随机供应与需求下生鲜电商供应链订货策略研究

嵇雅楠

(内蒙古广播电视大学,内蒙古 呼和浩特 010011)

一、引言

中国生鲜电商市场保持年均50%以上的增长率迅速发展[1]。2017年国内生鲜电商市场交易规模约为1391.3亿元，同比增长59.7%[2]。生鲜电商的迅猛发展极大地增加了供应链管理的复杂性。传统市场因信息搜寻成本偏高使得供应链上下游企业及消费者可供交易的对象空间十分有限，从而在很大程度上保证了供应和需求的稳定性。而电子商务的平台属性大大扩展了企业间的合作以及消费者选择的范围。生鲜商品供应商可以同时为多个电商平台提供生鲜商品；消费者也可以通过网络任意选择意向商家实现购买。这就意味着生鲜电商供应链中的供需不确定性远高于传统生鲜农产品供应链。因此，如何在供需不确定性大幅加剧的情况下，对具有易腐易逝特性的生鲜商品制定合理的订购策略，使消费者需求得到满足的同时最大限度地降低生鲜存储成本、提高生鲜电商供应链绩效，成为亟待解决的重要问题。

在这种情势下，更多的国内外学者开展了对生鲜电商供应链的研究。Li[3]研究了互联网+形势下基于O2O的农产品供应链整合优化。Tan[4]等以SCOR为基础构建了农产品电商供应链标准化运作体系。白世贞[5]考虑了价格参考效应影响消费者需求情况下的两级生鲜电商供应链，通过收益共享契约实现供应链的协调。谢爽[6]构建了促销水平和努力水平影响消费者需求情况下的两级生鲜电商供应链模型，通过设计“收益共享—成本共担”混合契约实现供应链的进一步协调。徐广姝[7]研究了需求函数同时受销售价格、新鲜度、物流服务商配送及时性及服务态度影响情况，对由生鲜电商和物流服务商组成的两级供应链，通过“数量折扣+成本分担+收益共享”组合契约实现供应链的进一步协调。目前针对生鲜电商供应链的研究更多的是集中于生鲜电商供应链的运营模式、发展对策等，定性研究居多，定量研究较少；且定量研究大多集中在供应链协调，并未对生鲜电商供应链的订购策略展开深入探讨。

因此，本文将在充分考虑由电子商务交易属性所带来的供需双重不确定情况下，构建由生鲜商品供应商和生鲜电商平台组成的两级生鲜电商供应链订货模型，确定在进行斯坦伯格博弈时的最优订购量，分析因交付不足产生的惩罚成本和因商品剩余产生的持有成本对最优订购量及生鲜电商供应链绩效所带来的影响，进而给出订购策略的优化建议。

二、问题描述和基本假设

考虑一个由生鲜商品供应商和生鲜电商平台构成的两级生鲜电商供应链，生鲜商品供应商提供生鲜商品，生鲜电商平台向其采购生鲜商品满足消费者需求。在电子商务环境下，消费者购买生鲜商品时的选择空间很大，因此对某一特定的生鲜电商平台来说，消费者需求是不确定的。假定消费者对特定生鲜电商平台商品的需求量为D，其概率密度函数为g(D)。同时，在电商商务环境下，生鲜商品供应商也有多种选择，可能不仅为单一电商平台提供生鲜商品。为了克服网络影响，将生鲜商品供应商的供应能力分为公用能力R和专用能力Δ两类。公用能力是生鲜商品供应商面向所有下游企业提供的，其能满足特定电商平台的能力为αR，其中d[0，1]。当电商平台下达订单时，生鲜商品供应商不能立即确定α的确切值，只知道其概率密度函数f(α)，这也是生鲜电商供应链供给不确定的原因。专用能力Δ是生鲜商品供应商为某一个生鲜电商平台准备的固定能力，它属于特定生鲜电商平台，也就是说，对某一个生鲜电商平台来说，是已经确定的。因此生鲜商品供应商对特定生鲜电商平台的供应量为αR+Δ，即公用能力和专用能力之和。

表1 模型变量含义

模型参数与变量的含义如表1所示，模型假设如下：

假设1：生鲜电商平台仅向生鲜商品供应商采购一种生鲜商品，其自身并不持有商品生产能力，消费者订单全部通过商品订购实现。

假设2：生鲜商品交付不足时将产生惩罚成本。其一，当生鲜商品供应商不能满足生鲜电商平台全部订购时，需向生鲜电商平台支付相应赔偿。其二，当生鲜电商平台不能满足消费者全部购买时，需向消费者支付相应赔偿。

假设3：生鲜商品剩余存储时将产生持有成本。其一，考虑到生鲜商品的易腐性，当生鲜商品供应商满足生鲜电商平台全部订购后仍有剩余，将产生相应的持有成本。其二，当生鲜电商平台满足消费者全部需求后仍有剩余，将产生相应的持有成本。

假设4：生鲜商品供应商对特定生鲜电商平台的供应量为αR+Δ，生鲜电商平台的订购量为Q。因此，最终生鲜商品供应商的交付量为d=min{αR+Δ,Q}，即当αR+Δ>Q时，d=Q;当αR+Δ

三、模型构建

1.生鲜电商平台利润模型

生鲜电商平台根据消费者需求实施采购，最终通过出售生鲜商品来获取利润，其利润为出售给消费者的收入减去其总成本。生鲜商品供应商实际交付量为d，生鲜电商平台的利润模型为：

其中，第一项是生鲜电商平台销售生鲜商品所获取的收入；第二项是生鲜电商平台支付给生鲜商品供应商的成本；第三项是生鲜商品供应商不能满足生鲜电商平台订购时所支付的惩罚成本；第四项是生鲜电商平台不能满足消费者需求时所支付的惩罚成本；第五项是实际交付量超过需求量时，生鲜电商平台所承担的持有成本。

由假设4，D≤R+Δ,Q≤R+Δ,且α∈[0，1]可得d的两个临界值，令u(Δ)=(D-Δ)/R，v(Q，Δ)=(Q-Δ)/R。根据d在不同区间的取值情况，可知生鲜电商平台的期望利润为：

2.生鲜商品供应商利润模型

生鲜商品供应商的利润即其向生鲜电商平台提供生鲜商品所得的收入与各项成本的差。因此，生鲜商品供应商的利润模型为：

其中，第一项是生鲜商品供应商向生鲜电商平台提供生鲜商品所获取的收入；第二项是生鲜商品供应商提供生鲜商品的成本；第三项是生鲜商品供应商不能满足生鲜电商平台订购时所支付的惩罚成本；第四项是可供应量超过实际交付量时，生鲜商品供应商所承担的持有成本。根据在不同区间的取值情况，可知生鲜电商平台的期望利润为：

3.基于Stackelberg主从合作博弈的生鲜电商供应链订货模型

在实际情况中，生鲜电商平台联合了更多的生鲜商品供应商，同时因为其处于供应链下游，也更了解消费者需求，因此在供应链中处于主导地位，生鲜商品供应商则作为其跟随方，双方是典型的主从决策关系，因此建立Stackelberg主从合作博弈模型来实现双方的合作，主从决策的目标函数如下：

本文运用MATLAB 2017b软件的遗传算法工具箱对决策变量为Q的有约束单目标规划模型进行求解，其中种群规模100，遗传代数为1000，交叉概率为0.3，突变概率为0.2。

四、模型数值仿真

1.生鲜商品供应商所支付的单位惩罚成本K对生鲜电商供应链绩效的影响

取定λ=30，t=20,e=30，分别计算随着k的变化，生鲜电商平台的订购量Q、生鲜商品供应商的专用能力Δ、生鲜商品供应商期望利润E(ΠS)、生鲜电商平台期望利润E(ΠE)以及生鲜电商供应链期望利润E(Π)的变化情况。

表2 生鲜商品供应商所支付的单位惩罚成本K对生鲜电商供应链绩效的影响

由表2可知，随生鲜商品供应商支付的单位惩罚成本K逐渐增大，为更大限度地减少因不能满足生鲜电商订购而产生的惩罚，生鲜商品供应商所提供的专用能力不断增大。与此同时，因为生鲜电商平台和生鲜商品供应商之间的主从博弈而非独立决策关系，生鲜电商平台的订购量也呈逐步下降趋势。然而，虽然随K的逐步增大订购量有所减少，但生鲜电商平台的平均利润仍呈上升趋势，生鲜商品供应商的平均利润却不断下降，生鲜电商供应链总体利润水平小幅上升。这就意味着，k的增大加强了生鲜商品供应商和生鲜电商平台的利益关联，从而在一定程度上改善了生鲜电商供应链的整体利润，但这种改善是以牺牲生鲜商品供应商利润为前提的，并不是帕累托改善。

2.生鲜电商平台所支付的单位惩罚成本λ对生鲜电商供应链绩效的影响

取定k=20，t=20，e=30，分别计算随着λ的变化，生鲜电商平台的订购量Q、生鲜商品供应商的专用能力Δ、生鲜商品供应商期望利润E(ΠS)、生鲜电商平台期望利润E(ΠE)以及生鲜电商供应链期望利润E(Π)的变化情况。

表3 生鲜电商平台所支付的单位惩罚成本λ对生鲜电商供应链绩效的影响

由表3可知，随生鲜电商平台支付的单位惩罚成本λ逐渐增大，为更大限度地减少因不能满足消费者需求而产生的惩罚，生鲜电商平台不断提高订购量，生鲜商品供应商也相应提高了其为电商提供的专用能力。然而从平均利润的角度，虽然生鲜商品供应商提高了专用能力数量，但随λ的逐步增大，订购量增大，使得生鲜商品供应商平均利润仍呈上升趋势，而生鲜电商平台的平均利润却不断下降。同时，不同于K增加带来的生鲜电商供应链整体利润水平的上升，随λ的逐渐增大生鲜电商供应链整体利润水平呈下降趋势，这是因为不能满足订购所支付的惩罚成本属于两级供应链内部机制，而不能满足消费者需求所支付的惩罚成本却是市场外部机制，从而造成了供应链整体利润的损失。需要注意的是，在Stackelberg博弈情况下生鲜电商平台作为供应链下游独立承担了因市场波动带来的损失。

3.生鲜商品供应商所承担的单位持有成本t对生鲜电商供应链绩效的影响

取定k=20，λ=30，e=30，分别计算随着t的变化，生鲜电商平台的订购量Q、生鲜商品供应商的专用能力Δ、生鲜商品供应商期望利润E(ΠS)、生鲜电商平台期望利润E(ΠE)以及生鲜电商供应链E(Π)期望利润的变化情况。

表4 生鲜商品供应商所承担的单位持有成本t对生鲜电商供应链绩效的影响

由表4可知，随着生鲜商品供应商所承担的单位持有成本t逐渐增大，为更大限度地减少因生鲜商品剩余产生的持有成本，生鲜商品供应商在很大程度上减少了为生鲜电商平台提供的专用能力，生鲜电商平台也相应提高了订购量。从平均利润的角度，t的增大不仅使得生鲜商品供应商的平均利润产生大幅下降，同时也影响到了生鲜电商平台的获益，导致生鲜电商供应链整体利润下降。

4.生鲜电商平台所承担的单位持有成本e对生鲜电商供应链绩效的影响

取定k=20，λ=30，t=30，分别计算随着e的变化，生鲜电商平台的订购量Q、生鲜商品供应商的专用能力Δ、生鲜商品供应商期望利润E(ΠS)、生鲜电商平台期望利润E(ΠE)以及生鲜电商供应链期望利润E(Π)的变化情况。

表5 生鲜电商平台所承担的单位持有成本e对生鲜电商供应链绩效的影响

由表5可知，随着生鲜电商平台所承担的单位持有成本e逐渐增大，为更大限度地减少因生鲜商品剩余产生的持有成本，生鲜电商平台的订购量逐渐减少，生鲜商品供应商所提供的专用能力也相应下降。从平均利润的角度，e的增大不仅降低了生鲜电商平台的平均利润，同时也影响到生鲜商品供应商的获益。事实上，在其他条件不变的情况下，不论是生鲜商品供应商亦或生鲜电商平台的商品持有成本上升，均意味着生鲜电商供应链整体运作效率的下降，最终导致生鲜电商供应链整体利润下降。

综上，随机供应与需求下k、λ、t、e的变化均会对生鲜电商平台的订购量Q、生鲜商品供应商的专用能力Δ、生鲜商品供应商期望利润E(ΠS)、生鲜电商平台期望利润E(ΠE)以及生鲜电商供应链期望利润E(Π)产生影响。其中k、e与最优订购量反向变动，λ、t与最优订购量同向变动，因此对生鲜电商平台而言，当生鲜商品供应商支付的惩罚成本或其自身持有成本较低的情况下，适当降低其订购量能够获得更多收益；而当市场惩罚成本或生鲜商品供应商的持有成本较低的情况下，适当提高其订购量能够获得更多收益。需要注意的是，在实际经济活动中，k、λ、t、e与生鲜商品的品类、生鲜商品的保鲜技术水平及成本、生鲜商品供应商和生鲜电商平台的合作关系紧密程度及双方力量对比强弱等一系列因素密不可分，订购策略的制定需综合考量各方因素的影响，才能实现供应链绩效的更大化。

五、启示与借鉴

本文构建了随机供应与需求下基于Stackelberg主从合作博弈的生鲜电商供应链的订货模型，运用遗传算法进行数值仿真，分析了不同缺货惩罚成本和剩余持有成本对生鲜电商供应链各主体及整体绩效的影响，发现生鲜商品供应商缺货惩罚成本和生鲜电商平台剩余持有成本与最优订购量呈反向变动趋势，而生鲜电商平台缺货惩罚成本和生鲜商品供应商剩余持有成本与最优订购量呈同向变动趋势，并在此基础上对供应与需求不确定下生鲜电商供应链的订购策略优化提出建议。需要指出的是，在Stackelberg博弈情况下，生鲜电商供应链内部的缺货惩罚成本虽然加强了供应链主体的利益关联，但确是以生鲜商品供应商的损失为前提；而当市场风险加剧时，也只有作为供应链下游的生鲜电商平台独自承担了相应损失。因此，如何加强生鲜电商供应链主体间的合作，改善生鲜电商供应链绩效，实现生鲜电商供应链的协调是需要进一步解决的问题。