基于風險識別的生鮮食品供應鏈定價協(xié)調(diào)機制研究

孫紅霞, 趙予新

〔1.河南工業(yè)大學 經(jīng)濟貿(mào)易學院，河南 鄭州 450000；2.河南牧業(yè)經(jīng)濟學院 物流與電商學院，河南 鄭州 450044〕

一、引言

近年來，阿里巴巴、京東等電子商務巨頭紛紛加大對生鮮食品線上線下電子商務企業(yè)的投資力度，生鮮食品電子商務已進入巨人時代。如何有效進行風險評估，找出影響因素，減少生鮮食品損失，確保食品安全高效地交付給消費者，已成為保證生鮮食品O2O電子商務企業(yè)良好運行的關鍵。[1]供應鏈鏈條的節(jié)點企業(yè)協(xié)同度較高，因此，很容易引起連鎖反應。[2]生鮮食品是一種特殊商品，關系到國計民生。目前生鮮食品加工商和零售商追求自身利益最大化的同時沒有制定統(tǒng)一的定價策略。對中國這個人口大國來說，生鮮食品供應鏈定價協(xié)調(diào)就具有更為重要的戰(zhàn)略意義。[3]分散決策會導致生鮮食品供應鏈整體效率低下和價格沖突。隨著O2O模型的發(fā)展，如何協(xié)調(diào)生鮮食品供應鏈電子商務的線上線下定價成為目前急需解決的問題。[4]

供應鏈管理的實質(zhì)是服務共享，各方共贏。在O2O環(huán)境下，食品供應鏈更應考慮服務共享問題。服務共享是指成員之間信息共享和利益共享，以降低食品供應鏈運營成本。[5]貝葉斯網(wǎng)絡對不完全數(shù)據(jù)的處理具有明顯優(yōu)勢，將貝葉斯方法與圖論結(jié)合到一起，將先驗知識與樣本信息進行對比，從而達到對不完全數(shù)據(jù)處理的理想效果，因此，在不確定性環(huán)境下，運用貝葉斯網(wǎng)絡對數(shù)據(jù)進行挖掘是一種非常理想的模型選擇。生鮮食品屬于易腐食品，在線上線下融合過程中，容易導致一些環(huán)節(jié)出現(xiàn)不可預測的情況，而貝葉斯網(wǎng)絡可以通過將貝葉斯網(wǎng)絡的反向推理函數(shù)與后驗概率相結(jié)合，可以方便找出影響生鮮食品事故發(fā)生的關鍵節(jié)點。[6]我們利用貝葉斯網(wǎng)絡構(gòu)建生鮮食品供應鏈風險識別模型，分析基于O2O模型和服務共享的食品供應鏈定價協(xié)調(diào)機制，具體包括三個部分：第一部分從補償機制和利益共享兩個方面介紹了基于服務共享的O2O食品供應鏈定價協(xié)調(diào)機制；第二部分建立了基于貝葉斯網(wǎng)絡的風險識別模型，對食品供應鏈風險的影響因素進行了識別和分析；第三部分采用隱馬爾可夫模型(Hidden Markov Model，HMM)對供應鏈風險進行了識別和分析。根據(jù)模擬結(jié)構(gòu)，我們對相關物流運營企業(yè)進行了風險識別和預測分析，并提出了建設性建議。

二、貝葉斯網(wǎng)絡在生鮮食品供應鏈定價協(xié)調(diào)機制中的應用

1.基于服務共享的O2O生鮮食品供應鏈定價協(xié)調(diào)機制

(1)

食品零售商通過價格補償機制橫向協(xié)調(diào)的總體利潤為：

πG1=(p1-c1-ω)Q1-υ+(p2-c2-ω)(Q2+Q3)-υ+G

(2)

生鮮食品零售商采取價格補償策略的前提是提高食品供應鏈的整體利潤，即銷售收入的增加大于補償?shù)某杀?，也就?p2-c2-ω)Q3>υ。同樣，在考慮協(xié)調(diào)銷售價格時，生鮮食品加工者也是主導因素。生鮮食品零售商通過測量生鮮食品加工商設定的批發(fā)價格來決定線上和線下定價，從而使生鮮食品零售商在這個時候的利潤最大化。在零售商線上渠道與線下渠道橫向協(xié)調(diào)基礎上，生鮮食品供應鏈引入收益共享機制，協(xié)調(diào)生鮮食品供應鏈縱向定價沖突。當生鮮食品零售商與加工商協(xié)調(diào)以降低批發(fā)價格時，生鮮食品零售商的部分銷售收入將被補償給生鮮食品加工商，并達成協(xié)議，我們稱之為收入分享。假設生鮮食品加工商在集中決策下提供較低的批發(fā)價格，生鮮食品零售商將其銷售收入(1-k)倍返還給生鮮食品加工商作為補償?；跈M向協(xié)調(diào)的利益分享機制的生鮮食品供應鏈的利潤函數(shù)如下：

πk=(p1-c1-ω)Q1-υ+(p2-c2-ω)(Q2+Q3)-υ

(3)

生鮮食品零售商的利潤函數(shù)為：

πk1=(p1-c1-ω)Q1-υ+(kp2-c2-ω)(Q2+Q3)-υ

(4)

生鮮食品加工商的利潤函數(shù)為：

πk2=(ω-c)(Q1+Q2+Q3)-(1-k)p2(Q2+Q3)(1-k)p2Q1

(5)

2.基于貝葉斯網(wǎng)絡的生鮮食品供應鏈風險識別模型

建立貝葉斯網(wǎng)絡結(jié)構(gòu)模型的方法主要有三種：第一種方法是根據(jù)專家個人經(jīng)驗，手工建立貝葉斯網(wǎng)絡結(jié)構(gòu)模型；第二種方法是根據(jù)貝葉斯網(wǎng)絡數(shù)據(jù)庫的分析結(jié)果，自動建立貝葉斯網(wǎng)絡結(jié)構(gòu)模型；第三種方法是將前兩種方法結(jié)合起來建立網(wǎng)絡結(jié)構(gòu)模型，并充分發(fā)揮這兩種方式的作用。首先根據(jù)專家個人經(jīng)驗，初步構(gòu)建貝葉斯網(wǎng)絡結(jié)構(gòu)模型，然后根據(jù)現(xiàn)有數(shù)據(jù)庫數(shù)據(jù)對貝葉斯網(wǎng)絡模型進行初步修正。第三種方法是構(gòu)建和修改貝葉斯網(wǎng)絡結(jié)構(gòu)模型，實現(xiàn)生鮮食品供應鏈貝葉斯網(wǎng)絡的線上和線下集成。當貝葉斯網(wǎng)絡每個節(jié)點的條件概率都無法精準認定時，需要根據(jù)被訪談專家的個人知識和經(jīng)驗集體制定決策。主要解決方案是通過問卷調(diào)查的方式，由被訪談者根據(jù)經(jīng)驗判斷貝葉斯網(wǎng)絡各節(jié)點的條件概率，并利用語義值對貝葉斯網(wǎng)絡各節(jié)點的條件概率分布進行判斷，并采用三角模型進行驗證，采用模糊數(shù)法對問卷結(jié)果進行處理。將語義值轉(zhuǎn)換為相應的三角模糊值，計算加權(quán)平均值和條件概率值。

3.構(gòu)建供應鏈風險評估模型

利用隱馬爾可夫模型對生鮮食品線上和線下集成過程中的供應鏈風險進行監(jiān)控是一種較新的定量研究方法，能夠更真實、有效地反映供應鏈風險的發(fā)生。該方法一方面可以對供應鏈節(jié)點間的風險進行評估，另一方面可以對物流配送服務的客戶滿意度和風險進行評估和預測。HMM模型有兩個隨機過程：一個是以{Xi}，i=1,2,...，表示的隨機過程的可見序列，它代表生鮮食品供應鏈觀察到的真實狀態(tài)；另一個是以{Vi}，i=1,2,…，表示的隨機過程的隱序列，它代表生鮮食品供應鏈的真實風險狀態(tài)。在基于HMM模型的生鮮食品供應鏈風險監(jiān)測過程中，需要確定模型中隱含狀態(tài)的個數(shù)。選擇貝葉斯信息準則來確定模型中隱式狀態(tài)的個數(shù)，公式如下：

BIC=-2lgL+mlgn

(6)

在該公式中，L表示模型似然函數(shù)的最大計算值，m表示參數(shù)的個數(shù)，n表示觀測值的個數(shù)，BIC一般更適合于參數(shù)較少的模型選擇。結(jié)合BIC，確定HMM模型的隱式狀態(tài)數(shù)為5。與HMM模型相對應的狀態(tài)序列和觀測序列的參數(shù)如下：假設生鮮食品供應鏈線上和線下融合。V1有五種狀態(tài)，其中，{V1,V2,V3,V4,V5}為常態(tài)，V2-V5是深化供應鏈風險狀態(tài)的順序。當生鮮食品供應鏈處于各狀態(tài)時，其所代表的概率值為：V1表示新鮮食品供應鏈處于正常狀態(tài)，其對應的概率值為P(V)=0；V2表示生鮮食品供應鏈處于低風險狀態(tài)，其對應的概率值為0

圖1 HMM狀態(tài)序列傳輸模型

三、實驗設計與分析

1.實驗數(shù)據(jù)獲取

本實驗中貝葉斯網(wǎng)絡根節(jié)點的概率值主要是根據(jù)專家意見進行確定，非根節(jié)點的條件概率值則是通過問卷方式進行確定。問卷通過問卷星發(fā)布并搜集數(shù)據(jù)，并用三角模糊數(shù)對生鮮食品供應鏈失效各影響因素的條件概率值進行計算。同時，為了使O2O模式下生鮮食品供應鏈失效風險的影響因素評價更加有效，邀請了6位專家對網(wǎng)上開展O2O模式比較典型的水果供應鏈數(shù)據(jù)進行評價。評價方式為，專家根據(jù)父節(jié)點的不同狀態(tài)，對子節(jié)點的發(fā)生概率進行客觀評價。所有專家評價完成后，再采用加權(quán)平均的方式對節(jié)點的概率進行修正和調(diào)整。

2.實驗結(jié)果分析

為了進一步說明所設計的價格補償機制的有效性，我們采用數(shù)值模擬的方法驗證價格補償策略對整個生鮮食品供應鏈定價決策的影響。因為價格補償協(xié)調(diào)的前提(p2-c2-ω)q3>υ，1085

圖2 生鮮食品零售商橫向協(xié)調(diào)前的利潤

表1 生鮮食品零售商實施價格補償機制前后的利潤

圖3 生鮮食品零售商橫向協(xié)調(diào)后的利潤

圖4 生鮮食品零售商橫向協(xié)調(diào)前后的利潤率

圖5 生鮮食品零售商價格與橫向協(xié)調(diào)前后T的關系

圖5表明，由價格補償機制協(xié)調(diào)的生鮮食品零售商利潤函數(shù)曲線與生鮮食品零售商協(xié)調(diào)前利潤函數(shù)曲線的交點分別為P2=1085和P2=2650。也就是說，生鮮食品零售商的銷售價格在[1085，2650]范圍內(nèi)。因此，當生鮮食品供應鏈的價格補償機制在該地區(qū)有效時，從圖6可以看出，利潤率是指生鮮食品零售商在實施價格補償機制之前的利潤率，以及在生鮮食品供應鏈實施價格補償機制后的生鮮食品零售商之間的利潤率。當利潤率大于0時，價格補償?shù)乃絽f(xié)調(diào)機制已經(jīng)實現(xiàn)。結(jié)果表明，生鮮食品零售商的利潤在0

圖6 橫向協(xié)調(diào)前后生鮮食品零售商利潤率與T的關系

根據(jù)上述理論分析，收入分配機制對整個生鮮食品供應鏈成員的定價有著重要的影響。為了進一步說明所設計的收益分配機制的有效性，當ω=1000,c1=80,a1=2000，β=0.2，a3=2300,T=5,η=100，γ=6，s1=2,s2=10時，我們將通過數(shù)值模擬驗證收益分配機制對整個生鮮食品供應鏈定價決策的影響。在垂直協(xié)調(diào)前，生鮮食品零售商和生鮮食品加工者的利潤為πG1,πG2，而生鮮食品零售商和生鮮食品加工者在垂直協(xié)調(diào)后的利潤為πk1,πk2。根據(jù)給出的參數(shù)，分散決策下生鮮食品零售商πG1的最大利潤為999117，生鮮食品加工者的最大利潤激增為26336，生鮮食品供應鏈πk1的最大利潤集中決策為1898323。通過收益分配機制，在πG*1+πG*2<πk*1的協(xié)調(diào)之后，得出生鮮食品零售商的最大利潤函數(shù)為πk*1=3743935.34k-2262228.56，生鮮食品加工者的最大利潤函數(shù)為πk*1=3777752.53k+4194368.93。在此基礎上，利用MATLAB軟件繪制圖7，并分析生鮮食品加工者和零售商在實行收入分享機制前后利潤率的變化。圖7顯示，當生鮮食品加工商和零售商之間的利潤率大于這一利潤率時，收入分配機制的協(xié)調(diào)就達到了消除雙重邊際效應的效果，即當0.6

圖7 生鮮食品加工商和零售商縱向協(xié)調(diào)前后的利潤率

經(jīng)過分析證明，貝葉斯網(wǎng)絡對分析O2O模式下生鮮食品供應鏈的失效風險模型是非常有效的，通過貝葉斯網(wǎng)絡的正、反向推理特性，可以找出生鮮食品O2O模式下顧客滿意度的關鍵影響因素。在O2O模式下，提高顧客滿意度非常關鍵，顧客滿意度高了，生鮮食品供應鏈的失效風險就會相應降低。分析證明，節(jié)點概率越高，顧客滿意度越低，那么失效的可能性就越大，二者呈反向關系。通過對問卷數(shù)據(jù)的分析整理，將其輸入貝葉斯網(wǎng)絡仿真軟件GENIE進行仿真，得到每個節(jié)點的概率值，其中狀態(tài)0表示狀態(tài)差，狀態(tài)1表示狀態(tài)良好。我們利用貝葉斯網(wǎng)絡的反向推理和消息傳播理論，分析了貝葉斯網(wǎng)絡的后驗概率。將GENIE軟件的計算結(jié)果與消息傳播算法的計算結(jié)果進行了比較，結(jié)果表明，兩種算法在允許的誤差范圍內(nèi)是一致的。因此，GENIE軟件的逆向推理可以用來模擬O2O模式下生鮮食品供應鏈的失效概率。要確定哪些參數(shù)更有影響，就需要用到靈敏度分析。在貝葉斯網(wǎng)絡中，更有影響的參數(shù)對貝葉斯網(wǎng)絡的推理結(jié)果的影響就更大。借助貝葉斯網(wǎng)絡的敏感性分析，生鮮食品電子商務企業(yè)可以幫助其在O2O模式下做出正確的決策。要保證供應鏈的靈活高效運行，必須重視高敏感性因素。我們將顧客滿意度與物流水平作為節(jié)點分析的例子，對模型進行敏感性分析，如圖8所示。

從圖8可以看出，隨著產(chǎn)品質(zhì)量、服務水平、產(chǎn)品價格概率值的變化，產(chǎn)品質(zhì)量、服務水平和產(chǎn)品價格對顧客滿意度的影響也會發(fā)生相應的變化。曲線越陡，表明因子的變化越大，相應的節(jié)點的敏感性越強，那么，該因子就是模型中影響最大的因素。從圖8可以看出，服務水平的敏感性最強，產(chǎn)品價格次之，產(chǎn)品質(zhì)量的敏感性相對最弱。服務水平受物流水平和外部環(huán)境影響，我們對影響物流水平的因素也進行了敏感性分析，如圖9所示。根據(jù)分析可知，物流資源利用率、配送效率和配送能力是制約物流水平的關鍵因素，其中，最敏感的因素是配送能力。由于大多數(shù)O2O生鮮食品電子商務企業(yè)的配送模式是自營或外包，因此，隨著物流資源的消耗，生鮮食品電商在商業(yè)企業(yè)間的配送效率沒有顯著差異。生鮮食品電子商務企業(yè)應從基礎設施和技術設備等方面提升核心競爭力。

圖8 影響顧客滿意度因素的敏感性分析

圖9 影響物流水平因素的敏感性分析

電子商務企業(yè)要防控生鮮食品供應鏈在O2O模式下的失效風險，必須從外部環(huán)境和物流水平等方面著手，加大對物流基礎設施和智能設備的投入，通過資源整合等方式提高資源利用率，不斷提升生鮮食品品質(zhì)，進而提高冷鏈倉儲運輸技術水平和客戶滿意度。通過分析可知，供應鏈失敗風險最大的原因是顧客滿意度低，而造成顧客滿意度低的因素多為冷鏈物流基礎薄弱、資源整合不充分導致的利用率低下，還有成本高、服務水平差等其他因素。因此，O2O模式下生鮮食品電商企業(yè)應重視服務質(zhì)量的提高，通過冷鏈基礎設施的不斷完善和資源充分整合降低成本，提高生鮮食品質(zhì)量。隨著居民生活水平的提高，加之網(wǎng)絡消費群體 “快”和“宅”等需求特點，生鮮食品電商企業(yè)的價格已經(jīng)不是消費者關注的主要因素，及時、高效地交付產(chǎn)品才是生鮮食品電商消費者追求的重點。隨著新冠疫情等突發(fā)事件的爆發(fā)，生鮮食品的市場競爭日趨激烈，為了防范O2O模式下生鮮食品供應鏈的失效風險，生鮮食品電商企業(yè)更應重視服務和質(zhì)量，提高配送效率和配送能力，為客戶提供高質(zhì)量的服務體驗。

四、結(jié)論

如何保證生鮮食品線上和線下集成供應鏈的安全高效運行，提高顧客滿意度和忠誠度，已成為生鮮食品線上和線下集成發(fā)展的重要組成部分。我們以生鮮食品線下集成供應鏈為研究對象，在詳細闡述和分析生鮮食品線下企業(yè)現(xiàn)有運作模式的基礎上，進一步分析了影響生鮮食品線下集成供應鏈穩(wěn)定性的因素。通過貝葉斯網(wǎng)絡的逆向推理，得出了物流網(wǎng)絡收斂過程中的因果鏈和關鍵影響因素。研究了影響生鮮食品線上集成和線下集成的關鍵因素，在分析生鮮食品線上融合和線下融合影響因素的基礎上，通過分析影響因素之間的因果關系，建立了生鮮食品線上和線下融合的貝葉斯網(wǎng)絡風險識別模型。利用三角模糊數(shù)法求出了貝葉斯網(wǎng)絡的條件概率，并進行了仿真研究。研究發(fā)現(xiàn)，服務水平是影響失效風險的最關鍵因素，產(chǎn)品質(zhì)量次之，產(chǎn)品價格相對較弱。首先，從事生鮮食品的電商企業(yè)應重視物流水平和外部環(huán)境的提高與改善，加快提高服務水平和服務意識，有效整合各方資源，提高物流基礎設施利用率，改進配送服務流程，提高配送效率和信息共享水平，降低庫存成本和冷鏈運輸成本。其次，全程冷鏈提高生鮮食品質(zhì)量，減少中間環(huán)節(jié)，降低生鮮食品價格。需要說明的是，我們的研究是從微觀角度進行的，缺乏對宏觀因素的考慮，我們希望在未來進一步加強這方面的探討。