CN110378577A - 一种基于Supply-Hub的供应商管理库存运作方法 - Google Patents
一种基于Supply-Hub的供应商管理库存运作方法 Download PDFInfo
- Publication number
- CN110378577A CN110378577A CN201910589126.XA CN201910589126A CN110378577A CN 110378577 A CN110378577 A CN 110378577A CN 201910589126 A CN201910589126 A CN 201910589126A CN 110378577 A CN110378577 A CN 110378577A
- Authority
- CN
- China
- Prior art keywords
- supply
- profit
- supplier
- decision
- hub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于Supply‑Hub的供应商管理库存运作方法,一个包括两个供应商、Supply‑hub集配中心、单制造商组成的三级供应链为研究对象,分别应用集中式和分布式决策博弈思想建立模型求解最优定价策略,并将服务水平作为变量考虑进目标函数,分析服务水平的高低对决策结果的影响。供应商管理库存模式即VMI模式;Supply‑Hub即集配中心,属于第四方物流,帮助协调整个供应链,供应商可直接将库存管理权力交由集配商(hub运营商);尤其是在供应或需求不确定的情况下,有了Hub的协调,并借助于大数据共享平台等前沿技术,实时监控和预测制造商的需求,并实现对零部件的JIT即时配送,同时降低库存成本。
Description
技术领域
本发明属于服务定价模型领域,更具体地说,尤其涉及一种基于Supply-Hub的供应商管理库存运作方法。
背景技术
随着经济全球化和现代科技的快速发展,企业所处的竞争环境日益复杂化,企业间的竞争则逐渐转向复杂的供应链间的竞争,竞争与合作也密不可分,相生相伴。在这种复杂的商业环境背景下,基于Supply-hub的供应商管理库存模式逐步形成,对此模式的服务定价与契约协调机制的研究也在不断深入。
现有的关于VMI定价机制的研究比较全面,但针对不同服务水平影响下的VMI定价模型研究较少;少数考虑服务水平影响的供应链模型仅以闭环或双渠道供应链为背景进行研究,未考虑Supply-hub模式下的VMI供应链模型。因此,本文将以基于Supply-hub的VMI模式为背景讨论一个涉及两个供应商、一个集配中心和一个制造商的三级供应链的服务定价模型,并运用收益共享契约协调机制,研究可使供应链利润最大化的定价策略。
发明内容
本发明的目的在于提供一种基于Supply-Hub的供应商管理库存运作方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于Supply-Hub的供应商管理库存运作方法,集中式定价决策,hi和h’i分别为供应商和集配中心的单位年库存持有成本/2,则q单位的库存成本为(2hi)q/2=hiq;令Hi=hi+h’i,则Hi为零部件i的总库存持有成本,而在基于Supply-hub的VMI供应链中,供应商i所负担的总成本ci=(ci+hi)q+Ki;制造商所负担的成本即为集配中心的服务成本c(v)=βv2;实际市场需求d=a-mp,而制造商在服务水平影响下向集配中心发出的需求函数q=d+nv=a-mp+nv;
基于以上分析可知,需求量:
q=a-mp+nv
集中式决策下供应链的利润:
πc=(p-c1-c2-H1-H2-c(v))(a-mp+nv)-K1-K2
因为故πc是关于p的凹函数,且存在唯一实数解,故存在满足且使得πc最大化;由可以得到最优需求量和供应链最大利润
三级供应链集中式定价决策的收益共享机制模型,首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订;然后进行集中式定价决策,由中心成员进行供应链整体的定价决策,确定使供应链利润最大的产品定价、零部件定价和需求量等;最后进行收益共享,按契约中签订的利润分配比例分配增量利润;
分布式定价决策的收益共享机制,首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订;然后进行分布式定价决策,采用上文中的斯坦克尔伯格博弈,供应商先对零部件进行定价,随后制造商再对产品进行定价;最后进行收益共享,按契约中签订的利润分配比例分配增量利润。
优选的,集中式模式下,定价决策以供应链整体利润最大为目标,不需要对最优产品价格、需求量进行调整。
优选的,在收益共享情形下,集配中心和供应商得到的利润必须大于其支出的成本费用。
优选的,集中式服务定价决策下两供应商的定价均为固定值,分布式决策下供应商的定价之差为定值,且集中式的系统利润大于分布式决策的各成员利润之和。
优选的,分布式定价决策的目标是使各成员的利润最大化,引入协调机制,使各成员在分散决策时也有利于供应链的整体优化。
与现有技术相比,本发明的有益效果是:该发明以一个包括两个供应商、Supply-hub集配中心、单制造商组成的三级供应链为研究对象,针对商业环境和系统结构相对复杂的供应链进行了集中式和分布式的定价决策分析比较,以最大化系统利润和最优化供应链绩效为目标,避免了因成员各自的内部斗争而造成的不必要的浪费;因集配中心的存在以及其先进的库存管理水平,有效减少了系统的库存成本;也因集配中心有效的调度,减少了运作成本与运输成本,最终使各成员的利润及供应链总体利润均达到最大,具有很现实的经济性;
从环保角度而言,系统经过优化,销量增加,故供应商到集配中心的运送批量增加,减少了小件包装上的浪费,降低白色污染等;集配中心统一管理库存,降低了原本供应商仓库中存在的库存浪费;同时最佳需求量增加和集配中心的协调运送,减少了集配中心到制造商的运输次数和路径,可以降低汽车尾气排放污染,同样具有环保性;
供应商管理库存模式即VMI模式;Supply-Hub即集配中心,属于第四方物流,帮助协调整个供应链,供应商可直接将库存管理权力交由集配商(hub运营商);尤其是在供应或需求不确定的情况下,有了Hub的协调,并借助于大数据共享平台等前沿技术,实时监控和预测制造商的需求,并实现对零部件的JIT即时配送,同时降低库存成本。
附图说明
图1为基于Supply-hub的VMI运作模式示意图;
图2为本发明的集中式VMI服务定价模型框架图;
图3为不同服务水平下集中式定价决策对比;
图4为服务成本变化曲线图;
图5为最优产品价格曲线图;
图6为最优需求量曲线图;
图7为供应链最大利润曲线图;
图8为应用收益共享的集中式决策下的成员利润;
图9为成员利润随收益共享比例变化曲线图;
图10为不同服务水平下分布式定价决策对比;
图11为最优产品价格曲线图;
图12为最优需求量曲线图;
图13为供应商1最优定价曲线图;
图14为供应商2最优定价曲线图;
图15为供应商最大利润曲线图;
图16为制造商最大利润曲线图;
图17为集配中心最大利润曲线图;
图18为供应链最大利润曲线图;
图19为应用收益共享的分布式决策下各成员利润;
图20为供应商1利润随共享比例变化图;
图21为供应商2利润随共享比例变化图;
图22为制造商利润随共享比例变化图;
图23为集配中心利润随共享比例变化图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
集中式定价决策模型
由于hi和h’i分别为供应商和集配中心的单位年库存持有成本/2,则q单位的库存成本为(2hi)q/2=hiq。令Hi=hi+h’i,则Hi为零部件i的总库存持有成本。而在基于Supply-hub的VMI供应链中,供应商i所负担的总成本ci=(ci+hi)q+Ki;制造商所负担的成本即为集配中心的服务成本c(v)=βv2。实际市场需求d=a-mp,而制造商在服务水平影响下向集配中心发出的需求函数q=d+nv=a-mp+nv。
基于以上分析可知,需求量:
q=a-mp+nv (3.1)
集中式决策下供应链的利润:
πc=(p-c1-c2-H1-H2-c(v))(a-mp+nv)-K1-K2 (3.2)
因为故πc是关于p的凹函数,且存在唯一实数解,故存在满足且使得πc最大化。由可以得到最优需求量和供应链最大利润命题1对模型求解结果进行了阐述。
命题1:在集中式决策下,基于Supply-hub的VMI供应链有:
证明:存在令解得
将带入(3.1)式得最优需求量:
再将带入(3.2)式可得最大利润:
命题2:集中式定价下,最优产品定价随服务水平的增加而增加;而当服务水平时,集中式决策下需求量最大,且供应链整体利润最大。
证明:将服务水平v作为变量,服务成本c(v)=βv2。
当v=0时,
故当v>0时,恒大于零,即随v的增加而增加。
对于最优需求量,有
令得:
同理可得时,供应链整体利润最大。
推论1:由命题2可得,β越大,最合适的服务水平越小;且最合适的服务水平随m的增大而减小,随n的增大而增大。
β越大表明同等服务水平下服务成本越来越高,这会导致在最佳服务成本下服务水平降低。m增加表明需求对价格敏感度增加,需求会随价格的增加而更快的减少,此时需要适当提高服务水平来使需求量增加;n增加说明同等服务水平会带来更多的需求,故提供更高的服务水平有利于系统最优化,均符合常识认知。
参数定义:
π——利润
d——实际市场需求
c——供应商单位生产成本
w——零部件价格
p——产品价格
q——需求量
h——供应商单位年库存持有成本/2
h’——集配中心单位年库存持有成本/2
K——固定补货及运输费用
v——Supply-hub提供的服务水平
c(v)——Supply-hub的服务成本
a——潜在市场需求
λ——集中式决策下的收益共享比例
m——服务水平对需求的影响系数
n——产品价格对需求的影响系数
β——服务水平的平方对服务成本的影响系数
πc——集中式VMI供应链的总体利润
角标含义:1,2代表供应商1和供应商2及其对应的零部件1和零部件2;h代表Supply-hub集配中心;M代表制造商;A代表集中式定价环境下的收益共享机制。
三级供应链集中式定价决策的收益共享机制模型,即A机制:
首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订。
然后进行集中式定价决策,由中心成员(如集配中心)进行供应链整体的定价决策,确定使供应链利润最大的产品定价、零部件定价和需求量等。
最后进行收益共享,按契约中签订的利润分配比例分配增量利润。
集中式模式下,定价决策以供应链整体利润最大为目标,故此时不需要对最优产品价格、需求量进行调整。本文采用各成员直接按比例共享供应链整体收益的方式。在上面提出的收益共享机制下,两供应商、集配中心和制造商的利润分别为:
其中λ1+λ2+λh+λM=1 (3.4)
通过MATLAB对模型博弈问题进行建模仿真,并求解得到分布式决策中不同服务水平下对应的最优产品价格、需求量、成员各自最大利润和系统最大总利润,结果如图3所示,同时图4-7描绘了在不同服务水平下各元素的变化趋势。
当加入收益共享机制后,不同比例下各成员的收益情况如图8所示,图9为其变化趋势图。
结果分析
(1)根据计算结果可得服务成本和产品定价均随服务水平增加而增加,且服务成本函数和最优定价函数都是服务水平的凹函数。
(2)最优需求量函数与供应链最大利润都随服务水平的增加先增后减,在v=0.25时取到最大值。与分析模型时提出的时,供应链整体利润最大相符。此时说明服务水平不是越高越好,因为v越大,服务成本越增越快,反而会使总体利润减少,故要提供适当的服务水平。
(3)在收益共享情形下,各成员的收益依赖于其讨价还价的能力。但对于集配中心和供应商来说,得到的利润必须大于其支出的成本费用。
分布式定价决策模型
对于供应商i,单位产品获得的净利润为wi-ci-hi,由此可得供应商i的利润:
πi=(wi-ci-hi)(a-mp+nv)-Ki (4.1)
本模型中,集配中心在未进行收益共享时,由制造商向其支付服务成本,则集配中心需要自行承担零部件的库存持有成本,因此集配中心的利润为负:
πh=-(h'1+h'2)(a-mp+nv) (4.2)
制造商的利润为:
πM=(p-w1-w2-c(v))(a-mp+nv) (4.3)
因为分布式定价决策模型为斯坦克尔伯格博弈,要用逆向归纳法进行求解,结果如命题3所述。
命题3:在分布式决策下,基于Supply-hub的VMI供应链有:
p*=[5(a+nv)+m(c1+c2+h1+h2+c(v))]/(6m)
q*=[a+nv-m(c1+c2+h1+h2+c(v))]/6
πh=-(h'1+h'2)[a+nv-m(c1+c2+h1+h2+c(v))]/6
证明:通过逆向归纳法求解模型,首先求解制造商定价的第二阶段。给定两个零部件的价格为w1和w2,有:
令计算出最优产品价格为:
p=p*=[a+nv+m(w1+w2+c(v))]/(2m)
将p*带入(3.1)式可得:
q*=[a+nv-m(w1+w2+c(v))]/2
由于
同理可得
故式wi的凹函数。
联立方程和可得到供应商的最优定价:
因此有:
p*=[5(a+nv)+m(c1+c2+h1+h2+c(v))]/(6m)
q*=[a+nv-m(c1+c2+h1+h2+c(v))]/6
将和以及p*带入(4.1)式可得:
带入(4.2)式得集配中心利润:
πh=-(h'1+h'2)[a+nv-m(c1+c2+h1+h2+c(v))]/6
再带入(4.3)式的制造商利润:
推论2:若假设两供应商的K1=K2,即运输及固定补货成本相等,则两供应商的利润相等。
计算两供应商的价格差:
因此供应商之间设定的零部件价格差等于零部件成本差。
推论3:集中式定价决策的利润大于分布式下的利润。
应用作差法对比集中式和分布式定价决策的最优产品价格、需求量和利润可得:
由此可得,与集中式决策式比较时,分布式决策的价格较高,需求较少,而供应链的总利润也较低。因此,在分布式定价决策背景下,需要引入合适的协调机制来优化此供应链绩效,采用收益共享机制来进行协调。
命题4:集中式定价下,最优产品定价随服务水平的增加而增加;而当服务水平时,集中式决策下需求量最大,且供应链整体利润最大。
证明:将服务水平v作为变量,服务成本c(v)=βv2。
当v=0时,
故当v>0时,恒大于零,即p*随v的增加而增加。
对于最优需求量,有
令得
同理,对于各成员和供应链总利润,服务水平时为最优。参数定义
π——利润
d——实际市场需求
c——供应商单位生产成本
w——供应商确定的零部件价格
p——制造商确定的产品价格
q——制造商需求量
h——单位年库存持有成本/2
K——固定补货及运输费用
v——Supply-hub提供的服务水平
c(v)——Supply-hub的服务成本
a——潜在市场需求
θ——分布式决策下的收益共享比例
m——服务水平对需求的影响系数
n——产品价格对需求的影响系数
β——服务水平的平方对服务成本的影响系数
πc——集中式VMI供应链的总体利润
角标含义:1,2代表供应商1和供应商2及其对应的零部件1和零部件2;h代表Supply-hub集配中心;M代表制造商;B代表分布式定价环境下的收益共享机制。
收益共享契约模型
在分布式定价决策过程中,供应商在对零部件进行定价后,可以根据制造商在其影响下进行的产品定价的反应来选择最优价格策略。供应商可以通过最先进行决策的优势来最大化自身利润。如果供应商的零部件定价策略偏离斯坦克尔伯格博弈的均衡街,其利润会减少,但此时制造商的利润不一定会减少,其有很有可能会增加。因此,如果制造商愿意将其增加的利益与其他供应链成员共享,供应商就可以选择低价出售零部件,随后与制造商共同分享增加的利润额。同时,本文前面假设了在分布式定价决策中,集配中心并没有向制造商收取除固定服务成本以外的其他费用,此时集配中心的利润为负值。若与实际情况相结合,集配中心必须要求运行收益共享机制,通过与制造商等成员共享供应链利润,才可以进行实际的企业运转。而从供应链整体角度考虑,采用此机制可能实现分布式定价决策系统的利润最大化。
下面详细描述基于分布式定价决策的收益共享机制模型,即B机制:
首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订。
然后进行分布式定价决策,采用上文中的斯坦克尔伯格博弈,供应商先对零部件进行定价,随后制造商再对产品进行定价。
最后进行收益共享,按契约中签订的利润分配比例分配增量利润。
分布式供应链整体最佳利润为:
与集中式供应链相比,可增加的利润差值为:
所以在分布式供应链的收益共享契约模式下,各成员的利润为:
通过MATLAB对模型博弈问题进行建模仿真,并求解得到分布式决策下不同服务水平下对应的最优产品价格、需求量、成员各自最大利润和系统最大总利润,具体结果如图10所示。同时图11-14描绘了在不同服务水平下各元素的变化趋势,图15-18描绘了不同服务水平下各成员的利润变化趋势。
当加入收益共享机制后,不同比例下各成员的收益情况如图19所示,图20-23为其对应的变化趋势图。
结果分析
(1)根据计算结果可得服务成本和产品定价均随服务水平增加而增加,且服务成本函数和最优定价函数都是服务水平的凹函数。
(2)最优需求量函数与供应链最大利润都随服务水平的增加先增后减,在v=0.25时取到最大值。与分析模型时时,供应链整体利润最大相符。此时定价决策为p*=42.479166667,q*=31.083333333,各成员利润为 供应链总利润πt=1178.3920139。由此说明服务水平不是越高越好,因为v越大,服务成本越增越快,反而会使总体利润减少,故要提供适当的服务水平。
(3)在收益共享情形下,各成员的收益依赖于其讨价还价的能力。但对于集配中心和供应商来说,得到的利润必须大于其支出的成本费用。
(4)集中式决策与分布式决策的系统利润差值为947.6136,即系统有很大的优化空间。通过收益共享契约协调机制,系统达到与集中式一样的利润。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于Supply-Hub的供应商管理库存运作方法,其特征在于:
集中式定价决策,hi和h’i分别为供应商和集配中心的单位年库存持有成本/2,则q单位的库存成本为(2hi)q/2=hiq;令Hi=hi+h’i,则Hi为零部件i的总库存持有成本,而在基于Supply-hub的VMI供应链中,供应商i所负担的总成本ci=(ci+hi)q+Ki;制造商所负担的成本即为集配中心的服务成本c(v)=βv2;实际市场需求d=a-mp,而制造商在服务水平影响下向集配中心发出的需求函数q=d+nv=a-mp+nv;
基于以上分析可知,需求量:
q=a-mp+nv
集中式决策下供应链的利润:
πc=(p-c1-c2-H1-H2-c(v))(a-mp+nv)-K1-K2
因为故πc是关于p的凹函数,且存在唯一实数解,故存在满足且使得πc最大化;由可以得到最优需求量和供应链最大利润
三级供应链集中式定价决策的收益共享机制模型,首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订;然后进行集中式定价决策,由中心成员进行供应链整体的定价决策,确定使供应链利润最大的产品定价、零部件定价和需求量等;最后进行收益共享,按契约中签订的利润分配比例分配增量利润;
分布式定价决策的收益共享机制,首先拟定收益共享契约,供应商、集配中心和供应商三方同时参与讨价还价,以此来确定收益共享契约中的分配比例,并进行契约的签订;然后进行分布式定价决策,采用上文中的斯坦克尔伯格博弈,供应商先对零部件进行定价,随后制造商再对产品进行定价;最后进行收益共享,按契约中签订的利润分配比例分配增量利润。
2.根据权利要求1所述的一种基于Supply-Hub的供应商管理库存运作方法,其特征在于:集中式模式下,定价决策以供应链整体利润最大为目标,不需要对最优产品价格、需求量进行调整。
3.根据权利要求1所述的一种基于Supply-Hub的供应商管理库存运作方法,其特征在于:在收益共享情形下,集配中心和供应商得到的利润必须大于其支出的成本费用。
4.根据权利要求1所述的一种基于Supply-Hub的供应商管理库存运作方法,其特征在于:集中式服务定价决策下两供应商的定价均为固定值,分布式决策下供应商的定价之差为定值,且集中式的系统利润大于分布式决策的各成员利润之和。
5.根据权利要求1所述的一种基于Supply-Hub的供应商管理库存运作方法,其特征在于:分布式定价决策的目标是使各成员的利润最大化,引入协调机制,使各成员在分散决策时也有利于供应链的整体优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910589126.XA CN110378577A (zh) | 2019-07-02 | 2019-07-02 | 一种基于Supply-Hub的供应商管理库存运作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910589126.XA CN110378577A (zh) | 2019-07-02 | 2019-07-02 | 一种基于Supply-Hub的供应商管理库存运作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110378577A true CN110378577A (zh) | 2019-10-25 |
Family
ID=68251579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910589126.XA Pending CN110378577A (zh) | 2019-07-02 | 2019-07-02 | 一种基于Supply-Hub的供应商管理库存运作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378577A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563613A (zh) * | 2020-04-13 | 2020-08-21 | 华南农业大学 | 基于ALC及Kriging模型的分布式供应链优化设计方法 |
CN112085516A (zh) * | 2020-08-05 | 2020-12-15 | 河南农业大学 | 一种农产品定价方法、装置和计算机可读存储介质 |
CN112801513A (zh) * | 2021-01-29 | 2021-05-14 | 山东大学 | 一种综合能源系统协同优化方法及系统 |
WO2022226428A1 (en) * | 2021-04-24 | 2022-10-27 | Guo Tian | Method and system for online marketing with supply chain profit management |
WO2022262469A1 (zh) * | 2021-06-18 | 2022-12-22 | 重庆邮电大学工业互联网研究院 | 一种基于博弈论的工业园区物流调度方法及系统 |
CN116911574A (zh) * | 2023-09-12 | 2023-10-20 | 华侨大学 | 基于鲸鱼算法与随机森林的三级供应链优化方法及装置 |
-
2019
- 2019-07-02 CN CN201910589126.XA patent/CN110378577A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563613A (zh) * | 2020-04-13 | 2020-08-21 | 华南农业大学 | 基于ALC及Kriging模型的分布式供应链优化设计方法 |
CN112085516A (zh) * | 2020-08-05 | 2020-12-15 | 河南农业大学 | 一种农产品定价方法、装置和计算机可读存储介质 |
CN112801513A (zh) * | 2021-01-29 | 2021-05-14 | 山东大学 | 一种综合能源系统协同优化方法及系统 |
CN112801513B (zh) * | 2021-01-29 | 2023-04-07 | 山东大学 | 一种综合能源系统协同优化方法及系统 |
WO2022226428A1 (en) * | 2021-04-24 | 2022-10-27 | Guo Tian | Method and system for online marketing with supply chain profit management |
WO2022262469A1 (zh) * | 2021-06-18 | 2022-12-22 | 重庆邮电大学工业互联网研究院 | 一种基于博弈论的工业园区物流调度方法及系统 |
CN116911574A (zh) * | 2023-09-12 | 2023-10-20 | 华侨大学 | 基于鲸鱼算法与随机森林的三级供应链优化方法及装置 |
CN116911574B (zh) * | 2023-09-12 | 2024-02-02 | 华侨大学 | 基于鲸鱼算法与随机森林的三级供应链优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378577A (zh) | 一种基于Supply-Hub的供应商管理库存运作方法 | |
Kavirathna et al. | Intra-port coopetition under different combinations of terminal ownership | |
Ng | A modern resource based approach to unrelated diversification | |
Yu et al. | Optimal selection of retailers for a manufacturing vendor in a vendor managed inventory system | |
Newcomb et al. | Distributed energy resources: policy implications of decentralization | |
Sun et al. | A profit-maximizing model marketplace with differentially private federated learning | |
Hu et al. | Research on the slot allocation of container liner under E-commerce environment | |
Wu | [Retracted] Optimization of E‐Commerce Supply Chain Management Process Based on Internet of Things Technology | |
Chu et al. | Optimal contract design with a common agency in last-mile logistics | |
Zhou et al. | Integration of third-party platforms: Does it really hurt them? | |
Wang et al. | Design and Profit Allocation in Two‐Echelon Heterogeneous Cooperative Logistics Network Optimization | |
Chen et al. | Cooperative decision making of supply chain members of shipping logistics services under the background of blockchain | |
Wang et al. | Designing benefit distribution driven innovation strategy for local enterprises under the global value chain system | |
Junyan et al. | Digital Economy Development, Institutional Quality and Upstreamness of Global Value Chains. | |
Xie et al. | An integrated data envelopment analysis and non-cooperative game approach for public transportation incentive subsidy allocation | |
Rash et al. | Product line design and scheduling at Intel | |
Guo et al. | Incentives, penalties, and digital transformation of enterprises: evidence from China | |
Zheng et al. | A Selection Model of Strategic Emerging Industries in Fujian Based on Entropy‐VIKOR Algorithm | |
Cai et al. | Operation decision model in a platform ecosystem for car-sharing service | |
Ye et al. | Evaluation function, game-theoretic machine learning algorithm, and the optimal solution for regional ports resources sharing | |
Wang | Planning and layout of intelligent logistics park based on improved genetic algorithm | |
Lu | [Retracted] Synergy and Communication of IoT Industry Development Strategies in the Perspective of Low Carbon Economy | |
Song et al. | Decisions of Closed‐Loop Supply Chain Based on Recycling Effort and Differential Game | |
Du et al. | Profit allocation of carbon emission reduction in the construction supply chain | |
Zhao et al. | Research on pricing models for technology‐trading platforms with different business models: A two‐stage dynamic game model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191025 |