供应链的网络效应研究

2024-06-13

供应链的网络效应研究（共8篇）

供应链的网络效应研究篇1

在供应链的信息传递过程中，需求信息从供应链下游向上游传递过程中呈变动程度逐渐增大的现象，即供应链下游消费需求轻微变动而导致上游企业生产、经营安排剧烈波动的现象，这就是供应链中的牛鞭效应。供应链中零售商向供应商的订货量与实际销售量不一致，发给供应商的订货量，方差大于销售给买方的，即需求扭曲，这种扭曲以放大的形式向供应链上游蔓延。

一、供应链牛鞭效应存在的问题

许多制造企业常发现产品需求量波动很大，程度要远大于产品实际销售量的变化幅度，这种现象在许多商品供应中普遍存在。牛鞭效应随着供应链运作的企业越多，效应越明显，整个供应链管理变得十分复杂、困难。牛鞭效应使供应链上需求信息失真且失真度逐级放大，直接后果就是库存积压;其次，过度需求变化使企业生产计划变化加剧，导致额外成本支出增加，如加班费用、加快运输的费用等，最终导致生产成本和运输成本上升;再次，牛鞭效应易造成需求增加的错觉，使制造商盲目扩大生产能力，结果生产能力利用率不高;同时，牛鞭效应导致生产能力闲置或过度使用，产生短缺与过剩交替，甚至产品过时的现象，客户需求不能及时满足，导致对客户服务水平降低。由此，有必要从技术层次上找出弥补供应链中牛鞭效应的对策。

二、供应链牛鞭效应的战略对策分析

供应链内部各成员目标利益的不协调、有效激励与监督机制缺乏，使得完善信息和简化决策在传统供应链结构下不可行。单纯从信息完善和简化决策角度出发无法根本解决牛鞭效应问题，因此，先要做到完善契约和供应链内部所有委托代理双方利益目标协调一致。

1. 完善契约

供应链结构中各实体间利益在某种程度上互相矛盾，在没有其他激励条件下，没有参与者会先公开信息，因此建立完善契约制度是提高信息共享程度的前提。为减少牛鞭效应，有必要对实体间联系进行管理和控制，合法契约是有效方法。在签订契约时，要注意契约柔性和时间有效性。

我们考虑单个制造商和供应商的简单模型：令供应商完成契约的劳动量为x(这里产品=供应商提供的服务)，产量y=f(x)，为了简化，产品价格为1，这样，就确定了产品价值，假定s(y)为供应商生产价值y元产品后得到的报酬，c(x)为供应商提供x劳动量的成本。我们试图寻找次优激励机制/利益分成机制来刺激供应商提供良好服务，因为最优机制很难达到。在利益分成机制下，供应商与制造商都按一定比例从收益中获得利润。假设供应商份额采取s(x)=af(x)+F的形式，其中F为常数，a<1，这样，由供应商利益最大化得出：max a f(x)+F-C(x)。此时供应商提供的劳动量满足：a MP(x)=MC(x),MP(x)为边际产量，MC(x)为边际成本。在信息对称时，供应商提供的劳动量z，满足MP(z)=MC(z)，在不对称信息下不是最优的。然而非对称信息条件下，尽管供应商报酬部分取决于可观察产量x，但供应商和制造商共同承担了产量波动风险，既对供应商产生激励，又使供应商不必承担全部产量波动风险，就在次优条件下最优地解决了供应商“败德风险”。

另一方面，为解决制造商误选了供应商，契约签订时，可采取两种方式：第一，寻求中间商或经纪人对供应商进行信息甄别。假设制造商直接与供应商签约风险为v，中间商或经纪人代理成本为c′，信息不对称降低后的风险为v′，那么当v-v′>c′时，制造商采取的策略可行。中间商或经纪人本身并不能成为供应商信号，但他们能利用专业知识鉴定识别供应商信息。通过建立中间商或经纪人商业信誉，能使制造商和供应商之间的信息不对称状况得到扭转。希望获得良好服务水平的制造商通过经纪人的可接受价格与提供良好服务的供应商签约，且为此支付给经纪人佣金也低于在非对称市场上搜寻良好服务水平供应商的成本。第二，制造商与供应商合同签订时，采取风险分担措施。根据前面假设：供应商风险分担VL=βV+E,0<β<1,E为常数。现假设市场中有两类供应商：低服务水平的L1，与高服务水平的L2,L1承担风险能力VL1βV+E。L1和L2都能承担风险，愿与制造商签约，如果逐步增加β，a f(x)+F-c(x)-βV-E是递减的。当VL1

2. 协调企业利益目标

从协调企业利益目标看，最显著方法是通过财务手段达到供应链内部纵向一体化，本质是将企业间委托代理关系内部化，简化组织结构，也是获取供应链内其他成员信息的直接手段。从企业资源基础理论看，企业追求的是内部资源的经济租金最大化，企业核心能力引致的竞争优势是在竞争性市场上取得经济租金的唯一手段。企业内部资源有限，为最大化内部资源的经济租金，完全供应链内部一体化在理论上不可取。

为协调供应链内部企业利益目标，方法一是企业间合作，建立类似于联盟的伙伴关系，也是完善供应链内部信息和决策结构、促使信息一体化的有效途径。有效合作与伙伴关系依赖于企业间信任建立，而信任是企业间长期合作博弈建立的。信任不易获得，传统竞争理论使得企业习惯于将其他成员视为竞争对象，因而合作与伙伴关系难以维持。方法二是成员间部分股权互换。有利结果是不必经长期合作博弈就可协调成员利益目标，且是保证成员进行信息和决策合作的有效激励机制。供应链内部参与企业间资产和流程的专用性提供了对股权互换的激励，但企业规模和权威差异性使得股权互换的有效性复杂化。

三、供应链牛鞭效应的战术对策分析

1. 规避短缺博弈行为

当供应商面临短缺，而不是根据订单来分配产品时，可按比例定量分配订货，顾客没有扩大订单意识。消费者无制造商供应信息时，短缺中“博弈”现象达到最高峰。充分享有生产能力及存货信息能缓解消费者不安，最终减少博弈中需求。但出现真正短缺时，享有生产能力信息又显不足，制造商可预先与消费者签订销售旺季订单，就能调节生产能力，良好安排生产时间。由于制造商赋予零售商退货政策扩大了博弈现象，在无惩罚条件下，零售商将扩大需求及取消订单，因此有必要实施更严厉的取消订单的政策措施，对缓解牛鞭效应有益。

2. 优化供应链结构

供应链中水平层次和垂直规模的参与者越多，信息加工次数越多，扭曲程度也越大，要尽量减少供应链水平和垂直的数量。依据对核心企业流程的重要程度，将供应商和顾客群体分成支持型和重要型来确定供应链结构。支持型是指那些对最终产品提供起支持作用的参与者。例如，提供贷款的银行，维护生产设备的设备供应商等。重要型是指对那些最终产品增值起重要作用的参与者。如不易获得的原材料供应者、有较好销售渠道的批发商等。将参与者进行分类，保留重要型，剔除支持型，供应链结构有所简化。简化后的供应链有合适长度和宽度，这样可从结构上减少牛鞭效应。

3. 稳定价格和缩短交货时间

促销或单纯以销量评价销售员业绩的做法将引起提前购买，造成未来购买量下降，或由于大量订单取消，导致生产安排棍乱。控制提前购买引起牛鞭效应的最好方法是减少对经销商的折扣频率和幅度。制造商通过稳定的价格策略减少对提前购买的激励。一些超市采取“天天平价”策略使消费者囤积现象减少，真实消费信息显露在经营者的销售数据中，利于正确预测需求和决策。交货时间越长，牛鞭效应越显著，因此订货方须准备更多库存，从而增加库存成本。如果批发商缩短交货时间，将有助于零售商作出有效库存决策和订货决策。

4. 避免多方需求预测

供应链中每一成员通过计划传递预测信息。下游成员的需求输入是由需求预测产生的。对供应链中消费数据重复过程的补救措施是在下游到上游的可能状况中确定统一需求参数，有效方式是在供应链内部集中顾客需求信息，即为每个成员提供顾客实际需求的全部信息。如下图所示，每个成员利用信息预测实际需求。通过互联网或EDI，双方根据原始数据更新各自预测，避免多方进行需求预测及出现信息“孤岛”。由于使用预测方法和购买习惯不同，往往在向上游企业订购时，仍会导致订单波动。所以，信息强化能避免多方需求预测，显著减少牛鞭效应。

方法二是绕过下游企业来获得信息。例如，直销方式直接面向消费者，可直接了解产品需求模式，供应时间过长也会夸大牛鞭效应。因此，提高物流效率，加快订单处理速度，避免多次重复录入，压缩订货周期能降低需求变动幅度。

5. 打破批量订货

批量订购会产生牛鞭效应，供应链成员应实行小批量、多批次的采购或供应模式。企业可利用E D I来减少每次订货成本，减少每次订货批量，提高订货频率。小批量、经常性订货，可更有效控制库存，且更加有效响应客户需求。首先，企业可采用实时库存补充模式，利于企业实现小批量订货，不必保持很高的安全库存而降低库存成本;其次，利用信息技术，改变电话或传真的订货方式，实现网上订货，使信息传递成本降低，企业就不必将订单积累到一定量后再集体发送来降低成本了;此外，上游企业还可鼓励下游企业订购多种不同产品，这样货车一次就可从同一制造商那里满载多品种产品，对于每种产品来说订购频率增加了，总体发送频率不变，仍可以获得批量运输的规模经济性。还可将企业物流业务外包给第三方物流公司。第三方物流公司可将产品统筹安排，使运输成本降低。例如，当多家供应商彼此位置相邻时，就可以采用混装运输的方法，将各供应商的产品装在同一辆货车上，实现小批量交货的经济性。

通过以上两种方法，信息甄别有效地降低了信息不对称带来的逆向选择风险，改善了供应链中信息传递风险，提高了动态联盟的效益。需要指出的是，不仅是牛鞭效应，还有许多其他供应链效率损失也可从供应链结构，包括组织结构和信息结构中找到问题的根源。供应链内部的委托代理关系是不可避免的，即使是一体化后的企业内部也存在委托代理关系，要彻底解决效率损失问题，必须建立有效的激励和监督机制，完善内部和外部契约。

摘要：由于供应链牛鞭效应的存在,导致供应链上的需求信息失真,从而产生库存积压、企业生产计划变化加剧、额外成本支出增加等问题。因此,有必要从战略层次和战术层次上找出弥补供应链中牛鞭效应的对策。本文将从战略层次和战术层次来讨论削弱牛鞭效应的方法。

关键词：供应链,牛鞭效应,对策

参考文献

[1]谢科范,彭会涛.供应链管理中的“牛鞭效应”与信息风险[J].中国机械工程,2003,14(17):1510-1512.

[2]施锡铨.博弈论[M].上海:上海财经大学出版社,2002.

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

供应链的网络效应研究篇2

电子商务环境下供应链中牛鞭效应问题研究作者：程祉霞刘红丽

来源：《沿海企业与科技》2005年第11期

[摘要]牛鞭效应是供应链中普遍存在的现象。文章在分析牛鞭效应的基本思想、对供应链的影响的基础上，对其产生原因、影响因素及解决措施进行了简单综述，认为信息共享是解决牛鞭效应的基本途径，并提出了基于电子商务的信息共享系统。

[关键词]牛鞭效应；供应链管理；信息共享；电子商务

[中图分类号]TP399

供应链的网络效应研究篇3

本文将通过对参照价格相关文献的梳理, 按照参照价格概念及参照价格对供应链成员决策的影响两方面对文献进行综述。

1 基于参照价格概念及建模的发展研究

从广义上讲, 参照价格是判断产品购买价格时所使用的一个参考点。按照参照价格形成过程中受刺激对象的不同, 将其分为外部参照价格和内部参照价格。

Zhou Jidong (2011) 认为消费者会选择信誉、产品质量及广告宣传做的好的有声望的公司的产品价格作为自己的参考点。

内部参照价格是消费者将各类价格信息整合汇总而形成的, 例如, Kalyanaram和Winer (1995) 认为参照价格是消费者与观测到的价格进行比较的一个内部标准, 消费者利用过去的价格作为形成内部参考价格的信息集。Fibich G (2005) 认为参照价格是由消费者过去购买的价格、观测到的价格以及无意间了解到的价格信息构成的。

根据参照价格的形成信息不同, 将参照价格的建模分为以记忆和外部刺激为基础的两类模型。

Fibich G (2005) 沿用前人的研究成果采用以记忆为基础的参照价格模型, 研究得出价格变动引起短期需求价格弹性明显高于长期价格弹性。Zhang Juan等 (2013) 在假设广告宣传可以使消费者对产品产生好感, 且广告努力、消费者好感及参考价格对产品销量有积极影响的条件下, 建立了以外部刺激为基础的参照价格模型, 研究表明了具有参照价格效应时合作广告可以实现纵向供应链的协调。

随着研究的深入, 学者们注意到参照价格可以影响消费者的购买决策, 因此, 企业在进行营销决策时有必要了解参照价格的形成及其作用。

2 参照价格对企业决策的影响

Winer (1986) 认为经常购买品牌的参照价格受到商场频繁促销的影响, 因此, 品牌促销的时间间隔要足够长。

Briesch等 (1997) 通过对5种参照价格模型的比较分析, 得出最佳的参照价格模型是Brand-specific past prices, 此模型的前提是消费者能够区分之前购买场合遇到的各个品牌对应的价格, 也就是说每个品牌都有自己的参照价格, 进而使得管理者明白由于品牌的过去价格构成了消费者的参照价格, 所以仅将品牌定价低于竞争品牌是不够的。Fibich G等 (2007) 基于参照价格是消费者对过去价格的记忆, 构建参照价格模型, 得出在损失厌恶的情况下, 价格促销会导致利润降低, 其最优策略是设定一个固定不变的价格;在收益大于损失的情况下, 促销次数与利润正相关, 此时最优价格策略是周期性的。

常雪 (2008) 回顾了当前国外消费者参照价格的研究现状, 通过对消费者参照价格的形成与发展途径的剖析, 进一步分析了影响参照价格的诸多其他因素, 并提出消费者参照价格研究对企业营销战略的制定具有重要意义。

单汨源等 (2014) 采用主从博弈构建制造商在双渠道环境下基于参照价格效应的两阶段动态定价模型, 研究表明双渠道环境中, 批发价格与渠道交叉价格弹性系数、直销渠道的销售定价有关, 间接受到参照效应影响, 记忆系数和参照价格系数对制造商定价及收益的影响受到初始参照价格调节。

上述研究更贴合经济发展的实际情况, 从相对微观的层面研究参照价格对单个企业定价和促销策略的影响, 研究成果颇为丰硕, 针对性强, 这为参照价格对企业决策影响的后续研究提供了更为直接和有效的参考。

3 结论

由于消费者的个性化需求越来越多样化, 网络渠道可以根据消费者以往消费需求和关键字搜索, 进行有针对性的推荐。而随着技术发展、平台竞争等, 以及一淘、比价网等的出现, 导致产品价格越来越透明, 消费者的购买决策除受价格因素的影响外, 还受到广告等非价格因素的影响, 企业在进行决策时, 必须要加强对消费者非价格因素的考虑。此外, 从企业层面来说, 参照价格效应会影响到广告投放的效率, 决策者的定价和广告决策, 间接地影响到企业的生存及长远发展。因此, 企业营销战略的决策者有必要充分了解这些内容。

摘要：文中回顾了当前国内外具有参照价格效应的供应链研究现状, 通过对具有参照价格效应的形成与发展途径的剖析, 进一步分析影响供应链成员广告决策的诸多因素, 并提出参照价格研究对供应链成员决策制定具有重要意义。

关键词：供应链,决策,参照效应

参考文献

[1]Winer R S.A reference price model of brand choice for frequently purchased products[J].Journal of consumer research, 1986:250-256.

[2]Kalyanaram G, Winer R.S.Empirical generalizations from reference price research[J].Marketing Science, 1995, 14, (3) :161-169.

[4]Briesch R A, Krishnamurthi L, Mazumdar T, et al.A comparative analysis of reference price models[J].Journal of Consumer Research, 1997, 24, (2) :202-214.

[5]Mazumdar T, Raj S P, Sinha I.Reference price research:review and propositions[J].Journal of marketing, 2005, 69, (4) :84-102.

[6]Fibich G, Gavious A, Lowengart O.Optimal price promotion in the presence of asymmetric reference‐price effects[J].Managerial and Decision Economics, 2007, 28, (6) :569-577.

[7]Zhou Jidong.Reference Dependence and Market Competition[J].Journal of Economics&Management Strategy, 2011, 20, (4) :1073-1097.

供应链的网络效应研究篇4

牛鞭效应会给供应链中的企业带来一系列严重后果,如产品库存水平提高、服务水平下降、供应链的总成本过高等问题,这必然降低供应链企业的整体竞争力,最终使每一个供应链成员遭受损失[1]。相对于订单信息波动的牛鞭效应而言,价格波动的传导是反方向的,因此这个过程就被称为“定价的逆向牛鞭效应”(Reverse Bullwhip effect in Pricing,RBP)[2]。随着供应链下游价格波动的加剧,订单信息扭曲的牛鞭效应就会加强[3]。而价格波动是引起牛鞭效应的一个重要因素,因此研究导致供应链下游价格异常波动的原因以及使其加剧的机制尤为重要。

Ertunga和Metin最早以独特的视角研究了供应链上价格的波动机制,并且建立了模型对其进行定量化研究[2]。他们的研究仅限于单链式供应链,每阶段只存在一个横向供应链企业,该企业对价格具有完全的决策权。事实上很多供应链是以网状结构存在的,每个阶段存在多个横向供应链企业,价格不再是由一个供应链企业制定。因此我们认为应用寡头垄断行为模式分析每个阶段其价格的决策更为合适。本文在其模型基础上进行了拓展修改,研究范围由原来的单链式供应链扩展到更具一般性的网式结构供应链。

1 建立模型

1.1 假设条件

(1)需求行为是确定性的,即具有确定的需求函数,并且需求函数只受到价格因素影响。

(2)企业的行为是理性的,以追求利润最大化为目标,符合经济学中经济人的假设。

现在基于以上假设,通过建立基于网式结构的供应链定价决策模型,分析不同阶段供应链中产生RBP的必要条件,以此研究供应商价格波动对整个供应链定价的影响。

1.2 单阶段供应链

我们先考虑只存在一个批发商和n个零售商的简单供应链模型。定义w为批发商制定的批发价,p为零售价格。零售价受到批发价的影响,这种关系用p!w"来表示;零售商面临的是只受到价格影响的确定性的需求q!p"。这里我们主要研究w对p的影响,用来度量批发成本对零售价格的影响(也称为成本传递系数)。

基于,BRP有如下表述:对于所有的w>0,显然当时就会产生RBP。

首先,记qii,=1,2,…,n,为零售商i的销售量。假设q,p,两阶可微而且是p的递减函数,且这n个零售商之间销售量的选择符合古诺模型假设,则其利润最大化问题可为:

显然,零售商i的利润有赖于其他零售商的销售量。古诺均衡的最优产量,q1*,q2*,…,qn*,必须满足的最大化一阶条件为:

令B表示满足条件(1.2)的所有解集。基于以上的假设及分析,下面命题1中给出存在n个零售商条件下,单阶段简单供应链中RBP产生的必要条件。

命题1

通过上面的分析过程我们可以看到,RBP的产生不仅与需求函数密切相关,还受到零售商数量的影响。当仅存在一个零售商时,RBP产生的条件变成,这与Ertunga和Metin的结论是一致的,显然本文的结论比其更具一般性。

1.3 两阶段供应链

在两阶段网状供应链中,要进一步考虑存在一个供应商制定面向批发商的价格c,然后再考虑m个批发商与n个零售商之间的序贯博弈。两阶段供应链中的序贯博弈包括两个过程。第一步,作为领导者的每一个批发商首先确定自己的最优化产量,进而所有批发商的产量决策确定了面向零售商的最优化价格。第二步,零售商根据领导者的价格确定自己的最优化产量,所有零售商的产量决策进一步决定了面向最终顾客的价格。

令批发商i的销售量为sii,=1,2,…,m,;假设不存在延迟销售现象,即

在第一步,m个批发商预料到了全体零售商的反应,据其制定符合自身利润最大化的产量,进而决定了面向零售商的价格。

根据前面的分析,零售商的总体反应函数为:

则批发商i最优化问题目标函数为:

相应地m个批发商的最优化一阶条件为:

若用w*=w,c,来表示批发商确定的最优化价格w与供应商制定的价格c之间关系,则:

最后,在第二阶段m个零售商根据反应函数(4)确定符合自身利润最大化的产量,进而决定了面向终端客户的最优价格p*。

命题2

存在m个批发商、n个零售商的网状结构的两阶段供应链中,在其进行序贯博弈情况下,产生RBP的条件为:

证明:由零售商反应函数得:

整理得:ddpw=′1+1n′1-qq′′q′′2′′-′1=n′n+1-q′′2′qq′′-′1

由方程(4)两边对c求导得:

结果表明,序贯博弈使得价格波动是累加的。在两阶段供应链中RBP的产生与批发商和零售商的数量密切相关,随着价格波动从供应链的上游向下游不断放大,RBP随之产生。

2 结束语

本文主要分析了网状供应链的上游供应商价格的波动对供应链下游定价的影响。通过定义RBP发生条件为成本传递系数大于1,我们得到了在何种情况下价格的波动会产生RBP的结论:对于单阶供应链来说当满足需求函数的凹度系数大于1且小于n+1时,就会产生定价的逆向牛鞭效应。通过进一步分析可以看到,单阶段供应链中像等弹性需求函数一般会引起RBP,其它像线性需求函数以及道格拉斯需求函数不会产生RBP。对于进行序贯价格搏弈的n阶供应链来说,当引起单阶供应链RBP的情况发生在每一个阶段时,价格的波动就会不断放大。RBP的产生与否不仅受到需求函数的影响而且还与横向供应链企业的数量相关。

由于缺少更多的供应链企业相关数据的收集,本文没有进一步通过更多的实例对供应链中定价的逆向牛鞭效应做具体实证分析,仅从理论上加以推导论证。另外对于不确定性需求条件下的情况,由于分析复杂,本文没有做进一步讨论。

参考文献

[1]戴发山,谢五洲.消除牛鞭效应供应链中的库存控制策略[J].中国储运,2005(2):41-43.

[2]Ertunga C.Ozelkan,and Metin akanyldrm.Reverse bullwhip effect in pricing[J].European Journal of Operational Research,2007(9):9.

[3]Lee H L,Padmanabhan V,Whang S.Information distortion in a supply chain:The bullwhip effect[J].Management Science,1997,43(4):546-558.

[4]J.W.Forrester,Industrial Dynamics[M].MIT Press,Cambridge,MA,1961.

[5]Towill D R.Forridge-principles of good practice in material flow[J].Production Planning and Control,1997,8(7):622-632.

供应链的网络效应研究篇5

牛鞭效应问题如此重要, 因此多年来一直受到企业家和学者的关注。目前, 对牛鞭效应的定量研究主要采用统计分析量化方法和控制工程量化方法[3]。Lee[1]和Chen[2]等学者研究了牛鞭效应的五大因素, 并采用移动平均预测、指数平滑预测等方法对需求信号的处理和交货到订货的时间延迟进行了量化处理。刘红等以H.L.Lee提出的消费需求AR (1) 自相关模型为基础, 在假定采用订货点库存策略的前提下, 分别推导出了零售商采用移动平均法、一次指数平滑法预测及均方误差优化预测市场需求时, 生产商所面对的需求波动。分析了不同预测技术对牛鞭效应的影响及适用范围[4]。汪传旭通过分析ARMA (1, 1) 需求条件下的供应链历史订单量信息对牛鞭效应和制造商平均成本的影响, 得出历史订单量的充分利用可以减少牛鞭效应, 降低供应链成本[5]。Disney和Towill等人采用控制工程中的传递函数、频率响应和谱分析等方法, 提出了分析牛鞭效应的频率响应曲线最大幅值方法和噪声带宽方法[6,7]。王旭坪等利用控制理论建立了多级线性供应链的模型, 分别使用噪声带宽和Matlab/Simulink对一个可扩展多主体线性供应链系统的牛鞭效应进行建模和仿真, 分析了实施信息共享前后供应链系统的牛鞭效应[8]。郭海峰等采用基于变换的离散传递函数和测量牛鞭效应的控制工程方法, 计算了由一个供应商和一个用户组成的、使用指数平滑预测的供应商管理库存供应链和传统供应链的牛鞭效应[9]。本文以APIOBPCS模型为基础[6], 将信息共享环节 (指数平滑预测) 视为供应链系统的组成部分, 采用变换的方法, 建立信息共享供应链系统的传递函数, 使用Matlab仿真信息共享对供应链系统牛鞭效应的影响。

1 信息共享供应链系统

本文主要研究信息共享对制造商-分销商-销售商三级供应链系统牛鞭效应的影响, 供应链节点的结构采用APIOBPCS模型。在传统供应链系统 (无信息共享) 中各节点是串联的, 而信息共享供应链系统则是一个前馈系统。

1.1 传统供应链离散传递函数

将市场需求信息的预测视为供应链节点中的一个环节, 采用一阶指数平滑预测方法[9], 其变换为其中a为平滑系数, 为预测中的数据平均期。为下游节点观察到新的库存水平, 向上游节点制定的订货量, 为净库存, 为在制品量, Tp为物流生产或配送延迟时间。Tf (z) 传递函数为:

由于传统供应链中各个节点上的预测环节是相互独立的, 因此传统供应链离散传递函数是各个节点Z变换的乘积。为了简化, 令所有节点使用相同的预测参数Ta和相同的延迟时间Tpo。所以, 传统三级供应链的离散传递函数TF3 (z) 为:

1.2 信息共享供应链离散传递函数

在信息共享系统中, 各个节点上的预测环节不再是独立的, 而是共享最终需求信息D。当n=1时, 是指供应链上只存在销售商;当n=3时, TF2 (z) 是指由销售商和分销商组成的二级供应链的离散传递函数。此时的传递函数TFn (z) 为:

为了简化, 所有节点使用相同的预测参数和延迟时间参数, 因此

1.3 系统仿真

取代入公式 (2) 和 (4) , 可得传统供应链与信息共享供应链频率响应情况。取不同的Tp和Ta代入式可以得到传统供应链和信息共享供应链牛鞭效应的大小, 数据如表1所示。

1.4 仿真结果分析

依据系统仿真知, 牛鞭效应沿供应链向上游呈放大趋势。信息共享供应链频率响应AR明显小于传统供应链的频率响应AR, 说明信息共享对供应链牛鞭效应具有消减功能。从表1看出, 预测参数Ta相同的情况下, 生产或物流延迟时间Tp越长, 牛鞭效应越明显。在交货提前期相同的Tp情况下, 预测参数Ta越大, 牛鞭效应越小。这是因为预测的时间越长, 预测值越准确。然而取较大的Ta值只能适用于稳态的需求模式。当需求不稳定时, 必须取较小的Ta值以密切跟踪需求来获得满意的服务水平, 因此, 需要在跟踪需求变化和对牛鞭效应的影响之间做出折中。此外, 信息共享能够有效抑制牛鞭效应, 但不能够完全消除牛鞭效应。这说明牛鞭效应是供应链系统固有的特征。

2 弱化牛鞭效应的措施

2.1 时间压缩策略

供应链时间压缩策略, 作为供应链管理的有效措施, 可获得更短的提前期、更好的订货控制、更低的库存水平等等, 能很好地减轻供应链中的牛鞭效应。时间压缩策略分别从供应链物流和信息流两条渠道进行, 即进行信息流和物流两方面的时间压缩。

在信息流中进行时间压缩, 主要通过实施信息共享把销售点 (POS) 数据实时提供给供应链上的每一成员, 这样, 每个成员可以根据其下游企业的订单信息和最终需求信息做出准确而快捷的生产、存货决策, 进而减少库存、降低成本。通常使用EDI、Extranet、ERP等软件和网络, 使供应链的各个环节之间达到信息共享, 提高供应链的整体效率。

在物流方面中进行时间压缩, 可通过消除物流中的冗余工序, 并行运作物流流程等手段来实现。

2.2 信息共享激励策略

根据前面的分析, 信息共享能够弱化牛鞭效应, 增加供应链的整体绩效。但信息共享并不是对供应链所有成员都是有益的, 例如, 对销售商而言, 信息共享几乎没有价值。而且供应链中的所有成员都可能担心这些共享的私有信息会泄漏给竞争对手, 所以为促进信息共享, 应建立信息共享的激励与监督机制, 处理好利益在整个供应链中的再分配问题。

3 结语

本文采用基于控制工程的量化建模方法, 仿真研究了信息共享对制造商-分销商-销售商构成的三级供应链网络牛鞭效应的影响。仿真表明, 信息共享是一种有效的减少牛鞭效应的方法。因为其删除了最终市场需求信息流的时间延迟, 改变了传统供应链的串行结构, 这在供应链理论研究和工程上具有重要意义。本文仅就最终市场需求信息流的共享对供应链牛鞭效应的影响进行了研究, 关于其它信息流的共享对供应链牛鞭效应影响的研究有待进一步深入。

参考文献

[1]Lee N, Padmanahan S, Whang S.Information distortion in a supply chain:thebullwhip effect[J].Management Science, 1997, 43 (4) :546～558.

[2]Chen F.Drezner Z, Ryuan J K, et al.Quantifying the bullwhip effect in a simplesupply chain:the impact of forecasting, lead times, and information[J].Management Science, 2000, 46 (3) :436～443.

[3]黄小原, 王静.供应链中的牛鞭效应问题研究进展:存在、量化与控制[J].信息与控制, 2004, 33 (5) :579～583.

[4]刘红, 王平.基于不同预测技术的供应链牛鞭效应分析[J].系统工程理论与实践, 2007, (7) :26～33.

[5]汪传旭.基于ARMA (1, 1) 需求的供应链历史订单量信息价值的分析[J].管理工程学报, 2006, 20 (4) :25～30.

[6]Dejonckheere J, Disney S M, Towill D R.Transfer function analysis of forecasting induced bullwhip in supply[J].Int.J.Production Economics, 2002, 78 (2) :133～144.

[7]Dejonckheere J, Disney S M, Lambreoht M R, et al.Measuring and avoiding thebullwhip effect:a control theoretic approach[J].European Journal of Operational Research, 2003, 147 (3) :567～590.

[8]王旭坪, 郭瑞东, 胡祥培.基于控制工程的牛鞭效应建模与仿真研究[J].中国管理科学, 2006, (14) :469～473.

供应链的网络效应研究篇6

在知识经济时代, 产品和技术的生命周期日益缩短, 新技术的扩散效应日益扩大, 越来越多的企业发现, 仅有良好的生产效率、足够高的质量已不足以保持市场竞争优势, 创新正日益成为企业生存与发展的不竭源泉和动力。竞争环境的日益复杂以及企业可用资源的有限性等因素使得供应链中的企业势必要在创新方面开展更加广泛的协同, 有效地整合企业创新所需的各种资源和能力, 从而实现协同创新。供应链中的企业通过协同创新可以充分发挥成员企业各自的优势, 降低产品成本, 提高供应链的整体收益。因此, 供应链企业间的协同创新对提高企业乃至整个供应链的竞争力具有重要意义。

近年来, 国内外不少学者研究了供应链企业间的合作创新问题, 但主要关注的是供应商与制造商之间的合作创新[1,2,3,4], 如Kim B (2000) 提出制造商通过向供应商提供创新补贴, 可以促使供应商进行创新, 降低原材料、零部件的供应成本, 从而实现双赢[5];李勇 (2005) 则研究了制造商负责产品的总体创新开发, 供应商则负责配套零部件的创新开发, 探讨了不同情况下制造商对供应商的创新补贴策略, 阐明了制造商与供应商在创新方面的协同不仅可以使供应链整体利润最优, 而且还能形成双赢的局面[6]。此外, 创新活动往往具有溢出效应, 会对相关企业的创新活动产生一定的影响。然而, 大多数学者主要关注的是竞争企业间创新活动的横向溢出效应[7,8,9], 即企业的创新活动会通过溢出使其竞争对手获益。事实上, 由于上下游企业在产品生产方面的关联度较大, 上下游企业间的创新活动往往也具有纵向溢出效应, 即企业的创新活动会通过溢出使其上游的供应商 (或下游的制造商) 获益[10,11,12]。因此, 考虑供应商、制造商的创新活动对彼此的纵向溢出效应十分必要。与此同时, 销售商在创新方面的作用也不可忽视, 由于销售商与客户有着直接的交流, 掌握各种市场需求信息, 销售商可以为供应商、制造商提供各种不断变化的市场需求信息, 使供应商、制造商更好地把握创新的方向。

鉴于此, 笔者研究了一个由供应商、制造商和销售商组成的供应链, 分析了在具有纵向创新溢出效应的情况下, 供应商、制造商和销售商在三方非协同创新、三方协同创新情形下的供应链总收益、创新投入以及产品产量的情况, 并分析了纵向溢出效应、创新系数的大小对供应链总收益、创新投入以及产品产量的影响。

二、问题描述

以由一个零部件供应商、一个装配制造商和一个产品销售商组成的供应链为研究对象 (见图1) , 为了简化问题的分析, 不妨假设制造商所生产的产品只需供应商提供一种零部件。供应商为制造商供应零部件的单价为w1, 每单位零部件的生产成本为c1, 供应商在零部件的生产过程中, 可以在零部件结构、生产工艺等方面进行创新, 提高零部件的生产效率, 从而可以使零部件的单位生产成本降低x。制造商生产一单位的产品除了需要花费w1购买一单位的零部件外, 还需要装配制造成本c2, 制造商在产品的装配制造过程中, 可以在产品结构、制造工艺等方面进行创新, 提高产品的制造效率, 从而可以使产品的单位装配制造成本降低y。此外, 制造商提供给销售商的单位产品批发价为w2, 销售商向制造商下产品订单, 订货量为q, 产品的销售单价为p, 销售商的单位产品销售成本为c3。

供应商的创新投入为 $Ι_{1} = \frac{1}{2} α x^{2}$ , 制造商的创新投入为 $Ι_{2} = \frac{1}{2} β y^{2}$ , 其中α、β为创新系数 (α、β>0) , 表示供应商、制造商独有的技术知识资源的使用效率或产出效率。创新系数的大小在一定程度上反映了企业创新能力的大小。创新系数越小, 说明企业的创新能力越强;创新系数越大, 说明企业的创新能力越弱。

$\begin{matrix} 供应商 \end{matrix} \overset{w_{l}}{\to} \begin{matrix} 制造商 \end{matrix} \overset{w_{2}}{\to} \begin{matrix} 销售商 \end{matrix} \overset{Ρ = a - b q}{\to}$ 市场

图1 三级供应链结构

由于同一供应链中的供应商、制造商的产品关联度较大, 在零部件、产品的生产工艺方面也具有一定的相关性。因此, 供应商、制造商的创新活动往往具有纵向溢出效应。即供应商的创新活动能够使制造商的单位产品装配制造成本降低σ1x, 其中σ1是供应商的创新对制造商的溢出系数;制造商的创新活动能够使供应商的单位零部件生产成本降低σ2y, 其中σ2是制造商的创新对供应商的溢出系数。σ1、σ2为纵向溢出系数 (σ1、σ2∈[0, 1]) , 指创新活动中的技术知识资源从一个企业向另一个企业溢出的程度。因此, 供应商的单位零部件生产成本为cs=c1-x-σ2y, 其中x+σ2y<c1;而制造商的单位产品装配制造成本则为cm=c2-y-σ1x, 其中y+σ1x<x2。

此外, 笔者的分析还基于以下的假设条件:

(1) 供应商、制造商和销售商是在完全信息情况下进行决策, 并假设供应商、制造商和销售商是风险中性和完全理性的。

(2) 供应链提供的产品为市场垄断性产品, 顾客对产品的需求量D线性地依赖于销售商的定价, 销售商的产品订货量q与产品的市场需求量D相等, 并假设产品的逆需求函数为p=a-bq, 参数a、b均大于0, 且a>c1+c2+c3。

三、模型的建立与求解

(一) 三方非协同创新的情形

该情形下, 供应商、制造商和销售商在产品、零部件的创新过程中并不进行协同。供应商独自进行零部件的创新 (如改进零部件结构、改善生产工艺等) , 降低零部件的生产成本;制造商则独自进行产品的创新 (如改进产品结构、改善制造工艺等) , 降低产品的装配制造成本;销售商向制造商下产品订单, 并且销售商并不参与供应商和制造商的零部件、产品的创新。在此过程中, 供应商、制造商和销售商均站在各自收益最大化的角度来决定创新投入的多少、中间品的转移价格以及订货量的大小。此时, 三方的收益函数表示如下:

供应商的收益: $π_{s} = (w_{1} - c_{s}) q - \frac{1}{2} α x^{2}$

制造商的收益: $π_{m} = (w_{2} - w_{1} - c_{m}) q - \frac{1}{2} β y^{2}$

销售商的收益: πr= (p-w2-w3) q

此时, 供应链企业间进行非合作四阶段博弈:第一阶段, 供应商、制造商站在各自收益最大化的角度分别决定x、y, 两方同时进行决策;第二阶段, 供应商决定w1;第三阶段, 制造商决定w2;第四阶段, 销售商决定订货量q。采用逆向归纳法进行求解:

销售商将x、y、w1和w2当作给定的, 选择q最大化πr, 由 $\frac{\partial π_{r}}{\partial q} = 0$ 可得:

$q = \frac{a - w_{2} - w_{3}}{2 b} (1)$

制造商将x、y、w1当作给定的, 选择w2最大化πm, 由 $\frac{\partial π_{m}}{\partial w_{2}}$ 可得:

$w_{2} = \frac{a - c_{3} + w_{1} + c_{2} - y - σ_{1} x}{2} (2)$

供应商将x、y当作给定的, 选择w1最大化 , 由可得: $w_{1} = \frac{a - c_{3} - c_{2} + c_{1} + y + σ_{1} x - x - σ_{2} y}{2} (3)$

供应商选择x最大化 , 制造商选择y最大化πm, 由 $\frac{\partial π_{s}}{\partial x} = 0$ 和 $\frac{\partial π_{m}}{\partial y} = 0$ 可得:

$\begin{array}{l} x^{Ν C} = \frac{2 β (σ_{1} + 1) (a - c_{3} - c_{2} - c_{1})}{16 b a β - α (σ_{2} + 1)^{2} - 2 β (σ_{1} + 1)^{2}} (4) \\ y^{Ν C} = \frac{α (σ_{2} + 1) (a - c_{3} - c_{2} - c_{1})}{16 b α β - α (σ_{2} + 1)^{2} - 2 β (σ_{1} + 1)^{2}} (5) \end{array}$

将式 (4) 、 (5) 代入式 (1) 、 (2) 、 (3) 中, 即可以得出:

$q^{Ν C} = \frac{2 α β (a - c_{3} - c_{2} - c_{1})}{16 b α β - α (σ_{2} + 1)^{2} - 2 β (σ_{1} + 1)^{2}} (6)$

xNC、yNC和qNC的上标NC (Non Collaborative innovation) 代表的是三方非协同创新情形。

其中, 根据πs、πm取最大值的二阶条件要求, 不妨假设8bα- (σ1+1) 2>0及16bβ- (σ2+1) 2>0。

因此, 可以得出供应商、制造商和销售商在三方非协同创新情形下, 供应链的总收益为:

$π^{Ν C} = π_{s} + π_{m} + π_{r} = \frac{α β (a - c_{3} - c_{2} - c_{1})^{2} [56 b α β - 4 β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}]}{2 [16 b α β - α (σ_{2} + 1)^{2} - 2 β (σ_{1} + 1)^{2}]^{2}} (7)$

(二) 三方协同创新的情形

该情形下, 供应商、制造商和销售商在产品、零部件的创新过程中进行协同。销售商主要是将市场需求信息与供应商、制造商共享, 并根据市场需求状况, 对零部件、产品的创新提出一些切合实际的建议;供应商主要负责实现零部件的创新, 降低零部件的生产成本;制造商则主要负责实现产品的创新, 降低产品的装配制造成本。在此过程中, 供应商、制造商和销售商是站在三方总收益最大化的角度来决定各自创新投入的多少和订货量的大小。此时, 供应商、制造商和销售商三方的总收益函数可以表示如下:

三方的总收益: $π = π_{s} + π_{m} + π_{r} = (p - c_{s} - c_{m} - c_{3}) q - \frac{1}{2} α x^{2} - \frac{1}{2} β y^{2}$

供应商、制造商和销售商站在三方总收益最大化的角度来选择x、y和q最大化π,

由 $\frac{\partial π}{\partial x} = 0, \frac{\partial π}{\partial y} = 0$ 和 $\frac{\partial π}{\partial q} = 0$ 可得:

$\begin{array}{l} x^{C} = \frac{β (σ_{1} + 1) (a - c_{1} - c_{2} - c_{3})}{2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}} (8) \\ y^{C} = \frac{α (σ_{2} + 1) (a - c_{1} - c_{2} - c_{3})}{2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}} (9) \\ q^{C} = \frac{α β (a - c_{1} - c_{2} - c_{3})}{2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}} (10) \end{array}$

xC、yC和qC的上标C (Collaborative innovation) 代表的是三方协同创新情形。

其中, 根据π取最大值的二阶条件要求, 不妨假设2bαβ-β (σ1+1) 2-α (σ2+1) 2>0。

因此, 可以得出供应商、制造商和销售商在三方协同创新情形下, 供应链的总收益为:

$π^{C} = π_{s} + π_{m} + π_{r} = \frac{α β (a - c_{3} - c_{2} - c_{1})^{2}}{2 [2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}]} (11)$

四、模型分析

(一) 均衡解比较分析

比较式 (4) 和式 (8) , 因为 $\frac{x^{C}}{x^{Ν C}} = \frac{16 b α β - 2 β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}}{4 b α β - 2 β (σ_{1} + 1)^{2} - 2 α (σ^{2} + 1)^{2}}$ , 该式中的分子与分母之差为:12bαβ+α (σ2+1) 2>0, 所以 $\frac{x^{C}}{x^{Ν C}}$ , 即xC>xNC。

同理, 比较式 (5) 和式 (9) 、式 (6) 和式 (10) 、式 (7) 和式 (11) , 可知:yC>yNC, qC>qNC 以及πC>πNC。因此, 可得:

结论1 在供应商、制造商和销售商三方协同创新的情形下, 供应商的零部件创新投资额、制造商的产品创新投资额、产品产量以及供应链的总收益均比三方非协同创新的情形大。这是由于在三方协同创新的情形下, 供应商、制造商和销售商是站在三方总收益最大化的角度来决定零部件、产品的创新投资额和订货量, 此时零部件、产品的创新投资额增大, 相应的生产成本减少, 产品的销售单价降低、需求量增大, 从而销售商的订货量增加, 因此供应链的总收益增加。

结论1表明, 供应商、制造商和销售商三方的协同创新可以使创新投入和产品产量增加, 从而使供应链的总收益增加。此时, 供应商、制造商和销售商三方可以通过谈判, 合理地分配总收益, 以使各方的收益较之三方非协同创新的情形均有所提高。由于三方协同创新情形下的供应链总收益增加了, 通过合理的收益分配必然可以保证各方均能受益, 因而供应商、制造商和销售商是有积极性进行协同创新的。

(二) 纵向溢出系数对均衡结果的影响

$\frac{\partial x^{C}}{\partial σ_{1}} = \frac{β (a - c_{3} - c_{2} - c_{1}) [2 b α β - α (σ_{2} + 1)^{2} + β (σ_{1} + 1)^{2}]}{[2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}]^{2}}$ ,

其中由假设条件2bαβ-β (σ1+1) 2-α (σ2+1) 2>0,

必然可知2bαβ-α (σ2+1) 2+β (σ1+1) 2>0, 所以 $\frac{\partial x^{C}}{\partial σ_{1}} ＞ 0$ 。

$\frac{\partial x^{C}}{\partial σ_{2}} = \frac{2 α β (σ_{1} + 1) (σ_{2} + 1) (a - c_{3} - c_{2} - c_{1})}{[2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}]^{2}} ＞ 0$

同理, 通过推导, 可知: $\frac{\partial y^{C}}{\partial σ_{1}} ＞ 0, \frac{\partial y^{C}}{\partial σ_{2}} ＞ 0, \frac{\partial q^{C}}{\partial σ_{1}} ＞ 0, \frac{\partial q^{C}}{\partial σ_{2}} ＞ 0, \frac{\partial π^{C}}{\partial σ_{1}} ＞ 0, \frac{\partial π^{C}}{\partial σ_{2}} ＞ 0$ 。

因此可得:

结论2 在供应商、制造商和销售商三方协同创新的情形下, 随着供应商和制造商创新活动的纵向溢出效应的增大, 供应商的零部件创新投资额、制造商的产品创新投资额、产品产量逐渐增大, 并且供应链的总收益也逐渐增大。结论2表明, 随着纵向溢出程度的提高对三方协同创新有促进作用, 可以使供应链总收益提高, 从而通过合理的收益分配以使各方均受益变得更加现实可行。因此, 供应商与制造商应该采取更有效的制度安排, 增进彼此信任, 促进彼此间的知识学习和交流, 并鼓励企业间创新人才的互相流动, 从而增大创新活动的纵向溢出程度。此外, 供应商与制造商还可以通过提高企业自身的学习和吸收能力、顺畅企业间信息传递渠道来增大创新活动的纵向溢出程度。结论2也从另一个侧面反映了供应商与制造商在产品生产方面的相关度越高, 进行协同创新的可能性就越大。因为产品生产的相关度越高, 知识和技术的相关度就越高, 创新活动的纵向溢出效应就越大, 因此协同创新的收益就越大, 从而企业间协同创新的可能性也就越大。

(三) 创新系数对均衡结果的影响

$\frac{\partial x^{C}}{\partial α} = \frac{- β (σ_{1} + 1) (a - c_{3} - c_{2} - c_{1}) [2 b β - (σ_{2} + 1)^{2}]}{[2 b α β - β (σ_{1} + 1)^{2} - α (σ_{2} + 1)^{2}]^{2}}$ ,

其中由假设条件2bαβ-β (σ1+1) 2-α (σ2+1) 2-α (σ2+1) 2>0,

可得: $2 b β - (σ_{2} + 1)^{2} \geq \frac{β (σ_{1} + 1)^{2}}{α} ＞ 0$ 。因此, $\frac{\partial x^{C}}{\partial α} ＜ 0$ 。

同理, 通过推导, 可知: $\frac{\partial y^{C}}{\partial β} ＜ 0, \frac{\partial q^{C}}{\partial α} ＜ 0, \frac{\partial q^{C}}{\partial β} ＜ 0, \frac{\partial π^{C}}{\partial α} ＜ 0, \frac{\partial π^{C}}{\partial β} ＜ 0$ 。

因此可得:

结论3 在供应商、制造商和销售商三方协同创新的情形下, 随着供应商、制造商创新系数的增大, 零部件、产品的生产成本降低额逐渐减少, 产品产量也逐渐减少, 并且供应链的总收益也逐渐减少。结论3表明, 随着技术知识资源产出效率的降低 (即创新系数增大) , 供应商、制造商的创新效果趋于降低, 供应链的总收益也逐渐减少。因此, 在三方协同创新的情形下, 供应商、制造商还应该提高企业自身的创新能力。供应商、制造商应该提高技术知识资源的使用效率, 并在现有基础上不断加快技术知识的积累, 重视技术的引进、消化、吸收与再创新, 同时注重创新人才的培养与引进, 来提高企业自身的创新能力, 从而为企业以及整个供应链创造更多的利润。此外, 政府也应该加大力度支持与企业创新密切相关的基础研究工作的开展, 这样有利于降低相关应用研究的成本, 提升整个行业的创新能力。

五、结束语

笔者以由一个零部件供应商、一个装配制造商和一个产品销售商组成的供应链为研究对象, 分析了在具有纵向创新溢出效应的情况下, 供应商、制造商和销售商在三方非协同创新、三方协同创新情形下的供应链总收益、创新投入以及产品产量的情况。研究结果表明, 在三方协同创新情形下, 供应链总收益、创新投入以及产品产量均大于三方非协同创新的情形。此外, 通过分析还得出, 纵向溢出效应越大、创新系数越小, 供应链总收益、创新投入以及产品产量越大;反之越小。因此, 供应链企业间应通过协同创新来提高整个供应链的总收益, 并通过合理的收益分配来提高各个企业的收益。与此同时, 供应商与制造商还应进行更充分的信息交流来增大创新活动的纵向溢出程度, 并提高企业自身的创新能力, 从而为整个供应链创造更多的利润。

参考文献

[1]Sobrero M, Roberts E B.Strategic management of supplier-manufacturer relations in new product development[J].Research Policy, 2002, 31 (1) :159-182.

[2]Croom S R.The dyadic capabilities concept:examining the processes of key supplier involvement in collaborativeproduct development[J].European Journal of Purchasing&Supply Management, 2001, 7 (1) :29-37.

[3]王冰, 张子刚.基于帕累托原则的供应链企业间创新活动的合作模型[J].科研管理, 2003, 24 (2) :36-40.

[4]张千帆, 方超龙, 胡丹丹.基于博弈论的供应链中技术创新激励机制研究[J].商业研究, 2007, 365 (9) :41-44.

[5]Kim B.Coordinating an innovation in supply chain management[J].European Journal of Operational Research, 2000, 123 (5) :568-584.

[6]李勇, 张异, 杨秀苔.供应链中制造商——供应商合作研发博弈模型[J].系统工程学报, 2005, 20 (1) :12-18.

[7]霍沛军, 陈剑, 陈继祥.单边R&D时横向一体化的效应[J].系统工程学报, 2002, 17 (4) :329-335.

[8]柳剑平, 郑绪涛, 喻美辞.税收、补贴与R&D溢出效应分析[J].数量经济技术经济研究, 2005, 22 (12) :81-90.

[9]郑德渊, 李湛.具有双向溢出效应的上游企业R&D政策研究[J].管理工程学报, 2002, 16 (1) :84-85.

[10]Atallah G.Vertical R&D spillovers, cooperation, marketstructure, and innovation[J].Economics of Innovationand NewTechnology, 2002, 11 (3) :179-209.

[11]Ishii A.Cooperative R&D between vertically related firms with spillovers[J].International Journal of IndustrialOrganization, 2004, 22 (8) :1213-1235.

供应链的网络效应研究篇7

1 供应链协同及其特点

供应链协同(supply chain collaboration,SCC)是供应链相关企业为了提高供应链的整体竞争力而作出的彼此协调和相互努力。预期的协同收益体现在几个核心业务领域,包括增加销售、改善预测、精确准时的信息交流、降低成本、减少库存和改善客户服务等[1]。

供应链的有形协同包括采购、生产、销售和财务等方面的协同,而从运作管理的内涵来看,协同相关的战略和机制包含信息共享、集成、协作计划编制、信息和决策的中心化、激励和补偿以及分配规则等方面[2]。其中由于信息不充分、信息缺失或信息扭曲都会引发协同方面的问题,且信息不完全或不对称加大了行为与决策过程的不确定性,因此,提高信息处理能力、信息集中(信息与决策的中心化)和信息共享则是协同战略或协同机制中不可缺少的组成部分。与此类似,Simatupang在协同度量方面的研究中,采用了信息共享、同步决策和激励联盟等3个相互关联的维度,比较全面地代表了供应链协同的内涵[3]。

综合来看,与传统的企业管理对比,现代供应链协同管理具有以下特点:

(1)系统观念:在组织层面,超越了以往的“合作—竞争”状态,不再孤立地看待各个企业及部门,而是考虑所有相关的内外联系体即供应商、制造商、销售商等,把整个供应链视作有机联系的整体;并以共同目标作为各个企业的目标,将产品与服务的最终消费者对成本、质量和服务等方面的要求当作供应链中所有参与者共同的绩效目标。

(2)新型的企业合作关系:在合作关系层面,企业仔细地选择业务伙伴,减少供应商数目,改变过去企业间的敌对关系为紧密合作的业务伙伴,这种新型关系主要体现在共同解决问题与信息共享等方面,如供应商和顾客参与产品设计和质量改进,同时库存水平、长期计划、进度计划及设计调整等相关数据在供应链中保持透明。

(3)信息共享:在信息层面,将伙伴成员间的信息系统紧密地集成在一起,实现了数据的实时流通和信息共享,使伙伴间能更快、更好地彼此开展协作,响应对方的需求和变化。

(4)同步决策:在业务层面,整合了企业间的业务流程,使得各个合作环节的业务对接更加紧密,流程更加通畅,资源利用更加有效。

2 供应链合作关系与协同运作的关联性

2.1 供应链合作关系

供应链合作伙伴关系,也称供应链关系(supply chain relationship,SCR),是指供应链各成员之间,在一定时期内的共享信息、共担风险、共同获利的伙伴关系[4]。形成的原因通常是为了降低供应链总成本、降低库存水平、增强信息共享水平、改善相互之间的交流及保持战略伙伴相互之间操作的一贯性等,从而产生更大的竞争优势。

2.2 合作关系与协同的关联

供应链协同和供应链合作伙伴关系的概念都是随着供应链概念的诞生而先后产生的,尽管二者的关系密不可分(即企业间的商业行为与人员行为是不可分割的),但二者在供应链管理中的相互关系和作用并不十分明晰,而在实践运作中的不理想,往往是忽略彼此的关键因素的结果。文中把供应链合作关系视作影响协同管理的一个关键因素,如国内张翠华等认为协同的因素模型包括联盟伙伴关系因素、协同策略因素和技术实施因素[5];凌鸿等基于B-S关系(顾客—供应商关系),提出了较系统的供应链协同影响因素模型,包括组织因素、环境因素和技术因素等,并阐述了供应链协同的内涵[6]。

2.3 合作关系相关因素对协同的影响

供应链合作关系相关因素对协同的影响作用可以更好地阐述这种影响关系,如沟通、信任、承诺和权力等几个比较重要的因素,相关研究较多地集中在对协同运作中信息共享的影响等方面[7,8,9,10]。在作者的实证研究中,证实了沟通对协同有较强的影响作用[11],其中直接作用主要是对供应链企业间信息共享和同步决策的作用;而间接作用主要是通过建立信任机制、发展和提升合作伙伴关系水平来对协同运作产生影响。

Akkermans等对协同计划的实施进行了案例研究,发现虽然有运筹学算法和决策支持系统,但要得到协同伙伴间的透明化,必须以信任作为基础,而信任的实现需要艰苦的努力和大量的工作[7]。研究表明,供应链伙伴间的信任程度对信息共享水平与信息质量均有显著的正向影响[8]。叶飞等对珠三角地区制造企业的实证研究结果表明,供应链伙伴间信任对信息共享有直接影响,并间接影响到企业运营绩效,而关系承诺对信息共享的影响不显著[9]。毛文晋等以北京市消费类IT产品行业为背景,对零售商与供应商信息共享意愿的影响因素进行了探索性研究和量化分析,结果证明信任对信息共享意愿的影响最大[10]。

3 通过合作关系提升协同运作绩效的途径和机制

一般认为,供应链协同管理主要包括几个方面的协同,即信任协同、信息协同、业务协同、战略协同及文化协同等,合作关系在这几方面都有其作用,特别是通过合作关系相关因素的作用,可以极大地改善这几个方面的协同水平。

3.1 通过沟通,建立供应链企业间的信任协同

供应链各节点企业之间的合作关系是以信任为基础的,要实现供应链协同管理就必须加强信任协同。然而,供应链各企业的决策者对“合作条款”缺乏信任度,往往希望尽量将责任风险、成本等转嫁给合作企业,同时竭尽全力地将利益收归自己的囊中。要改变这种状况,在合作企业间建立信任机制,关系沟通是必由之路。

沟通对于商业的重要性就如碳对于生物的重要性一样,在协同的各个阶段均有作用,贯穿于协同运作始终。沟通的内涵主要包括三个方面的,即沟通的质量、信息交流的形式以及范围等。沟通的形式主要体现在跨文化沟通、进行文化整合、建立供应链文化等方面。有效地构筑跨文化沟通模式,能化解合作企业因动机因素、知识因素、技能因素引起的不确定性障碍和焦虑障碍,为新的企业文化的传播、发扬、丰富提供了现实的制度保障,从而形成真正的信任协同机制,如此整条供应链的运作效率才能得到保证和提高,企业才能赢得长久的竞争优势。

3.2 通过信任机制的建立,促进信息共享,达到信息协同

信息协同是供应链协同管理的关键因素之一。供应链各节点企业间既分工又合作、既独立又融合,以保证整个链条的运行达到最佳状态,这是基于各节点企业间的信息流动和共享,否则各节点企业会成为彼此孤立的、残缺的片断。供应链上的各个节点企业只有实现了高质量的信息传递和共享,才能使供应链成为真正意义上的为客户需求所驱动的供应链,保证客户需求信息在传递过程中不失真,从而有效解决供应链中的“牛鞭效应”、委托—代理和欺骗等问题,提高供应链整体绩效。

已有较多的研究表明,合作关系中信任对信息共享的实现具有明确的影响[7,8,9,10],因此,建立信任机制是达到信息协同的前提。

3.3 在信任机制建立的基础上,通过信息共享,达成业务协同(即同步决策)

所谓业务协同,就是在供应链各节点之间实现端到端的业务流程整合,使各个合作环节的业务“对接”更加紧密,流程更加通畅,资源利用更加有效,以便快速响应客户的需求和市场机遇,应对外部的挑战。在供应链管理环境下,利用业务协同平台既可帮助企业与供应商或客户之间达成业务协同,也可帮助企业不同部门、分支机构之间实现业务协作和计划协调,如通过集成CRM、信息系统、EDI通讯等模块,实现数据的共享和基于工作流的信息传递,使得整个链上业务协调运作。

在协同管理中,只有信息共享是不够的,需要结合同步决策,而且有比较完善的利益分配机制,才能促进企业间充分的协同。而合作伙伴之间的信任和信息共享是进行同步决策,达成业务协同的前提。

3.4 在信任机制和信息共享的基础上,结合全方位的合作及长期合作意愿,达成战略和文化协同

战略协同是对供应链管理中事关全局的重大核心问题的合作与协调,是实现供应链协同管理的重要基础。供应链的战略协同不仅仅局限于企业内部,而应突破企业边界,延伸到供应商和客户,甚至供应商的供应商和客户的客户,使得各个节点企业的职能性战略(如人力资源战略、营销战略、财务管理战略、运营战略等)保持一致。

由于各节点企业在成长发展过程中都形成了自身独特的企业文化,它具有相对稳定性和重要影响力,因此如何有效进行文化上的整合达到文化协同,对供应链各企业来说都是极大的挑战。一方面,各节点企业应注重自身企业文化的建设,尽可能保持组织原有良好文化基本不变;另一方面,又要吸收合作伙伴企业的一些文化精髓,将其注人到管理实践中去,有效实现企业文化的兼容与协同,创造出新的企业文化,如培植以知识共享为基础的企业文化。供应链企业间的文化协同,才能达到真正的战略协同。

合作关系中合作这个因素指的是在产品设计、流程设计、预测和计划、质量实践等方面的紧密合作,相对来讲范畴较广。同时,承诺则相当于在一定程度上“下了赌注”,使合作者很难做出一些违背整个供应链利益的事情。合作企业间通过这些因素的相互作用,建立了一定的合作机制,才可能进入到协同运作的层次,实现资源与信息共享,在文化及战略上形成协同,才能真正实现供应链协同运作。

4 通过合作关系提升协同运作绩效的策略

4.1 形成战略合作伙伴关系

站在整个供应链的高度,供应链伙伴关系是契约关系和信任关系的结合体,只有改变管理思维、增加沟通、全局考虑、强化节点企业之间的合作才能确保供应链的竞争优势。因此,企业应从供应链合作关系的角度去审视企业所处供应链协同的情况,诊断反省过去管理中存在的问题,重新规划一下自己的供应链管理方案,以供应链的文化思维模式来修改自己的管理战略,以建立战略合作伙伴关系为己任。

实施战略伙伴关系就意味着新产品新技术的共同开发、数据和信息的交换、研究和开发的共同投资[12]。在供应链战略伙伴关系环境下,制造商选择供应商不再是只考虑价格,而是更注重选择在优质服务、技术革新、产品设计等方面提供合作的供应商。供应链企业间战略伙伴关系的特点是:更高层次的整合、更广的合作范围、更持久的合作效果、更好的协调性及更高的相互信任程度,这些都是高效协同运作的前提。

4.2 选择协同对象和协同业务

一个企业因为产品不同,以及各个产品有不同的供应商和客户,因此处于许多不同的供应链中。其中可能在某一供应链中作为核心企业处于主导地位,也可能作为供应商或客户处于从属地位,因此不可能所有的供应链都进行相同的协同形式,而要根据企业产品和业务所处的环境及重要性进行安排。首先选取企业重要的产品或业务,评估加强与客户进行协同的现实性,再选择合适的上下游供应商或客户进行协同实践。

目前,B—S关系中一个很显著的转变就是趋向于与少数几个适当的供应商或客户建立长期的合作关系。一方面供应商的精简有利于与供应商更好的沟通、交流,降低物流管理费用,缩短交货时间;另一方面建立长期合作关系则更有利于发展B-S关系,双方愿意投入更多的资本来加强合作,共同发展和承担风险,有利于在供应链中采用跨组织团队来管理长期合作。这种跨组织团队基于企业外部各个部门的专家以及贸易伙伴的共同合作,从而加快产品从原材料到投放市场的速度,快速响应市场需求。供应商参与新产品设计甚至项目战略制定流程的情况已经越来越普遍,例如,海尔集团供货商参与前期开发的比例已高达32.5%,供应商参与活动能够减少大约30%的质量问题,并且交货周期能提前约80%。

4.3 考虑协同的阶段性及与合作关系的层次配套问题

供应链上下游企业之间形成良好的合作关系是进行协同运作的前提,因此进行协同运作前须评估企业与上下游之间合作关系的程度,根据协同所处的阶段及需求来设计相应的合作关系层次。如果存在不匹配的问题,无论是供应链协同实施层次超越或者低于合作关系程度,都会给企业带来损失。

对于非关键业务,或非长期业务,期望形成战略合作伙伴关系是没有太大意义的,因为协同层次的提高也伴随着风险的增加,比如共享的关键信息被合作伙伴为了自身利益而泄露,或者共享了高于两者合作关系的信息而造成损失。因此,企业应在决定供应链协同发展的层次和目标的同时,利用协同带来的效益,不断地改善对供应链协同发展有重要影响的薄弱环节,实现良性循环,从而不断地提高供应链协同的层次以获得更大的收益。

4.4 注重合作关系相关因素的影响

从实证研究的结果来看,在我国制造行业供应链合作关系中,沟通、信任、承诺和合作等4个因素是主要的影响因素,同时对协同运作都具有不同的影响作用。在协同实践中,加强沟通,建立信任,承诺长期合作关系,进行多方位的合作,这将对双方激励联盟的形成、信息共享以及共同决策的进行带来明显影响。在协同的早期,要加强合作伙伴之间的沟通,逐步建立信任关系;在协同运作中期,注意沟通和信任机制,加强信息共享和同步决策;并通过建立和提升合作伙伴关系来进一步促进供应链的协同发展。

其中沟通和信任是我国企业间最重要的两个因素。信任使得合作企业愿意放弃短期机会主义行为而专注长期合作利益,通过彼此信任的供应链伙伴之间的集成决策、联合产品设计、灵活变更契约执行等方式,能够降低新产品的开发周期及成本,提高产品质量,加速先进技术的流动,也会带来在财务投资指标、供应链运作指标、客户评价指标的提高。因此可考虑对合作关系的信任水平进行诊断,并将诊断结果通过伙伴沟通技术进行交流。有效协商沟通的同时也促进了节点企业之间的信任关系的发展以及信息共享水平的提高。供应链伙伴协商沟通作为交流手段,其最终目的是为了找到解决供应链伙伴关系中存在问题的解决方案,因此要要充分利用EDI/Internet等网络信息技术,开展B2B的电子商务,使供应链内的各企业建立在统一的信息平台上,实现信息的动态交互,减少沟通成本,从而建立和完善供应链集成化协同管理信息系统。

4.5 加强对合作关系的评估及考核

在战略伙伴关系阶段,客户和供应商可就相互合作关系进行双向评价,即不仅由核心企业针对其它节点企业进行,也包含了其他节点企业共同对核心企业进行,从内容上看主要包括客户对合作关系的评价和供应商对合作关系的评价。在客户和供应商就合作关系进行评价以后,合作双方可就不足之处相互协商与调整,以便在下一阶段的合作中改进。

由于供应链合作中的信任危机严重妨碍了供应链伙伴关系的持续发展,因此可以借鉴李辉等对于信任诊断的方法,将信任诊断融入到基于信任的供应链伙伴关系维系管理中,作为评估合作关系的主要内容[13]。主要包括信任度的度量、基于是否发生信任危机对信任程度进行划分、进行供应链伙伴信任的诊断分析等。在信任诊断推理过程中集成案例推理、规则推理、支持向量机推理等应对不同内容的智能推理方式。发生信任危机则进行伙伴关系重组,之后通过伙伴关系改进层改善合作关系,或者终结与发生信任危机的节点企业之间的合作关系。未发生信任危机则根据实际情况采用供应链伙伴关系改进策略维系伙伴关系。

5 结束语

供应链协同与合作关系管理在我国实践中均进展缓慢,其主要原因是割裂二者的关系,或者混淆二者关系的缘故。如果抛开合作关系管理的具体目的(即一定时期为了某具体项目的协同),单纯讲形成战略合作伙伴关系是难以实现其实践意义的;同样,如果只注重供应链协同中信息共享的技术因素,而忽略文化(组织)因素等合作关系方面的问题,使用再好的软件,要实现协同性也是不可能的。所以注重合作关系对协同运作的影响,通过合作关系来提升协同效应,是改善二者管理实践效果的关键,其中特别要注意沟通、信任、承诺和合作等几个伙伴关系相关因素的作用。

摘要：根据供应链协同管理的特点,分析协同与合作伙伴关系的关联性及合作关系对协同运作的影响,探讨了沟通、信任、承诺和合作等因素在提升协同运作能力方面的机制,并从战略、对象选择、合作层次、关键因素和关系评估等方面提出了通过供应链合作伙伴关系提升协同效应的策略。

供应链的网络效应研究篇8

废旧物品回收再制造作为减少环境污染、节约成本的一种有效途径, 近年来得到理论界和实业界的高度重视。废旧物品回收方式多种多样, 姚卫新[1]将闭环供应链回收形式划分为五类, 其中外包给第三方 (TPL) , 充分发挥了专业设备、规模仓储和高效运输团队的优势, 极大地提高了回收效率, 但这种方式会出现道德风险下第三方努力水平不足等问题, 因此, 必须建立有效的激励机制, 以发挥其最大作用。

国内外许多学者对第三方回收激励机制问题进行了深入研究, 如Lim (2000) [2]研究了促使第三方物流商讲真话 (truth-telling) 的激励问题, 申亮 (2006) [3]等建立的两个Stackelberg博弈模型将只负责回收的第三方物流服务商引入到供应链协调中, 肖迪、黄培清 (2007) [4]设计出提供两份线性激励合同给第三方, 但文献[2,3,4]都是研究单期激励机制, 单期合作容易使第三方产生短期行为, 而现实经济生活中委托代理一般是持续的, 因此多期合作在实际中更为常见。马新安 (2001) [5]等建立一个两期的委托-代理模型, 梁静 (2009) [6]在信息不对称下, 建立了两期多委托人单代理人模型, 但文献[5,6]的两期激励机制都未分析声誉对代理人努力水平的影响, 而声誉效应作为显性激励的一种替代, 可以促使代理人提高努力水平。Fama (1980) [7]较早地提出了两期合作激励机制, 在完备市场条件下, 证明了隐性激励可以作为显性激励的一个不完备替代, Holmstrom (1982) [8]假设代理人风险中性、无折现和线性契约不起作用, 建立了一个两期“代理人市场-声誉模型”, 强调仅靠声誉不足以激励代理人, Holmstrom和Milgrom (1987) [9]提出了两期激励模型的一般形式, 指出线性补偿形式最适合两期激励问题, Meyer (1997) 等[10]建立了代理人风险规避、无折现的两期模型, Tadelis (2002) [11]提出考虑代理人道德风险且含逆向选择的动态模型, 分析了声誉市场对代理人的激励效应, 肖条军、盛昭翰 (2003) [12]的两期信号博弈声誉模型, 指出代理人在第一期建立声誉可以使其在第二期获得更高的效用, 刘惠萍 (2005) 等[13]建立了一个声誉和显性机制相结合的经理人最优动态激励模型, 但文献[7,8,9,10,11,12,13]对声誉效应下两期激励机制研究均未考虑第三方回收商的参与。

综上所述, 目前关于第三方回收的激励机制问题, 大部分考虑单期情况, 两期考虑声誉效应的研究却没有涉及第三方回收的情况。基于这种背景, 本文在刘惠萍 (2005) 等[13]研究的基础上, 建立了一个声誉效应下第三方回收闭环供应链激励模型, 同一合同中包括长期和短期激励相结合的两期模型, 将当期产出-未来声誉-未来收入-当期努力水平-当期产出的相互作用过程在模型中进行量化, 分析比较了单期和两期最优激励合同, 并对模型的经济管理意义进行了解释, 希望为企业制定激励政策提供决策依据。

二、模型的假设条件和符号定义

本文考虑的系统是由制造商 (M) 和第三方回收商 (T) 组成的闭环供应链 (MCTM) [1], 即由制造商生产、销售, 委托第三方从消费市场上将废旧物品回收, 再对回收的废旧物品进行再造销售。

参考刘惠萍、张世英[13], 提出符号和假设条件如下:t为交易期, t=1, 2;Qt为t期回收量的货币化产出;qt为第三方第t期努力水平;r为货币化的第三方品牌效用 (或是回收能力) , 反映第三方运输效率、仓储容量等综合经营能力, 短期内不随时间变化;ut为随机扰动项, 表示外生不确定性因素;αt为第三方在t期获得的固定报酬;βt为第三方在t期获得的转移激励系数;Vt为第三方在t期获得的总报酬;C (qt) 为第三方回收成本;δ为收入的贴现系数。

假设一:制造商为委托人, 是风险中性者, 第三方回收商为代理人, 是风险规避者, 风险规避系数为, ρs, ρs>0。

假设二:合作分为两期, 每期回收量的货币化产出:

Qt=r+qt+utt=1, 2, r～N (0, τσ2) , ut～N (0, (1-τ) σ2) , Cov (u1, u2) =0, Cov (r, ut) =0。

假设三:第三方回收商获得的总支付取线性形式:Vt=αt+βtQt, 每期开始时, 重新签订合同。与一般显性合同不同的是, 因为有关第三方的品牌效用 (回收能力) 不确定, 制造商第二期开始时通过观察到的第一期产出预期第三方的品牌效用 (回收能力) , 从而确定α2, β2, 而第三方则可以通过q1对Q1的作用来影响这种预期, 所以第一期努力水平不仅影响当期报酬, 同时影响第二期及以后的报酬, 从而促使第三方对自己当期行为负责。这正是声誉效应发挥作用的机理。

假设四:第三方回收成本: $C (q_{t}) = \frac{1}{2} q_{t}^{2} ‚ C^{'} (q_{t}) > 0, C^{″} (q_{t}) > 0 ‚ C (0) = 0$ 。

假设五:0≤δ≤1, 反映参与人对合作的重视程度, δ越接近于1, 说明参与人越重视下一期合作, 假设δ=1。

三、模型的建立和最优解分析

(一) 单期静态显性激励回收模型

此时, 制造商和第三方回收商不考虑声誉问题, 每次合作分别选择自身当期效用最大化。效用函数分别为:Um=Q-V, Us=-exp[-ρs (V-C (q) ) ]。第三方回收商收入具有不确定性, 随机收入给予第三方的效用与其风险规避态度有关, 包含随机收入的效用函数转化为确定性等价收入:

$\begin{array}{l} A_{m} = (1 - β) q - α, A_{s} = α + β q - \frac{1}{2} q^{2} - \frac{1}{2} ρ_{s} β^{2} σ^{2} \\ \max_{α, β} [(1 - β) q - α] (1) \\ s . t . {\begin{cases} (Ι R) α + β q - \frac{1}{2} q^{2} - \frac{1}{2} ρ_{s} β^{2} σ^{2} \geq Τ (2) \\ (Ι C) \max α + β q - \frac{1}{2} q^{2} - \frac{1}{2} ρ_{s} β^{2} σ^{2} (3) \end{cases} \end{array}$

采用逆向归纳法求解, 可得:

$\begin{array}{l} β = \frac{1}{1 + ρ_{s} σ^{2}} (4) \\ q = β = \frac{1}{1 + ρ_{s} σ^{2}} (5) \end{array}$

从式 (4) 、式 (5) 可知, 制造商激励水平与回收商风险规避系数ρs和外生变量方差σ2成反比, 第三方努力水平q等于制造商提供的转移支付激励系数。

(二) 声誉效应和显性支付下的两期合作模型

制造商和第三方回收商的合作过程如下: (1) 制造商制定α1和β1; (2) 第三方决定是否接受合同, 如不接受合同, 博弈结束, 反之, 决定投入的努力水平q1, 参与双方都能观察到第一期回收量Q1, 但努力水平q1是第三方回收商的私人信息; (3) 观察到Q1后, 制造商决定α2、β2, 此时第三方回收商有讨价还价能力θ, θ∈ (0, 1) ; (4) 第三方回收商决定q2, 回收量为Q2, 获得总支付V2, 最终以α2, β2, q2完成合同。

由假设条件和符号定义可得以下关系:

var (Qt) =σ2 (6)

$\begin{array}{l} E (r | Q_{1}) = (1 - τ) E (r) + τ (Q_{1} - \bar{q}_{1}) = τ (Q_{1} - \bar{q}_{1}) (7) \\ E (Q_{2} | Q_{1}) = \bar{q}_{2} + τ (Q_{1} - \bar{q}_{1}) (8) \\ var (Q_{2} | Q_{1}) = (1 - τ^{2}) σ^{2} (9) \\ τ = \frac{var (r)}{var (r) + var (u_{t})} (10) \end{array}$

$\bar{q}$ t 为制造商对第三方回收商t期努力水平的推测值, 在理性预期假设下, $\bar{q}$ t为均衡时第三方第一期选择的努力水平;当制造商观测到Q1时, 就相当于观察到: $r + u_{1} = Q_{1} - \bar{q}_{1}$ , 制造商据此推断r;τ为 (第三方回收能力对回收量产出贡献的不确定程度/品牌效用贡献的不确定程度) ) , 等于r与回收量产出Q1的方差之比, 反映Q1中所包含的有关r的信息;E (r|Q1) 为制造商观察到Q1时对第三方品牌效用 (回收能力) r的期望值;E (Q2|Q1) 为回收量为Q1时制造商对下期回收量的期望值。Um、Us分别是参与双方的效用函数:

Um= (Q1-V1) + (Q2-V2) , Us=-exp{-ρs[V1-C (q1) +V2-C (q2) ]}

转化为其确定性等价收入为:

Am=E (Q1) -E (V1) +E (Q2) -E (V2) (11)

$\begin{array}{l} A_{s} = E (V_{1}) - E (C (q_{1})) + E (V_{2}) - E (C (q_{2})) - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) (12) \\ \max_{α_{t}, β_{t}, q_{t}} E (Q_{1}) - E (V_{1}) + E (Q_{2}) - E (V_{2}) (13) \\ s . t . {\begin{cases} (Ι R_{1}) E (V_{1}) - E (C (q_{1})) + E (V_{2}) - E (C (q_{2})) - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) \geq \bar{Τ} (14) \\ (Ι R_{2}) A_{s}^{2} = m + θ (A_{m}^{2} + A_{s}^{2}) (15) \end{cases} \end{array}$

式 (14) 表示, 第一期开始时, 第三方获得的确定性等价收入不低于保留收入 $\bar{Τ}$ , 但在第二期开始, 保留收入受到Q1的影响, 较高回收量会提高第三方在回收市场上的讨价还价能力θ, 表示第三方在第二期总确定性等价收入中的分享比例, m为一个常数;A $_{m}^{2}$ , A $_{s}^{2}$ 分别表示制造商和第三方第二期的确定性等价收入:

A $_{m}^{2}$ = (1-β2) E (Q2|Q1) -α2 (16)

$A_{s}^{2} = α_{2} + β_{2} E (Q_{2} | Q_{1}) - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{2} | Q_{1}) (17)$

令式 (14) 取等号, 代入式 (13) , 则制造商最大化目标为:

$\max_{α_{t}, β_{t}, q_{t}} q_{1} - \frac{1}{2} (q_{1}^{2}) + q_{2} - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) - \bar{Τ} (18)$

保留收入 $\bar{Τ}$ 影响固定报酬, 不影响激励系数βt和努力水平qt, 制造商问题转化为:

$\max_{α_{t}, β_{t}, q_{t}} q_{1} - \frac{1}{2} (q_{1}^{2}) + q_{2} - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) (19)$

式 (19) 的实施必须满足两期的激励相容约束:

${\begin{cases} (Ι C_{1}) \max_{q_{1}} E (V_{1}) - \frac{1}{2} q_{1}^{2} + E (V_{2}) - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) (20) \\ (Ι C_{2}) \max_{q_{2}} E (V_{2}) - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{2}) (21) \end{cases}$

第二期合作结束后, 第三方与制造商不再续约, 该期回收量不会影响其以后的报酬, 在给定α2, β2后, 他只选择使该期确定性收入最大化的努力水平q2, 对式 (21) 求解, 可得:

q2=β2 (22)

第二期开始, 制造商根据Q1重新制订合同, 满足第三方的参与约束, 以自身第二期确定性等价收入最大化为目标, 与式 (19) 类似, 委托人问题可转化为双方第二期确定性等价收入之和最大化:

$\begin{array}{l} (Τ C) \max_{α_{2}, β_{2}} q_{2} - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{2} | Q_{1}) (23) \\ \max_{α_{t}, β_{t}, q_{t}} q_{1} - \frac{1}{2} (q_{1}^{2}) + q_{2} - \frac{1}{2} (q_{2}^{2}) - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) (24) \\ s . t . {\begin{cases} A_{s}^{2} = m + θ (A_{m}^{2} + A_{s}^{2}) (25) \\ \max_{α_{t}, β_{t}, q_{t}} q_{1} - \frac{1}{2} q_{1}^{2} + q_{2} - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{1} + V_{2}) (26) \\ q_{2} = β_{2} (27) \\ \max_{α_{2}, β_{2}} q_{2} - \frac{1}{2} q_{2}^{2} - \frac{1}{2} ρ_{s} var (V_{2} | Q_{1}) (28) \end{cases} \end{array}$

根据Qt=r+qt+ut, 由式 (6) 、式 (9) 计算得:

var (V2|Q1) = (1-τ2) β $_{2}^{2}$ σ2 (29)

$\begin{array}{l} E (Q_{2} | Q_{1}) = \bar{q}_{2} + τ (Q_{1} - \bar{q}_{1}) \\ E (V_{1} + V_{2}) = α_{1} + β_{1} E (Q_{1}) + α_{2} + β_{2} E (Q_{2} | Q_{1}) (30) \\ E (V_{2} | V_{1}) = q_{2} + τ (Q_{1} - q_{1}) \end{array}$

由此可得:var (V1+V2) =β $_{1}^{2}$ σ2+β $_{2}^{2}$ (1-τ2) σ2+2β1β2τσ2 (31)

将式 (22) 、式 (29) 代入式 (28) , 整理后得:

$q_{2} = β_{2} = \frac{1}{1 + ρ_{s} (1 - τ^{2}) σ^{2}} (32)$

从式 (22) 、式 (32) 可知, 第三方第二期的最优努力水平q2只取决于当期激励系数β2。从式 (32) 可知, 第三方回收能力不确定程度越大, 制造商在第二期给予的最优显性激励系数越大, 第三方努力水平越高。

将式 (16) 、式 (17) 代入式 (25) 中, 得到:

$α_{2} = m + (θ - β_{2}) \bar{q}_{2} + (θ - β_{2}) E (r | Q_{1}) + \frac{1}{2} (1 - θ) (\bar{q}_{2})^{2} + \frac{1}{2} ρ_{s} β_{2}^{2} σ^{2} (1 - τ^{2}) (1 - θ) (33)$

从而得到:

$\begin{array}{l} α_{2} = m + (θ - β_{2}) \bar{q}_{2} + (θ - β_{2}) E (r | Q_{1}) + \frac{1}{2} (1 - θ) (\bar{q}_{2})^{2} + \frac{1}{2} ρ_{s} β_{2}^{2} σ^{2} (1 - θ) (1 - τ^{2}) + β_{2} Q_{2} \\ = Μ + (θ - β_{2}) E (r | Q_{1}) + β_{2} Q_{2} (34) \end{array}$

式 (34) 中, $Μ = m + (θ - β_{2}) \bar{q}_{2} + \frac{1}{2} (1 - θ) \bar{q}_{2} + \frac{1}{2} ρ_{s} β_{2}^{2} σ^{2} (1 - θ) (1 - τ^{2})$

由式 (33) 、式 (34) 可知, 声誉预期是通过对合同中固定报酬α2的调整影响V2, (θ-β2) E (r|Q1) 体现了这种影响。第三方第二期报酬除受当期β2影响外, 还受到制造商对第三方品牌效用 (回收能力) E (r|Q1) 预期的影响。

根据式 (20) 、式 (34) , 可得第一期第三方努力水平的均衡解为:

q1=β1+τ (θ-β2) (35)

将式 (31) 、式 (35) 代入式 (24) , 得到:

$β_{1} = \frac{1}{1 + ρ_{s} σ^{2}} [1 - θ τ + τ β_{2} (1 - ρ_{s} σ^{2})] (36)$

将式 (36) 代入式 (35) , 得到:

$q_{1} = \frac{1 + ρ_{s} τ σ^{2} (θ - 2 β_{2})}{1 + ρ_{s} σ^{2}} (37)$

由式 (35) 可知, 第三方第一期最优努力水平q1受到当期转移支付系数β1、声誉以及棘轮效应的影响。当θ>β2时, 是一种积极影响, 声誉和棘轮效应共同作用实现声誉的正激励, q1超过β1的部分为:τ (θ-β2) ;当θ≤β2时, 第三方通过努力工作来提高制造商对其品牌预期 (回收能力) 是不利的。因此, 从有效发挥声誉激励作用角度出发, θ>β2是一个必要条件;由式 (37) 可知, 当θ>2β2时, 制造商对第三方品牌效用 (回收能力) 情况的不确定性越大, 即τ越大, 第三方越容易通过增加他在第一期的努力水平投入, 提高回收量来改善制造商对品牌效用 (回收能力) 的预期, 从而声誉的激励效应越大。此时, 第一期努力水平影响当期和下一期报酬, 从而促使第三方对自己当期行为负责。

(三) 单期与两期模型比较

1.根据最优努力水平的要求, 第三方努力的边际期望利润等于努力的边际成本, 即帕累托一阶最优努力水平为:q=1。由于废旧物品回收外包存在信息不对称, 因此, 单期和两期情形下的合同都存在效率损失。

2.比较式 (32) 、式 (5) , 第三方考虑声誉效应时, 第二期努力水平q2比单期不考虑声誉效应的努力水平q高。

3.比较式 (37) 、式 (5) , 如要求声誉效应时的第一期努力水平q1比单期情形下的努力水平q高, 即 $\frac{1 + ρ_{s} τ σ^{2} (θ - 2 β_{2})}{1 + ρ_{s} σ^{2}} > \frac{1}{1 + ρ_{s} σ^{2}}$ , 必须满足:θ>2β2, 即:

$θ > \frac{2}{1 + ρ_{s} (1 - τ^{2}) σ^{2}} (38)$

此时, 在考虑声誉效应的第三方回收显性合同中实现了帕累托改进。

4.比较式 (32) 、式 (4) , 得到: $\frac{1}{1 + ρ_{s} (1 - τ^{2}) σ^{2}} > \frac{1}{1 + ρ_{s} σ^{2}}$ , 即单期和两期合作相比, 第三方从第二期回收量产出获得更高的转移激励系数, 提高了第二期合同的激励强度。

5.比较式 (36) 、式 (4) 、式 (38) , 有:β1<β。此时, 两期动态模型从第一期回收量产出中的分享比例β1小于单期合作情况, 表明制造商最优激励强度有递增趋势。

6.当式 (38) 成立时, 第三方回收商从引入声誉效应的最优显性合同中分享的回收量产出比例呈现递增趋势。

四、数值算例和模型的实际意义

为了检验考虑声誉效应动态激励模型的合理性和适用性, 以某第三方回收商 (A公司) 为例进行验证。制造商给予A公司的转移支付包括固定报酬和激励报酬两个部分, 在签订合同之前, 制造商对A公司的品牌效用 (平均回收能力) 有一个估计, 即A公司品牌效用 (回收能力) 的先验期望值;每期合同期开始, 制造商用A公司上一期回收量来预测其品牌效用 (回收能力) , 根据品牌效用 (回收能力) 预期对下期回收量的影响大小调整固定报酬, 激励报酬依赖于当期产出。参考刘惠萍、张世英[13], 假定系统主要参数如下:ρs=0.4, σ2=9, τ=0.5, 代入式 (5) 、式 (32) 、式 (36) 、式 (37) , 得出计算结果如表1所示。

从表1可知, 数值算例与理论分析的结果相一致。在单期静态模型中, 第三方讨价还价能力对最优合同没有影响, 所以这三种条件下第三方努力水平都等于制造商转移激励系数;考虑声誉效应时, 第三方选择的最优努力水平高于制造商提供的转移激励系数;两个时期的最优激励系数是递增的, 第一期最优激励系数比单期未考虑声誉效应的最优激励系数小, 但合同第二期最优激励系数比单期最优激励系数大;合同第一期第三方选择的最优努力水平高于第二期, 两期合同中第三方最优努力水平均高于单期合同下的努力水平, 实现了帕累托改进;制造商在第二期给予第三方的分享比例高于第一期, 这种递增的激励机制会促使第三方重视下一期的合作机会, 在合同第一期就付出高于未考虑声誉机制的努力水平, 这充分体现了声誉激励作用的机理。

需指出的是, 当满足声誉激励作用有效发挥和提高声誉激励效应的条件时, 引入声誉效应的两期合作比未引入声誉效应的单期合作的激励系数低, 这是因为声誉效应发挥了长期隐性激励作用。

当 $θ > \frac{2}{1 + ρ_{s} (1 - τ^{2}) σ^{2}}$ 时, 第三方 (回收能力/品牌效用的不确定程度) τ对其在第一期努力水平q1的影响如图1所示。

图1模拟了第三方讨价还价能力θ=0.7和θ=0.8 (θ均大于 $\frac{2}{1 + ρ_{s} (1 - τ^{2}) σ^{2}})$ 两种情况下, 当ρ=0.4、σ2=9、θ=0.7时, τ的不同取值对q1的影响。由图1可知, 当τ<0.7时, 制造商事前对第三方品牌效用贡献度 (回收能力贡献度) 的不确定性越大, 即τ越大, 第三方在第一期的最优努力水平越高, 即声誉激励效应越大;当τ>0.7时, 随着τ增大, 声誉激励效应趋于下降, 此时不再满足提高声誉激励效应的条件;此外, 当θ=0.8时, 第三方付出的努力水平高于θ=0.7时的相应值, 说明第三方在回收市场上的讨价还价能力越强, 即声誉的激励效应越大。

综上所述, 实现声誉效应的正向激励, 促进第三方努力水平的帕累托改进需要满足一定条件, 作为委托人的制造商应尽量创造这些条件。有效发挥声誉效应和显性激励条件下的第三方激励机制, 可从以下几个方面着手:

1.在激励期限上, 要处理好短期和长期激励的关系。两期合作, 第三方努力水平均高于单期合同的努力水平, 制造商应与第三方保持一种长期相对稳定的战略合作关系;在制定合同时, 尽量避免采用一次性合同方式, 可采用分期考核、分期支付报酬的形式, 根据第三方表现决定下期合同内容, 以充分利用声誉效应激励来约束第三方行为;

2.对固定转移支付设定等级。声誉预期通过对第二期第三方获得的固定报酬进行调整并影响其总报酬, 每期结束后, 制造商应根据预期给予第三方有差别的固定报酬;

3.制造商应建立多元化的回收支付薪酬体系, 降低固定报酬比例, 加大浮动报酬比例, 使考虑声誉的隐性内在激励和外部转移支付激励机制相结合。

五、结论

本文考虑不完备市场机制下声誉的隐性激励作用不能充分发挥第三方回收商最大努力水平, 建立了一个声誉与显性激励机制结合的两期模型。通过理论和数值分析, 得到以下一些结论:一是单期回收模型中, 第三方讨价还价能力对最优合同没有影响, 努力水平等于制造商给予的转移激励, 该情形下第三方回收商努力水平不足;二是两期合作中, 当满足声誉激励作用有效发挥和提高声誉激励效应的条件时, 引入声誉效应的两期合作比未引入声誉效应的单期合作的激励系数低, 第三方最优努力水平高于制造商提供的转移激励系数;三是两期最优激励系数呈递增趋势, 第一期最优激励系数比单期小, 第二期最优激励系数比单期最优激励系数大;四是两期合同第三方最优努力水平均高于单期的情况, 合同一期第三方最优努力水平高于第二期, 实现了帕累托改进;五是制造商第二期给予第三方更高的分享比例, 这种递增激励会促使第三方更重视下一期的合作;六是第三方品牌效用 (回收能力) 不确定性越高, 第二期讨价还价能力越强, 第三方努力水平越高。

【供应链的网络效应研究】推荐阅读：

永辉超市及其供应链网络的简要分析08-24

供应链研究07-28