楊銳霞
(鄭州大學,河南鄭州450000)
隨著國內外的經濟環境發生了改變,市場環境也發生了變化,逐漸從賣方市場轉變至買方市場,消費者不僅對消費品提出了“質”的要求,更對消費品提出了個性化的需求,顯然傳統的大規模定制的供應鏈模式已不能適應消費者的需求,因此,企業在未來的發展過程中必然要選擇研究個性化產品供應鏈。個性化產品供應鏈中的各節點企業都有著自身的利益,各節點企業的組織結構等都有所不同,必然會在生產過程中產生沖突,如何通過個性化產品供應鏈的協商,解決沖突,提高協商效率,成為現代企業和學者們面臨的現實問題。因此,本文通過對相關文獻的閱讀分析,對現有的研究結果進行總結。
許多學者對于個性化產品供應鏈的研究主要集中在個性化產品需求上,詹蓉 (2008)認為個性化需求的概念有廣義和狹義之分,廣義個性化需求是指帶有顧客獨特性質的,并且是基于顧客自身的對產品及服務的需要,而不一定是與他人不同的需求;狹義的個性化需求是指在定制生產模式下能夠滿足的顧客的需求[1]。在陶茂華 (2012)認為個性化需求是在個性化模式下,把客戶作為主導,按照單個顧客的獨特需求、想法和意見,提供包括產品和服務的一整套的解決方案,從而滿足單個顧客的效用[2]。總得來說,個性化需求是指消費者根據自己的偏好對產品或服務提出的自己的要求。
對于協商的研究,學者們主要從協商的定義、協商的模式、以及協商的框架和模型進行了探索和研究。對于協商的定義,長期以來,許多學者都對其進行了研究,大體上可以概括為協商是資源分布、任務分配、決定主題所要承擔的任務和解決有限的資源引起沖突的重要機制,它主要包括三方面的內容:信息的交換、信息的評估和策略的選擇。而被廣泛認可的是Lesser和Durfee對協商的定義,他們認為協商是通過相關信息結構化交換,形成規劃或一致觀點的過程,進而減少智能體之間的矛盾和不確定性。
對于協商模式,Faratin(1998)等人已經提出了一個自主agents之間正式的協商模式。協商的目的是就一個agent為另一個agent提供服務達成協議。該模型定義了一系列戰略和策略,agents可以采用這些策略來生成初始報價,評估意見并提出反報價。該模型基于計算可伸縮的假設,在業務流程管理和經驗評估領域中進行了演示。它為協商模型的的研究與構建提供了基礎,但是該模型更側重于策略,而不是找到滿足雙方的最佳解決方案。
Rosenschcin等從博弈論的角度來研究協商模型;Govindan等[3]博弈論者將協商視為一種動態的、不完全的信息博弈,并試圖通過在一定條件下給出一些預測結果來解決這一問題。盡管在一些問題上取得了很高的成功,但由于現實世界協商的復雜性和不確定性,博弈論方法很難擴展到一般的問題領域。
從解決問題的角度,Ming Choi[4]把協商分為兩個階段來研究,分別是競爭階段和合作階段,通過利用模擬退火的算法來建立可以減少協商成本的模型,最后通過利用靈敏度分析來討論不同參數對于系統性能的影響。
從大數據的角度,Hasan Al-Sakran[5]利用大數據技術和智能體技術探討了如何提高電子商務的協商效率,并建立了電子商務基于事實的協商模型。Ingmar Geiger[6]利用數據分析,就協商的關鍵問題進行探討,來研究協商的策略問題。
通過以上的分析發現,盡管關于個性化產品供應鏈協商問題的文獻很多,但還沒有足夠的學術研究來研究如何利用大數據分析尋找最優的協商策略,提高協商效率。因此,下一步的研究方向主要是針對基于大數據的個性化產品供應鏈的協商機制研究。
參考文獻:
[1]詹蓉.面向即時顧客化定制的個性化需求預測方法研究[D].華中科技大學,2008.
[2]陶茂華.基于個性化需求服務供應鏈運作模式研究[D].北京交通大學,2012.
[3] Govindan,K.,Diabat,A.,& Popiu,M.N.(2012).Contract analysis:a performance measure and profit evaluation within twoechelon supply chains.Computers& Industrial Engineering,63(1),58–74.
[4] An Pan ·Tsan-Ming Choi.An agent-based negotiation model on price and delivery date in a fashion supply chain.Ann Oper Res(2016)242:529–557.
[5] Ingmar Geiger,A model of negotiation issue – based tactics in business-to-business sales negotiations.Industrial Marketing Management 64(2017)91–106.
[6] David Silver,Julian Schrittwieser,Karen Simonyan.Mastering the Game of Go without Human Knowledge[J].Nature,2017 ,550(7676):354.