论文部分内容阅读
如何对供应链进行有效的管理已成为企业提升其核心竞争力的重要问题。本文利用随机规划理论、凸规划理论,以及合同理论中的拍卖理论、多维信息甄别理论以及多任务理论,对供应商群的设计,以及供应链管理中信息流、资金流等层面的问题进行了研究。具体地,本文主要做了以下工作:第二章对需采购多种创新型产品的大型企业的供应商群的设计问题以及供应链管理的两个策略—提高供应链的灵活性和建立富余产能—进行了研究。提前采购创新型产品会给买方带来重大风险。为了减少将平庸产品推向市场的可能性,买家可以在事前建立一个庞大的供应商群,并在不确定性实现后从中选择最好的产品。本章首先从供应商是相互独立的情形开始讨论:求得了最佳供应商群规模,并发现最优的供应商的数量超过了买者所需购买的产品的数量,即使用了建立富余产能的策略。然后,本章对不同供应商群体相关的情况进行了研究。虽然在简单的只有一个赢者的情况下可以得到准确的解,但对于更一般的有多个赢者的问题则只能通过数值算例解决。因此,本章接着提出了三种近似方法。大量的数值实验表明,这三种情况下的近似解都能提供较好的解决方案,特别是当需要采购的产品种数很多的时候。本章的研究对于希望通过供应群设计来分散采购风险的买家提供了一定的指导。第三章对供应链管理的另一个策略—减少需求的不确定性—进行了研究。由于零售商更接近客户,且其对需求预测的投入通常是不可观测的,零售商通常被认为同时拥有市场需求和对于市场需求预测的准确度两维私人信息。本章首先构建了一个多维信息甄别模型,然后通过对这个模型的部分参数进行讨论,对另外三种更为简单但在文献中较常见的信息结构也进行了研究:无不对称信息,只有需求信号是不对称信息,只有预测准确度是不对称信息。结果表明,对于所有这四种信息结构而言,最优的合同菜单都呈现阈值的结构:当单位生产成本低于或高于一定水平时,最优的合同菜单是一个混合均衡;否则,则是一个分离的均衡。同时,研究表明,对于零售商而言,不对称的需求信号和预测准确度信息在某些情况下是互补的,但在另外一些情况下,则互不影响,甚至会对零售商有害。进一步地,对于制造商来言,当需求信号是零售商的私人信息时,获取更多关于预测准确度的信息对于制造商来说更有利;但当预测准确度是零售商的私人信息时,零售商拥有更多维度的私人信息对于制造商来说可能是有利的。最后,由于不对称的需求信号和预测准确度之间的交互作用,某一特定信息的信息价值在一维不对称信息下与在二维不对称信息下并不必然相等。第四章对企业的最优支付策略—赊销和现金销售—两种方式进行了研究。现金销售虽然可以使公司快速收回货款;但在买者有资金约束的时候,现金销售方式则可能会造成需求的下降。赊销可以完美解决该问题;然而,赊销带来的应收账款回收的困难和买者违约等问题也造成了巨大的经济损失。而如果产品只以现金销售方式销售,那么只有高质量的买家才可能得到该产品。研究发现,除了在从低质量的买家获得的利润低于产品的残值且需求变异系数非常大这种情况之外,信贷销售总是严格占优于现金销售。另外,分析表明,在赊销的情况下,当需求变异系数非常小时,尽管将产品卖给高质量的买者会使公司获利,公司也可能不这样做;同时,有时候尽管将产品卖给低质量买者会使公司蒙受损失,公司也有可能这样做。进一步地,研究发现,公司最优的期望利润不一定会随着市场上高质量买家的比例和低质量买家的还款概率等参数的增加而增加。但当需求的变化系数足够大时,无论销售给低质量的买家获得的利润是低于还是高于产品的残值,公司最优的期望利润则会随着所有这些参数的增加而增加。第五章对贸易信贷下销售人员的激励补偿问题进行了研究。本章构建了一个同时包含激励销售代理人实施努力寻找高质量顾客和激励其如实告知其获得的买者的类型的多任务模型,同时还考虑了四种在信贷销售下常用的激励补偿计划:基于销量的补偿计划、基于收回的应收贷款的补偿计划、同时基于销售代理报告的信号和收回的应收账款的补偿计划,以及同时基于销售代理报告的信号和售后由公司观察到的信号的补偿计划。在每种补偿计划下,公司都可以选择只卖给高质量的买家,或者同时销售给高低质量两种类型的买家。研究发现,当销售代理观察到的信号是完美的且补偿是基于收回来的应收账款的时候,当公司的信用销售政策是同时出售给高低质量的买家时的最优合同与只销售给高质量的买家时的最优合同是一样的;且基于收回的应收账款的合同也等价于同时基于销售代理报告的信号和收回的应收账款的补偿合同。但当销售代理观察到的信号是不完美的时候,这些结论不再成立。另外,研究表明,当销售代理观察到的买者的类型的信号是完美的时候,只卖给高质量的买家始终是最好的信贷政策;而当信号是不完美的时候,最优的信用销售政策则主要取决于产品的残值和实施更高水平的努力的成本。最后,研究发现,当实施更高水平的努力的成本不太昂贵时,实施高水平的努力对于公司而言更好;否则,诱使销售代理人实施一个低水平的努力则更好。