企业集群产品质量监管演化与仿真研究
发布时间：2021-06-07 18:55
产品质量造假屡禁不止,如何在有限监管资源下对大量企业的产品质量有效监管是质量监管部门面临的难题。不同于实际操作中按照企业规模（大中小各占一定比例）制定监督抽查方案,本文提出在企业集群演化视角制定监管策略,分别研究了免检与全检、企业整群抽检和企业分层抽检四种不同抽检策略下的企业集群演化规律。研究发现:采取免检时,质量处罚仅是不可信威胁导致"监管失灵",企业集群均演化到质量造假;采取全检时,企业集群演化取决于质量处罚能否完全覆盖质量造假成本缩减;在企业整群抽检和企业分层抽检策略下,分别得到质量处罚与抽检概率的提升路径及对应的企业集群演化路径,若想使企业集群均演化到标准质量,需参照企业集群中最大的成本缩减和竞争收益设置质量处罚,处罚越低所需的抽检概率就越高,企业分层抽检可以降低企业集群演化到标准质量所需的整体抽检概率。
【文章来源】：中国管理科学. 2020,28(07)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
企业集群产品质量监管模型
(2)质量监管部门采取全检时,抽检概率p=1,如图2(d;e;f)所示,随着质量处罚力度的提高,企业集群逐渐演化到标准质量策略。当质量处罚较低f=0.5,企业集群均演化到质量造假策略(图2d);当质量处罚f=2,企业集群Ch演化到质量造假而企业集群Cl演化到标准质量(图2e);当质量处罚较高f=3,企业集群均演化到标准质量策略(图2f)。(3)质量监管部门采取企业整群产品质量抽检时,当企业整群抽检概率p=0.5,对应的质量处罚区间分别为 F 3 =( 0,6 ) 、 F 1 =( 6,10 ) 和 F 4 =( 10,+∞ ) ,质量监管部门采取不同的质量处罚时企业集群演化如图3(a;b;c)所示:图3(a)显示当质量处罚f=2∈F3时 ( 0,0 ) 为系统的演化稳定点,企业集群Ch和Cl均演化到质量造假策略;图3(b)表明当质量处罚f=8∈F1时 ( 0,1 ) 为系统的稳定点,企业集群Ch演化到质量造假而企业集群Cl演化到标准质量;图3(c)表明当质量处罚f=12∈F4时 ( 1,1 ) 为系统的稳定点。稳定点 ( 1,0 ) 不存在是由于成本缩减rh>rl,随着质量处罚的提高,稳定点的演进路径为 ( 0,0 )→( 0,1 )→( 1,1 ) ,质量处罚越高系统演化到标准质量所需的时间越短。
图3(d;e;f)为质量处罚f=8和企业整群抽检概率 p={ 0.2,0.45,0.8 } 下的企业集群演化。当抽检概率p=0.2时 ( 0,0 ) 为系统的演化稳定点(图d);当抽检概率p=0.45时 ( 0,1 ) 为系统的演化稳定点(图e);当抽检概率p=0.8时 ( 1,1 ) 为系统的演化稳定点(图f)。随着抽检概率由 Ρ 3 =( 0,0.42 ) 到 Ρ 1 =( 0.42,0.58 ) 到 Ρ 4 =( 0.58,1 ) 逐渐提升,系统稳定点的演进路径为 ( 0,0 )→( 0,1 )→( 1,1 ) ,最终企业集群均演化到标准质量策略。(4)图4为质量监管部门采取整群抽检和分层抽检时的企业集群演化,给定质量处罚f=8,企业集群演化到标准质量的最低整群抽检概率为p=0.59,系统的稳定点为 ( 1,1 ) (图4-a),图4(b,c)显示企业集群Cl相比于企业集群Ch演化到标准质量的时间更短;当采取企业分层抽检时,抽检概率分别为ph=0.59和pl=0.34,图4(d)显示 ( 1,1 ) 仍为系统的演化稳定点,对比图4(f,c)和图4(e,b)发现企业集群Ch和Cl演化到标准质量的速度都在变缓,但是系统整体抽检概率降低了0.25,企业分层产品质量抽检相比于企业整群抽检和全检可以更为有效利用抽检资源。
【参考文献】：
期刊论文
[1]新媒体环境下政府与企业在食品掺假中的演化博弈研究[J]. 曹裕,余振宇,万光羽. 中国管理科学. 2017(06)
[2]不完全信息下产品质量监管多方博弈模型[J]. 赵荧梅,郭本海,刘思峰. 中国管理科学. 2017(02)
[3]政府与第三方在产品质量监管中的演化博弈分析及仿真研究[J]. 于涛,刘长玉. 中国管理科学. 2016(06)
[4]产品质量监管中的所有制偏倚[J]. 刘小鲁,李泓霖. 经济研究. 2015(07)
[5]企业生产行为和官员监管行为的演化博弈模型及仿真分析[J]. 浦徐进,吴亚,路璐,蒋力. 中国管理科学. 2013(S1)
[6]盗版:厂商的质量选择与政府的反盗版政策[J]. 张旭梅,邓流生,丁雪峰. 系统工程理论与实践. 2013(07)
[7]食品供应链中质量投入的演化博弈分析[J]. 许民利,王俏,欧阳林寒. 中国管理科学. 2012(05)
[8]抽样检验产品的质量检验博弈与诚信机制设计[J]. 毕军贤,赵定涛. 管理科学学报. 2011(05)
[9]非对称信息供应链质量信号传递博弈分析[J]. 朱立龙,尤建新. 中国管理科学. 2011(01)
[10]基于进化博弈和进化算法的企业产品质量博弈分析[J]. 晋琳琳,侯光明. 科技管理研究. 2007(05)
本文编号：3217118
【文章来源】：中国管理科学. 2020,28(07)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
企业集群产品质量监管模型
(2)质量监管部门采取全检时,抽检概率p=1,如图2(d;e;f)所示,随着质量处罚力度的提高,企业集群逐渐演化到标准质量策略。当质量处罚较低f=0.5,企业集群均演化到质量造假策略(图2d);当质量处罚f=2,企业集群Ch演化到质量造假而企业集群Cl演化到标准质量(图2e);当质量处罚较高f=3,企业集群均演化到标准质量策略(图2f)。(3)质量监管部门采取企业整群产品质量抽检时,当企业整群抽检概率p=0.5,对应的质量处罚区间分别为 F 3 =( 0,6 ) 、 F 1 =( 6,10 ) 和 F 4 =( 10,+∞ ) ,质量监管部门采取不同的质量处罚时企业集群演化如图3(a;b;c)所示:图3(a)显示当质量处罚f=2∈F3时 ( 0,0 ) 为系统的演化稳定点,企业集群Ch和Cl均演化到质量造假策略;图3(b)表明当质量处罚f=8∈F1时 ( 0,1 ) 为系统的稳定点,企业集群Ch演化到质量造假而企业集群Cl演化到标准质量;图3(c)表明当质量处罚f=12∈F4时 ( 1,1 ) 为系统的稳定点。稳定点 ( 1,0 ) 不存在是由于成本缩减rh>rl,随着质量处罚的提高,稳定点的演进路径为 ( 0,0 )→( 0,1 )→( 1,1 ) ,质量处罚越高系统演化到标准质量所需的时间越短。
图3(d;e;f)为质量处罚f=8和企业整群抽检概率 p={ 0.2,0.45,0.8 } 下的企业集群演化。当抽检概率p=0.2时 ( 0,0 ) 为系统的演化稳定点(图d);当抽检概率p=0.45时 ( 0,1 ) 为系统的演化稳定点(图e);当抽检概率p=0.8时 ( 1,1 ) 为系统的演化稳定点(图f)。随着抽检概率由 Ρ 3 =( 0,0.42 ) 到 Ρ 1 =( 0.42,0.58 ) 到 Ρ 4 =( 0.58,1 ) 逐渐提升,系统稳定点的演进路径为 ( 0,0 )→( 0,1 )→( 1,1 ) ,最终企业集群均演化到标准质量策略。(4)图4为质量监管部门采取整群抽检和分层抽检时的企业集群演化,给定质量处罚f=8,企业集群演化到标准质量的最低整群抽检概率为p=0.59,系统的稳定点为 ( 1,1 ) (图4-a),图4(b,c)显示企业集群Cl相比于企业集群Ch演化到标准质量的时间更短;当采取企业分层抽检时,抽检概率分别为ph=0.59和pl=0.34,图4(d)显示 ( 1,1 ) 仍为系统的演化稳定点,对比图4(f,c)和图4(e,b)发现企业集群Ch和Cl演化到标准质量的速度都在变缓,但是系统整体抽检概率降低了0.25,企业分层产品质量抽检相比于企业整群抽检和全检可以更为有效利用抽检资源。
【参考文献】：
期刊论文
[1]新媒体环境下政府与企业在食品掺假中的演化博弈研究[J]. 曹裕,余振宇,万光羽. 中国管理科学. 2017(06)
[2]不完全信息下产品质量监管多方博弈模型[J]. 赵荧梅,郭本海,刘思峰. 中国管理科学. 2017(02)
[3]政府与第三方在产品质量监管中的演化博弈分析及仿真研究[J]. 于涛,刘长玉. 中国管理科学. 2016(06)
[4]产品质量监管中的所有制偏倚[J]. 刘小鲁,李泓霖. 经济研究. 2015(07)
[5]企业生产行为和官员监管行为的演化博弈模型及仿真分析[J]. 浦徐进,吴亚,路璐,蒋力. 中国管理科学. 2013(S1)
[6]盗版:厂商的质量选择与政府的反盗版政策[J]. 张旭梅,邓流生,丁雪峰. 系统工程理论与实践. 2013(07)
[7]食品供应链中质量投入的演化博弈分析[J]. 许民利,王俏,欧阳林寒. 中国管理科学. 2012(05)
[8]抽样检验产品的质量检验博弈与诚信机制设计[J]. 毕军贤,赵定涛. 管理科学学报. 2011(05)
[9]非对称信息供应链质量信号传递博弈分析[J]. 朱立龙,尤建新. 中国管理科学. 2011(01)
[10]基于进化博弈和进化算法的企业产品质量博弈分析[J]. 晋琳琳,侯光明. 科技管理研究. 2007(05)
本文编号：3217118
本文链接：https://www.wllwen.com/jingjilunwen/xmjj/3217118.html
