ارائه مدلی برای سرمایه‌گذاری در تحقیق و توسعه، تصمیم‌گیری عملیاتی و قراردادهای همکاری در زنجیره تأمین محصول پیچیده: رویکرد نظریه بازی‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه مهندسی صنایع، مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک‌اشتر، تهران، ایران.

2 دکتری مهندسی صنایع، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

مقدمه و اهداف: علی‌­رغم اینکه پژوهش‌های متعددی در خصوص همکاری در زنجیره تأمین انجام شده است؛ اما بررسی‌ها نشان می‌دهد همکاری‌ها در زنجیره‌های با ساختار قدرت‌های نامتقارن که به سرمایه‌گذاری در تحقیق و توسعه منجر می‌شود، کمتر مورد توجه قرار گرفته است. در این پژوهش به توسعه مدلی برای زنجیره تأمین یک محصول پیچیده پرداخته می‌­شود که علاوه بر تصمیمات عملیاتی برای عرضه محصول به بازار، در خصوص سرمایه‌گذاری در تحقیق و توسعه نیز تصمیم‌گیری می‌­کند. پاسخ به این سؤال­‌ها با درنظرگرفتن ساختار قدرت متفاوت در زنجیره‌تأمین و توجه به قراردادهای اشتراک‌گذاری هزینه‌ها و اشتراک‌گذاری درآمد از اهداف این پژوهش است: 1. تعیین نقطه تعادل بین میزان سرمایه‌گذاری در تحقیق و توسعه، قیمت محصول و میزان تولید؛ 2. بررسی تأثیر عدم‌­قطعیت تحقیق و توسعه، رعایت انصاف خریدار و حساسیت مشتری به سطح فناوری محصول بر عملکرد زنجیره‌تامین.
روش‌ها: ریسک عدم‌­قطعیت در خروجی فرایند تحقیق و توسعه و تابع تقاضای وابسته به سطح فناوری محصول در مدل در نظر گرفته شده است. مدل تحت ساختار نامتقارن قدرت در زنجیره با درنظرگرفتن قراردادهای مختلف همکاری از جمله اشتراک هزینه‌های تحقیق و توسعه، اشتراک هزینه تولید و اشتراک درآمد توسعه یافته است. هر یک از سناریوهای این مسئله به صورت یک مدل برنامه‌­ریزی دوسطحی غیرخطی ارائه شده است. مدل ریاضی دوسطحی با رویکرد بازی چانه‌زنی نش ایجاد شده و در بهینه‌سازی آن از روش شبیه‌سازی استفاده شده است.
یافته‌ها: این پژوهش نشان می‌دهد که ریسک عدم­‌قطعیت موجب کاهش سود زنجیره تأمین می‌شود؛ اما قراردادهای همکاری ارائه­‌شده می‌توانند عملکرد زنجیره را نسبت به ساختار غیرمتمرکز بهبود دهند؛ همچنین مشخص شد که قرارداد اشتراک درآمد می‌تواند سود بیشتری را هم برای کل زنجیره‌تامین و هم برای تأمین‌کننده ایجاد نماید. اما از نظر خریدار و بر اساس قدرت چانه‌زنی، زمانی که قدرت چانه‌زنی وی نسبتاً کم است، قراردادهای اشتراک هزینه تحقیق و توسعه و اشتراک هزینه تولید، مطلوبیت بیشتری ایجاد می‌کنند؛ همچنین افزایش رعایت انصاف خریدار موجب بهبود عملکرد کل زنجیره تأمین در ساختارهای اشتراک درآمد و اشترک هزینه تحقیق و توسعه خواهد شد.
همچنین نشان داده شد که حساسیت بازار نسبت به سطح فناوری محصول موجب بهبود عملکرد زنجیره در ساختار قراردادهای اشتراک هزینه تولید و هزینه تحقیق و توسعه می‌شود؛ اما در ساختار اشتراک درآمد ممکن است تمامی اعضای زنجیره از حساسیت بازار نسبت به سطح فناوری محصول منتفع نشوند. به­علاوه حساسیت بازار نسبت به قیمت و رعایت انصاف خریدار، به‌­ترتیب همواره موجب کاهش و افزایش عملکرد زنجیره تأمین می‌شوند.
نتیجه‌گیری: به‌­دلیل قابل­‌توجه‌­بودن هزینه‌های تحقیق و توسعه و تولید در محصولات پیچیده، توجه به این هزینه‌ها در قراردادهای همکاری زنجیره ‌تأمین و تسهیم آن بین عامل‌های تأثیرگذار در زنجیره‌تأمین می‌تواند به افزایش عملکرد زنجیره‌تامین منجر شود. قدرت چانه‌زنی بین خریدار و فروشنده در این نوع از زنجیره‌ها می‌تواند نوع قرارداد را تحت تأثیر قرار دهد. با درنظرگرفتن نامعلوم‌­بودن اطلاعات برای طرف‌های زنجیره‌ تأمین می‌توان مدل‌های بیشتری را توسعه داد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A Model for R&D Investment, Operational Decision-Making and Cooperative Contracts of a Supply Chain in Complex Product Systems: Game Theoretic Approach

نویسندگان [English]

  • Jafar Gheidar-Kheljani 1
  • Kourosh Halat 2
1 Associate Professor, Management and Industrial Engineering Department, Malek-Ashtar University of Technology, Tehran, Iran.
2 Ph.D, Industrial Engineering Department, Islamic Azad University, Tehran South Branch, Tehran, Iran.
چکیده [English]

Introduction: Despite numerous studies on supply chain cooperation, research shows that collaborations in chains with asymmetric power structures leading to R&D investment have received less attention. This study aims to develop a model for the supply chain of a complex product, which includes operational decisions for market supply and R&D investment. The objectives include determining the equilibrium point between R&D investment, product price, and production amount, and investigating the impact of R&D uncertainty, buyer fairness, and customer sensitivity to product technology level on supply chain performance.
Methods: The model considers the risk of uncertainty in R&D output and a demand function dependent on product technology level. Developed under an asymmetric power structure, the model incorporates various cooperation contracts, including R&D cost sharing, production cost sharing, and revenue sharing. Each scenario is presented as a nonlinear two-level programming model, created using the Nash bargaining game approach and optimized through simulation.
Results and discussion: The research indicates that uncertainty risk reduces supply chain profit, but cooperation contracts can improve performance compared to a decentralized structure. The revenue sharing contract generates higher profit for both the supply chain and the supplier. However, from the buyer’s perspective, when bargaining power is relatively low, R&D cost sharing and production cost sharing contracts are more beneficial. Increasing buyer fairness improves overall supply chain performance in revenue sharing and R&D cost sharing structures. Market sensitivity to product technology level enhances chain performance in production cost sharing and R&D cost sharing structures, but not all chain members benefit in revenue sharing structures. Market sensitivity to price and buyer fairness respectively decrease and increase supply chain performance.
Conclusions: Considering the significant costs of R&D and production in complex products, addressing these costs in supply chain cooperation contracts and sharing them among influential factors can enhance supply chain performance. The bargaining power between buyers and sellers affects the type of contract. Given the unknown nature of information for supply chain parties, further models can be developed.

کلیدواژه‌ها [English]

  • Complex Product
  • Supply Chain
  • R&D Investment
  • Uncertainty
  • Cooperative Contracts
  • Nash Bargaining Game
  • Simulation

مراجع

  1. Banerjee, T., & Siebert, R. (2017). Dynamic impact of uncertainty on R&D cooperation formation and research performance: Evidence from the bio-pharmaceutical industry. Reserch Policy, 46(7), 1255–1271. DOI:https://doi. org/ 10. 1016/ j.respol.2017.05.009
  2. Bhaskaran, S. R., & Krishnan, V. (2009). Effort, revenue, and cost sharing mechanisms for collaborative new product development. Management Science, 55(7), 1152–1169. DOI:https://doi.org/10.1287/mnsc.1090.1010
  3. Chen, X., Wang, X., & Zhou, M. (2019). Firms’ green R&D cooperation behaviour in a supply chain: Technological spillover, power and coordination. J. Prod. Econ., 218, 118–134. DOI:https://doi.org/10.1016/j.ijpe.2019.04.033
  4. Colson, B., Marcotte, P., & Savard, G. (2007). An overview of bilevel optimization. Annals of Operations Research, 153(1), 235–256. DOI:https://doi.org/10.1007/s10479-007-0176-2
  5. Duong & Chong, J. (2020). Supply chain collaboration in the presence of disruptions: a literature review. International Journal of Production Research, 58, 11, 3488–3507. DOI:https://doi.org/10.1080/00207543. 2020. 1712491
  6. Guan, Z., Ye, T., & Yin, R. (2020). Channel coordination under Nash bargaining fairness concerns in differential games of goodwill accumulation. European Journal of Opereational Research, 285(3), 916–930. DOI:https://doi.org /10.1016/j.ejor.2020.02.028
  7. Leider, S., & Lovejoy, W. S. (2016). Bargaining in Supply Chains. Management Science, 1–20. DOI:https://doi.org/10.1287/mnsc.2015.2273
  8. Li C., Zhou Y. W., Cao B., and Zhong Y. (2022). Equilibrium analysis and coalition stability in R&D cooperation with spillovers. IISE Transactions, 54(4), 348–362. DOI:https://doi.org/10.1080/24725854.2021.1947545
  9. Li, Q., Xiao, T., & Qiu, Y. (2018). Price and carbon emission reduction decisions and revenue-sharing contract considering fairness concerns. Journal of Cleaner Production, 190, 303–314. DOI:https://doi.org/ 10.1016/j.jclepro.2018.04.032
  10. Liu, G., Wang, H., & Shao, X. (2022). Technology investments into a supplier with upstream entry. European Journal of Operational Research. 14(15). DOI:https://doi.org/10.1016/j.ejor.2022.05.054
  11. Meng W., Ma M., Li Y., and Huang B. (2022). New energy vehicle R&D strategy with supplier capital constraints under China’s dual credit policy. Energy Policy, 168, DOI:https://doi.org/10.1016/j.enpol.2022.113099
  12. Mu M., Li Q., Dai G., Li K., Zhang F., and Zhang. (2022). Government Subsidy Policy and Online Selling Strategy in a Platform Supply Chain with Green R&D and DDM Activities. Sustainability, 14(15), DOI:https://doi.org/10.3390/su14159658
  13. Nooraei Baydokht R., Hamedi M., and Asgharizadeh E. (2018). A Model for R&D Project Portfolio Selection and Development in LCSI Enterprises. The Journal of Industrial Managemane Perspective. 8(3). https://jimp.sbu.ac.ir/article_87164.html. (In persian).
  14. Noordhoek M., Dullaert W., Lai D. S W, and Leeuw S. D. (2018). A simulation – optimization approach for a service-constrained multi-echelon distribution network. Transportation Research, Part E 114, 292–311. DOI:https://doi.org/10.1016/j.tre.2018.02.006
  15. Roberta Pereira C., Christopher M., and Lago Da Silva A. (2014). Achieving supply chain resilience: the role of procurement. Supply Chain Management. 19, 626–642. DOI:https://doi.org/10.1108/SCM-09-2013-0346
  16. Pun, H. & Ghamat, S. (2016). The value of partnership under competition: When competitors may be R&D joint-venture and supply-chain partners for a critical component. International Journal of Production Economics, 177, 1–11. DOI:https://doi.org/10.1016/j.ijpe.2016.03.018
  17. Talbi, E. (2013). A Taxonomy of Metaheuristics for Bi-level. In Metaheuristics for Bi-level Optimization. Springer, Berlin, Heidelberg, 1–39. DOI:https://doi.org/10.1007/978-3-642-37838-6
  18. Taleizadeh A. A. and Mohammadi R. (2015). Optimizing the Selling Price and Advertising Cost in a Two Layers Supply Chain Including a Manufacturer and Two Retailers. The Journal of Industrial Management Perspective. 5(2). https://jimp.sbu.ac.ir/article_87259.html. (In persian).
  19. Tekin, E., & Sabuncuoglu, I. (2004). Simulation optimization: A comprehensive review on theory and applications. IIE Transaction. (Institute Ind. Eng., 36(11), 1067–1081. DOI:https://doi.org/10.1080/07408170490500654
  20. Torabi S. A. and Tafakkori K. (2022). Designing an Applied Approach to Support Supplier Development Decisions in Buyer- Supplier Relationship Management. The Journal of Industrial Management Perspective, 12(46), 9–36. DOI:https://doi.org/10.52547/JIMP.12.2.9. (In persian).
  21. Wang, L., Xiao, T., & Lu, Q. (2018). The Role of Fairness in Cooperative Supply Chain. International Journal of Applied Mathematics, 48(3).
  22. Xie, L., Hou, P., & Han, H. (2021). Implications of government subsidy on the vaccine product R&D when the buyer is risk averse. Transportation Research Part E. 146, DOI:https://doi.org/10.1016/j.tre.2020.102220
  23. Yan, F., Chen, H., & Zhang Z. (2022). Price and cooperation decisions in a cooperative R&D supply chain with different licensing models. Kybernetes. DOI:https://doi.org/10.1108/K-12-2021-1347
  24. Yao, D. Q., Yue, X., & Liu, J. (2008). Vertical cost information sharing in a supply chain with value-adding retailers. Omega, 36(5), 838–851. DOI:https://doi.org/10.1016/j.omega.2006.04.003
  25. Yenipazarli A. (2016). Managing new and remanufactured products to mitigate environmental damage under emissions regulation. European Journal of Operational Research, 249(1), 117–130. DOI:https://doi.org/10.1016/j.ejor.2015.08.020
  26. Yu, X., Lan Y., & Zhao Y. (2021). Strategic green technology innovation in a two-stage alliance: Vertical collaboration or co-development? Omega (United Kingdom), 98, DOI:https://doi.org/10.1016/ j.omega.2019.102116
  27. Zheng, Y., Liu, S., Zhao, Y., Han, C., Zhou, Q., Wang, L., Colace, F., Alhalabi, W., & Alsharif, H. (2023). Game analysis on general purpose technology cooperative R&D with fairness concern from the technology chain
  28. Zhou, J., Zhu, J., & Wang, H. (2021). Dual-sourcing and technology cooperation strategies for developing competitive supplier in complex product systems. Computer & Industrial Engineering, 159(29),
  29. Zhu, K. & Weyant, J. P. (2003). Strategic Decisions of New Technology Adoption under Asymmetric Information: A Game-Theoretic Model. Decision Sciences, 34(4), 643–675. DOI:https://doi.org/10.1111/j.1540-5414.2003.02460.x

فایل ها

هم رسانی

ارجاع به این مقاله

آمار