云制造平台对制造商策略选择行为演化的影响
2015-10-28潘新宇赵道致吴成霞
潘新宇 赵道致 吴成霞
摘要：利用演化博弈的方法，分析云制造平台匹配的精确度、带来额外利润的多少、可能造成损失的大小等因素对制造能力需求企业策略选择行为演化的影响，得到云制造平台仅仅通过调整匹配精确度并不会吸引制造商都采用云制造平台的结论，同时给出影响制造企业策略选择行为演化的边界条件以及在相应的条件下制造企业策略选择行为的演化轨迹。
关键词：物联网；云制造平台；演化博弈；制造资源共享
DOI：10.13956/j.ss.1001-8409.2015.10.27
中图分类号：F272文献标识码：A 文章编号：1001-8409（2015）10-0125-06
Abstract：Employing the method of evolutionary game theory， this paper analyzed the impact of cloud manufacturing platform matching accuracy rate， extra profits， and possible loss bringing by the platform and other factors on the decision of enterprise strategy. It was found that cloud manufacturing platforms cant attract all manufacturers to adopt the platform only by adjusting the matching accuracy rate. Moreover， the boundary conditions that influence the manufacturing enterprisers strategy decisions and their corresponding evolutionary track were also presented.
Key words：internet of things； cloud manufacturing platform； evolutionary game theory； manufacturing resources sharing
近年来，物联网（Internet of Things， IOT）技术的应用正在迅速地进入生产和流通领域[1，2]。供应链系统中嵌入物联网技术之后，实现 从“企业-企业”到“物-物”的转变，跨越了企业的边界在供应链中进行资源共享。制造商面临制造能力或制造资源短缺时，可以利用物联网技术由智能终端实时连接到云制造平台寻找制造能力和制造资源，再由云制造平台进行有效的匹配以满足企业的制造需求，减少企业制造资源短缺的损失[3]。利用云制造平台，可以实现多种类制造能力和制造资源的交易[4]，如美国的MFG.COM平台和Tradeshift平台，可以提供装配、加工等制造服务，这将逐渐改变企业的生产和交易方式。因此，在物联网环境下，研究企业面向云制造平台的生产决策问题具有重要意义。
在制造资源实现云化共享的技术层面，我国的学者也进行了相关的研究。李伯虎院士及其研究团队率先开展了大量的研究，探讨了云制造的概念、系统架构等，提出了面向服务的云制造的概念，并从技术角度给出了云制造的典型应用案例[5]。邰丽君等针对云制造环境下制造资源调度的特点和存在的问题，建立了云制造环境下制造服务资源多目标调度模型。根据云制造环境下极易发生扰动的特点，提出了一种动态调度技术，以在发生突发事件时及时作出反应[6]。黄沈权等针对云制造环境下制造云服务的特点，在分析制造云服务按需供应相关研究存在的一些不足的基础上，提出制造云服务按需供应模式的架构，从整个供应流程的角度分析了云服务按需供应模式的过程模型，建立了按需供应模式涉及的主要关键技术的技术体系[7]。新西兰奥克兰大学Xu在文献中论述了“云计算”到“云制造”的发展过程，详细阐述了在“云制造”模式中，企业分散的资源如何通过云服务平台集成在一起，使企业在产品设计、制造、测试、管理以及产品全生命周期中的其他环节都可以通过云服务平台请求资源满足需求，实现资源的高效匹配和配置[8]。以后文献多从技术角度对云制造进行研究，鉴于云制造平台在制造能力和资源供需匹配的过程中起到重要作用，本文从经济角度研究企业的运营行为，利用演化博弈的方法，分析云制造平台匹配的精确度、带来额外利润的多少、可能造成损失的大小等因素对制造能力需求企业策略选择行为演化的影响。
1问题描述
在同一个市场环境下，存在着两个相互竞争的制造商M1和M2，因为某种关键的制造资源或者制造能力的缺乏可能会求助于云制造平台，从而获得充足的制造资源以获得更大的市场收益。假设云制造服务平台上包含有多种有差异性的制造资源及制造能力，且根据云制造系统的特点可以认为每种资源的数量是足够大的，能够满足制造企业对云制造平台的需要。两个制造企业从利润最大化的角度出发，可以选择利用云制造平台或者不利用云制造平台，因此企业的策略为“利用平台”和“不利用平台”，并且假设企业M1和M2采取利用平台这一策略的概率分别为p和q，则企业不利用平台的概率分别为1-p和1-q。
同时，还要考虑在实际运营过程中，由于参与方信息隐瞒、资源的复杂性以及平台虚拟化操作的失误等原因，云制造服务平台的搜索和匹配操作不可避免的会产生一定的误差，即存在资源有效匹配的问题。在本文中，若两个制造商需求的是同样的资源，则云制造平台对两个企业的有效匹配率是相同的，假设该有效匹配率（匹配精确度）为r（0
假设当企业M1和M2都不利用云制造平台时，双方可以获得的收益分别是U1和U2；当企业M1利用云制造平台而企业M2不利用云制造平台时，制造商M1可以获得充足的制造资源来满足市场的需要，同时又因为云制造平台的存在，可以通过对需求市场的大数据分析，全面分析消费者的购物习惯和偏好，进一步对顾客需求进行挖掘（如亚马逊的图书智能推荐功能），这两种情况都会扩大M1的市场需求，获得额外的利润f（f>0），此部分利润可能是新创造的利润，还可能是抢夺了企业M2的一部分市场而获得的竞争利润，这两种情况对M2来说都是有利润损失的，是没有采用云制造平台的机会损失，同时考虑到云制造平台有效匹配的问题，所以企业M1会获得额外的收益rf，企业M2会失去相应的市场收益rf，即此时双方的收益为U1+rf和U2-rf；同理，当企业M1不利用云制造平台而企业M2利用云制造平台时，企业M2会获得额外的收益re（e>0），企业M1会失去相应的市场收益re，此时双方的收益为U1-re和U2+re；当企业M1和企业M2同时利用云制造平台时，由于双方都有充足的制造资源和能力，所以会发生市场竞争的情况，假设l为企业M1的竞争获胜的概率，企业M2因为竞争失败会造成额外的损失（如市场声誉的损失、投入云平台而导致的机会损失等），假设该值为C2，同样当企业M1竞争没有取胜时，也会造成一定的市场损失，假设该损失为C1，这种情况下，双方的期望收益分别为l（U1+rf）+（1-l）（U1-re-C1）和（1-l）（U2+re）+l（U2-rf-C2）。还需假设参与方是个体理性的，且根据期望利润最大化的原则来进行决策，以上所有的信息均为所有参与方的共同知识。
2模型分析
根据上述两个制造商利用云制造平台与否的过程分析，可以得到下列的矩阵：
2之间的关系，当损失的乘积相对于获得的收益和的平方较大时（C1C2>（re+rf）2），两个制造企业在采用云制造服务平台时会进行权衡，因为万一不能保证获得恰当的制造资源，获得市场的需求，造成的损失也比较大，当一个企业不采用云制造平台服务时，另一个企业则根据利润最大化的原则，一定会采用云制造服务平台策略，所以会出现有两个均衡点的情况（图3）；当损失的乘积相对于所得到的收益之和的平方较小时（C1C2<（re+rf）2），两个制造企业就不会进行太多的权衡，因为哪怕不能保证获得优质的制造资源，竞争失败造成的损失也比较小[13]，所以会出现两个企业都采用云制造平台的情况（图4）。
（4）所有的情况中，云制造平台最愿意看到的是两个企业都采用云制造平台来进行生产，如图4所示。此时的条件是C1C1+re+rf ①两个企业都会利用云制造平台获得更大收益的必要条件是C1C2<（re+rf）2，此时可以保证制造企业利用云制造平台可以获得足够大的利益。 ②云制造平台需要建立高效的容错机制以支持高可靠协同运行，以提高资源的匹配精确度（即提高r的数值）。另外，在前期也要做好资源的分类以及语义描述工作，提升云制造平台的整体服务水平。 ③为了保证两个企业都能够利用云制造平台，云制造平台仅仅调整r的取值是不够的，因为至少要保证l落在（C1C1+re+rf，re+rfre+rf+C2）区间内，云制造平台才有调整匹配精确度r的动力，所以云制造平台还需要考虑两个企业利用平台所能获得的收益以及可能造成的损失，从而保证l的值尽可能落在上述区间内。 （5）图3对云制造平台也有一定的启示。某些时候（比如云制造平台上能够提供的资源数量不够多），促使两个制造商同时选择云制造平台的难度会比较大（如上面所阐述的，需要保证落在特定的区域内），此时云制造平台可能会退而求其次，促使会对平台带来收益较大的一方来采用云制造平台也会是不错的选择，此时云平台可以耗费较低的成本来促使某一方企业来选择云制造平台[14]，表现在图3中即是F点位置的移动。 从以上分析还能够发现令人担忧的一点，当平台力量足够大时，平台有操控制造能力共享供需市场的可能性，因此引入必要的约束机制，对平台的行为加以规范，以利于整个云制造系统的顺利运行。 命题3：损失分界点d1=C1C1+re+rf是关于r的减函数，收益分界点d2=re+rfre+rf+C2是关于r的增函数。 证明：对两个分界点的表达式d1和d2分别对r求一阶导数，可以得到该命题，具体证明过程从略。 命题3说明了当云制造平台将匹配有效率调整到一定程度之后（d1 3数值分析 数值分析时，给定数值如下：l=07，U1=200，U2=100，e=8，f=10，C1=10，C2=6，当r从0到1变化时，可以得到图5所示图形。区域I（直线r =02381左侧）：此时满足条件re+rfre+rf+C2 同时，分别选取区域II和区域III中的两个点，r=0.5和r=0.8，可以得到两个制造商采用云制造平台的演化分析图如图6所示。在图6中，可以看到在r=0.5时（区域II中），因为l的值比较大，所以符合图2中的演化条件，则p逐渐趋近于1，而q则逐渐趋近于0，即制造商M1会选择云制造平台，而制造商M2则不会选择。在r=0.8时（区域III中），符合图4中的演化条件，则p逐渐趋近于1，并且q逐渐趋近于1，即制造商M1会选择云制造平台，制造商M2也会选择云制造平台。
若r=0.1，则各个变量之间的关系满足区域I的条件，区域I中，制造商的演化轨迹满足图3中的条件，从图3中可以看到，初始条件的情况会对两个企业的演化轨迹有较大的影响，因此分别选择初始状态为p0=02，q0=02以及p0=03，q0=06两种情况，则能够看到两种不同的演化路径：当p0=0.2，q0=0.2时，点（0.2，0.2）落在阴影部分下方，因此演化过程的稳定点为C（1，0）点，当p0=0.3，q0=0.6时，点（0.3，0.6）落在阴影部分，p逐渐趋近于0，而q逐渐趋近于1，因此演化过程的稳定点为B（0，1）点。此时的演化过程如图7所示。
4结论
本文考虑了在物联网技术的支撑下，制造企业可以对制造资源和制造能力的状况进行实时动态的感知，从而能够利用云制造平台进行制造资源的共享和协同问题。主要考虑了云制造平台资源匹配有效率、额外收益以及可能的损失等因素对云制造平台以及云制造服务需求企业运营策略的影响。通过构建两个云制造平台需求企业向同一个云制造平台请求制造服务的场景，采用演化博弈的方法，对云制造平台和平台参与方企业的运营提出了相应的建议。
通过本文的分析，可以看到并不是所有情况下云制造平台都愿意提高资源的有效匹配率（当l落在（C1C1+re+rf，re+rfre+rf+C2）区间内时，云制造平台才有动力去采取调整措施），当云制造平台促使所有企业都采用云制造平台需要投入较大成本时，云制造平台也会有选择地促使更有利于平台的部分制造企业来利用云制造平台进行生产。本文还给出了影响制造企业策略选择的边界条件（如定理1和2所示），从这些边界条件可以看出，影响企业选择的因素不仅仅有云制造平台对资源的有效匹配率，还包括制造需求企业可能获得的收益以及可能造成的损失，这些因素对制造企业的策略选择行为的演化有着重要的影响。
文中主要分析的是平台的资源匹配有效率对企业策略行为演化的问题，进一步的研究可以从如下方向进行：云制造平台的收费以及定价结构设计的问题，这将关系到云平台应该激励哪些制造企业来采用云制造平台；本文考虑的是当两个制造企业都利用云制造平台时，两个制造商之间会加剧市场竞争行为，进一步可以分析云制造平台能够创造新的市场，降低两个企业的直接竞争的机会，减少竞争损失的情况；另外，从文中的分析可以看出，当平台的力量足够大时，平台有操控供需市场的动机，尤其是考虑到云制造平台的收费问题时，该操控行为发生的几率就会增加，因此如何设计合理的约束机制，既可以做到约束云制造平台的行为，又能保证整个云制造系统的健康发展，将是十分有意义的研究。
参考文献：
[1]金波，秦燕飞.物联网产业发展及对策[J].宏观经济管理， 2014（10）： 68-69.
[2]李晓钟，王莹.我国物联网产业协同发展机制及系统协同度评价研究[J].软科学， 2015（1）： 42-46.
[3]Xu， X. From Cloud Computing to Cloud Manufacturing[J].Robotics and ComputerIntegrated Manufacturing，2012， 28（1）： 75-86.
[4]王时龙，宋文艳，康玲，等.云制造环境下制造资源优化配置研究[J].计算机集成制造系统， 2012， 18（7）：1396-1405.
[5]李伯虎，张霖，王时龙，等.云制造面向服务的网络化制造新模式[J].计算机集成制造系统， 2010， 16（1）：1-6.
[6]邰丽君，胡如夫，赵韩，等.面向云制造服务的制造资源多目标动态优化调度[J].中国机械工程， 2013，24（12）： 1616-1622.
[7]黄沈权，顾新建，陈芨熙，等.制造云服务的按需供应模式及其关键技术[J].计算机集成制造系统，2013，19（9）： 2315-2324.
[8]Wang X， Xu X. An Interoperable Solution for Cloud Manufacturing[J]. Robotics and ComputerIntegrated Manufacturing， 2013， 29（4）： 232-247.
[9]Fudenberg D， Tirole J. Game Theory [M].Cambridge， MA：MIT Press，1991.220-224.
[10]廖小昕.动力系统的稳定性理论和应用[M].北京：国防工业出版社，2000.136-140.
[11]Hsieh T P， Dye C Y. A ProductionInventory Model Incorporating the Effect of Preservation Technology Investment When Demand is Fluctuating with Time[J]. Journal of Computational and Applied Mathematics， 2013， 239： 25-36.
[12]Esposito E， Evangelista P. Investigating Virtual Enterprise Models： Literature Review and Empirical Findings[J]. International Journal of Production Economics， 2014， 148： 145-157.
[13]Zhou Y W， Min J， Suresh K. SupplyChain Coordination under an InventoryLevelDependent Demand Rate[J].International Journal of Production Economics， 2008， 113（2）： 518-527.
[14]Jeong B K， Styllanou A C. Market Reaction to Application Service Provider （ASP） Adoption： An Empirical Investigation[J]. Information & Management， 2010， 47（3）： 176–187.
[15]Lau A H L， Lau H S. Effects of a Demandcurves Shape on the Optimal Solutions of a MultiEchelon Inventory /Pricing Model[J]. European Journal of Operational Research， 2003， 147（3）： 530-548.
（责任编辑：杨锐）
