基于区块链技术的新能源汽车供应链“牛鞭效应”弱化研究

2024-02-28 08:02卢志平肖晓明陆成裕
广西职业技术学院学报 2024年1期
关键词:牛鞭主机厂供应商

卢志平,肖晓明,陆成裕

(1.广西科技大学 经济与管理学院,广西 柳州 545006;2.广西工业高质量发展研究中心,广西 柳州 545006)

随着外部不确定性因素的不断增多,市场要求企业能够在风险出现时以最快的响应速度将货物送到需求方。然而,在供应链中,当信息从最终客户端向原始供应商传递时,下游企业需求的轻微变化会导致上游供应商需求信息的重大波动[1],同时由于信息存在泄露风险和各主体利益博弈的关系,供应链中的大多数成员不愿意充分地共享信息,这就产生甚至加剧了“牛鞭效应”。

区块链技术作为一种以比特币为底层技术的新兴信息管理技术[2],将其运用在供应链管理中具有可行性,如盛守一基于区块链技术构建了供应链信息资源共享模型,提高了供应链运行效率[3];Kopyto 等研究认为,区块链技术将在2035 年的供应链管理中发挥着强有力的作用[4];杨慧琴等针对传统供应链“信息孤岛”问题,分析了区块链技术在供应链信息系统中的适用性和优越性[5]。这些研究均体现了区块链与供应链良好的契合性,但是在供应链管理中,“牛鞭效应”作为一种因信息共享失效或部分失真导致供应链成本增加的问题需要作进一步优化。目前,在针对降低供应链“牛鞭效应”的研究中,大多是从库存管理、需求预测的角度出发,如Fu 等通过扩展预测自适应控制(extended prediction self-adaptive control,EPSAC)的方法来预测库存位置水平的变化并通过合理控制订货政策来减少“牛鞭效应”[6];Zarandi 通过建立基于模糊分离二分类法(fuzzy disjunctive normal forms,FDNF)和模糊连接二分类法(fuzzy conjunctive normal forms,FCNF)的一个需求预测系统来减少“牛鞭效应”[7];邵博等在对服装供应链的“牛鞭效应”研究中,通过系统动力学的方法,提出有针对性的库存优化策略,以减弱“牛鞭效应”的影响[8]。但是,随着社会事件变化的复杂性、多样性和突发性,预测变得越来越难,预测结果对突发状况的处理存在失效的可能,从而会加大供应链各个节点的响应时间,部分学者通过建立影响“牛鞭效应”的ISM(inferpretative structural modelling,ISM)模型[9],研究发现信息共享为其主要影响因素。因此,从信息共享的角度将区块链技术应用到供应链“牛鞭效应”的弱化中,提升供应链节点间的信息传递速度和交互信任是一种稳定且可持续执行的方法。

在运用区块链技术解决“牛鞭效应”问题的研究中,Al-Sukhni 提出一个区块链架构,通过共享积压信息,提高供应链伙伴之间的端到端可见性来减少“牛鞭效应”的影响[10];Engelenburg 等认为,供应链中的合作伙伴因为缺乏信任导致信息共享受阻,区块链技术可用于支持各方将其需求数据直接提供给供应链中的所有其他各方[11]。但如何将区块链技术应用到具体的场景中,实现可视化的操作性还存在探索的空间。目前,新能源汽车是汽车行业的新发展趋势,众多车企均采取由燃油汽车转向新能源汽车的策略。例如,比亚迪在2022 年3 月就全面停售燃油车,奔驰也宣布将在2030 年停售燃油车,实现电动化发展[12]。新能源汽车的高速发展离不开供应链成员的相互合作,一条稳定的供应链能够保证产品从零部件的采购到成品运输整个过程的健康运行。然而,在新能源汽车供应链中,由于其供应商行业分布广、核心零部件技术不够成熟以及供应链结构复杂等问题,导致其“牛鞭效应”的表现不同于传统的燃油汽车供应链。因此,着眼于新能源汽车供应链,对其“牛鞭效应”进行分析和弱化对新能源汽车行业的发展尤为重要。

本文以新能源汽车供应链为研究对象,选取电机供应商、电池供应商、主机厂和销售商构建了基于区块链技术的去中心化的信息交互系统,在考虑信息时效性和安全性的基础上使得各节点能够获得真实信息,达到弱化“牛鞭效应”的目的。

一、新能源汽车供应链“牛鞭效应”弱化原理

“牛鞭效应”,是指供应链中需求变异加速放大的过程,即下游的需求波动会引起上游更大的需求波动,会造成企业库存成本增加,生产计划紊乱[13-16],其演化过程如图1 所示。供应链中的信息传递模式导致企业只能从下游相邻企业获取需求信息,同时供应链各个节点企业间存在一定的利益竞争关系,对于信息的传递无法做到完全透明,信息最终会以一种扭曲的方式在供应链上不断传递并放大[17]。

图1 “牛鞭效应”示意图

(一)“牛鞭效应”产生的原因

供应链产生“牛鞭效应”的原因一般被认为是由需求模型、预测技术、库存策略、提前期和信息共享策略等5 个关键因素所引起的[18]。其中,在信息共享策略中,随着经济全球化的不断发展,企业间的信息流、物流和资金流越来越复杂[19],企业对信息的控制力要求也越高。首先,市场需求的信息往往由供应链最前端获得,之后的每个节点都需要对信息进行分析和处理后才能进行下一步的传递,这可能引发因信息传递不及时而出现的时空差异;其次,因为企业都是以盈利为目的,企业在为自身利益计算时会存在对信息再加工等行为而影响信息失真。在新能源汽车供应链中,“牛鞭效应”放大的原因可表现为以下3 点。

1.供应商行业分布广

新能源汽车作为以电机为主要动能的交通工具,其电机、电池及电控等零部件相比于传统燃油汽车,分布更分散,不同行业会因客户需求不同导致产品产能、设计和运输等环节脱节。

2.核心零部件企业成熟度低

相对于传统燃油汽车行业,电动汽车的电池、电控、电机3 个核心技术发展时间短,开发经验少,加之原材料采购和生产的全球化,使得供应链中断的风险增大,影响供应链各方的库存策略。

3.供应链结构复杂

新能源汽车从原材料到整车交付,节点企业多、链条跨度较大。主机厂产能较多依赖其上游供应商,并逐渐形成战略伙伴关系,上一个节点的波动情况对下一个节点的影响会更大。

(二)区块链弱化“牛鞭效应”原理

在信息共享的问题上,区块链技术因其去中心化、数据不可篡改的特性[20-22],已经被广泛应用在教育、医疗、供应链等领域[23-25],运用区块链技术可实现信息储存的去中心化,保证信息在传递过程中的真实性。在新能源汽车供应链中,市场需求和零部件交易数据会以区块形式被永久记录在区块链上,所有上传的数据可以看作一个完整的账本,新增加的数据会重新生成一个区块并链接到上一个区块,每个区块被共识后内容便无法被修改[26-28]。

在新能源汽车供应链的区块链系统中,每个区块一般都包含Head(区块头)和Body(区块体)两个部分。其中,区块头一般记录当前区块的特征值,主要包括随机数、时间戳、前一个区块的哈希值等,而区块体一般包括该区块的交易信息和相关的哈希值。对于区块哈希值的计算,主要依赖于该区块的内容通过SHA 256 等算法计算出一个256 位的二进制数字,当该区块的内容发生变化时,其哈希值也会发生变化,这对判断区块内容是否被篡改具有重要的意义。

本文从信息共享的角度来减少“牛鞭效应”的影响,通过区块链的去中心化和数据不可篡改的特性实现不同行业的信息对等交流,以技术手段增强合作方相互信任的能力,降低虚假信息上报。如图2 所示,利用区块链构成的新能源汽车供应链网络,任何一端信息的输入只要被共识,便无法被修改,且保证只要信息上传无误,其他节点获取到的信息就是正确的。

图2 新能源汽车供应链条结构示意图

二、引入区块链技术的新能源汽车供应链设计

以新能源汽车供应链中的电池供应商、电机供应商、主机厂和销售商等4 个节点构建一条信息传输链。作为零部件供应商,必须保证汽车零部件的及时供给,在不增加自身和主机厂双方的库存成本的前提下按需完成配送,这就需要及时获取掌握主机厂对应零部件的消耗情况;作为主机厂必须保证汽车生产的产能能够达到市场的需求;作为销售商,及时获得消费者需求和市场发展趋势等方面的信息,是维护供应链稳定的首要前提。在以区块链技术为核心,构建的新能源汽车供应链中,各节点之间在获得对应权限后可以相互访问所需信息,一辆汽车从零部件采购到生产、最后到交付的所有相关的汽车信息都可被记录到该系统中。除共享此信息以外,节点间还可进行其他信息的交互操作,如供应商查询主机厂某种零件的库存量,以便及时作出供货决策,主机厂查询电机供应商的电机数量,制定生产计划、降低向销售商供货的中断风险。基于区块链技术的信息传递模型如图3 所示。

图3 基于区块链技术的新能源汽车供应链情景

(一)相关工作

1.基础开发框架

区块链系统的基础框架可分为数据层、网络层、共识层、合约层和应用层。每层记录的信息以及各层级之间的关系如图4 所示。其中:数据层用来存储交易信息及数据;网络层通过点对点传输机制,实现了去中心化,供应链上各参与方作为区块链节点存在网络中,当成功上传一次交易信息时该节点可获得一定的奖励;共识层包含了约定好的共识机制,共识机制是区块链的核心,能够保护数据的一致性,安全更新网络中的数据状态;合约层的目的是通过编写代码实现DApp(去中心化应用)的功能;应用层为一个可视化的界面,用户可通过该界面与区块链系统进行交互。

图4 区块链基础架构模型

2.开发环境配置

考虑到真实的以太坊系统的交易价格高,若将其用于测试开发会造成资源的大量浪费,所以本文利用Truffle 提供的、用于测试和开发的以太坊RPC 客户端ganache 搭建仿真的以太坊网络,并通过npm 作为Node 包进行分发。本文使用的node 版本为16.14.2。在搭建了仿真以太坊网络后,为了构建的信息管理系统能够与以太坊系统进行交互,使用web 3.js library 提供的web 3对象,通过RPC 调用本地节点进行通信。Web 3 中有eth 对象,可以调用其与区块链进行通信,具体安装命令为npm install web 3,安装web 3 版本为1.7.3。通过Remix-IDE 进行合约编写并完成部署,通过切换钱包账户实现不同节点完成不同的操作,配置钱包网络,连接到本地节点HTTP://127.0.0.1:7545,实现与ganache 平台的交互。可以在钱包中将ganache 提供的测试账户添加进去,同时remix-ide 的Environment 设置为injected Provider-Metamask。以上过程可以实现不同节点对已部署合约的调用,实现跨节点通信,且每一笔交易内容形成的区块都可通过ganache 平台观察到。

3.智能合约编写

智能合约是一种自动化的数字协议,是区块链系统中不可缺少的部分,通过设置触发条件,为区块链系统实现账户信息交互的功能。在本系统中,需要先确定功能需求,定义函数,再通过智能合约下发代码并提供调用接口;本文通过remix IDE 进行合约的编写和部署。合约涉及的函数所代表的功能如表1 所示。

表1 智能合约函数接口描述

合约编写好之后,将其部署到区块链网络中,当账户节点满足触发条件时,即可自动调用智能合约,以此实现新能源汽车供应链各节点数据的上传和查询。新能源汽车供应链节点的数据上传和查询流程如图5 所示。

图5 合约方法调用流程

4.节点账户配置及状态说明

利用Ganache 平台初始化提供的10 个账户作为测试账户,并在其中选取4 个账户作为销售商、主机厂、电机供应商和电池供应商,节点账户地址以及部署好的智能合约地址分别对应情况如表2。

表2 节点账户地址

基于区块链技术的新能源汽车供应链账户在本文中体现为节点账户,节点对应的账户结构涉及如下:

其中:地址(address)是账户位置,用来说明节点身份,可作为其他节点的访问指针;余额(balance)是该账户的账户余额,一般单位为ETH,此余额是用来支付矿工挖矿费用的;索引值(index)是区块产生的序号,用来区分区块产生的先后顺序。所有节点账户的创建都需要经过身份认证,一般在系统内由超级管理员授权。

(二)新能源汽车供应链区块的数据结构

基于区块链技术的新能源汽车供应链包括电机供应商、电池供应商、主机厂和销售商,每个节点之间可以相互通信,交易产生的区块通过矿工打包和系统共识后会链接到区块链上,其区块结构如图6 所示。

图6 新能源汽车供应链区块的数据结构

基于区块链技术的新能源汽车供应链的区块主要用于记录每个节点上传的关键信息,区块的数据结构是保证区块有效性和信息传输完整性的必备要求,各节点进行交易产生区块的结构一般描述如下:

其中:from 为交易发起方的地址;to 是接收方的地址;nouce 是随机数,一般用于工作量,证明算法的计数器;data 为本次交易传递的信息或数据;signature 为交易发起者的签名。例如,电机供应商A 查询主机厂B 某种型号的电机库存数,其区块结构可以描述为{A,B,152 100,(某型号,数量),signature}。

(三)共识机制

节点交易产生的区块需要被共识后才能够被上传到区块链链条中,共识机制的存在是为了保证信息的正确性和不可篡改性。主流的共识算法一般包括基于工作量证明的共识机制POW(proof of work,POW)和基于权益证明的共识机制POS(proof of stake,POS)。在POW 共识机制中,如果存在恶意节点攻击区块链,则要求其需要51%的算力。目前,随着比特币系统的不断发展,获取记账权越来越难,采用此共识机制会导致产生区块的时间过长,电力消耗大。POS 共识机制又称“股权证明机制”,简单来说,就是根据持有代币的数量和时间给予相应的利息,这样拥有权益更多的节点更会去维护区块链的安全,但仅通过投入代币的数量来确定记账权利分配,时间长了会削弱区块链的去中心化的特性。

本文提出的基于区块链技术的新能源汽车供应链,相对于传统的燃油汽车供应链,其表现出主机厂并不是拥有较多话语权的节点,而是呈现“三电”供应商和主机厂势均力敌的供应链系统,因此本文在共识机制的设计上采用薄荷算法融合股权证明机制,薄荷算法主要是通过投票进行工作,设置一组验证节点并形成一个领导者。领导节点进行全网监听并收集信息,最后将内容写入一个区块并全网广播,如果全网投票占比超过2/3,新区块就能够被写入区块链中;但是基于薄荷算法共识机制容易形成“拉票”行为,尤其是当某一行业节点占比较多时。因此,本文将股权证明机制POS 融合薄荷算法,POS 能够基于币龄的选择,系统计算出节点拥有的代币数量乘以持有代币的时间,此为节点的Stake,其乘积越大所获得的投票比重越重。其共识流程如图7 所示。

图7 薄荷算法融合POS 共识机制示意图

第一步,共有节点M 个,选举产生见证节点,此机制是基于薄荷算法,计算出见证节点N 个,剩下的M-N 个节点可参与下次的选拔,因为薄荷算法要求投票占比超过2/3,所以其区块链不会产生分叉。

第二步,已经成为见证节点的,根据其Stake值确定其投票比重,例如A 节点比重为0.3,B 节点比重为0.2,C 节点比重为0.1,D 节点比重为0.3,E 节点比重为0.1。

第三步,确定记账权并广播,根据最终投票,确定获得记账权的节点,其拥有广播权;若出现两个节点票数相同,则重新进行下一轮投票。若本次记账成功、信息真实,则增加记账节点和见证节点的Stake 值;反之,若该信息为整个供应链带来非自然或人为的巨大损失,则减少Stake 值。

该共识机制通过薄荷算法和股权证明,降低了算力浪费,在保证安全的基础上缩短了区块更新时间,这与新能源汽车供应链节点信息的及时更新要求相得益彰。新能源汽车供应链作为一个系统,系统内节点是高度相互依赖的,各节点均需要确保系统的安全性。当出现“拉票”行为时,系统也能根据Stake 值来降低影响。

三、应用测试

(一)用户登录界面

在登录界面,当输入用户名和密码后需要选择相应的登录身份(销售商、主机厂、电机供应商和电池供应商等),由于本次构建的区块链属于私链,链上信息存在一定的保密性,所以每一个用户或节点的加入,都需要官方授权。在输入用户名、密码和选择登录身份之后,如果验证正确就可跳转到对应信息管理页面,如果验证失败则会显示登录错误。

(二)主机厂信息管理页面

在进入主机厂信息管理页面后,页面中设计了汽车型号、汽车数量、零件名、零件数量和索引5 个属性,其中汽车型号和汽车数量用来记录该主机厂生产某种型号汽车的数量,可便于供应链其他节点制定销售、生产和库存等计划。零件名和零件数量用来记录当生产某种产品时剩余的零件数量,零件索引用于其他节点的查询和溯源。分别录入零件名、零件数量和零件索引为:永磁同步电机1 000、1 001;锂钴电池2 000、1 002。查询主机厂某种零件的需求信息如图8 所示,返回信息包括区块信息和数据信息。输入信息的身份地址为:0x347295b190701CaDA7553C410be9e88-B7644Dcee。

图8 信息查询结果

(三)电机供应商信息管理界面

电机供应商界面设置的参数如主机厂一样,只不过电机供应商录入系统的零件名只能是电机,同时界面下方设置了查询界面,可以通过零件名和零件索引查询主机厂某种型号的电机数量以及销售商录入的需求信息等。录入零件名:交流异步电机;零件数量:5 000;零件索引2 001。设置查询主机厂永磁同步电机数量,索引值为1 001;录入信息地址为:0xe78255709c1cEcb4D7886244C-351F869f227d672;电池供应商的操作方式也是如此,录入信息的地址变成了:0x03F6c5a20307045 b89874DECC42dEedbf094FaD7。同样也可以查询主机厂录入的电池信息和销售商录入的市场需求信息,对于主机厂来说,也可以查询电机供应商和电池供应商录入的信息。

四、系统性能测试与“牛鞭效应”弱化分析

(一)系统性能测试

正确测量一个系统的性能,是系统设计和评估过程中的一个重要步骤。在区块链系统中,其性能的测量主要依据交易吞吐量和交易时延两个性能指标[24]。交易吞吐量是指系统每单位时间处理的总负载,一般可表示为每秒交易量(TPS),可用于识别区块链的可扩展性和其可以处理的数据量;交易时延是指一个交易或事件从发起到被记录到账本之间的时间。交易吞吐量和交易时延也被认为是区块链系统中评估频率最高的两个指标[25],在本系统中使用JMeter 测试工具对发生的上传和查询两个事件进行性能测试,由于查询事件只涉及一个节点,而上传事件可能存在几个或几点同时发生,需要进行区块排序和打包,因此在同一并发度下,上传事件的交易吞吐量更小,时延更长。

本文在系统并发度为100~500 t/s 时进行测试查询交易性能,时延和吞吐量如图9 所示。查询事件的失败率为0,事件发生的最大平均时延为5.4 s,最大吞吐量为每秒处理187 个事件,均在可接受的范围内。

图9 查询事件的时延和吞吐量

本文在系统并发度为50~250 t/s 时进行测试上传事件的交易性能,时延和吞吐量如图10 所示。上传事件的失败率为0,事件发生的最大平均时延为6.2 s,最大吞吐量为每秒处理120 个事件,均在可接受范围内。

图10 上传事件的时延和吞吐量

(二)“牛鞭效应”弱化分析

使用vensim 软件对区块链引入前和引入后的“牛鞭效应”进行仿真分析。在传统的供应链管理中,信息总是从供应链的最前端流向最末端,供应链各节点之间不存在信息共享,总是以自身利益最大化进行决策,根据自身的预测情况制定库存策略。区块链技术的引入,打通了供应链节点之间的信息流,且节点均可获得有用的和真实的信息,供应链成员不再按照自身预测数量进行补货和供货,其存量图如图11 所示。模型和参数说明如下:

图11 系统动力学模型

(1)市场需求率=1 000+if then else〔time>1,random normal〈-300,300,0,100,6〉,0〕。

表示市场需求初始为1 000,一周后开始随机波动,波动幅度为±300,波动次数100 次。

(2)库存调整时间=5,单位:周。

(3)移动平均时间=5,单位:周。

(4)生产和运输延迟=3,单位:周。

(5)主机厂订单=max〔0,市场需求率+〈主机厂期望库存×2-主机厂库存-销售商库存〉/库存调整时间〕。

表示主机厂订单不再取决于销售预测,而取决于销售商传来的市场销售率和主机厂库存调节水平。

(6)销售商期望库存=期望库存覆盖时间×销售商销售预测。

(7)销售商销售预测=smooth(市场需求率,移动平均时间)。

表示销售商的销售预测等于过去5 周的发货率的移动平均数。

(8)电机供应商生产需求=max〔0,市场需求率+(电机供应商期望库存×3-电机供应商库存-主机厂库存)/库存调整时间〕。

表示电机供应商的生产需求不再取决于销售预测,而取决于销售商传来的市场需求率和自身的库存调节水平,类似电池供应商也是如此。

(9)电机供应商库存=integ(电机生产率- 电机发货率,3 000)。

表示电机供应商的库存等于电机生产率和电机发货率差的积分,初始值为3 000。

针对引入区块链和不引入区块链的两种情况,供应链各节点订单和需求变化如图12 和图13 所示。

图12 引入区块链前各节点订单和需求比较

图13 引入区块链后各节点订单和需求比较

曲线SELLER、PLANT 和SUPPLIER 分别代表销售商、主机厂和电机供应商。由图可知,区块链技术在未引入时,各节点订单需求量随着时间的变化,波峰和波谷在不断变大,且越远离市场的一端变化越大,这表明供应链各节点产品库存堆叠严重。区块链技术引入后,各节点需求波动明显降低且需求信息的放大程度明显降低。同时将两种模式下各个节点的库存导出,并参考Huang等的研究方法[29-31],在“牛鞭效应”评估案例中,总结出适合本文的牛鞭效应计算式,即为节点订单需求方差和市场需求方差的商,得出两种状态下的牛鞭效应值,如表3 所示。

表3 两种状态下各节点牛鞭效应值

由表3 可知,相比于区块链技术引入前,区块链引入后的供应链在各个节点的牛鞭效应值均有降低,这说明需求信息的波动较小,由此可见采用区块链技术实现信息共享,对供应链“牛鞭效应”的弱化具备一定的可行性。

五、结语

区块链技术作为一项新兴的信息技术,其开发重点是用来解决信息安全和信息孤岛等问题。本文主要贡献是从信息传递的角度出发,构建了基于区块链技术的信息管理系统,在增加信息传递的安全性和真实性的基础上,优化了信息传递过程,这不仅达到了弱化供应链“牛鞭效应”的目的,而且降低了节点的库存水平。在本系统中,其内部的任何节点都可以同时获得市场的需求信息,不会出现因信息传递而被逐渐放大的现象,在应对突发状况时,节点之间可以随时进行信息交互,从而迅速了解市场需求状况和下游节点的生产状况。相比于库存优化和需求预测等方法,其实时性更强,能够动态掌握市场或其他节点信息变化,能够为节点的销售、生产、库存等计划提供更多的数据支持,达到更快速的响应要求。

首先,本文所构建的系统主要以新能源汽车供应链供应商、主机厂、销售方为参考节点,未考虑整个新能源产业链的其他节点,因此在将其应用到整个新能源汽车供应链时,其一般性还需要进一步探讨和改善。其次,运用区块链技术实现信息共享,虽然保证了信息在传递过程中的真实性,但并不排除信息上链前存在因人为篡改而信息变动的可能,因此若从信息共享的角度直接引入区块链技术弱化供应链“牛鞭效应”,并不能保证所共享的信息是完全真实的,还需要对信息录入的源头进行控制。

所以在之后的研究中,还需从新能源汽车产业链入手,更多地考虑各节点在现实中的角色和地位,将其他供应链节点也加入进来,形成一条完整的信息传递渠道。除此之外,还需要对参与方入链合规、上传真实信息问题开展深入研究,充分发挥区块链中智能合约的特性,利用合约规范节点行为,约束参与方信息共享性,进而增强系统的适用性。

猜你喜欢
牛鞭主机厂供应商
商用车排放升级、市场下滑之下主机厂和经销商如何共生
春耕
揭开“审核”的神秘面纱(一)
——各大主机厂审核要求
供应链中牛鞭效应成因及对策研究——基于“啤酒游戏”的视角
创新与变革 2015各大主机厂发展新思路
供应商汇总
供应商汇总
供应商汇总
Perkins电控发动机设计瞄准中国主机厂特定需求
推荐供应商