生命周期视角下移动供应链协同机制仿真

危小超，胡 斌

（华中科技大学 管理学院，湖北 武汉 430074）

0 引言

进入2012年，中国制造业采购经理人指数（Purchase Management Index，PMI）持续下滑，并一度跌破50%，创近年来新低。二季度我国GDP增速仅为7．6%，连续六个季度下滑。国内经济尤其是起支撑作用的中小制造企业正面临严峻的考验。随着用户逐渐向移动终端转移，国内移动用户已达4．3亿，制造业向移动互联网延伸的趋势日益明显。究其原因在于，移动商务具有便利、及时、低成本等特点，尤其是社交网络（Social Networking Services，SNS）等移动社交平台的兴起，导致营销策略发生深刻变革，从而对供应链管理产生影响。因此，有必要基于生命周期视角，研究市场营销和制造业供应链管理互动下的协同决策问题。

国内外已有学者从不同角度展开了研究：

（1）市场营销 肖剑等［1］探讨了需求信息不对称时电子渠道和零售商的最优定价决策与合作问题；陆佳圆等［2］提出了产品设计过程中预测顾客需求未来权重的集成方法；丁士海等［3］考察了竞争和重复购买场景中耐用品品牌的扩散机理。进一步有学者考虑网络效应对市场营销的影响。例如，Choi等［4］研究发现，消费者交互作用下的聚集效应会对网络效应产品扩散模式产生影响；Goldenberg等［5］实证研究发现，“网络中心”类型的消费者能够加快产品扩散；Corrocher等［6］发现，微观层面上的消费者交互作用导致局部网络效应对市场营销的影响更加显著。

（2）供应链管理 白少布等［7］探讨了存在收益控制权时的供应链激励契约；吕志民等［8］建立了钢铁联合制造商生产计划编制的整数规划模型，并提出一种算法进行求解；Onur Kaya［9］探讨了不确定场景中再制造闭环供应链的生产决策和激励问题；Srinivasa Raghavan等［10］研究了具有资金约束的两层供应链中单阶段融资决策问题，结果表明联合融资的绩效大于分别融资的绩效；Nagarajan等［11］基于供应链的并购谈判视角，探讨了买方和多个供应商之间的收益共享机制；Cadentey等［12］以典型供应链模型为研究对象，探讨了资金约束的供应链合约配置；Cachon等［13］基于定价视角研究了理性预期均衡场景中的零售商最优动态定价策略。

上述研究分别从市场营销和供应链管理两个视角单独展开，在此基础上，Dai等［14］考虑二者的互动关系，研究了市场营销与供应链管理决策的协调。

上述研究多以供应链为背景，鲜有移动服务链的协同研究。这些研究存在以下不足：①常用于描述单期行为，没有考虑生命周期对协同策略的影响；②对时间演进时，市场营销和供应链管理互动背景下的研究较少。市场营销和供应链管理的协调被视为竞争优势来源，本文基于生命周期视角，分析市场营销和供应链管理的交互作用对供应链协同水平的影响。

基于生命周期视角，建立需求驱动的供应链多阶博弈仿真模型，研究市场营销和供应链管理的交互作用对不同生命周期阶段协同水平的影响。其中，第一阶段，基于扩散理论建立系统动力学模型描述产品的市场扩散；第二阶段，使用合作博弈描述运营商对服务商的选择；第三阶段，采用进化博弈研究制造联盟协同；最后，建立多智能体仿真模型，探讨不同生命周期阶段对应的协同策略。

1 问题描述

根据产品类型，移动商务可分为通信模式、信息模式和销售模式等。统计显示移动商务行业分布中，32．8%为中小型制造企业，且多涉及移动销售模式。预计到2012年，移动电商将取代移动增值服务，占据移动互联网行业的最大份额。因此，本文探讨制造业移动商务供应链，即移动销售模式。

移动销售模式涉及的服务链组成及运作过程如图1所示。其中：①制造商（CP），只负责制造产品，没有移动商务平台，如志高、帅康等家电商，只完成产品制造，通过TCL开发的移动商务平台开展营销活动；②制造服务商（CSP），既能制造产品，又具有移动商务平台，如制造商TCL不仅制造家电，还成立了子公司酷友网络，自主开发了移动商务平台；③服务商（SP），只提供移动商务平台，本身不制造产品，如手机淘宝、移动商街等移动商务平台，只为制造商开展移动营销提供移动店铺；④运营商（OB），处于垄断地位，仅有联通、电信、铁通和移动四家独立运营；⑤用户（U），即手机用户。

供应链运作过程及各阶段方法如图1所示。移动销售模式运作流程为：用户通过手持设备在移动商务平台上选择商品，订单通过运营商网络反馈至服务商，并通过制造商协同完成。其中，制造联盟协作方式有三种：①多家制造商协同完成产品并借助服务商平台提供；②服务制造商直接制造产品并利用自有平台提供；③制造服务商有时需要协同其他制造商才能完成产品。

主干链收益来源于用户支付，运营商和服务商按比例分成，并以提供移动平台的形式对制造商进行利润再分配。其中：第一阶段为产品扩散，属于市场营销范畴；第二阶段为服务商选择；第三阶段为制造联盟。第二、三阶段属于供应链管理范畴。

2 系统建模

2．1 第一阶段建模

本阶段建立动力学模型，描述市场营销中的产品扩散。已有研究表明，Bass模型对产品扩散的描述和预测是有效的［5］。因此，结合移动供应链的特点，考虑到移动环境下消费者的重复购买行为以及供应链的生命周期不断变短，改进传统的Bass模型来刻画产品扩散，其中变量及流程图如图2所示。

2．1．1 产品扩散动力学模型

产品扩散速度主要受两种传播途径的影响：①外部影响，通过大众媒介传播（广告等）、产品易验证的部分，如色彩、功能等，受企业促销强度的影响；②内部影响，依靠口碑传播（如人际交流）、难以验证的性能，如可靠性、易用性等，与产品接受率和客户联系率有关。如图2所示，移动产品扩散的动力学系统由三个反馈环组成：①反馈环D，即由用户重复购买构成的反馈环；②反馈环A，即由广告效应产生反馈环；③反馈环 W，即由口碑传播效应产生的反馈环。

2．1．2 模型主要变量和因素设置

变量说明如下：①水平变量，包括潜在用户数（PotentialAdopters），即未采纳的用户数；用户数（Adopters），即已采纳的用户数。②速率变量，包括采用速度（AdoptionRate），即产品采纳数量；淘汰速度（DiscardRate），即产品淘汰数量。③辅助变量，包括：外部影响系数（AdEffectiveness），即大众传媒产生的采纳概率；沟通速度（ContactRate），即用户的沟通人数；采用率（AdoptionFraction），即产品采纳概率；总人数（TotalPopulation），即用户总量；外部影响效应（AdoptionFromAd），即大众传媒采纳数量；内部影响效应（AdoptionFromWOM），即口碑传播产生的采纳者数量；平均生命周期（AverageProductLife），即产品平均生命周期。

2．1．3 变量函数关系

建立系统动力学（System Dynamics，SD）模型的数学公式表示流程图中的变量关系。为反映生命周期不断变短的现状，设置其为时间time（）的减函数，即。则产品扩散模型中的相关公式如下：

2．2 第二阶段建模

2．2．1 问题描述

本阶段描述运营商对服务商的选择行为，其本质是二者基于利润分成的竞合关系，与运营商的核心地位有关。事实上，移动技术削弱了时空限制，有利于寻找最优合作伙伴。因此，建立具有垄断势力的合作博弈模型研究运营商的选择行为。其中基于利润分成的得益矩阵如表1所示。

表1 基于利润分成的合作博弈

在供应链中，运营商和服务商按比例进行利润分成，因此加入合作时的动态分成。其中：Z1表示运营商分成，Z2表示服务商分成。考虑分成的微观随机性和宏观趋同性，将Z1和Z2定义如下：

为了反映移动环境下生命周期变短和利润增大的趋势，进一步扩展合作收益公式如下：

移动商务环境下，制造联盟的规模经济效应显著。因为：①有利于扩大生产规模，深化内部分工，降低单位固定成本，从而获得内在规模经济效益；②有利于企业间交互，扩大制造联盟，提高规模效应，形成外在规模经济。由此本文添加规模效应系数s＝Adopters／TatalPopulation。

当Y1较大时，个体采取拒绝策略获益最大，双方策略组合可能为｛拒绝，拒绝｝，此时各自收益为0。为了抑制投机行为，维护供应链的稳定性，需要对个体的背叛行为进行惩罚。因此，本文引入惩罚系数δ，则式（4）和式（5）可扩展为：

2．2．2 状态演化规则

目前，国内运营商实力雄厚，处于供应链的主导地位。因此，可以凭借不对称优势选择最优合作服务商。根据表1所示的得益矩阵，提出如下基于运营商主动搜索的状态演化规则：

（1）每个Agent随机选择初始状态为合作C或者拒绝R。

（2）运营商在自己的博弈半径D内主动寻找所有服务商，并进行博弈。

（3）当Y1＞X1且Y1＞X2时，根据得益矩阵，双方选择拒绝策略R时的收益最大，因此存在选择拒绝策略的动机。但考虑（拒绝，拒绝）策略的收益均为0，风险偏好将降低策略选择的可能性。因此，定义双方将策略C改变成R的概率为0．8。

（4）当Y1＞X1且Y1＜X2时，服务商选择拒绝R，运营商选择合作C，各自收益最大。但考虑运营商在供应链中的主导地位，加上移动环境下协商的有效性，运营商出于利益最大化的目的，将利用其主导优势促使双方达成合作协议，即服务商采用合作C策略。

（5）当Y1＜X1且Y1＞X2时，为了追求收益最大化，服务商选择合作策略C，运营商选择拒绝策略R。尽管服务商倾向于合作，但是因为其规模较小，谈判能力较弱，不足以改变运营商的策略选择，所以二者之间难以达成合作协议。

2．3 第三阶段建模

本阶段研究制造联盟如何通过协同满足市场需求。目前，我国中小制造业企业总数有800万家左右，占企业总数的95%，但是普遍规模较小、技术装备率低。因此，通过有效合作形成动态联盟，快速制造并提供产品，及时响应移动终端的订单，成为制造商适应移动商务环境的最好模式。在实际场景中，制造联盟发展是基于学习的动态演化过程，属于进化博弈范畴，是制造商之间重复博弈、学习和演化的过程。因此，根据第1章中制造联盟的三种协同方式，使用进化博弈进行研究。

2．3．1 问题描述

制造联盟中的个体对产品制造持合作C和拒绝R两种态度，可用对称博弈描述制造商间的竞合关系（如表2）。在传统商务模式下，收益矩阵可能为静态矩阵。但在移动商务工作环境中，随着移动技术的应用，制造联盟协同水平不断加强，其合作收益也不断提高。因此，设定协同参数1＋p（t）为时间time（）的增函数，即同时，为避免部分个体采取拒绝策略、维护联盟的稳定性，建立约束机制来控制联盟中的投机行为。

表2 含协同、惩罚参数的协调博弈

令个体邻居集合中的合作人数为Nc，拒绝人数为Nr，则：当个体处于合作状态时，合作的期望收益

当个体处于拒绝状态时，拒绝的期望收益

2．3．2 基本模型

定义1 定义制造商、制造服务商、服务商为三种不同的智能体A1，A2和A3。

定义2 定义智能体组合M＝（M1∶M2∶M3）＝（i1，i2，i3，…∶j1，j2，j3，…∶k1，k2，k3，…），表示三种类型智能体的分布和编号。

定义3 定义类型Ai受邻居影响的概率为p（i），与业务范围成正比。根据各类型的业务范围定义p（1）＝Uniform （0．6，0．8），p（2）＝Uniform（0．4，0．6），p（3）＝Uniform（0．2，0．4）。

定义4 概率匹配度表示不同类型个体之间效仿决策的程度。本文根据不同类型的业务范围重合度，定义各类型企业匹配度如下：Mapping（A1，A1）＝1，Mapping（A2，A2）＝1，Mapping（A3，A3）＝1，Mapping（A1，A2）＝0．5，Mapping（A2，A3）＝0．5，Mapping（A1，A3）＝0．2。

2．3．3 演化规则

制造联盟的演化受个体自身特征和近邻的影响。个体决策时不仅考虑自身得益历史，还要参考近邻决策及得益历史，学习算法可表述为：设个体邻居集合内类型A1，A2和A3的个数为n1，n2和n3，总收益为q1，q2和q3，个体受周围影响的概率为ρ，则各类型个体第n＋1期收益

2．3．4 状态转换规则

制造商状态转换不仅取决于自身的历史收益，还受周围邻居获益水平的影响。因此，设计考虑自身历史和近邻影响的状态转换算法如下：

步骤1 如果个体的当前状态为合作C，则使用式（10）可得期望收益ep＝Pc；如果个体的当前状态为拒绝R，则使用式（11）计算期望收益ep＝Pr。

步骤2 比较ep和p。如果ep＞p，则改变状态；否则，保持状态不变。

步骤3 在下一期博弈中重复步骤1。

根据图1所示的制造联盟的三种协同方式，供应链的总收益

式中：P表示服务商收益，Pc表示与之合作的制造商收益，P（X2／X1）表示运营商收益。

3 宏观验证

多智能体模拟的棘手之处在于模型验证，尤其在管理问题研究中，完全验证几乎是不可能的。但是，可以在完全验证和满足需求之间寻找折中点。本文利用生命周期理论对仿真模型进行宏观验证。生命周期理论揭示了典型的利润变化规律。学者普遍认同倒“u”形的利润变化曲线，包括成长期、成熟期和衰退期三段，并提出了一组比较完善的利润分段拟合函数（见式（14））。

运行仿真模型产生三段数据A，B和C，采用利润分段函数进行拟合。发现拟合效果较好（如图3b），拟合度R值均大于0．9，表明模型输出能够与生命周期曲线方程（14）较好地拟合。因此，本文仿真模型能够反映真实世界中的供应链协同规律。

4 模拟研究

本文基于Anylogic 6．5．0开发了多智能体模拟系统。初始参数设置如下：（n1，n2，n3）＝ （200，100，100），AdEffectiveness＝0．15，AdoptionFraction＝0．011，N＝4，R＝300，ContactRate＝100，TotalPopulation＝10 000。其中：（n1，n2，n3）表示制造商、制造服务商和服务商的数量；N为运营商数量；D为运营商互动半径。

4．1 市场因素对行业收益的影响

图4a所示是大众传媒系数为0．015，0．1，0．3时的总收益变化图。随着大众传媒系数的增大，总收益有所增加，其中成熟期（区间20～60）和衰退期（区间60～200）的增加较为明显，尤其成熟期最为显著。因此，在供应链成长期和成熟期充分利用大众传媒，有利于提高总体收益水平，特别在成熟期的效果最为明显。在实践中，大众传媒效应主要受促销和广告效应的影响，因此在供应链发展前期（成长期和成熟期），应该重视广告、人员宣传等大众传媒的作用。模拟结论与一般常识相符，实践中，企业往往在前期投入大量费用用于广告宣传，以占有更多的客户资源。说明本文所建仿真模型合理，能够应用于实际场景中不同生命周期阶段的供应链协同研究。

如图4b所示，对比不同接受率下的供应链总收益，提高接受率，衰退期（区间60～200）的总收益增幅最明显，成熟期则显著拉长，即从区间（20～50）延长至（20～180）。考虑到联系率与接受率具有对称性，该模拟结果同样适用于联系率，二者共同构成口碑效应。因此，利用口碑效应可以提高衰退期收益，延长供应链成熟期。实践中，可以利用社交网络开展病毒性营销，PC制造商戴尔公司借助微博营销发力即是很好的例证。社交媒体平台，尤其是移动社交网站SNS（facebook，人人网）和微博（twitter，新浪微博）有利于提高口碑营销效应。借助社交媒体平台的衔接作用，采纳者对产品的偏好能够传播给其他用户。以PC厂家戴尔的微博营销为例：PC市场在经过快速发展的黄金期后，逐渐进入衰退期。戴尔在Twitter注册65个群组的账号，每个账号负责一个专门的内容，发布各种产品和优惠信息，在2007年3月其粉丝数量已达150万。通过Twitter，戴尔实现了近700万美元的营业额。可见，口碑效应有利于提高制造业移动供应链的衰退期收益。

4．2 运营商因素对行业收益的影响

如图5a所示，运营商互动半径从150增大到300，成长期（时间区间0～30）和成熟期（时间区间30～70）的供应链总收益明显增加，尤其成熟期更显著。原因在于，运营商互动半径与其规模实力有关，运营商的实力越强，其产生的规模经济效应越显著。因此，在供应链的成长期和成熟期，培养实力较为雄厚的运营商有利于提高移动供应链的获利水平，电信业重组促进眼镜制造业发展即是很好的佐证。眼镜制造业属于朝阳产业，但是随着市场的饱和与竞争的激烈，其利润低值化已不可避免。因此，需要借助移动商务寻找新的突破口。然而，由于带宽的限制，眼镜行业移动商务发展缓慢。2008年国内运营商完成重组，实现固网与移动网的融合，形成三家拥有全国性网络资源、实力较强的3G主体。重组后的运营商带宽资源充足，建网经验丰富，能够满足移动平台的技术需要，促进了眼镜业的发展。如服务商儒豹为老扬明冠眼镜公司搭建了手机和电脑双模网站，上线手机搜索平台，并注册“湖南眼镜”为关键词，显著提高了经营业绩；移动中国网推出“移联名商”，全面覆盖手机浏览器、移动搜索和移动门户等通道，为制造商提供移动商务解决方案。可见，运营商实力的增加能够为移动交易提供更好的网络平台，从而提高竞争力。

如图5b所示，运营商数量从4增加到8，供应链总收益在成熟期（区间30～60）和衰退期（区间60～200）增加较显著。表明在移动商务发展后期，适当增加运营商的数量有利于提高供应链获益的水平。然而，目前国内只有移动、联通、网通和电信四家独立运营，与移动商务成熟的发达国家相比，我国移动市场垄断程度较高，在一定程度上抑制了市场发展。因此，若政府在移动通信3G牌照发放时，允许更多运营商加入移动通信市场，形成竞争局面，无疑有利于提高行业水平。下面进一步对比中国和发达国家的制造业状况，进行仿真系统验证。美国制造业借助移动商务降低了营销成本，提高了运作效率。尽管全国性运营商只有7家，但每个州都有一两家占主导地位的运营商，行业竞争非常激烈。虽然Verizon Wireless是美国最大的运营商，但东南部制造商倾向于Cingular，西雅图制造商则对AT＆T Wireless更青睐。相比之下，我国仅有三家运营商，市场垄断性较强。可见，进一步开放国内移动市场，完善市场竞争机制，更有利于提高整体收益水平。

4．3 制造联盟因素对行业收益的影响

如图6a所示，在保持各类型制造商比例不变的前提下，将制造联盟规模增大一倍，从（200，100，100）增加到（400，200，200），可以发现总收益明显增加，尤其以成熟期最显著。由此表明增大制造商的规模能够提高供应链成熟期的获利水平，越来越多的制造企业借助移动商街提高获益水平即是有力的佐证。移动商街是用友移动基于移动互联网创建的虚拟商业中心，提供从前端营销到后端管理、从内部管理到外部协同的全程化服务，目前已使大批制造企业获益，涉及机械制造、机电制造、化工制造等重要领域。其中，在机械制造行业，大连大高阀门公司在移动商街上设立移动商铺，开展移动营销，显著提升了经营效率，节省了营销成本；在机电制造行业，东莞润源中频电炉厂通过注册移动实名“中频电炉”，借助移动商铺的品牌和人气，产生了可观的经济效益；在化工制造行业，中景百英通过与用友伟库合作，利用网客宝、旺铺等移动平台产品，实现了线上线下结合的立体移动管理。目前，移动商街已拥有超过60万家企业，有效提升了中小制造商应对市场低迷的能力。

在图6b中，探讨制造联盟组成对供应链获益水平的影响。分别设置制造商、制造服务商、服务商的组合为（200，100，100），（150，150，100）和（100，100，200），表示三种类型制造商所占的比重依次增大。由直方图发现不同联盟结构对应的总收益不同，说明服务商联盟组成对供应链的总收益有影响。同时，发现（150，150，100）组合的总收益最大，表明增大制造服务商的比重有利于提高总收益。因此，调整制造联盟的组成结构，适当增大制造服务商的比重，有利于提高供应链的获益水平。原因在于，制造服务商兼具制造商和服务商的职能，既能制造产品，又可以提供移动平台，能够及时响应市场需求。该结论可在制造业的移动商务模式中得到验证。例如：①家电制造业，TCL利用自身制造优势和IT基因，成立了子公司酷友网络，自主开发了移动商务平台，不仅负责自己产品，还为其他家电制造商提供移动运营服务，如志高、帅康等家电商。预计2012年TCL移动收入将高达20亿。②服装制造业，凡客诚品已经推出手机客户端和手机凡客网站。用户可免费下载客户端，或直接登陆手机凡客网，实现完整的手机购物流程，同时也能享受PC端的同等服务及优惠。

4．4 惩罚系数对行业收益的影响

分别对惩罚系数p＝0．2，0．4，0．6，0．8时的系统进行仿真，得到数据如图7所示。当惩罚系数依次变大时，对比四条总收益曲线，发现总收益在成熟期（区间70～190）和衰退期（区间190～10 00）增加明显，尤其以衰退期最显著，并且生命周期随惩罚系数的增加不断拉长。结果表明，在供应链发展后期（成熟期和衰退期），对企业市场行为进行规范能够有效约束供应链中的投机行为，维持市场秩序，从而延长成熟期，提高供应链整体的获益水平。在实际管理中，建立合理的惩罚制度，有利于维护供应链上节点企业的公平性。通过对个体的市场行为进行监管，能够有效促进供应链的良性发展。

在实践中，能找到通过建立惩罚机制提高制造业移动供应链协同水平的原型。截止2012年3月，手机淘宝累计用户已突破1亿，显示移动商务已跨过用户培养期，进入高速发展的成熟期。然而，由于监管制度的滞后性，某些短视厂商为追逐不当收益，出现违规操作、恶性竞争等投机行为。为维持移动交易秩序，2012年，淘宝网推出“曝光台”对违规厂商进行惩罚。该平台定期公布处罚厂商名单及不良交易行为，用户也可以通过曝光台对违规厂商进行举报。如号称淘宝网第一大店的饮料制造商“柠檬绿茶”，因为涉嫌产品质量投诉而受到淘宝网的屏蔽处罚，并被要求停业整顿。通过将排查、处罚结果由后台转向前台，增进了移动交易环境的安全透明，有效提高了供应链收益水平。

综上所述，基于供应链生命周期视角，考虑市场营销和供应链管理的交互作用，不同阶段的协同策略的概括如表3所示。

表3 不同生命周期阶段的协同策略

5 结束语

本文基于供应链生命周期的视角，建立多智能体仿真模型研究市场营销和供应链管理交互作用对不同阶段协同策略的影响。与传统商务模式相比，制造业移动供应链的结构组成和运营模式已发生显著变化，传统的供应链相关研究方法难以适用。

本文基于博弈论和扩散理论，实现客户需求逆向驱动的供应链多阶博弈仿真系统。模型验证表明了所建模型的合理性。模拟结果分析表明：①在行业发展前期（成熟期和衰退期），利用广告等大众媒介能够提高协同水平，以成熟期最显著，利用口碑传播能延长成熟期，提高衰退期的收益水平；②增大运营商的实力和规模，能够提高成熟期和衰退期的协同水平；③服务商规模和比例对供应链前期（成长期和成熟期）影响较大，增大制造服务商的比重能够提高供应链前期的协同水平；④在供应链衰退期，加大惩罚力度能够提高供应链的协同水平，有利于延长供应链的生命周期。

本文模型能为供应链不同阶段的协同决策提供支持。不足之处在于没有考虑供应链结构（即节点分布）的影响，后续研究将尝试引入复杂网络理论，探讨供应链拓扑结构对协同水平的影响。

［1］XIAO Jian，DAN Bin，ZHANG Xumei．Cooperation strategy between electronic channels and retailers under asymmetric demand information environment［J］．Computer Integrated Manufacturing Systems，2009，15（10）：2017－2022（in Chinese）．［肖 剑，但 斌，张旭梅．需求预测信息不对称下电子渠道与零售商合作策略研究［J］．计算机集成制造系统，2009，15（10）：2017－2022．］

［2］LU Jiayuan，FENG Yixiong，TAN Jianrong．Prediction and analysis for dynamic trend of customer requirements weight on product［J］．Computer Integrated Manufacturing Systems，2011，17（10）：2129－2136（in Chinese）．［陆佳圆，冯毅雄，谭建荣．产品顾客需求权重的动态趋势预测与分析［J］．计算机集成制造系统，2011，17（10）：2129－2136．］

［3］DING Shihai，HAN Zhijun．The diffusion model of consumerdurables brands with competition and repeat purchase［J］．Systems Engineering—Theory ＆ Practice，2011，31（7）：1320－1327（in Chinese）．［丁士海，韩之俊．考虑竞争与重复购买因素的耐用品品牌扩散模型［J］．系统工程理论与实践，2011，31（7）：1320－1327．］

［4］CHOI H，KIM S H，LEE J．Role of network structure and network effects in diffusion of innovations［J］．Industrial Marketing Management，2010，39（1）：170－177．

［5］GOLDENBERG J，HAN S，LEHMANN D R，et al．The role of hubs in the adoption process［J］．Journal of Marketing，2009，73（2）：1－13．

［6］CORROCHER N，ZIRULIA L．Me and you and everyone we know：an empirical analysis of local network effects in mobile communications［J］．Telecommunications Policy，2009，33（1／2）：68－79．

［7］BAI Shaobu，LIU Hong．Incentive contract of supply chain viewed from benefit disposal right［J］．Computer Integrated Manufacturing Systems，2011，17（2）：380－388（in Chinese）．［白少布，刘 洪．收益控制权意义下的供应链激励契约［J］．计算机集成制造系统，2011，17（2）：380－388．］

［8］LU Zhimin，SONG Xiaoqing，DONG Shaohua．Mid－term production plan modeling and algorithm for Integrated Steel Enterprise［J］．Computer integrated manufacturing systems，2011，17（1）：89－94（in Chinese）．［吕志民，宋肖青，董绍华．钢铁联合企业中期生产计划建模及算法研究［J］．计算机集成制造系统，2011，17（1）：89－94．］

［9］KAYA O．Incentive and production decisions for remanufacturing operations［J］．European Journal of Operational Research，2010，201（2）：442－453．

［10］SRINIVASA R，AGHAVAN N R，MISHRA V K．Shortterm financing in a cash－constrained supply chain ［J］．International Journal of Production Economics，2011，134（2）：407－412．

［11］NAGARAJAN M，BOSSOK Y．A bargaining framework in supply chains：the assembly problem ［J］．Management Science，2008，54（8）：1－15．

［12］CADENTEY R，HAUGH M B．Supply contracts with financial hedging［J］．Operations Research，2009，57（1）：47－65．

［13］CACHON G P，SWINNEY R．Purchasing，pricing，and quick response in the presence of strategic consumers［J］．Management Science，2009，55（3）：497－511．

［14］DAI Y，ZHOU S X，XU Y F．Competitive and collaborative quality and warranty management in supply chains［J］．Production and Operations Management，2012，21（1）：129－144．