需求波动对集群供应链服务系统演化影响研究

安吉宇，杨姗姗，陈泓予

河南理工大学 计算机科学与技术学院，河南 焦作 454003

1 引言

在全球分工的背景下，为了帮助中小型企业（SMEs）应对日益激烈的市场竞争，企业集群正在成为一种越来越常见的经济模式，核心在于“一些地理位置临近，业务互补的实体通过协作实现信息资源共享、优势互补，从而降低风险和不确定性，执行无法单独完成的行为”。逐渐地，一种新的商业管理模式——“集群式供应链”[1]的概念被提了出来：它是供应链和产业集群的耦合，结合了两者的优点。它能够帮助中小型企业通过协同[2]的方式应对日益激烈的市场竞争，最终实现“以小博大”互利共赢的目标。作为企业应对经济全球化的战略举措，集群式供应链在国内外很多地域的产业集群中客观存在[3-5]，并且在集群产业升级和提升企业核心竞争力方面有着重要作用。但是处于激烈多变的市场竞争环境中的中小型企业之间缺少信任，不愿意进行信息、技术和知识的共享选择独自面对市场，这种“孤岛”式的状态导致了企业间协作的失败，影响企业协作联盟的构建，阻碍了集群式供应链的发展，集群式供应链自身又是一个自适应的复杂系统[6]，其发展还处于初级阶段，研究缺乏定性的技术支持，并且集群式供应链管理理论与实际的应用还存在着较大的偏差。因此，如何在实际运营中改进和运用集群式供应链模式成为了供应链管理亟待解决的问题。

针对以上问题，为更好地促进集群中企业的协同，推动集群供应链高效、快速地发展，在供应链中引入第三方服务机构也称供应链服务支持系统（文献[7]中定义为：“一种实现企业目标的方法，通过信息技术用来支持集群式供应链的运行，促成供应链内部或供应链之间的企业协同，以及实现协同的各种业务支撑。”）以支撑集群中企业的“协同操作”。如图1所示，服务系统作为企业协同的支撑平台与协调机制，其稳定性与健壮性对供应链的发展有着重大的影响。因此，从这个角度出发，本文研究了外部市场环境发生改变对服务系统的演化影响问题，对服务系统的发展进行预测、调整以使得自身保持良好的发展。

目前，国内外学者对集群式供应链中服务系统的研究大都侧重于服务系统的构建，而对其自身发展的相关研究较少。文献[8]给出了面向Agent的集群式供应链的服务系统设计方法；文献[9]提出了一种集群式供应链服务系统的整体架构；文献[10]并以航空发动机企业间协同制造为例，提出了一种基于Agent和工作流的跨企业协同制造支持系统；文献[11]针对Web服务组合模型和描述语言在应对动态性方面的不足，提出了一种动态服务组合技术及其支撑系统；ASTRO[12]是TCIRS与Trento大学合作开发的一个以服务为导向的、基于本体描述的、分布式的Web服务组合系统；Argos[13]由SPPD和ISI联合研制的一种以本体描述和工作流分析为基础的自动Web服务组合系统。文献[14]为了减少牛鞭效应、提高供应链的绩效，提出了一种需求波动对供应链整合策略选择的影响，利用系统动力学方法对不同的子策略给出的供应链整合模型在不同的市场需求波动条件下进行动态模拟。文献[15]提出了一种基于计算实验的协同羊群行为与市场波动研究，通过计算实验平台上的Agent交互来研究受协同约束的羊群行为是否是引发市场波动的内部机制。

基于以上背景和对服务支持系统定性的理论研究，本文在前人研究的基础之上，以协同采购为背景，采用计算实验方法对社会系统问题抽象化，并采用Agent建模技术构建供应链中的企业节点模型，通过repast仿真软件对集群式供应链中协同采购的服务系统的演化进行实验仿真，并在该实验的基础之上，采用定量和定性相结合的方式，研究了协同演化过程中市场需求的波动对服务企业演化所产生的影响，以分析挖掘供应链中服务企业演化的动力。

2 供应链中的节点模型

供应链系统中的节点模型采用Agent技术进行建模，Agent具有感知环境和自学习的能力，并可根据环境的变化做出决策。因此，在对供应链中的节点企业进行抽象时，可根据企业的不同功能进行抽象。图2是根据企业不同的功能抽象出的一个借助服务系统的协同采购网络示意图。

图2 协同采购网络示意图

2.1 模型假设和符号定义

本模型通过构建一个由30个供应商和30个采购商组成的二级供应链，将服务系统纳入到该供应链环境下进行演化。模型中的符号定义如表1所示。

2.2 采购节点Agent模型

每一个采购节点代表一个采购企业，并且具有以下客观属性：企业编号、规模、成长速率、采购量、零售价格、利润等属性。其中采购企业的规模随着时间的推移而变化，其规模的增长采用logistic模型[16]。如果企业是独自面对市场成长时，那么在t时刻的成长规模为：

表1 模型中各符号含义

如果是与其他企业进行协同采购即共生型，那么在t时刻的成长规模为：

式（1），（2）中ci(t)为t时间企业的规模，ri(t)表示在有限环境资源限制下，自身所具有的增长速率。si表示在有限资源约束的条件下，企业能达到的最大规模。式（2）中coopAdd为横向的协同效应，其值的大小为式（3）所表示。其中lij(-1＜lij＜1)表示合作企业j与采购企业i的合作效应系数，即企业j对企业i的影响度。采购商的利润计算模型为：

式（4）中，如果采购企业i未借助于服务企业进行采购，那么Dis_cost=0；否则，则按照服务企业的规则向服务企业缴纳一定的协同费用。

2.3 供应商节点Agent模型

一个供应商Agent节点代表一个供应商企业，与采购商企业一样，供应商也具有企业的编号、成长规模、成长速率、生产成本、利润等客观属性，并且其价格与采购企业的采购量成反比即k＞0。采购量越大，采购商就获得更多的产品价格优惠，供应商的产品价格就越小。但是由于在供应商的生产成本C的约束下，产品价格保持在一个范围之内。其规模也是随着时间的变化而变化，其在t时刻的成长规模与采购企业的成长规模计算方式一样，都采用公式（1）或（2）。其利润计算公式如下：

在式（5）中，如果供应商企业i未借助于服务企业与采购商直接交互完成交易，那么，Supp_cost=0。否则，则按照服务企业的规则向服务企业缴纳一定的协同费用。

2.4 服务企业节点Agent模型

服务企业也称协作服务系统，是随着周期的推移，采购Agent与周围的采购Agent不断地进行采购价格的比较，以寻找价格最小的供应商，随着最小价格供应商信息的不断扩散，采购商之间的横向协同的规模也不断扩大，导致协同的成本增加，这时候就会逐渐地出现以大规模企业为核心的虚拟采购联盟，当其规模达到一定程度后，该企业的服务部门就会从该企业脱离出来演化为第三方服务企业成为支持集群企业协同操作的服务系统，为采购企业和供应商企业提供信息服务。服务系统节点Agent的客观属性主要有规模、成长速率、服务收益、协同管理成本、利润、订单量等。

在式（6）中，Ser_Cost为服务企业的协同管理成本即服务企业维持自身成长、发展所需的费用。Dis_cost、Supp_cost分别为采购协同费用和供应协同费用，即为采购企业和供应商企业参与服务企业所提供的服务，向服务系统支付的费用。

3 基于计算实验的服务系统演化仿真实验

服务系统的演化是多利益主体通过相互间的作用而构成的动态演化系统，其演化的趋势有多种可能性，而常规的静态分析法对于集群式供应链中服务系统一个复杂的非线性动态系统具有一定的局限性，并不能够针对服务系统的复杂性，动态性等特点做出客观的评估。而通过计算实验可以按照实验的目的对复杂问题进行设计和规划，将大量不确定性条件下所有合理假设的可能因素纳入统一的实验框架下，通过反复多次的仿真实验不断调整和修正设计方案，验证各种可能的结果，从而全面把握不确定性因素对于整体目标的影响。

集群供应链中的服务系统作为企业协同的协调机制与支撑环境，为集群企业之间进行“协同操作”提供了一个公共的服务平台，能够根据当下的市场需求，对不同企业资源进行调整和重组，形成一个具有同一目标的虚拟协作联盟，以帮助中小型企业应对多变的市场环境和提升中小型企业的竞争力。由此，服务企业的发展对供应链的演化发展有着很大的影响。

本实验的目的是在固定费用的利润分配模式下，通过计算实验、Agent建模技术和repast仿真软件对集群式供应链协同采购的网络演化中服务系统的演化进行仿真，并在此实验的基础上研究市场需求波动对集群式供应链中服务企业的演化的影响。

3.1 实验模型描述

在该实验仿真中，以集群供应链中的“采购—供应”的二级供应链为例进行研究，实验仿真环境为700×700的虚拟空间，分为上下两层，每一层初始设定为30个企业Agent，用附有编号的实心圆表示。分别对应二级供应链中的供应商Agent和采购商Agent。而服务系统Agent则是通过采购Agent通过协同采购（横向协同-纵向协同）形成虚拟联盟，随着协同规模的不断扩大，协同成本的增加，逐渐地演化出专门提供“采购-供应”服务的第三方服务企业，在仿真图中用黑色的实心矩形表示。在模型的初始运行阶段，所有企业的规模初始化为中等企业，在图3中用蓝色实心圆表示；随着时间的推移，企业规模的不断成长，当其规模大于平均规模的30%，则该企业演变为大型企业，用黄色实心圆表示；当有一些企业竞争力较差，不能快速抓住变幻莫测的市场机遇时，其规模小于平均规模的30%时，则沦为小型企业，用绿色实心圆表示。

图3 集群供应链协同演化

3.2 实验条件

服务企业的利润分配模式为固定费用模式，即参加服务协同的企业向提供服务的第三方服务企业所缴纳的费用，也是服务企业提供一次服务所获得的利润。在该利润分配模式下，市场需求D服从正态分布N(υ,σ2)，企业规模成长和利润计算按照2.2节和2.3节进行计算。且模型初始化企业为中等企业，随着周期的推移不断成长。其仿真图如图3所示。

通过计算实验，得到集群供应链协同演化主要经历3个阶段，即纵向协同、横向协同、服务系统的出现。图3中灰色的线表示纵向协同阶段采购商独自面对市场环境与供应商进行合作；红色的线表示形成横向协同，采购企业之间进行交互信息共享，比较选择最佳的供应Agent，多个采购Agent共同向同一个供应Agent购买。在横向协同的基础上随着协同采购者的数量的增加，协同规模的增大，协同成本的增加，充当虚拟采购联盟管理者的大规模企业Agent将协同采购功能从自身企业中剥离出来，形成一个独立的新型第三方服务性企业。该企业能够加快企业之间的信息交流，调整企业之间协作的关系，更加全面系统地选择供应商，统一采购，最大程度地降低采购成本。在图3中大部分企业尤其是中小型企业选择加入服务企业获取最低的采购价格，降低采购成本以获取更大的利润。如图4所示，服务系统的演化出后对供应链中采购企业的影响。

图4 采购—服务企业演化图

4 不同市场需求对服务企业演化影响实验

市场需求的波动会对供应链双方的决策、产品的价格、回购价格的调整产生很大的影响，这些影响在现实中是无法预测的，因此，实验是在服务企业演化仿真实验的基础上，通过大量的重复实验和对实验中的参变量的调控，来观察改变市场需求对供应链中服务企业的演化影响，预测市场变化对服务企业的影响，以使得服务企业适时的调整自己的策略，维持自身良好的发展。

4.1 实验条件

在服务企业仿真实验的基础上，服务企业的利润模式采用固定利润分配模式，市场需求服从正态分布N(υ,σ2)，然后通过对υ,σ两个参数的调整以改变市场需求，且初始设置每个采购商的采购量为2 500。随着其规模的成长当其成长为大型企业时，其采购量就增QuantityIncre-ment*κ当其沦为小型企业时，其采购量也相应地减少QuantityIncrement*κ。其中κ为企业规模转变之前的采购量，QuantityIncrement为增加的比例因子。经过大量反复实验，以以下四组典型的实验数据(υ=30 000,σ2=10 000)、(υ=50 000,σ2=10 000)、(υ=80 000,σ2=10 000)、(υ=100 000,σ2=10 000)进行对比分析得出市场需求的波动对服务企业演化的影响（主要从服务企业出现的时间和稳定性方面）。且在以上四组参数的设置下，市场需求与总订货量的变化趋势如图5所示。

4.2 实验结果

图6给出了在相同的采购总量情况下，服务企业在4组不同的市场需求调控参数下，服务企业演化的周期/时间图，可以看到服务企业出现的周期以及其利润的大小和波动情况。

图5 30个采购商时采购总量与市场需求

图6 服务企业演化周期—利润

5 仿真结果分析

图4可以看出系统运行到620个周期左右，在集群供应链协同采购的网络演化中出现了具有专门提供“采购—供应”功能的第三方服务企业，且该服务企业的出现使得采购方利润明显增加且趋向于稳定。这是由于第三方服务企业的出现能够帮助加快企业之间的信息扩散，使得供应商的选择更加全面系统化，从而最大程度上降低采购成本、统一采购流程，增加利润。对照图5采购总量大约在（78 000，100 000）之间，调整市场需求得到图6结果。图6中发现市场需求参数随着期望υ值的增大，越接近总采购量，服务企业出现的时间就越早并且服务企业利润波动越来越趋向于平稳，从图6可以看出服务企业出现的周期依次在600、580、560、570个周期左右。因此，可以得出如下结论：市场需求的变化对服务企业的演化发展产生了很大的影响，当市场需求（最优订货量）与采购总量之间的距离越小，越有利于服务企业平稳发展。

6 结束语

本文采用“自上而下”的计算实验方法和Agent建模对供应链中的节点进行建模，然后在repast仿真平台上实现了集群式供应链协同采购中服务企业的演化实验，并在此实验的基础上对市场需求波动对服务企业的演化影响进行仿真分析研究。从实验结果来看，当服务企业演化出来后，借助于服务系统的协同采购能给集群中企业带来更多的利益，更有利于中小型企业的发展且发现市场需求和企业行为的变更影响服务企业的演化，是服务企业演化的根本动力。基于此，当市场需求改变时，服务企业可以根据市场需求的变化，做出调整以使得自身保持良好的发展和帮助中小型企业快速应对不断变化的需求，促进集群式供应链的发展。在今后的工作中，将在服务系统测试方面就如何在仿真环境下可视化实现服务系统内部对服务组合方案优劣测试做进一步的研究。

[1]Blum M.Coin Flipping by telephone protocol for solving impossibleproblems[C]//Proceedingsof ACM SIGACT News.New York，USA：ACM Press，1983：23-27.

[2]Himmelman A T.Communities working collaboratively for a change[Z].The Himmelman Consulting Group，Minneapolis，1992.

[3]Turkay M，oruc C，Fujita K，et al.Multi-company collaborative supply chain management with economical and environmental considerations[J].Computers and Chemical Engineering，2004，28（6）：985-992.

[4]许子阳.基于SCM的汽车零部件采购物流运作模式研究[D].大连：大连海事大学，2007.

[5]张创勋.炼化企业供应链协同采购模式探析[J].物流科技，2007，30（5）：102-105.

[6]Blum M，Feldman P，Micali S.Non-interactive zero-knowledge and its applications[C]//Proceedings of the 20th Annual ACM Symposium on Theory of Computing.New York，USA：[s.n.]，1988：103-112.

[7]薛霄，魏哲，曾志峰.基于集群式供应链的企业协作联盟及其服务支持系统[J].小型微型计算机系统，2013，30（1）：107-114.

[8]薛霄，朱鹏，黄必清.面向Agent的集群式供应链服务系统设计方法研究[J].小型微型计算机系统，2011，32（9）：1770-1777.

[9]薛霄，李慧琴.面向集群式供应链的服务系统设计方法研究[J].计算机工程与科学，2010，32（5）：161-164.

[10]和延立，何卫平，杨海成.基于Agent和工作流的跨企业协同制造支持系统[J].中国机械工程，2005，16（22）：2010-2015.

[11]虞建杰，马晓星，吕建.一种动态服务组合技术及其支撑系统[J].计算机科学，2008，35（12）：234-238.

[12]ASTRO Project.Supporting the Composition of Distributed Business Processes[EB/OL].[2003-05-01].Http：//www.astroproject.org.

[13]Luis J，Giuliano G，Gordon P.ARGOS：dynamic composition of Web services for goods movement analysis and planning[C]//Proceedings ofthe 8th AnnualNational Conference on Digital Government Research，Philadelphia，PA，2007.

[14]姜大尉，李宏余.需求波动对供应链整合策略选择的影响[J].科技导报，2006，24（1）：72-75.

[15]陈莹，袁建辉，李心丹.基于计算实验的协同羊群行为与市场波动研究[J].管理科学学报，2010，13（9）：119-128.

[16]郭莉，苏敬勤.基于Logistic增长模型的工业共生稳定分析[J].预测，2005，24（1）：25-29.