APP下载

考虑区块链和产品回收的绿色供应链定价决策

2023-12-04喜,胡

计算机集成制造系统 2023年11期
关键词:零售商制造商信任

梁 喜,胡 鑫

(重庆交通大学 经济与管理学院,重庆 400074)

0 引言

近年来国家大力推动废旧产品的资源回收利用和循环经济发展,2021年国家发改委印发的《“十四五”循环经济发展规划》提出要构建资源循环型产业体系和废旧物资循环利用体系。但在传统回收环节中,回收最终去向不清晰,导致用户不信任。面对上述瓶颈,确保信息真实并共享极为重要,区块链有缓解这些问题的巨大潜力。区块链具有不可篡改、全程留痕、公开透明等特点,使其在闭环供应链多领域多场景中得到广泛关注,在回收溯源方面:英国政府基金2020年推动的Ttackcycle项目旨在使用区块链实现从废物来源到新生产流程中回收材料的完全可追溯,日本太阳能光伏制造商Next Energy 2021年启动区块链报告和记录废旧太阳能电池再利用和再循环信息项目。2022年1月12日国务院印发的《“十四五”数字经济发展规划》将区块链纳入战略性前瞻性技术的行列。基于上述背景,综合考虑区块链和产品回收对绿色供应链决策的影响,对于完善绿色供应链管理决策和丰富区块链应用场景具有一定的理论与现实指导意义。

在绿色供应链决策优化研究方面,RANJBAR等[1]在零售商和第三方回收商两种竞争回收渠道下,分析了绿色供应链定价和回收决策。LI等[2]考虑了产品绿色特性,分析了绿色供应链的均衡决策和利润协调。LI等[3]研究了绿色供应链中进行绿色产品开发时的最优决策、利润和社会福利问题。傅端香等[4]研究了政府补贴、制造商和零售商的风险规避对绿色供应链定价和利润的影响。蹇洁等[5]研究了考虑经济效益和环境效益双目标下绿色供应链博弈模型。王伟等[6]研究了在集中决策模式、分散决策模式、两个制造商合作决策模式和制造商与零售商合作决策模式下绿色供应链最优运营策略。韩同银等[7]考虑了政府是否补贴下,零售商公平关切对绿色供应链最优定价的影响。现有文献关注较多的是绿色产品生产的正向渠道,较少关注产品回收方面,本文则考虑了绿色供应链中不同回收模式下的闭环供应链定价决策。

在产品回收渠道及定价研究方面,WANG等[8]考虑正常生产、奖励绿色生产、奖励和惩罚并存的生产场景,分析不同生产场景对回收量和回收率的影响;HUANG等[9]研究了在回收再制造过程中,信息共享和学习效应对渠道成员最优决策的影响;WANG等[10]考虑信息是否对称,研究了不同回收渠道结构下信息对渠道参与者的价值;张维月等[11]研究了不同回收模式和不同渠道权力结构分析对经济和环境绩效的影响;蒋琼等[12]考虑单一回收渠道和双渠道回收下制造商一致和差异化转移定价,研究了供应链最优定价决策;董景峰等[13]发现回收质量的改善可以降低回收成本,促进再制造品的市场需求。从现有的回收供应链相关文献来看,回收模式和信息因素会影响供应链经济效益,本文以信息不对称为切入点,考虑用区块链的溯源特性来提高信息共享水平。

在区块链对供应链决策影响研究方面,CHIO等[14]研究了区块链下的奢侈品定价决策问题,得出区块链系统优于传统追溯系统的条件。WANG等[15]构建了一个基于区块链的预制供应链信息管理系统用以解决信息共享、可追溯性等问题。CENTOBELLI等[16]认为区块链能改善废物移动和产品回收管理活动的控制。GAO等[17]证明了区块链具有建立纳什均衡所需的必要属性,可用于在复杂情况下协调供应链。刘露等[18]考虑由资金充足的生产商、资金约束的分销商和资金约束的零售商共同组成的三级供应链,对比分析了传统供应链金融模式和区块链供应链金融模式。唐丹等[19]从供应链各主体效益差异角度对比分析了区块链债转平台模式与传统供应链融资模式。李剑等[20]通过与基于委托—代理理论的供应链减排信息甄别机制比较,设计了基于区块链驱动的供应链协同减排信息共享机制。从现有的区块链相关文献来看,主要以综述的形式论述区块链溯源的优势,或关注区块链对传统供应链的决策影响,而较少关注区块链溯源特性对绿色供应链、产品回收决策的影响。本文将区块链应用于绿色闭环供应链中,建立模型定量分析区块链对回收模式的定价影响问题。

综上所述,本文在零售商回收、第三方回收两种回收模式的供应链结构中,引入消费者对绿色产品来源的信任削弱因子、制造商对产品的溯源水平等参数建立Stackelberg博弈模型,对比分析了不采用区块链和采用区块链对绿色供应链定价决策的影响,为绿色供应链和区块链应用的相关决策者提供决策参考。

1 模型描述与假设

1.1 模型描述

在由制造商、零售商和第三方回收商组成的闭环供应链系统中,制造商为Stackelberg领导者,零售商和第三方为跟随者。其中,制造商只生产一种绿色产品,零售商进行销售,回收渠道有两种:①制造商委托零售商进行回收;②委托第三方回收商进行回收。制造商回收废旧产品后进行再加工,将再制造品投放市场。在正向渠道中,消费者对绿色产品来源存在不信任,会削弱绿色产品的市场需求。在回收过程中,回收方缺少对回收过程的质量控制,回收方会收到较少数量的废旧产品,闭环供应链中存在信息不对称的情况。此时,制造商采用区块链,利用溯源系统对产品进行溯源,一方面可以加强回收过程的监控,提高效率,另一方面可以追溯产品的来源与去向,提高消费者体验感。

根据制造商是否采用区块链,以及两种回收模式,将绿色供应链分为不采用区块链零售商回收(NR模型)、不采用区块链第三方回收(NT模型)、采用区块链零售商回收(BR模型)、采用区块链第三方回收(BT模型)4种模型。模型结构如图1和图2所示。

1.2 基本假设

(1)当不采用区块链时,消费者与制造商之间存在信息不对称,无法真实了解绿色产品的各方面属性,对绿色产品的来源产生不信任,从而削弱绿色产品的市场潜在需求。因此,假设不采用区块链时市场需求函数为:DN=(1-a)α-p+γθ,其中:a(0

(2)w表示绿色产品的批发价,p表示绿色产品的零售价;Δ=cn-cr表示制造商通过回收废旧产品再制造时节约的成本,其中cn和cr分别表示新产品的生产成本和再制造品的生产成本,满足cn>cr;m表示制造商给回收方的回收废旧产品单位转移价格。

(4)制造商采用区块链需要支付一定的固定费用,G表示区块链的固定应用成本。

(5)参考DE GIOVANNI[21]的研究,在未采用区块链时,供应链成员因为缺少质量控制而收到较低的产品数量。在回收过程中,存在废旧产品去向不明,质量不均的情况,回收方实际回收到的废旧产品有一定的折损,用Φ表示回收数量的折扣因子。

(6) 参考CHIO[14]的研究,针对回收过程中信息不对称和回收质量不均的问题,制造商采用区块链建立的溯源系统可以与回收主体建立有效的回收信息共享机制,回收主体之间存在对回收废旧产品信息进行验证的通道,回收主体对产品的来源和去向进行追溯。回收方支付单位验证费用,用来激励区块链溯源系统对回收废旧产品的质量、数量等信息进行交易验证,提高回收的效率。假设e(e>0)表示采用区块链后,回收方支付给制造商的回收废旧产品的单位验证费用。

2 不采用区块链的模型

2.1 零售商回收(NR模型)

制造商和零售商的博弈顺序为:首先制造商确定产品批发价wNR和产品绿色度θNR,零售商再确定产品零售价pNR及产品回收率τNR。此时,存在消费者对绿色产品来源的信任削弱因子a、回收数量的折扣因子Φ。

制造商和零售商的利润函数为:

(1)

mτNRDN(1-Φ)-K(τNR)2。

(2)

采用逆向求解法,对式(2)中pNR、τNR求一阶偏导并联立求解,将结果带入式(1)中对wNR、θNR求一阶偏导并联立求解,将结果回代式(2),得到如表1所示均衡解。

表1 不采用区块链的NR模型均衡解

2.2 第三方回收(NT模型)

制造商、零售商和第三方的博弈顺序为:首先制造商确定产品批发价wNT、产品绿色度θNT,零售商、第三方再分别确定产品零售价pNT,产品回收率τNT。此时存在消费者对绿色产品来源的信任削弱因子a、回收数量的折扣因子Φ。

制造商、零售商、第三方的利润函数为:

(3)

(4)

(5)

采用逆向求解法,对式(4)中pNT、式(5)中τNT求一阶偏导并联立求解,将结果带入式(3)中对wNT、θNT求一阶偏导并联立求解,将结果回代式(4)、式(5),得如表2所示均衡解。

表2 不采用区块链的NT模型均衡解

2.3 NR和NT模式的比较分析

命题1表明,当制造商不采用区块链,不管是零售商回收还是第三方回收,随着消费者对绿色产品来源的信任削弱因子的增大,批发价、产品绿色度、产品回收率、零售价、各成员利润会减小。消费者对绿色产品来源的不信任会削弱市场对绿色产品的需求,制造商选择降低产品绿色度和降低批发价来减小损失,零售商降低零售价来吸引消费者。

命题2制造商不采用区块链时:①wNR*>wNT*;②θNR*>θNT*;③当λ>λ1,pNR*pNT*;④τNR*>τNT*。其中:λ1=γ2

命题2表明,制造商不采用区块链时,零售商回收下批发价、产品绿色度、产品回收率大于第三方回收。当绿色研发成本系数大于某一阈值时,零售价小于第三方回收,反之则大于。当绿色研发成本系数较大时,消费者更容易买到绿色度高且价格优惠的产品。

命题3表明,制造商不采用区块链时,零售商回收下的制造商、供应链总利润大于第三方回收。当a≠a1时,零售商回收下的零售商利润大于第三方回收。因此选择零售商进行产品回收更有利。

3 采用区块链的模型

3.1 零售商回收(BR模型)

制造商和零售商的博弈顺序为:首先制造商确定产品的溯源水平tBR、批发价wBR、产品绿色度θBR,零售商再确定零售价pBR及产品回收率τBR。此时仍存在消费者对绿色产品来源的信任削弱因子a,但消费者对产品来源不信任程度变为a-εt、回收数量的折扣因子Φ=0。

制造商和零售商的利润函数为:

(6)

(7)

采用逆向求解法,对式(7)中pBR、τBR求一阶偏导并联立求解,将结果带入式(6)中对wBR、θBR、tBR求一阶偏导并联立求解,将结果回代式(7),得如表3所示均衡解。

表3 采用区块链的BR模型均衡解

3.2 第三方回收(BT模型)

制造商、零售商和第三方的博弈顺序为:首先制造商确定产品的溯源水平tBT、批发价wBT、产品绿色度θBT,零售商、第三方再分别确定零售价pBT,产品回收率τBT。此时,仍存在消费者对绿色产品来源的信任削弱因子a,但消费者对产品来源不信任程度变为a-εt、回收数量的折扣因子Φ=0。

制造商、零售商、第三方的利润函数为:

(8)

ΠRBT=(pBT-wBT)DB,

(9)

(10)

采用逆向求解法,对式(9)中pBT、式(10)中τBT求一阶偏导并联立求解,将结果带入式(8)中对wBT、θBT、tBT求一阶偏导并联立求解,将结果回代式(9)、式(10),得如表4所示均衡解。

表4 采用区块链的BT模型均衡解

3.3 BR和BT模型的比较分析

命题4表明,制造商采用区块链时,建立的溯源系统有利于提高消费者对产品来源的信任,但随着消费者对绿色产品来源的信任削弱因子的增大,市场潜在需求进一步被削弱,批发价、产品绿色度、产品回收率、零售价、各成员利润减小。

命题5表明,制造商采用区块链时,不管是零售商回收还是第三方回收,随着消费者对产品溯源水平的敏感系数增大,制造商对产品的溯源水平、批发价、零售价、产品绿色度、产品回收率及各成员利润会增大。当消费者对产品溯源水平敏感时,更在意绿色产品的来源,制造商采用区块链建立溯源系统,提高产品的溯源水平,降低消费者对绿色产品来源不信任程度,对供应链产生积极作用。

命题6表明,制造商采用区块链时,不管是零售商回收还是第三方回收,随着回收废旧产品的单位验证费用的增加,制造商的产品溯源水平、产品绿色度、产品回收率、各成员利润会减小,批发价、零售价增加。对制造商来说,回收废旧产品的单位验证费用的增加不利于提高溯源水平和产品绿色度;对于回收方来说,回收废旧产品的单位验证费用的增加会增加回收成本,回收方利润降低。

命题7表明,区块链的固定应用成本只与制造商利润有关。因为是制造商采用区块链,所以随着区块链的固定应用成本的增加,制造商利润减小。

命题8制造商采用区块链时:①tBR*>tBT*;②wBR*>wBT*;③θBR*>θBT*;④pBR*τBT*

命题8表明,制造商采用区块链时,零售商回收下制造商对产品溯源水平、批发价、产品绿色度、产品回收率大于第三方回收,零售价小于第三方回收。对于制造商来说,零售商回收能获得更高的产品溯源水平和产品绿色度。对于回收方来说,零售商与消费者接触更多,能获得更高的产品回收率。

命题9表明,制造商采用区块链时,受产品溯源水平、产品绿色度、批发价的影响,零售商回收下制造商、零售商利润以及供应链总利润大于第三方回收。虽然零售商回收下,零售价低于第三方回收,但是零售商可以通过回收废旧产品获得更多利润。

4 区块链对供应链决策的影响分析

4.1 NR与BR模型的比较分析

命题10零售商回收时:①当ε<ε1,wNR*>wBR*;当ε>ε1,wNR*pBR*;当ε>ε2,pNR*τBR*;当ε>ε3,τNR*<τBR*。

其中:

命题10表明,在零售商回收时,当消费者对产品溯源水平的敏感系数满足一定阈值时,采用区块链时批发价、零售价、产品回收率大于不采用区块链。采用区块链时产品绿色度始终大于不采用区块链时。当制造商采用区块链后,溯源系统的信息共享使消费者更信任绿色产品,制造商会提高绿色度来响应市场,然后通过提高批发价来平衡绿色研发成本,作为回收方也受到溯源系统的益处提高了回收率。

其中:

命题11表明,在零售商回收时,当消费者对绿色产品来源的信任削弱因子满足一定阈值时,采用区块链时制造商、零售商利润大于不采用区块链。当消费者对绿色产品来源的信任削弱因子满足一定阈值时,说明采用区块链可以削弱产品来源不信任程度,对供应链有积极作用,采用区块链制造商和零售商获利更大。

4.2 NT和BT模型的比较分析

命题12第三方回收时:①当ε<ε4,wNT*>wBT*;当ε>ε4,wNT*ε5,θNT*>θBT*;③当ε<ε6,pNT*>pBT*;当ε>ε6,pNT*τBT*;当ε>ε7,τNT*<τBT*。

其中:

命题12表明,第三方回收时,当消费者对产品溯源水平的敏感系数满足一定阈值时,采用区块链时产品的批发价、产品绿色度、零售价、产品回收率大于不采用区块链。

其中:

a3=λ(((Φ2-2Φ)m2+(-Φ2Δ+2ΦΔ+2e)m-e(e+Δ))u+Kα2ε2)αK,

命题13表明,第三方回收时,当消费者对绿色产品来源的信任削弱因子满足一定阈值时,采用区块链时制造商、零售商利润大于不采用区块链。当消费者对产品溯源水平的敏感系数满足一定阈值时,采用区块链时第三方利润大于不采用区块链。当消费者对绿色产品来源的信任削弱因子、消费者对产品溯源水平的敏感系数在某一阈值范围内时,采用区块链可以使制造商、零售商、第三方获利更多。

5 数值分析

下面通过数值算例对本文主要结论进行验证,本章主要验证消费者对绿色产品来源的信任削弱因子、消费者对产品溯源水平的敏感系数对供应链决策的影响。

(1)令α=100,Δ=13,Φ=0.5,m=9,K=50,γ=0.2,ε=0.2,u=1 000,cn=20,e=5,λ=0.2,G=8探讨消费者对绿色产品来源的信任削弱因子a对供应链的影响。

6 结束语

本文构建了制造商主导的绿色产品生产,零售商、第三方分别回收的闭环供应链模型,针对回收过程中存在信息不对称的问题,引入消费者对绿色产品来源的信任削弱因子、制造商对产品的溯源水平、回收数量的折扣因子等参数,研究区块链对绿色供应链定价决策的影响。主要结论表明:

(1)当不采用区块链时:零售商回收下产品绿色度、产品回收率、制造商和供应链总利润大于第三方回收,当消费者对绿色产品来源的信任削弱因子满足一定阈值时,零售商利润大于第三方回收。

(2)当采用区块链时:提高消费者对产品溯源水平的敏感系数能提高制造商对产品的溯源水平、产品绿色度、产品回收率、各成员利润;提高回收废旧产品的单位验证费用,制造商的产品溯源水平、产品绿色度、产品回收率、成员利润会减小,批发价、零售价会增加;提高区块链的固定应用成本,会降低制造商利润;零售商回收时,制造商对产品的溯源水平、批发价、产品绿色度、产品回收率,成员利润大于第三方回收,零售价小于第三方回收。

(3)零售商回收或第三方回收时:降低消费者对绿色产品来源的信任削弱因子能提高产品绿色度、产品回收率、各成员利润;当消费者对产品溯源水平的敏感系数满足一定阈值,采用区块链时的产品零售价、产品回收率、第三方利润大于不采用区块链。当消费者对绿色产品来源信任削弱因子满足一定阈值,制造商、零售商利润大于不采用区块链。

通过以上结论可得如下管理启示:

(1)对于制造商:制造商选择不采用区块链时,制造商需要加大对绿色产品各方面的宣传,从而提高消费者对绿色产品的信任;制造商选择采用区块链时,提高消费者对产品溯源水平的敏感系数、降低消费者对绿色产品来源不信任程度,有利于提高制造商对产品的溯源水平和制造商利润;不管制造商是否采用区块链,制造商更倾向于选择零售商回收。

(2)对于零售商:当零售商回收时,需要提高对产品回收过程监管,从而提高废旧产品回收的数量和质量;制造商采用区块链时,回收废旧产品的单位验证费用的增加不利于提高回收率和利润。

(3)对于第三方:提高对产品回收过程监管有利于提升第三方收益,同时需要加大宣传的力度扩大第三方回收的优势;制造商采用区块链时,过高的回收废旧产品的单位验证费用会损害第三方的利润;当消费者对产品溯源水平的敏感系数满足一定阈值,采用区块链时第三方有更高的回收率和利润。

本文从产品回收的角度,研究了区块链对绿色供应链的定价决策影响,在未来的研究中可以进一步讨论区块链解决混合回收渠道信息不对称的供应链决策问题。

附录

证明2

当γ2-λ<0,pNR*-pNT*<0,当γ2-λ>0,pNR*-pNT*>0;

证明3

证明4

证明5

证明6

证明7

证明8

证明9

B1=(-16K2+4(e-m)2K+(e-m)2(e-m+Δ)2)u2,B2=ε2(e-m)(e-m+Δ)u,

B3=γ2uλ(-(e-m)(e-m+Δ)u+ε2α2K),B4=λ2(e-m)2(u((a-1)α+cn))4。

证明10

令wNR*-wBR*=0,求ε的解。当ε<ε1,wNR*>wBR*;当ε>ε1,wNR*

令pNR*-pBR*=0,求ε的解。当ε<ε2,pNR*>pBR*;当ε>ε2,pNR*τBR*;当ε>ε3,τNR*<τBR*。

证明11

证明12

令wNT*-wBT*=0,求ε的解。当ε<ε4,wNT*>wBT*;当ε>ε4,wNT*ε5,θNT*>θBT*;令pNT*-pBT*=0,求ε的解。当ε<ε6,pNT*>pBT*;当ε>ε6,pNT*τBT*;当ε>ε7,τNT*<τBT*。

证明13

猜你喜欢

零售商制造商信任
一位制造商一架军机(美国篇)
完形填空两篇
受挫的汽车制造商在通向全新未来的十字路口止步不前
表示信任
国产品牌,零售商这样说……
零售商都在做自有品牌化妆品,如何才能脱颖而出?
嘤嘤嘤,人与人的信任在哪里……
从生到死有多远
天翌全系列卫星天线制造商
高通24亿美元收购芯片制造商CSR