大数据服务商参与下考虑生态设计和动态回收率的闭环供应链决策研究

王建华，张明瑶，陈慧敏

（江南大学商学院，江苏无锡 214122）

1 研究背景

我们已经步入大数据时代，越来越多的信息以数据的形式呈现出来，大数据与大数据技术的发展正在推动社会和经济的进步与转型。随着时代的发展，大数据呈现出数据量愈加庞大，数据类型愈加丰富，数据的价值密度不断下降，所需处理技术更强等特点，这对企业来说既是挑战也是机遇。在闭环供应链中运用大数据技术，可以帮助决策者克服有限理性，提升数据带来的科学化决策水平，提高企业的竞争优势［1］，优化企业的服务质量，以及推进企业技术升级［2］，提升企业应对供应链风险的水平［3］，提升企业声誉［4］，使企业在大数据背景下获得新的发展动力［5］，实现闭环供应链经济、环境以及社会三重效益的提升。对于零售企业来说，大数据可以帮助其了解市场的变化，分析顾客习惯，从而优化产品供给，吸引顾客，促进差异化市场竞争［6］，还可以优化物流，增强客户满意度［7］。对于回收企业来说，利用大数据可以改善逆向物流网点布局，促进回收［8］，可以改变回收行业的盈利模式，促进回收行业的发展［9］。零售商与回收商合作，利用大数据服务商的大数据服务，可以提高回收率，提高供应链的整体利益［10］。

随着经济全球一体化程度的加深，我国产品正面临绿色贸易壁垒的严峻挑战，来自各方面的压力促使制造业向绿色转型，切实开展生态设计,以顺应绿色供应链发展的潮流［11］，我国《生产者责任延伸制度推行方案》也明确将促进产品生态设计列入制度建设目标：到2025年，产品生态设计普遍推行［12］。对产品进行生态设计，可以提高废弃产品的循环再利用水平［13］，提高回收效率以及再制造效率［14］，满足环保意识日益增强的消费者绿色需求，增强再制造产品的市场竞争力，减少产品在整个生命周期内对环境的污染。此外，生态设计可以降低新产品和再制造产品的成本［15］，可以提升企业的核心竞争力，增加企业利润［16］，制造商还可以通过改变产品的生态设计水平来控制产品的数量［17］，提高消费者对产品的支付意愿［18］，提高销量［19］，促进制造商和零售商获得更高的收益［20］，增加闭环供应链的整体收益。

政府政策可以影响企业的决策，在提高闭环供应链效率中扮演着重要的角色。政府采用不同的政策对企业的激励效果也不同［21］，当其采用奖励—惩罚机制时，可以提高制造企业回收率和绿色努力水平［22］。当其采用混同政策时，可以促进制造商与回收商签订激励机制［23］，提高回收商回收努力水平［24］。当政府采用合适的减费模式时，可以提高回收率［25］，实现“前端生态设计”和“后端回收利用”双赢优势［26］。政府补贴政策可以引导制造企业承担生态设计的责任［27］，可以提高回收商回收积极性，促使其不断改变回收方法，促进闭环供应链各主体利润的增长，补贴的增加还能够促进社会福利的发展［28］。

大数据服务商既可以协助营销又可以协助回收，零售商与回收商共同承担大数据服务费优于只有一方承担［29］。对不同服务类型的选择以及相关定价决策都会影响闭环供应链进行环境效益与经济效益的平衡。但是目前有关大数据服务商参与下考虑制造商生态设计水平以及政府补贴的闭环供应链决策研究成果不多。因此，本文综合考虑了生态设计水平与政府补贴，研究了零售商与回收商共同承担大数据服务费时，大数据服务商协助营销与回收的均衡策略，探究了不同大数据服务方式以及政府补贴对闭环供应链的影响。

2 模型建立与求解

2.1 模型假设与符号说明

本文考虑由单个制造商、单个零售商、单个第三方回收商以及单个大数据服务商组成的闭环供应链动态系统，制造商负责生产新产品和再制造品。零售商负责销售两种产品。回收商负责回收废旧产品并将其转移给制造商。大数据服务商负责协助零售商营销和协助回收商回收，零售商和回收商共同承担大数据服务费。4个主体之间进行Stackelberg博弈，制造商为领导者，博弈顺序为：首先，制造商决定批发价和生态设计水平。其次，零售商决定售价。再次，回收商决定其回收努力水平。最后，大数据服务商决定其服务努力水平。

为简化模型，做如下假设：

（1）新产品单位生产成本大于再制造产品单位生产成本。回收的全部废旧产品都能被加工成再制造产品，且Δ＞i(Δ=cn-cr)。新产品与再制造产品同质，各方面无明显差异，采用相同定价。

（2）各主体均为风险中性且完全理性，所有信息为共有知识。

（3）市场供需关系平衡。制造商产量为市场需求量。涉及符号如表1所示，其中0≤λ≤1，0≤f≤1，f=0时，大数据服务商只协助回收，f=1时，大数据服务商只协助营销，f=0.5时，大数据服务商以相同的服务水平同时协助回收与营销。

表1 参数符号及含义

表1（续）

（4）制造商的生态设计成本是一次性投入，为kg2/2［30］。回收商的回收成本为k1φ2/2。

回收率除了受回收商回收努力水平和大数据服务商协助回收的影响外，还会受到其他外部环境和不可控因素的影响。例如：政府颁布回收补贴政策、加大对废旧产品回收的宣传等外部激励可以促进回收工作，这些激励对回收率的影响程度用η表示；政府出台更加严格的标准、消费者环境意识衰退等外部约束会阻碍回收工作，这些约束对回收率的影响程度用γ表示；废旧产品回收过程中受消费者习惯等不可控因素的随机扰动影响，用表示。综合上述影响因素，参考Ma等［31］的研究，且为了简化计算复杂程度，假设，最终回收率演进过程可刻画为如下伊藤过程：

市场需求受产品零售价格的影响，随着零售价格的上升而减少，大数据服务商协助营销能够使需求量增加。此外，产品采用生态设计，能满足消费者的绿色需求，也可以增加市场需求量。因此，市场需求可以描述为：

2.2 闭环供应链随机微分博弈模型

制造商通过批发新产品与再制造产品给零售商获得收益，其成本涉及新产品与再制品的制造成本、支付给回收商的废旧产品回收成本以及生态设计成本，此外，每售出一单位产品还可以获得政府的生态设计补贴s。为了简化，下文表述方程时都省略时间变量t，因此，制造商目标泛函表示为：

零售商的收益主要为产品销售收入，成本为产品的购入成本和大数据服务费。因此，零售商目标泛函表示为：

回收商的收益主要源于向制造商转售废旧产品以及每回收一单位废旧产品获得的政府补贴，其成本为回收设施投入、支付给消费者的废旧产品回收成本以及大数据服务费用。因此，回收商目标泛函表示为：

大数据服务商的收益为零售商和回收商支付的大数据服务费，成本为提供大数据服务的服务成本。因此，大数据服务商目标泛函表示为：

用Vi(i=m,r,t,d)分别表示制造商、零售商、回收商、大数据服务商的价值函数，Vi'为闭环供应链各成员最优利润关于回收率的一阶偏导，Vi'为各成员最优利润关于回收率的二阶偏导。利用最优控制连续动态规划理论，制造商、零售商、回收商和大数据服务商决策阶段HJB方程表示如下：

命题1制造商最优批发价格和最优生态设计水平、零售商最优零售价、回收商最优回收努力水平以及大数据服务商最优服务水平分别为：

证明：闭环供应链各成员之间进行制造商为领导者的Stackelberg主从博弈，制造商首先进行决策，所以进行逆向求解。首先求解式（10）关于h的一阶偏导数以及式（9）关于φ的一阶偏导数并令其等于0，可以得出大数据服务商服务努力水平策略和回收商回收努力水平策略分别为：

将式（16）和式（17）代入式（8），求解其关于p的一阶偏导数并等于0，得出零售商的零售价策略为：

将式（16）、式（17）、式（18）代入式（7），分别求解其关于w和g的一阶偏导数并等于0，得出制造商最优批发价策略和最优生态设计水平策略为：

将w和g代入式（18），可得零售商最优零售价策略为：

将闭环供应链各成员的最优控制策略分别代入价值函数，会发现价值函数是关于回收率的二次函数，进一步推测闭环供应链成员的最优值函数形式为：

求解最优值函数关于回收率的一阶偏导数和二阶偏导数，将最优值函数以及偏导数分别带入各个HJB方程，利用恒等关系得出各个待定系数应该满足的非线性方程组，得出相关系数之间的关系，求解待定系数。最终求解得，其中。为了确保真实存在，假定。

命题2回收率的期望为：

由命题1和命题2可知，随着时间的推移，回收率会动态地变化，制造商的最优批发价、最优生态设计水平、零售商的最优零售价和回收商的最优回收努力水平都会受到回收率的影响而动态地变化，受不确定因素的扰动围绕期望值上下小幅波动。但是制造商、零售商、回收商的最优决策会随着时间的推移逐渐趋于稳定。大数据服务商的服务努力水平主要受大数据服务费的支付水平和大数据服务固定成本系数的影响。

通过上述命题得到如下推论：

推论1：大数据服务商协助下，闭环供应链的回收率不一定增加，多数情况下协助回收可以比协助营销更显著地提高回收率；而当市场相对饱和时，大数据服务商不管是协助回收还是协助营销，对回收率的影响都很小。

证明：根据式（27），可以得出大数据服务商协助营销和回收程度f的系数 为, 当时，大数据服务商协助营销更有利于回收率的提升，当时，大数据服务商协助回收更有利于回收率的提升。当时，大数据服务商不管协助营销还是协助回收，对回收率都不会有较大的影响。

推论1说明了大数据服务商协助回收并不是总能提升回收率，存在协助营销时的回收率高于协助回收时的回收率的情况，但是大多数情况下，大数据服务商协助回收时由于可以直接参与到产品回收中去，因此可以比协助营销更有效地提高回收率。当大数据服务商的服务努力水平对市场需求和回收率的影响系数满足一定比例时，对回收率没有明显的影响，说明此时闭环供应链的运营模式、回收体系较成熟，市场相对饱和。所以，企业应该在分析行业所处的生命周期的基础上，结合大数据服务的优势，合理地选择大数据服务的类型，实现环境效益和经济效益的共同提高。

推论2：回收行业所面临的环境不同时，大数据服务商协助企业提升市场需求的最佳协助方式也不同。当外部环境有利于回收时，大数据服务商协助回收更能提升市场需求，而当外部环境不利于回收时，协助营销更能提升市场需求。

证明：将式（12）、式（13）和式（15）代入式（2），假设，可得f的系数为，当时，大数据服务商协助营销更有利于市场需求的提升；当时，大数据服务商的协助类型对市场需求的影响不大； 当时，大数据服务商协助回收更有利于市场需求的提升。

推论2说明了当消费者回收意识不强或政府提高回收标准等外部环境不利于回收时，大数据服务商可以通过分析消费者的浏览记录、购物车记录甚至是GPS定位数据等，准确地理解和预测消费者需求，帮助企业筛选出目标消费者，对其精准投放宣传广告，促进消费者购买产品，提高市场需求量，此时大数据服务商协助营销能比协助回收更有效地提高市场需求。当消费者环保意识较强或者政府颁布补贴政策等导致外部环境有利于回收时，协助回收更能提升市场需求。当市场较为成熟且回收体系较为健全时，大数据服务商不管是协助回收还是营销对市场需求的影响都不大。因此，企业应该有效地利用各种数据把握外部环境的变化，准确地选择当下最有利于提升市场需求的大数据协助类型。

推论3：当市场对大数据服务商协助营销活动较敏感时，市场需求会发生较大波动，产品批发价和零售价会在一定程度上提升，此时协助营销下批发价和零售价更高。当市场对协助营销活动较不敏感时，市场需求波动较小，此时协助回收下批发价和零售价更高。

证明：根据式（19）和式（21），得出批发价和零售价中f的系数分别为和，当时，批发价随大数据服务商协助营销程度的增加而提升，当时，批发价随协助营销程度的增加而降低，当时，协助营销或回收对批发价影响不大；当时，零售价随大数据服务商协助营销程度的增加而提升，当时，零售价随协助营销程度的增加而降低，当时，协助营销或回收对批发价影响不大。

推论3说明了当市场对大数据服务商协助营销活动反应较大时，制造商和零售商会通过提升价格来追求更高的利润，但是这种情况往往出现在行业发展初期，从长远来看，市场需求大幅度波动不利于企业的长久发展。当大数据服务商的不同协助方式都不能有效地引起市场反应时，大数据服务类型对批发价和零售价影响较小，这种情况往往出现在市场成熟期，此时企业很难影响市场价格。当市场对大数据服务商协助营销活动反应较小时，制造商和零售商会通过降低价格来留住或吸引对价格较为敏感的消费者，从而保证利润。所以，企业需要关注市场需求的变化，合理判断大数据服务商协助营销活动是否有效，从而做出科学的决策。

推论4：由于受到大数据服务商协助回收时服务水平对市场需求和回收率的影响，大数据服务商协助回收程度的加深，并不一定能够使回收商的回收努力水平提升。

证明：回收商回收努力水平表达式中，f的系数为，当时，大数据服务商协助营销更有利于回收商回收努力水平的提升；当时，大数据服务商的协助类型对回收努力水平影响不大；当时，回收努力水平会随着大数据服务商协助回收程度的增加而提升。

结合推论2和推论4可知，当大数据服务商协助营销活动能够有效刺激市场时，可以提升市场需求，从而引起废旧产品数量的增多，因此回收商会通过增加回收站点、安排上门取件等措施提升回收努力水平，以期获得更多的利润。当大数据服务商协助营销活动无法提升市场需求，但是可以通过数据服务为回收商合理规划回收路径、回收站点时，协助回收更能提高回收商回收努力水平。存在协助营销比协助回收更能提高回收努力水平的情况，还有可能是因为大数据服务商协助回收，为回收商分担了一部分回收压力，导致回收商不提升自身的回收努力水平。当回收行业较为饱和时，大数据服务商的协助类型对回收商回收努力水平影响不大，但是回收商依旧可以借助大数据服务商的数据服务挖掘新的竞争优势，如创新经营模式、提供差异化服务等，稳固自己在回收行业中的地位。

推论5：政府对制造商生态设计补贴的提升有助于制造商生态设计水平的提升，对回收商回收补贴的提升有助于回收商回收努力水平的提升。当大数据服务商协助营销时，这种影响更为显著。此外，对制造商单位补贴的提升也会导致批发价和零售价的提升。

证明：将生态设计水平对政府补贴求偏导，通过判断得：

因此，随着政府补贴的提升，制造商生态设计水平也会提升。同理可得，政府补贴的提升会导致回收商回收努力水平、批发价和零售价的上升。

由推论5可知，政府提升对制造商生态设计的补贴可以减少制造商生态设计的压力，提高制造商生态设计的积极性。政府提升对回收商的补贴，在提高回收商回收积极性的同时，还能引导消费者积极参与废旧产品回收。大数据服务商协助营销对政府补贴的影响更显著，这是因为大数据服务商通过广告宣传等营销活动可以促进消费者对采用生态设计产品的消费，增加了市场需求与废弃产品数量。此外，随着消费者绿色需求越来越强烈，制造商和零售商可以通过提升价格获得更多的利润。因此，政府应该合理地加大补贴力度以及对采用生态设计产品、再制造产品的宣传力度，为闭环供应链营造良好的绿色发展环境。

3 数值算例分析

参考李婧婧等［11］、黄新等［20］对相关数值的设置研究 ,假设cn=10，cr=8，Δ=2，d=10，α=1.2，β=1.5，δ=0.5，λ=0.7，ε=0.5，k=0.1，r=0.15，m=0.4，k1=3，k2=5，n=2，i=1.2，b=1，η=2，γ=6，s=1，y=1，σ=3。相关利润或者价格按“元”计，政府补贴按“元”计。

3.1 大数据服务商协助方式影响比较

回收率的演化过程（见图1）表明废旧产品的期望回收率会随着时间的推移逐渐变得稳定，由于受到随机因素的干扰，回收率会在期望值上下小幅波动。在大数据服务商服务努力水平相同时，大数据服务商协助回收的程度越高，回收率的提升越显著，但同时回收率达到稳定所需要的时间也越长。

图1 不同协助下期望回收率的演化过程

图2表明当市场对大数据服务商协助营销活动反应较大时，随着协助营销程度的增加，市场需求会提升，废旧产品数量增加，回收商回收努力水平提升更显著。

图2 不同协助下回收努力水平的演化过程

图3 和图4说明了大数据服务商协助营销活动在有效地刺激市场时，能够提升批发价和零售价，并且批发价和零售价很快便可以达到稳定。

图3 不同协助下批发价的演化过程

图4 不同协助下零售价的演化过程

市场需求的演化过程（见图5）表明，当市场对大数据服务商协助营销活动较敏感时，大数据服务商协助营销方式比协助回收方式对市场需求的影响更为显著，此时协助营销更有利于提升市场需求。结合图5，当市场需求增加时，制造商更有动力进行生态设计（见图6），因此其生态设计水平也会提高。

图5 不同协助下市场需求演化过程

图6 不同协助下生态设计水平演化过程

图7、图8、图9、图10表明了市场对大数据服务商协助活动越敏感，大数据服务协助营销下越能提升制造商、零售商以及闭环供应链整体的利润。较高的生态设计水平会在一定程度上增加制造商的成本，但是在大数据服务商协助以及政府补贴下，制造商利润总体上是提升的。虽然制造商是闭环供应链的领导者，但是零售商的总体利润高于制造商，主要原因有：（1）制造商生态设计成本较高；（2）在大数据服务商的协助下，零售商可以通过提高服务水平、差异化经营管理等方式提高零售价；（3）回收商承担了一部分大数据服务费，降低了零售商成本。回收商在发展初期需要不断投入回收设施设备以及增设回收站点，再加上初期消费者环保意识不强等，短时间内很难盈利，但是随着时间的推移，在大数据服务商的协助回收以及政府补贴下，回收体系不断完善，回收商的利润会不断增加，最后趋于稳定。由于受到政府补贴、回收率等众多因素的影响，各成员的利润达到稳定需要较长时间，且相较于制造商，零售商利润达到稳定的时间更长。各个成员在追求利益的同时必须关注市场的变化，把握市场对大数据服务商协助的反馈，及时确定大数据服务商的最佳协助类型。零售商距离消费者更近，对市场变化更敏感，因此必须充分利用大数据，提高运营管理水平，规避市场需求波动所带来的风险。

图7 不同协助下制造商利润演化过程

图8 不同协助下零售商利润演化过程

图9 不同协助下回收商利润演化过程

图10 不同协助下闭环供应链总利润演化过程

3.2 参数敏感性分析

由于受到随机 因素的干扰，回收率、回收努力水平、利润等会围绕其期望值上下小幅波动，但是为了更直观地表示出各个参数对回收率等的影响，接下来回收率、回收努力水平等均取其期望值。

图11、图12和图13表明，当市场较为活跃时，大数据服务商协助营销能够有效地提升制造商和零售商的利润，且零售商利润的提升更为显著，但此时回收商的利润会降低，当协助回收程度不断加深时，回收商利润会提升，大数据服务商的利润不受其协助营销或回收程度的影响。零售商获得更多收益的同时所面临的风险也更多，因此为了可持续发展，零售商需要利用大数据服务商的服务加强自身风险管控能力。

图11、图12和13还表明在一定范围内，零售商提高对大数据服务商的支付水平能够提升制造商、零售商的利润和回收商的利润，图14表明大数据服务商的利润总是随着零售商对大数据服务商支付水平的提高而提升。但是图12和图13表明，当支付水平高于一定阈值时，大数据服务成本过高，零售商和回收商的利润会随着支付水平的提升而降低，而且回收商支付水平的阈值比零售商支付水平的阈值小，因此零售商和回收商应该合理商定支付水平的大小。当市场对大数据服务商协助营销活动较为敏感或者回收行业所面临的约束较多时，协助营销更能使支付水平的阈值增大，此时零售商和制造商的利润也较高。

图11 n和f对制造商利润的影响

图12 n和f对零售商利润的影响

图13 n和f对回收商利润的影响

图14 n和f对大数据服务商利润的影响

从图15可以看出，在大数据服务商协助方式不变时，随着回收商分担大数据服务费的比例增加，回收商的利润会降低，但是零售商的利润会增加，制造商的利润和闭环供应链整体的利润（见图16）较稳定。这说明零售商与回收商共同承担大数据服务费可以促进双方之间信息交流，从而建立良好的合作关系，有利于闭环供应链的可持续发展。此外，零售商与回收商要合理协商费用分担比例，与此同时，零售商还可以通过在销售产品时加大对产品回收的宣传等方式增加回收商回收量，优化与回收商的合作关系，促进闭环供应链的稳定。

图15 λ和f对各成员利润的影响

图16 λ和f对闭环供应链整体利润的影响

由图17和图18可以看出政府提高生态设计补贴和回收补贴，可以提高生态设计水平和回收努力水平。提高生态设计补贴可以直接提高制造商生态设计积极性，增强其保护环境的责任感，从而促进生态设计水平的提升，因此生态设计补贴对生态设计水平的影响更显著。生态设计水平的提升增加了市场需求量，降低了产品回收难度，一定程度上会促进回收努力水平的提升。提高回收补贴可以直接提高回收商回收积极性，促进其提升回收努力水平，提高废旧产品回收率，因此回收补贴对回收努力水平的影响更为显著。制造商负责产品的再制造，高生态设计水平可以降低再制造难度，降低再制造成本，因此当回收量不断增加时，制造商也会适当地提高生态设计水平。

图17 补贴对生态设计水平的影响

图18 补贴对回收努力水平的影响

从图19至图20可以看出，政府补贴可以提高产品批发价（下面）和零售价（上面），其中生态设计补贴对批发价和零售价的影响更显著，两种补贴对零售价的影响都比对批发价的影响更显著。生态设计投入增加了制造商的成本，制造商为了转移成本从而提高批发价，导致零售价也提高。采用生态设计的产品可以满足消费者日益增强的绿色需求，提高了消费者对产品的整体价值评价以及支付意愿，因此制造商和零售商有机会提价。由于受到大数据服务商的协助，零售商精准营销、差异化营销等使零售商更有机会提价，因此零售价的提高比批发价的提高更显著。

图19 补贴对批发价和零售价的影响

图20 补贴对市场需求的影响

政府对生态设计和回收进行补贴，实际上是对采用生态设计的产品以及再制造产品的肯定，政府加大补贴力度，能够引导消费者购买这些产品，从而增加市场需求。由于市场需求直接受到生态设计水平的影响，因此生态设计补贴对市场需求的影响更显著。

从图21可以看出政府补贴可以提高制造商、零售商和回收商的利润。提高生态设计补贴可以增加市场需求，提高批发价和零售价，因此零售商利润的提升更显著。提高回收补贴可以提升回收努力水平以及增加回收量，因此回收商利润的提升更显著。图22表明政府提高补贴可以提升闭环供应链的整体利润，且生态设计补贴对整体利润的影响更显著，这是因为闭环供应链中零售商和制造商利润更高，而生态设计补贴对零售商和制造商的影响更显著。

图21 补贴对各成员利润的影响

图22 补贴对闭环供应链整体利润的影响

4 结论与展望

本文综合考虑了生态设计与政府补贴，借助伊藤过程刻画了动态变化的回收率，探讨了大数据服务商协助营销与协助回收的不同协助类型和政府补贴对闭环供应链各个成员的决策以及利润的影响，主要研究结论有：

（1）闭环供应链所处环境不同时，大数据服务商最佳协助方式也不同。当市场对大数据服务商协助营销活动反应较大或者回收行业约束较多时，协助营销能够提高批发价和零售价，提升生态设计水平、回收率以及回收商回收努力水平，实现经济效益与环境效益双赢。当市场相对饱和时，不管是协助营销还是协助回收，对回收率、回收努力水平、生态设计水平、利润等影响都不大。

（2）企业可以利用大数据准确分析行业所处的生命周期以及所面临的外部环境，把握市场对大数据服务商协助活动的反应和市场需求的变化，合理选择大数据服务类型。但是行业所处环境的变化可能会影响大数据服务商的协助效果，因此企业应该避免过于依赖大数据服务商，要不断提升自身的竞争优势和注重成员之间的合作，完善闭环供应链体系。

（3）零售商提高对大数据服务商支付水平并不总能提升利润，当支付水平高于一定阈值时，反而会降低利润。零售商和回收商合理协商大数据服务费分担比例有助于闭环供应链的可持续发展。

（4）政府补贴可以提高生态设计水平和回收努力水平。政府补贴生态设计比补贴回收对零售价、批发价以及利润的影响更显著，但是补贴回收更有利于回收商回收努力水平的提升，政府需要根据其目标平衡经济效益与环境效益，合理设置补贴水平。

本文的研究结果可以为处于大数据时代的闭环供应链决策提供参考价值，不足之处在于将新产品与再制造产品当作同质产品采用相同的定价，可以进一步探讨消费者对两种产品有不同支付意愿时的闭环供应链最优决策。