]\}\\ +(1-\beta {}_2){}^{-1}(b-g)\{{\displaystyle {\int }_{F{}^{-1}(\beta {}_2)}^{q}F}(x)dx-\beta {}_2[q-F{}^{-1}(\beta {}_2)]\}\end{array}$

5 最优订购量模型

5.1 零售商基于条件风险偏爱值的 最优订购量模型

为了求使零售商条件风险偏爱值最小的订购量q*, 求CVaRβ1πR (q) 的一阶导数得:

$\begin{array}{l}\frac{dCVaR{\rm T}{}_{\beta {}_1}\pi {}_R(q)}{dq}\\ =\{\begin{array}{l}-(p-w-c{}_1),q<F{}^{-1}(\beta {}_1)\\ -(p-w-c{}_1)+(1-\beta {}_1){}^{-1}(p-b)[F(q)-\beta {}_1],\\ q\ge F{}^{-1}(\beta {}_1)\end{array}\end{array}$

由- (p-w-c1) + (1-β1) -1 (p-b) [F (q*) -β1]=0求得:

$q{}^{*}=F{}^{-1}\left[(1-\beta {}_1)\frac{p-w-c{}_1}{p-b}+\beta {}_1\right]$

因为$\frac{d{}^{2}CVaR{\rm T}{}_{\beta {}_1}\pi {}_R(q{}^{*})}{dq{}^2}>0$, 所以, 使零售商的条件风险偏爱值最小的最优订购量为q*.

5.2 供应链基于条件风险偏爱值的 最优订购量模型

为了求使供应链的条件风险偏爱值最小的最优订购量Q*, 作如下讨论:

①当β1≥β2时, F-1 (β1) ≥F-1 (β2) , 则

$\begin{array}{l}\frac{dCVaR{\rm T}{}_{\beta }\pi {}_{(}q)}{dq}\\ =\{\begin{array}{l}-(p-c-c{}_1),q\le F{}^{-1}(\beta {}_2)\\ \{-(p-c-c{}_1)+(1-\beta {}_2){}^{-1}(b-g)[F(q)-\beta {}_2]\},\\ F{}^{-1}(\beta {}_2)<q\le F{}^{-1}(\beta {}_1)\\ \{-(p-c-c{}_1)q+(1-\beta {}_1){}^{-1}(p-b)[F(q)-\beta {}_1]\\ \\ +(1-\beta {}_2){}^{-1}(b-g)[F(q)-\beta {}_2]\},q>F{}^{-1}(\beta {}_1)\end{array}\end{array}$

当$0<\beta {}_2\le 1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}$且p-c-c1+g<b<w时, 由- (p-c-c1) + (1-β2) -1 (b-g) [F (Q*) -β2]=0求得:

$Q{}^{*}=F{}^{-1}\left[(1-\beta {}_2)\frac{p-c-c{}_1}{b-g}+\beta {}_2\right]\le F{}^{-1}(\beta {}_1)$

当$1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}<\beta {}_2\le \beta {}_1$且p-c-c1+g <b<w, 或0<β2≤β1且g<b<p-c-c1+g时, 由- (p-c-c1) + (1-β1) -1 (p-b) [F (Q*) -β1]+ (1-β2) -1 (b-g) [F (Q*) -β2]=0求得:

$Q{}^{*}=F{}^{-1}\left[(1-\beta )\frac{p-c-c{}_1}{p-g}+\beta \right]\ge F{}^{-1}(\beta {}_1)$

其中:$\beta =1-\frac{p-g}{(1-\beta {}_1){}^{-1}(p-b)+(1-\beta {}_2){}^{-1}(b-g)}$为供应链的风险偏爱水平。

又因为$\frac{d{}^{2}CVaR{\rm T}{}_{\beta }\pi (Q{}^{*})}{dq{}^2}>0$, 所以, 使供应链的条件风险偏爱值最小的最优订购量为Q*.

②当β1<β2时, F-1 (β1) <F-1 (β2) , 则

$\begin{array}{l}\frac{dCVaR{\rm T}{}_{\beta }\pi (q)}{dq}\\ \\ =\{\begin{array}{l}-(p-c-c{}_1),q\le F{}^{-1}(\beta {}_1)\\ \{-(p-c-c{}_1)+(1-\beta {}_1){}^{-1}(p-b)[F(q)-\beta {}_1]\},\\ F{}^{-1}(\beta {}_1)<q\le F{}^{-1}(\beta {}_2)\\ \{-(p-c-c{}_1)+(1-\beta {}_1){}^{-1}(p-b)[F(q)-\beta {}_1]\\ +(1-\beta {}_2){}^{-1}(b-g)[F(q)-\beta {}_2]\},q>F{}^{-1}(\beta {}_2)\end{array}\end{array}$

当$\beta {}_1<\beta {}_2<1+(1-\beta {}_1)\frac{b-c-c{}_1}{p-b}$且c+c1<b<w, 或β1<β2<1且g<b<c+c1时, 由- (p-c-c1) + (1-β1) -1 (p-b) [F (Q*) -β1]+ (1-β2) -1 (b-g) [F (Q*) -β2]=0求得:

$Q{}^{*}=F{}^{-1}\left[(1-\beta )\frac{p-c-c{}_1}{(p-g)}+\beta \right]>F{}^{-1}(\beta {}_2)$

其中:$\beta =1-\frac{p-g}{(1-\beta {}_1){}^{-1}(p-b)+(1-\beta {}_2){}^{-1}(b-g)}$。

当$1+(1-\beta {}_1)\frac{b-c-c{}_1}{p-b}<\beta {}_2<1$且c+c1<b<w时, 由- (p-c-c1) + (1-β1) -1 (p-b) [F (Q*) -β1]=0求得:

$\begin{array}{l}F{}^{-1}(\beta {}_1)<Q{}^{*}\\ =F{}^{-1}\left[(1-\beta {}_1)\frac{p-c-c{}_1}{p-b}+\beta {}_1\right]<F{}^{-1}(\beta {}_2)\end{array}$

因为$\frac{d{}^{2}CVaR{\rm T}{}_{\beta }\pi {}_{(}Q{}^{*})}{dq{}^2}>0$, 所以, Q*是使供应链的条件风险偏爱值最小的最优订购量。

综上, 使供应链的条件风险偏爱值最小的订购量Q*为:

当$0<\beta {}_2\le 1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}$且p-c-c1+g<b<w时,

$Q{}^{*}=F{}^{-1}\left[(1-\beta {}_2)\frac{p-c-c{}_1}{b-g}+\beta {}_2\right]\le F{}^{-1}(\beta {}_1)$

当$\max \{0,1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}\}<\beta {}_2$且$\beta {}_2\le \min \{1+(1-\beta {}_1)\frac{b-c-c{}_1}{p-b},1\}$时,

$Q{}^{*}=F{}^{-1}\left[(1-\beta )\frac{p-c-c{}_1}{p-g}+\beta \right]>F{}^{-1}(\beta {}_1)$

当$1+(1-\beta {}_1)\frac{b-c-c{}_1}{p-b}<\beta {}_2<1$且c+c1<b<w时,

$Q{}^{*}=F{}^{-1}\left[(1-\beta {}_1)\frac{p-c-c{}_1}{p-b}+\beta {}_1\right]>F{}^{-1}(\beta {}_1)$

6 供应链协调的回购契约模型

为了求得使供应链完美协调的回购契约参数b, 我们作如下讨论:

①当$0<\beta {}_2\le 1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}$且p-c-c1+g<b<w时, 由q*>F-1 (β1) , Q*<F-1 (β1) , 知Q*≠q*.

②当$\max \{0,1+(1-\beta {}_1)\frac{b-g}{p-c-c{}_1-b+g}\}<\beta {}_2$且$\beta {}_2\le \min \{1+(1-\beta {}_1)\frac{b-c-c{}_1}{p-b},1\}$时, 令Q*=q*, 即

$\begin{array}{l}(1-\beta {}_1)\frac{p-w-c{}_1}{p-b}+\beta {}_1=(1-\beta )\frac{p-c-c{}_1}{p-g}+\beta \\ \beta =1-\frac{p-g}{(1-\beta {}_1){}^{-1}(p-b)+(1-\beta {}_2){}^{-1}(b-g)}\end{array}$

解得:

$b{}^{*}=\{\begin{array}{l}p-\frac{A+\sqrt{A{}^2+4(1-\gamma )\gamma (p-g)(p-w-c{}_1)}}{2\gamma },\\ \beta {}_1\ne \beta {}_2\\ p-\frac{(p-w-c{}_1)(p-g)}{p-c-c{}_1},\beta {}_1=\beta {}_2\end{array}$

其中:$A=-(p-c-c{}_1)+\gamma (p-w-c{}_1)+\gamma (p-g),\gamma =1-\frac{1-\beta {}_1}{1-\beta {}_2}$。

令b*<w, 解得:

$\beta {}_2<1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$

当$\beta {}_2>1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$时, b*>w, 这与b<w矛盾, 此时回购契约无法协调供应链。

当$\beta {}_2\le 1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$时, b*<w, 此时, 回购契约可协调供应链。

③当$1-(1-\beta {}_1)\frac{b-c-c{}_1}{p-b}<\beta {}_2<1$且c+c1<b<w时, 由于w>c, 所以Q*≠q*.

综上可知:

当$\max \{0,1+(1-\beta {}_1)\frac{b{}^{*}-g}{p-c-c{}_1-b{}^{*}+g}\}<\beta {}_2$且$\beta {}_2\le \min \{1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1),1+(1-\beta {}_1)\frac{b{}^{*}-c-c{}_1}{p-b{}^{*}},1\}$时, 回购契约可以协调供应链, 最优回购价格为b*.

7 零售商和供应商的风险偏爱程度对供应链优化与协调的影响

当β1=β2=0时, 零售商和供应商的风险都是中性的, 这时CVaRTβ1πR (q) =-E[πR (q) ], CVaRTβπ (q) =-E[π (q) ]。

基于条件风险偏爱值最小的最优订购量等于基于收益期望值最大的最优订购量q*0.

基于条件风险偏爱值最小的回购价格与基于收益期望值最大的回购价格b*0相等。

所以, 风险中性假定下, 基于收益期望值最大的基准回购契约模型是本文基于条件风险偏爱值最小的回购契约模型的特例。

当$\beta {}_2\le 1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$时, 供应链基于条件风险偏爱值最小的最优订购量为:

$q{}^{*}=F{}^{-1}\left[(1-\beta )\frac{p-c-c{}_1}{p-g}+\beta \right]\ge F{}^{-1}\left[\frac{p-c-c{}_1}{p-g}\right]=q{}_0^{*}$

最优回购价格为:

$\begin{array}{l}b{}^{*}\\ =p-\frac{-A+\sqrt{A{}^2+4(1-\gamma )\gamma (p-g)(p-w-c{}_1)}}{2(1-\gamma )}\\ =b{}_0^{*}+[\frac{(p-w-c{}_1)(p-g)}{p-c-c{}_1}\\ -\frac{A-\sqrt{A{}^2+4(1-\gamma )\gamma (p-g)(p-w-c{}_1)}}{2(1-\gamma )}]\end{array}$

①供应链基于条件风险偏爱值最小的最优订购量q*大于基于收益期望值最大的最优订购量q*0.

②当β2<β1时, b*<b*0, 即协调供应链, 供应商需要提供低于b*0的回购价格。

当β1=β2时, b*=b*0, 即协调供应链, 供应商需要提供等于b*0的回购价格。

当$\beta {}_1<\beta {}_2\le 1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$时, b*>b*0, 即协调供应链, 供应商需要提供高于b*0的回购价格。

总之, β1越大, 即零售商偏爱风险的程度越高, 供应链基于条件风险偏爱值最小的最优订购量q*越大, 协调供应链的回购价格b*越低;β2越大, 即供应商偏爱风险的程度越高, 供应链基于条件风险偏爱值最小的最优订购量q*越大, 协调供应链的回购价格b*越高。

③当$\beta {}_2>1-\frac{c{}_1(w-g)}{(p-w)(c-g)}(1-\beta {}_1)$时, 回购契约不能使供应链实现完美协调。

④零售商、供应商的收益条件期望值是β1、β2的增函数, 零售商风险偏爱水平不变, 供应商风险偏爱水平提高, 可以提高零售商的收益条件期望值; 供应商风险偏爱水平不变, 零售商风险偏爱水平提高, 可以提高供应商的收益条件期望值。供应链合作伙伴都愿意选择风险偏爱水平较高的合作伙伴合作, 在其他条件相同时, 风险偏爱水平低的合作伙伴合作积极性较高, 风险偏爱水平高的合作伙伴合作积极性较低。|β1-β2|越小, 供应链合作伙伴的合作越稳定, |β1-β2|越大, 供应链合作伙伴的合作越不稳定。

8 仿真分析

考虑由一个供应商和一个零售商组成的供应链。已知零售商边际成本是C1=20元, 每销售一件产品的收入p=360元, 供应商的单位产品生产成本是C=150元; 供应商批发产品的价格是每件w=250元;未售出产品每件的残值是g=50元;假设缺货无损失。市场需求x为随机变量, 服从均匀分布, 最高需求量为1000件, 最低需求量为500件。

将有关参数值代入模型, 求得不同风险偏爱水平组合下, 供应链的最优订购量、最优回购价格及零售商、供应商及供应链的条件风险偏爱值, 列于表1～表5, 表中阴影部分, 由于回购价格b*>w, 所以, 回购契约不能协调供应链。表中结果也揭示了零售商和供应商的风险偏爱程度对供应链的最优订购量、回购契约、收益及供应链协调的影响。本实例进一步验证了本文的研究结论。

注: 表中条件风险偏爱值的负值即为在一定风险偏爱水平下收益的条件期望值。

9 结束语

本文提出条件风险偏爱值的理论并利用其研究了具有风险偏爱特性的供应链优化与协调问题。建立了随机需求下由具有不同风险偏爱特性的单个供应商与单个零售商组成的两级供应链的条件风险偏爱值模型和基于条件风险偏爱值的最优订购量模型及协调供应链的最优回购契约模型, 并对模型进行了理论分析及仿真分析, 揭示了供应商与零售商不同风险偏爱程度对供应链优化与协调的影响。

摘要：提出风险偏爱值和条件风险偏爱值的概念;然后将其引入对具有风险偏爱特性的供应链优化与协调问题的研究, 建立了随机需求下由具有不同风险偏爱程度的单个供应商与单个零售商组成的两级供应链的条件风险偏爱值模型和基于条件风险偏爱值的最优订购量模型及协调供应链的最优回购契约模型, 并对模型进行了分析, 揭示了供应商和零售商的风险偏爱程度对供应链协调、最优订购量、回购价格及供应链合作稳定性的影响;最后通过一个算例进一步验证了本文的研究结论。

关键词：条件风险偏爱值 (CVaRT) ,风险偏爱,供应链协调,最优订购量模型,回购契约模型

参考文献

[1] Chen F, Federgruen A. Mean-variance analysis of basic inventory models[Z]. Columbia University, 2000.

[2] Gan X H, et al. Supply chain coordination with a risk-averse retailer[Z]. The University of Texas at Dllas, 2003.

[3]Agrawal V, Seshadri S.Impact of uncertainty andrisk a version on price and order quantity in thenewsvendor problem[J].Manufacturing ServiceOperation Management, 2000, 2 (4) :410~423.

[4]Agrawal V, Seshadri S.Risk intermediation in supplychains[J].IIE Transactions, 2000, 32:819~831.

[5]Eeckhoudt L, et al.The risk-averse (and prudent) newsboy[J].Management Science, 1995, 41 (5) :786~794.

[6] Buzacott J, Yan H, Zhang H. Risk analysis of commitment-option contracts with forecast updates[Z]. York University, Canada, 2004.

[7]Jeuland A, Shugan S.Managing channel profits[J].Marketing Science, 1983, 2:239~72.

[8]Pasternack B.Optimal pricing and returns policiesfor perishable commodities[J].Marketing Science, 1985, 4 (2) :166~176.

[9] Cachon G P. Supply chain coordination with contracts[Z]. Univerisity of Pennsylvania, Philadelphia, PA, 2002.

供应室与临床的协调 篇5

针对单一制造商和单一销售商组成的两层供应链系统, 研究了需求受库存水平影响的供应链协调问题.首先根据制造商主导的Stackelberg对策结构(即制造商向销售商宣布价格, 销售商跟着确定相应的`订货量), 对供应链成员间的决策问题进行了分析; 然后为制造商提出了一个改善整个渠道效率的量折扣策略, 研究结果表明该折扣模型不仅能提高制造商的利润, 而且能改善销售商的利润, 同时使供应链达到了完美协调.最后给出了应用实例,并对模型的参数进行了灵敏度分析.

作 者：闵杰 周永务 MIN Jie ZHOU Yong-wu 作者单位：闵杰,MIN Jie(合肥工业大学,管理学院,合肥,230009;安徽建筑工业学院,数理系,合肥,230022)

周永务,ZHOU Yong-wu(合肥工业大学,管理学院,合肥,230009)

供应室与临床的协调 篇6

关键词：文化创意；产业供应链协调；模型的构建

引言

国家“十二五”规划提出，要将文化创意产业发展成为国民经济支柱产业。随后，我国文化创意产业进入了蓬勃发展的时期。但是，我国文化创意产业的发展主要是量的增长，而缺乏质的提升[1]。要实现文化创意产业有质量的发展，关键是要实现整个产业供应链的协调。因此需要构建协调评价模型来评价当前我国文化创意产业供应链的协调性。

沈望舒[2]认为，我国文化产业在取得一定成就的同时也存在着诸多问题，这些问题的共性障碍来自产业链建设的缺失和不完善；冯华等[3]指出构建完整的产业链是我国文化创意产业的发展方向；黄学[4]等认为产业链之间的配合和协调是“创意”在产业内贯穿的基本条件。但他们没有提出供应链链协调性评价问题。本文将从产业链的角度出发，从文化创意产品、人员、组织三个方面识别出文化创意产业链中存在的冲突——文艺性与商业性、熟悉性与新颖性、垂直整合与灵活专业化、个人灵感与创造性体制、需求探寻与市场建设，并基于这些冲突构建文化创意产业链的协调评价模型。

文化创意产业与制造业在供应链协调方面的比较：

产品和组织特点的不同使得文化创意产业与制造业在产业链协调方面有很大的不同（由于文化产业一般使用“产业链”一词来表述制造业中“供应链”的概念，因此本文中的产业链协调等同于供应链协调）。

（1）产品方面

首先，价值来源不同。文化创意产品是经验商品，它的价值源自主观体验，价值判断主要依靠感知和情感；而制造业产品是实用产品，实用性定义了产品特征和用途，价值判断主要依靠产品的实用性能[10]。

其次，质量评判标准不同。文化创意产品消费者主观体验的不可预测性使得要识别和建立明确的质量标准是极其困难的；而制造业中，实用性可以允许系统地比较不同的产品，它为明确的、相对固定的质量标准的出现提供了基础。例如，一双鞋子的质量可以从耐久性来评判，而一部电影的质量却很难有确定的评判标准。

（2）组织方面

首先，人员构成不同。文化创意企业是知识密集型的，是创新驱动的，对人员的知识水平及创新能力要求很高；而一般的制造企业是劳动密集型或资金密集型的。因此管理創造性资源成为文化创意企业面临的一个关键挑战

其次，生产过程不同。文化创意产品的创作主要依靠创意人员，创作过程难以监测和控制；制造业产品大都是标准化的产品，生产过程易于控制。制造业组织一般采用标准的流程来进行人员管理，其需要协调的问题是流程的问题；而文化创意组织内的人员具有高度的专业性，流程管理可能会限制他们的创造性，这是文化创意组织面临的需要协调的主要问题。

传统制造业供应链协调性的评价，大都从功能的角度出发，构建评价模型。而与传统制造业相比，不论从产品还是企业方面，文化创意产业都与之存在很大的差异。文化创意产品具有无形性和非实用性，文化创意企业具有更强的专业性和创新性[5，6]。因此评价文化创意产业链的协调性，不能参照基于功能的协调评价方法。本文拟从文化创意产业链中存在的冲突出发，构建基于冲突的协调评价模型，如图1所示。

图1文化创意产业供应链协调评价模型

该模型具有全面性和针对性强两个特点。

全面性：从产品、人员、组织三个方面来构建评价模型，能全面地对产业链的协调性进行评价。其中艺术性与商业性、熟悉性与新颖性是文化创意产品创作中需要平衡的协调，垂直整合与灵活专业化、个人灵感与创造性体制、需求探寻与市场建设涵盖了创意人员、创意组织两个方面。

针对性强：传统供应链的协调评价模型侧重从功能角度来评价供应链的协调性，而文化创意产业作为“内容为王”的产业，从产品创作到企业运作都与传统制造业截然不同。本文针对文化创业产品、产业的特点，从冲突的角度出发，构建文化创意产业协调性的评价模型，具有较强的针对性。

结语：我国文化创意产业正处于高速发展时期，但同时也存在着不协调的问题。本文针对文化创意产业的特点，从产品、人员、组织三个方面识别了文化创意产业链中存在的冲突，并构建了基于冲突的协调评价模型，以期对我国文化创意产业链的协调性进行评价。本文的不足之处是没有通过实证来验证该评价模型的可行性，这也是后续工作中有待完善的。（作者单位：中南大学商学院）

参考文献：

[1]张京成.中国创意产业发展报告（2012）[M].北京：中国经济出版社，2012.

[2]沈望舒.完善产业链——决定中国文化产业未来的战略关键词[C].北京：北京文化产业发展——2009北京文化论坛，2009.

[3]冯华，温岳中.产业链视角下的我国文化产业发展[J].国家行政学院学报，2011（5）：82-86.

[4]黄学，刘洋，彭雪蓉.基于产业链视角的文化创意产业创新平台研究——以杭州市动漫产业为例[J].科学学与科学技术管理，2013，34（4）：52-59.

[5]Joseph Lampel，Theresa Lant，Jamal，Shamsie.Balancing act：Learning from organizing practices in cultural industries.Organization Science，2000，11（3）：263–269.

供应室与临床的协调 篇7

供应链管理作为一种提升企业市场竞争力的有效手段,受到广大从业人员及学者们的青睐。作为一种系统化的管理模式,在给企业带来竞争力的同时,也给企业带来不同于传统企业管理方式的风险。正确的识别供应链风险并对供应链风险做出合理的评估,一直是供应链管理领域研究的热点问题。

Harland [1]将供应链看作为一个供应网络,根据供应链所处的不同环境,总结出供应链风险可分为战略风险、作业风险、供应风险等九大类。马士华[2]把供应链风险因素归纳为内生风险和外生风险。周艳菊等[3]认为供应链中不确定性因素特别是牛鞭效应的存在的存在是供应链风险的主要来源。王燕,刘永胜[4]从起因、危害程度、行为主体等不同的角度,对供应链风险进行了分类。Hallikasa[5]分别将供应链风险的发生概率和造成的结果划分为5个等级,构成评估矩阵,为供应链风险的评估提供了一个初步的思维模式。丁伟东等[6]提出了可靠性评估矩阵对供应链风险进行评估。付玉,张存禄等[7]把人工智能中的案例推理技术引入供应链风险估计,设计了实用化的偶发风险估计原形系统。耿雪霏,刘凯[8]等构建了供应链风险的多因素评价指标体系,并运用模糊数学的相关理论建立了多级模糊综合评价模型进行风险评估。

本文将从系统的角度出发,对供应链中的整体协调风险进行分类并采用证据推理的方法对其进行评估。该方法能较客观的对初始评价值进行融合,并能对评价指标中存在的不确定性信息和未知信息进行处理,更加符合客观实际。

2 供应链整体协调风险的分类

供应链整体协调风险是指在供应链运作过程中由各个节点和环节相互的协调合作带来的风险。从系统的角度出发,对供应链整体协调风险做如下分类:

2.1 管理风险

指供应链的系统管理过程中面临的风险,具体可以分为:

(1)决策的有限理性。指管理者的认知水平及未来情况的不完全预知而产生的决策失误风险。

(2)转化成本的存在。企业在制度或设备等软硬件进行更新时,由于成本的估计误差而产生的风险。

(3)时间风险。指供应链中某一个节点未完成任务,未能及时交付产品或服务造成下游供应链将面临的一系列风险。

(4)质量风险。节点企业的中间产品或服务的质量问题导致的供应链最终产品不合格从而引发的风险。

(5)企业间协调与监督风险。供应链之间的节点企业应该相互监督其运行,当这种监督机制出现问题时,就可能由于疏忽导致风险。

2.2 系统风险

系统风险是由供应链本身的组成结构所带来的风险。具体可分为:

(1) 系统内耗风险。指供应链整体和局部利益冲突或是节点企业之间的目标不相容带来风险。

(2) 系统约束风险。指一系列无法确定是否出现的因素对决策者行为的约束从而产生的风险。

(3)系统的稳定性。指系统的结构发生变动的可能性的大小及可能带来的风险程度的大小。

(4)系统的柔韧度。指系统运作的灵活性。如供应链中的某个供应节点瘫痪时能否及时找到其他供应商。

(5)抗干扰能力。主要指当外界事物对供应链的运作产生影响时,系统应对外界干扰的能力。

2.3 技术风险

技术风险是指由供应链中硬,软件的可靠性及竞争力所引发的风险。具体可分为:

(1)产品创新及生产技术风险。主要指生产技术的先进性,独特性,以及是否很容易被模仿。

(2)库存技术风险。指供应链企业采用的保持库存量的方法和库存设备带来的风险。

(3)物流技术风险。指物资配送环节涉及的设备,网络,工程技术,配送技术等技术风险。

(4)信息处理及传递技术风险。主要指信息处理的速度和以及信息技术安全性方面的内容。

(5)技术标准不统一。指节点间接口标准不统一造成的节点衔接困难而引发的风险。

2.4 合作风险

合作风险是指供应链中节点之间的互动合作,存在摩擦而引发的风险。具体可分为:

(1)合作伙伴能力风险。供应链中最弱的一环可能对供应链整体效果的发挥产生负面作用。

(2)文化冲突风险。企业不同的经营理念可能会在企业合作的过程中产生冲突而导致风险。

(3)利益冲突风险。单个企业为了自身的利益需求,很可能忽视全局的利益而做出有损供应链整体利益的选择。

(4)信用风险。指合作的双方中一方违约使得另一方无法正常运作,而导致供应链某节点运作中断带来的风险。

2.5 信息风险

信息风险是指在共享信息的过程中由于信息不对称和信息污染导致的信息不准确、滞后等风险。具体可分为:

(1)逆向选择。由于不合适的激励筛选机制,导致优秀的合作者被淘汰而那些具有潜在风险的合作者被选择可能带来的损失。

(2)道德风险。指由于信息的不对称,合约一方从另一方得到剩余利益使合约破裂导致的风险。

(3)牛鞭效应。指信息流在传递过程中,信息误差不断扩大导致的需求信息与实际信息差异过大导致的风险。

(4)信息传递的效率。指信息传递的速度及准确度对供应链运作产生的影响。

(5)核心信息外泄风险。核心信息决定企业的竞争力及生存能力,其外泄将会使得企业甚至整条供应链陷入危机。

2.6 行业风险

行业风险是指整条供应链所提供的核心产品本身的性质引发的风险。具体可分为:

(1)产品对外界的敏感程度。如果产品对外界的依赖程度比较高,则当外界环境变动大时企业很难准确的预估产品的实际需求。

(2)产品本身的竞争力。同类产品中,具有较强竞争力的产品往往面临较小的风险。

(3)行业间的竞争程度。供应链与供应链之间的竞争程度越激烈,则面临的风险就越大。

3 证据推理理论简介

对供应链风险的评估属于典型的多准则决策问题,它包含很多定量和定性的评价指标,并且对指标的评价上可能具有不确定性。证据推理方法(The evidential reasoning approach, 简称ER方法)相对于前面所提到的有关的多属性决策方法,其最大的优势在于它对不完全信息和未知信息的处理能力。

3.1 模型的描述

假设一个多属性决策问题的综合属性记为S,可分解为L个相互独立的属性ei(i=1,…,L),每个属性的权重为wi(i=1,…,L),满足条件:0≤wi≤1和undefined。设每个属性都能用相同的识别框架表示为H={H1,H2,…HN},H是对属性问题好坏的一个评价集Hn(N=1,…,N)为评价集中的每个评价等级,评价等级之间相互独立。设βn,i表示属性ei在评价等级Hn下的置信度,βn,i满足条件:undefined表示在属性ei上不能确定的那部分信度,这是由于专家的不确信度以及评估过程中信息的丢失所造成的。当undefined时,属性ei的评价等级是完全确定的。由于评价不完全的可能性的存在,方案中的属性ei可以表示为一个N+1维向量,S(ei)={(Hn,βn,i),n=1,2,…,N,(H,βH,i)},(i=1,…,L).。当ei是完全评估的情况,βH,i=0.

设mn,i表示在属性ei下对评价等级Hn的基本概率分配,mH,i表示未分配给属性ei中的任何评价等级的那部分基本概率分配。

有公式:

mn,i=wi×βn,i,n=1,2,…,N. (1)

undefined

其中mH,i包含2个部分:undefined和undefined。undefined是由权重引起的剩余信度;undefined,是由估计不完全而剩余的信度。设mn,1(i+1)(i=1,…,L-1)表示前i+1个属性在评价等级Hn上的总基本可信度,mH,I(i+1)表示未分配给前i+1个属性的总基本可信度,有:

mn,1(i+1)=KI(i+1)(mn,1(i)mn,i+1+mn,1(i)mH,i+1+mH,I(i+1)mH,i+1) (3)

mH,I(i+1)=KI(i+1)mH,I(i)mH,i+1 (4)

undefined

定义初始值

undefined

经过L-1次证据融合后,可以得到L个属性的总信度值:

undefined

通过公式(1)-(8),可得出多个证据经过融合后的综合评级结果:

S(e)={(Hn,βn,i),n=1,2,…,N,(H,βH,i)}

3.2 将证据融合结果定量化

设u(Hn)表示属性ei被评价为等级Hn的价值函数,其中u(Hi)=0,u(Hn)=1,u(Hn)(n=1,…,H-1)为[0,1]之间的数值;U(e)表示综合评级结果S(e)在识别框架H下的综合评价值,则在属性 被完全评价的情况下

而在属性ei是不完全评价的情况下,

undefined

因此,通过上述公式,我们就能得出具体评价方案的评价值。

4 基于证据推理的供应链整体协调风险评估

4.1 指标体系的建立

根据第2节中关于供应链风险的分类,建立如表1所示的风险指标体系。

4.2 指标初始评价值的确定

本文以某制造行业的一供应链为例,进行实证分析。取N=5,构成本次实证分析的评价集H={H1,H2,H3,H4,H5},分别对应评价值V={较低风险,低风险,一般风险,较高风险,高风险}。而每个属性中评价等级Hn的价值函数为u(H1)=0,u(H2)=0.25,u(H3)=0.5,u(H4)=0.75,u(H5)=1。定义关于供应链协调风险的评估集,V={(0-0.25,较低风险),(0.25-0.5,一般风险),(0.5-0.75,较高风险),(0.75-1,高风险)}利用专家的调查取证,结合专家的经验和知识,由专家给出初始评价值及各风险因素的初始权重,如表2所示。

4.3 供应链整体协调风险的评估

分别对每个一级风险因素的子因素按基本公式(1)-(8)进行证据的融合,可得出一级风险因素的证据融合结果如表3所示:从一级风险因素的证据融合结果,我们可以看出每个一级风险因素的在每个评价等级上的信度值,结合每个评价等级的效用值,可以得出每个一级风险因素综合效用值。

将这六个一级风险的证据融合结果再次进行证据融合,可得到供应链整体协调风险的证据推理结果:

S(E)={(H1, 0.16884), ( H2, 0.33145), (H3, 0.33717), (H4, 0.12943), (H5, 0.02283), (H, 0.01029)}

因此,可以得出供应链整体协调风险的最大综合效用值为:

Umax(e)=0.16884 0+0.33145 0.25+0.33717 0.5+0.12943 0.75+0.02283 1+0.01029 1

=0.38164.

Umin=0.16884 0+0.33145 0.25+0.33717 0.5+0.12943 0.75+0.02283 1+0.01029 0

=0.37153.

取平均值,则:undefined

根据前面给出的供应链整体协调风险的评估集,可以看出此条供应链的风险为一般水平。

5 结语

供应链风险评价是供应链风险管理的重要内容。目前大多数关于供应链风险的研究都侧重于定性研究方面,定量研究的成果比较少。本文针对供应链风险具有的不确定性,模糊性特点,提出了基于证据推理的供应链风险评价模型。这个模型对具有未知与不确定性项目的多属性决策问题有较强的优势。基于证据推理的风险评估过程,既有对总风险的评估,也有对下级风险的评估,能为管理者认清风险并针对性的采取风险应对措施提供依据。

参考文献

[1]HARLAND.Risk in supply networks[J].Journal of Purchasing andSupply Management,2003,9(2):51-62.

[2]马士华.如何防范供应链风险[J].企业管理,2003(12):45-46

[3]周艳菊,邱莞华,王宗润.供应链风险管理研究进展的综述与分析[J].系统工程,2006(3):1-7

[4]王燕,刘永胜.供应链风险管理概述[J].物流技术2008(8):138-141

[5]HALLIKASA.Risk Management Processes in Supplier Networks[J].Production Economics 2004(90):47-58

[6]丁伟东,刘凯,贺国先.供应链风险研究[J].中国安全科学学报,2003,13(4):64-66

[7]付玉,张存禄.基于案例推理的供应链风险估计方法[J].预测,2005(1):56-58

[8]耿雪霏,刘凯,王德占.供应链风险的模糊综合评价[J].物流技术,2007(8):164-167

[9]WANG YING-MING,YANG JIAN-BO,XU DONG-LING.Environmental impact assessment using the evidential reasoning ap-proach[J]European Journal of Operational Research,2006(174):1885–1913

[10]付艳华,张化光,唐加福.基于证据推理的供应商绩效评价与决策[J].东北大学学报,2009,30(11):1546-1549

供应室与临床的协调 篇8

随着经济社会的快速发展,产品更新换代的速度越来越快,废旧产品越来越多,回收再制造压力逐渐增大,单个企业特别是技术和经济实力相对弱小的中小企业通常难以完全依靠自身力量建立起完善的回收渠道,因此常常将逆向物流业务外包给第三方。第三方回收商的加盟虽可以减轻单个企业建立逆向物流系统的投资压力和保证再制造企业运作过程中的再制造材料来源[1,2],但同时也增加了供应链系统优化与协调的难度。正因如此,第三方回收闭环供应链的优化和协调问题成为学术界关注的热点之一。Savaskan R C et al.[3]在线性市场需求下,将第三方回收渠道下闭环供应链节点企业的决策及利润与其它回收渠道下的决策和利润进行了比较;黄祖庆等[2]研究了第三方回收闭环供应链的决策结构效率问题,比较了分散决策情形下制造商主导与零售商主导的供应链效率;陈菊红等[4]考察了第三方回收闭环供应链的定价与协调问题,设计了能增加产品销售量、废旧品回收量、节点企业利润和消费者效用的收入费用共享契约;Shen-Lian Chung et al.[5]构建了闭环供应链库存模型,设计了能实现节点企业利润最大化的契约;聂佳佳等[6]则基于信息视角研究了零售商预测信息分享模式对第三方回收闭环供应链的影响;Zheng Yingfei et al.[7]对夏普里值法进行了改进,并利用改进的方法解决了第三方回收闭环供应链的收益分配问题;Wei Jie et al.[8]利用博弈理论和模糊理论研究了第三方回收闭环供应链中节点企业的最优决策,并设计了能实现供应链协调的收益费用共享契约;史成东等[9]研究了有下行风险特性零售商加盟的闭环供应链的定价与协调问题,证明了在Downside-Risk约束下收益费用共享契约不能协调供应链,设计了能实现供应链协调的风险共享契约。

上述文献中,[2,3,4,5,6,7,8]研究了节点企业风险中性情况下第三方回收闭环供应链的优化与协调问题,未考虑节点企业的风险规避特性;[9]则只考虑了零售商的风险规避特性,未考虑制造商的风险规避特性。然而现实中,诸如市场需求、废旧品回收数量与质量等方面的不确定性常常使制造商也具有不同程度的风险规避特性,制造商会因为害怕风险而选择规避风险的行为[10]。因此,本文拟利用条件风险值(CVaR)探讨随机需求下制造商与零售商均具有风险规避特性时第三方回收闭环供应链的优化与协调问题。通过在收益共享——费用共担契约下建立基于负收益的制造商、零售商、第三方回收商和闭环供应链的条件风险值模型,研究制造商与零售商的风险规避水平对最优订购决策、最优定价决策及供应链协调决策的影响。

1 问题的描述与假设

本文研究由单个风险规避制造商、单个风险规避零售商和单个风险中性第三方回收商组成的三阶闭环供应链的优化与协调问题。制造商生产单一的短生命周期产品,用cm表示采用原材料生产的单位生产成本,crm表示单位再造成本,w表示单位产品批发价格,p表示单位产品零售价格,q为零售商的订货量,v为销售季节过后剩余产品的清空价格,b3p为第三方回收商面向消费者的单位废旧品回收价格,b1为制造商面向第三方回收商的单位废旧品回收价格,X表示随机市场需求(其分布函数与密度函数分别为F(x)与f(x)),β1为零售商的风险规避水平,β2为制造商的风险规避水平。

假设:(1)废旧品回收量L=τβ3pq,其中τ是回收量对回收价格与市场销量交互作用的敏感系数,0<τ≤1/b3p,表示回收量不可能大于市场销售量[11];

(2)不考虑顾客的产品退货、制造商和零售商的库存成本和缺货成本;

(3)0≤β2<β1<1,其它情况可作类似讨论;

(4)制造商、零售商与第三方回收商是理性的,均按照使自身条件风险值最小的原则进行决策;

(5)闭环供应链运作过程为:销售季节开始前,制造商向零售商与第三方回收商提供收益共享——费用共担契约T(w*,b*1,φ1,φ2,q,b3p)(φ1为零售商与制造商均能接受的零售商的收益共享比率,φ2为第三方回收商与制造商均能接受的第三方回收商的费用分担比率),然后零售商在自身风险规避水平下确定最优订购量q*,第三方回收商确定面向消费者的最优废旧品回收价格b*3p;

(6)信息是完全的;

(7)为保证研究问题有意义,假设φ1p>w,Cm≥v,cm>crm+b1>b1>b3p。

2 闭环供应链及成员的CVaR模型

2.1 CVaR简介

CVaR即条件风险值,是一种满足单调性、次可加性、正齐次性和平移不变性的一致性风险度量模型,它衡量的是在正常的市场条件下,在给定的时间段内损失的概率超过风险规避水平β的损失的条件期望值[12,13,14]。若Z为描述损失的随机变量,H(z)是其概率分布函数,则条件风险值可表示为[15]:

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}}=\text{E}\{\text{z}|\text{Η}(\text{z})＞\text{β}\}(1)$

若设g(x,y)为决策损失函数,y为决策变量向量,x为随机向量,R为实数集,则风险规避水平为β的条件风险值可用如下公式进行计算[16,17]:

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}}\text{g}(\text{x}‚\text{y})=\underset{\text{α}\in \text{R}}{{\displaystyle \min }}\{\text{α}+(1-\text{β}){}^{-1}\text{E}[\text{g}(\text{x}‚\text{y})-\text{α}){}^{+}\}(2)$

其中[·]+=max{0,·}。

2.2 CVaR模型的建立

在收益共享——费用共担契约T(w*,β*1,φ1,φ2,q,b3p)下,制造商、零售商、第三方回收商与闭环供应链的利润函数分别为:

π${}_{\text{m}}^{\text{r}\text{s}}$=(1-φ1)p(q^x)+(1-φ1)v(q-q^x)+(w-cm)q+[Δ-b1-(1-φ2)b3p]τb3pq (3)

π${}_{\text{r}}^{\text{r}\text{s}}$=φ1p(q^x)+φ1v(q-q^x)-wq (4)

π${}_{3\text{p}}^{\text{r}\text{s}}$=(b1-φ2b3p)τb3pq (5)

π=(p-v)(q^x)+(v-cm)q+(Δ-b3p)τb3pq (6)

由公式(2)可得零售商基于负收益的条件风险值为:

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\{\text{α}{}_1+(1-\text{β}{}_1){}^{-1}{\displaystyle {\int }_0^{\text{q}}[}-\text{φ}{}_1$px$-\text{φ}{}_1\text{v}\text{q}+\text{φ}{}_1\text{v}\text{x}+\text{w}\text{q}-\text{α}{}_1]{}^{+}\text{f}(\text{x})\text{d}\text{x}+(1-\text{β}{}_1){}^{-1}{\displaystyle {\int }_{\text{q}}^{+\infty }[-\text{φ}{}_1\text{p}\text{q}+\text{w}\text{q}-\text{α}{}_1]{}^{+}\text{f}(\text{x})\text{d}\text{x}}\}(7)$

当α1≤-φ1pq+wq时,

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\{\text{α}{}_1+(1-\text{β}{}_1){}^{-1}(-\text{φ}{}_1\text{p}\text{q}+\text{w}\text{q}-\text{α}{}_1)-(1-\text{β}{}_1){}^{-1}(-\text{φ}{}_1\text{p}+\text{φ}{}_1\text{v}){\displaystyle {\int }_0^{\text{q}}\text{F}}(\text{x})\text{d}\text{x}\}=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\text{G}{}_{\text{r}}(\text{q}‚\text{α}{}_1)(8)$

$\frac{\text{d}\text{G}{}_{\text{r}}(\text{q}‚\text{α}{}_1)}{\text{d}\text{α}{}_1}=1-(1-\text{β}{}_1){}^{-1}＜0$

当-φ1pq+wq<α1≤-φ1px-φ1vq+φ1vx+wq时,

$\text{q}{}_1=\frac{\text{w}\text{q}-\text{φ}{}_1\text{v}\text{q}-\text{α}{}_1}{\text{φ}{}_1(\text{p}-\text{v})}\le \text{q}(9)$

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\{\text{α}{}_1+(1-\text{β}{}_1)){}^{-1}\text{φ}{}_1(\text{p}-\text{v}){\displaystyle {\int }_0^{\text{q}{}_1}\text{F}}(\text{x})\text{d}\text{x}\}=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\text{G}{}_{\text{r}}(\text{q}‚\text{α}{}_1)(10)$

$\begin{array}{l}\frac{\text{d}\text{G}(\text{q}‚\text{α}{}_1)}{\text{d}\text{α}{}_1}=1-(1-\text{β}{}_1){}^{-1}\text{F}(\text{q}{}_1)=0\\ \text{q}{}_1^{*}=\text{F}{}^{-1}(1-\text{β}{}_1)\\ \text{α}{}_1^{*}=-\text{φ}{}_1(\text{p}-\text{v})\text{F}{}^{-1}(1-\text{β}{}_1)+\text{q}\text{w}-\text{φ}{}_1\text{v}\text{q}\end{array}$

当α1>-φ1px-φ1vq+φ1vx+wq时,

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\{\text{α}{}_1\}=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\text{G}{}_{\text{r}}(\text{q}‚\text{α}{}_1)(11)$

由前文的分析可知:

当q<F-1(1-β1)时,α*1=-φ1pq+qw,

$\text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]=\underset{\text{α}{}_1\in \text{R}}{{\displaystyle \min }}\text{G}{}_{\text{r}}(\text{q}‚\text{α}{}_1^{*})=-\text{φ}{}_1\text{p}\text{q}+\text{q}\text{w}+(1-\text{β}{}_1){}^{-1}\text{φ}{}_1(\text{p}-\text{v}){\displaystyle {\int }_0^{\text{q}}\text{F}}(\text{x})$dx (12)

当q≥F-1(1-β1)时,

α*1=-φ1(p-v)F-1(1-β1)+qw-φ1vq,

CVaRβ1[-π${}_{\text{r}}^{\text{r}\text{s}}$(q)]=Gr(q,α*1)=-φ1(p-v)F-1(1-β1)+qw-φ1vq+(1-β1)-1φ1(p-v)∫${}_0^{\text{F}{}^{-1}(1-\text{β}{}_1)}$F(x)dx (13)

同理可求得制造商基于负收益的条件风险值为:

当q<F-1(1-β2)时

CVaRβ2[-π${}_{\text{m}}^{\text{r}\text{s}}$(w,b1)]=-(1-φ1)pq-(Δ-b1)τb3pq+(1-φ2)τb${}_{3\text{p}}^2$q-qw+qcm+(1-β2)-1(1-φ1)(p-v)∫${}_0^{\text{q}}$F(x)dx (14)

当q≥F-1(1-β2)时

CVaRβ2[-π${}_{\text{m}}^{\text{r}\text{s}}$(w,b1)]=-(1-φ1)(p-v)F-1(1-β2)-(1-φ1)vq-(Δ-b1)τb3pq+(1-φ2)τb${}_{3\text{p}}^2$q-qw+qcm+(1-β2)-1(1-φ1)(p-v) ∫${}_0^{\text{F}{}^{-1}(1-\text{β}{}_2)}$F(x)dx (15)

对第三方回收商而言,其利润函数在研究假设条件下是一个不包含任何随机变量的确定性函数,因此其基于负收益的条件风险值可表示为:

CVaR0[-π${}_{3\text{p}}^{\text{r}\text{s}}$(b3p)]=-(b1-φ2b3p)τb3pq (16)

因为条件风险值模型CVaR是一个一致性风险度量模型,具有次可加性[16],所以整个闭环供应链基于负收益的条件风险值为:

CVaRβ[-π(q,b3p)]=CVaRβ1[-π${}_{\text{r}}^{\text{r}\text{s}}$(q)]+CVaRβ2[-π${}_{\text{m}}^{\text{r}\text{s}}$(w,b1)]+CVaR0[-π${}_{3\text{p}}^{\text{r}\text{s}}$(b3p)]

因为β1>β2≥0,所以F-1(1-β2)>F-1(1-β1),当q<F-1(1-β1)时,

CVaRβ[-π(q,b3p)]=-pq-(Δ-b3p)τb3pq+qcm+(p-v)*[φ1(1-β1)-1+(1-φ1)(1-β2)-1]∫${}_0^{\text{q}}$F(x)dx (17)

当F-1(1-β1)≤q≤F-1(1-β2)时,

CVaRβ[-π(q,b3p)]=-φ1(p-v)F-1(1-β1)-(1-φ1)pq-φ1vq-(Δ-b3p)τb3pq+(1-β1)-1φ1(p-v)*∫F-1(1-β1)F(x)dx+(1-β2)-1(1-φ1)(p-v)*∫${}_0^{\text{q}}$F(x)dx+qcm (18)

当q>F-1(1-β2)时,

CVaRβ[-π(q,b3p)]=-φ1(p-v)F-1(1-β1)-(1-φ1)(p-v)*F-1(1-β2)-vq-(Δ-b3p)τb3pq+qcm+(1-β1)-1φ1(p-v)∫${}_0^{\text{F}{}^{-1}(1-\text{β}{}_1)}$F(x)dx+(1-β2)-1(1-φ1)(p-v)∫${}_0^{\text{F}{}^{-1}(1-\text{β}{}_2)}$F(x)dx (19)

3 基于CVaR的闭环供应链优化与协调决策模型

3.1 零售商与第三方回收商基于CVaR的优化决策模型

为了求得使零售商基于负收益的条件风险值最小的订购量,求CVaRβ1[-π${}_{\text{r}}^{\text{r}\text{s}}$(q)]对q的一阶偏导数得:

$\frac{\partial \text{C}\text{V}\text{a}\text{R}{}_{\text{β}{}_1}[-\text{π}{}_{\text{r}}^{\text{r}\text{s}}(\text{q})]}{\partial \text{q}}=\{\begin{array}{l}-\text{φ}{}_1\text{p}+\text{q}+(1-\text{β}{}_1){}^{-1}\text{φ}{}_1\\ *(\text{p}-\text{v})\text{F}(\text{q})‚\text{q}＜\text{F}{}^{-1}(1-\text{β}{}_1)\\ -\text{φ}{}_1\text{v}+\text{w}‚\text{q}\ge \text{F}{}^{-1}(1-\text{β}{}_1)\end{array}(20)$

令式(20)等于零可得:

当q<F-1(1-β1)时,

$\begin{array}{l}\text{F}(\text{q})=\frac{\text{φ}{}_1\text{p}-\text{w}}{\text{φ}{}_1(\text{p}-\text{v})}(1-\text{β}{}_1)＜(1-\text{β}{}_1)\\ \text{q}{}^{*}=\text{F}{}^{-1}\left(\frac{\text{φ}{}_1\text{p}-\text{w}}{\text{φ}{}_1(\text{p}-\text{v})}(1-\text{β}{}_1)\right)(21)\end{array}$

同理式(16)对b3p求偏导数并令其等于零,求解可得:

b*3p=b1/2φ2 (22)

利用函数极值判定方法可知,q*与b*3p分别为使闭环供应链中零售商与第三方回收商基于负收益的条件风险值最小的最优决策。

3.2 闭环供应链基于CVaR的优化决策模型

为了求得使第三方回收闭环供应链基于负收益的条件风险值最小的订购量和废旧品回收价格,分别求CVaRβ[-π(q,b3p)]对b3p与q的一阶偏导数。

$\frac{\partial \text{C}\text{V}\text{a}\text{R}{}_{\text{β}}[-\text{π}(\text{q}‚\text{b}{}_{3\text{p}})]}{\partial \text{b}{}_{3\text{p}}}=-\text{τ}\text{q}(\text{Δ}-2\text{b}{}_{3\text{p}})(23)$

考虑到零售商只有在q<F-1(1-β1)的情况下才有最优订购量,所以此处亦只在q<F-1(1-β1)情况下求CVaRβ[-π(q,b3p)]对q的一阶偏导数。

$\frac{\partial \text{C}\text{V}\text{a}\text{R}{}_{\text{β}}[-\text{π}(\text{q}‚\text{b}{}_{3\text{p}})]}{\partial \text{q}}=-\text{p}-(\text{Δ}-\text{b}{}_{3\text{p}})\text{τ}\text{b}{}_{3\text{p}}+\text{c}{}_{\text{m}}+(\text{p}-\text{v})[\text{φ}{}_1(1-\text{β}{}_1){}^{-1}+(1-\text{φ}{}_1)(1-\text{β}{}_2){}^{-1}]\text{F}(\text{q})(24)$

由式(23)和(24)等于零可得

$\text{b}{}_{3\text{p}}^{**}=\frac{\text{Δ}}{2}$