反向拍卖机制设计

即服务制造市场中原型服务获取的反向拍卖机制设计

目录列表可在 ScienceDirect 制造系统杂志期刊 主页： www.elsevier.com/locate/jmansys

关键词 ：分布式制造 反向拍卖 机制设计 自己定价 TM

摘要

增材制造设备的普及性和性能提升已催生了遍布全球的原型服务机构。对于希望以最优价格在最短周转时间内获得高质量3D打印零件的设计师而言，这带来了挑战。依赖单一来源获取3D打印零件的客户在争取最佳交易方面可能选择有限。从服务供应商的角度来看，要充分利用过剩产能，就需要投入大量营销预算来吸引并留住客户。
本文提出一种新型机制设计方法，通过利用服务供应商的过剩产能，提升原型制作服务的可及性。在我们提出的机制中，消费者自行报价，该机制将寻找愿意以该报价生产零件的服务机构。该机制运行方式类似于反向拍卖，消费者进行投标，平台则寻找能够匹配该投标价格的服务供应商。供应商参与此类平台的激励在于，有机会以较低价格向注重交易的消费者销售其过剩产能，而不会侵蚀现有销售渠道。由于服务平台采用两阶段选择过程筛选供应商，合格供应商在特定订单上不会直接相互竞争。该算法确保无论价格如何，每个供应商在平台上都有公平的机会出售其服务。我们在一个模拟服务市场中实现了所提出的机制设计方法，并通过研究供应商阈值价格、市场中供应商的规模和多样性等模型因素的影响，对市场行为进行了实证评估。

1. 引言

工业物联网（IIoT）正在推动制造车间的数字化浪潮，实现工厂与中小加工车间和客户之间的网络化生产连接。IIoT还可通过云使能技术，使零件原型制作等制造服务对其用户更加便捷可及。云制造技术能够缩短需要原型制作服务的客户与具备能力且可在给定商业和技术约束下提供服务的服务提供商之间的差距。传统上，原型服务机构直接向终端用户提供其服务。终端用户通常有一组偏好的原型服务机构可供选择。另一方面，服务提供商则需投入资金和精力进行能力营销，以获取并留住现有客户，从而帮助实现所需订单数量，维持业务的可持续运营。
最近，一些基于分布式制造的中间件平台相继出现，旨在整合服务提供商并交付原型零件和小批量生产零件（数控机床原型和3D打印件）将技术约束与具备生产能力和产能的服务提供商进行匹配[1–3]。推动此类分布式制造平台发展的使能技术包括实时定价算法、基于模型的定义（MBD）、机器通信协议以及云支持的计算软件。这些平台利用了连接到其平台的数百乃至数千家服务提供商车间中的未利用产能。
该原型制作服务智能制造市场中，已涌现出两类服务系统平台，用于实现客户（需要原型制作服务的用户）与供应商（拥有物理机器资产的服务提供商）之间的匹配。

去中心化平台

这些平台为最终用户提供一份能够满足设计师需求的供应商列表。设计师需要比较不同服务供应商的工艺和材料规格，这需要花费大量时间和精力来评估供应商的价格报价和历史性能记录。平台的去中心化组织形式实现了客户与最终用户之间的信息透明。例如，3D Hubs（一个3D打印市场平台）拥有超过7000家全球连接的打印供应商。该平台上的供应商在规模、经验年限、位置和其他因素方面差异很大。通常，大型且位于主要地区的供应商能够赢得大部分订单，而位于偏远地区的小型供应商则被排除在外。由于规模经济，大型供应商能够提供更低的价格，并可能通过展示其规模和经验赢得设计师的信任。这可能导致市场更倾向于大型服务机构，从而削弱了去中心化平台存在的必要性。只有当小型和分布式服务提供商也能够为其提供的服务获得公平份额价值，并拥有在市场中平等竞争的机会时，去中心化平台才能实现可持续发展。

中心化平台

另一方面，中心化制造市场利用客户与服务提供商之间的信息不对称。与去中心化平台不同，中心化平台决定价格、特定订单的服务提供商，并通常对第三方服务提供商制造的零件负责且负有责任。数据挖掘技术的应用创新使得这些平台能够通过基于网络的定价来为零件定价。雷娜和斯特留科娃[3]比较了不同平台的定价模型，并展示了各平台所收取的价格加价存在巨大差异。他们将价格差异归因于市场的相对不成熟。我们进行了一项研究，以比较五个不同平台针对一个广泛使用的3D模型五个不同平台为广泛使用的3D模型——一种由铝合金（Al‐Si10Mg）制成的航空航天发动机支架模型图1）。鉴于我们在市场中发现的价格差异水平，这引发了一个问题：这些平台是否对供应商和消费者公平？对于设计师而言，选择一个可信赖的平台来采购3D打印服务变得困难。传统观念是选择价格最低的平台，然而，信任最便宜来源的质量会迫使消费者在不同来源之间比价，同时比较工艺和材料规格。这再次需要设计师投入时间和精力来评估来自多家服务机构的价格报价。
我们提出了一种针对平台的替代机制，以解决中心化平台和去中心化平台的缺点。与由服务机构提供报价的方式不同，我们建议由设计师自行报出价格，即一种反向拍卖机制，通过该机制从服务机构采购增材制造服务。设计师根据设计提交出价，该机制选择能够满足出价要求及所报价格的供应商。设计师（尤其是价格敏感型设计师）可受益于以低于市场价值的价格获得服务，而供应商则获得了一个新的销售渠道，将其过剩产能以较低价格出售给价格敏感型设计师。由于供应商以低于其市场价值的价格出售额外产能，因此在客户下达特定订单之前，供应商身份对设计师保密，以防止对其现有销售造成蚕食。该机制已在 Priceline 在旅游行业中以“自己定价TM”名称推出的模式。本论文的贡献在于研究这种反向拍卖机制是否能在去中心化服务系统类型的市场中产生理想的特性。
本文的其余部分组织如下。在第2节中，我们简要回顾了现有的拍卖机制以及在线拍卖场景，例如酒店服务、能源市场和云计算行业中的相关应用。第3节介绍了我们的新型机制。在第4节和第5节中，我们通过实验仿真结果来评估我们的模型，并分析阈值价格和供应商规模等因素对结果的影响。第6节阐述了该领域的挑战与机遇，第7节总结了结论并讨论了进一步探索的方向。

2. 文献综述

在线拍卖[4–8]以及所提出的这类商业模式并非新事物。商品和服务主要通过固定定价、协商和拍卖进行销售。随着网络平台的迅速兴起并催生新的商业模式，在线拍卖可销售的产品范围已扩大[4]。企业对消费者的在线拍卖所销售的产品大多遵循类似于英式拍卖的机制。在英式拍卖中加入价格上限，可通过提高风险规避型竞标者的预期投标来增加卖方利润。与第一价格密封投标——“荷兰式投标”相比，此类拍卖还能提高卖方或服务提供商的预期收益。这些拍卖类型已被应用于类似 eBay 的平台、古董/珍贵艺术品行业、电力配送以及最近的云计算业务中。
电力公司和发电公司使用拍卖来买卖电力。在电力现货市场中，编写算法以最大化各个电力供应商和消费者的收入[9–11]。云计算通过在线竞价销售计算服务。例如，亚马逊弹性计算云（EC2）[12]提供现货实例，用户需要为使用时间进行投标。现货价格 fl 根据现货实例的供需情况周期性波动。如果客户’的出价值高于现货价格，则客户可获得计算资源的访问权限，直到任务完成或现货价格超过其出价值 finished or spot price becomes greater than the bidvalue[13–18]。该领域已开展大量研究，旨在优化用户 fi 的竞价并最大化供应商’的收入。张，朱和 Boutaba 为亚马逊 EC2 云现货实例开发了一种最优竞价策略。
在线反向拍卖已被用于企业对企业工业采购领域以及企业对消费者领域。使用此类拍卖的关键行业之一是旅游行业，买家在其中为其希望购买的服务投标，而供应商则竞争以匹配该投标。Priceline’的 ‘Name Your Own PriceTM’ 模型允许消费者对旅游服务进行投标，平台 find 一个可以接受价格 [19–21]的供应商。

在最近的研究中，特金恩和潘查尔 [22] 探讨了增材制造领域的供应商选择问题。他们评估了现有匹配机制在服务寻求者与服务供应商之间实现最优匹配的应用情况。然而，他们在匹配机制中未将价格这一供应商选择的关键因素作为供应商和消费者的属性加以考虑。为了纳入供应商产能因素，该研究假设供应商可服务的订单数量存在上限，而不论订单规模大小。这与原型制作服务公司行业的实际做法相悖。供应商的产能受限于设备/人员的可用性，而非订单数量。我们的机制方法解决了价格和供应商产能方面的这些局限性，并在一个包含多种类型机器及不同产能水平数据的较大型供应商池上测试了我们的机制。
在我们的模型中，设计师向供应商提出可接受的价格进行投标，从而减少了设计师与多个供应商讨价还价的麻烦。该模型以低于市场价值的价格为设计师，特别是价格敏感型设计师提供服务。同时，它为3D打印服务公司提供了另一种销售渠道，使其能够将过剩产能出售给价格敏感型设计师。然而，为了使此类市场具有可持续性，选择机制必须对三方（消费者、竞价平台代理和服务供应商）都公平。本研究的主要贡献在于我们开发并评估了一种新颖的两阶段算法，该算法允许设计师自主定价，并由合格供应商决定是否接受该报价。这种反向拍卖类型的定价模型相较于现有的服务机构市场实践是一次重大转变。此外，该方法还允许特定服务的价格由参与者自身——客户或服务提供商——来决定，而非由中间件代理决定。

3. 反向拍卖机制

所提出的机制由一个独立供应商网络组成，供应商通过市场平台销售其服务。供应商将其3D打印设备注册到市场上，并为每台注册的设备提供参数，如最低订单价格、设备未来可用性、单位阈值价格、可用材料和工艺。这些设备作为其所属供应商名下的参与者注册在平台上，以帮助匹配投标的技术要求并将其与相应的设备进行匹配。关键参数在表 1 中进行了描述。
设 S 为供应商集合，S = {1, 2, …, N}，且 si, i ∈ {1, 2, …, N} 表示第 ith 个供应商。假设每个供应商最多拥有 X 台设备。j ∈ {1, 2, …, X} 表示某供应商的第 jth 台设备，sij 表示第 ith 个供应商的第 jth 台设备。设 M = {1, 2, …, R} 表示材料集合。设 P = {1, 2, …, S} 表示工艺集合，ps, s ∈ {1, 2, …, S} 表示第 sth 种工艺。令 Cij1, Cij2............Cij7 表示第 ith 个供应商的第 jth 台设备在未来七天内的可用性。令 thpij 表示第 ith 个供应商的第 jth 台设备的单位阈值价格（单位材料体积价格）。令 R = {1.1, 1.2, 1.3…, 5} 表示供应商评级，ri 表示第 ith 个供应商的评级。此处我们假设供应商能够针对给定机器，按零件单位体积的美元价格对机器的使用进行定价。
消费者或产品设计师首先上传零件设计，并选择首选的材料、打印工艺和数量。设 P¯ 为设计师在平台上上传的零件。设 Vm 为零件的材料体积，即打印该零件所需的材料量。设 ts 表示使用 sth 工艺打印该零件的近似打印时间。我们的反向拍卖机制（图2）包含以下模块：

过滤机制

在设计师上传零件 P¯ 并指定所需材料 mk、工艺 ps、交付日期、数量和供应商评级 r 后，过滤机制生成一个包含 n 个合格供应商的列表 l1，这些供应商共有 h 台合格机器可用于制造该零件。该机制按以下步骤运行。步骤1筛选出供应商评级高于设计师所选评级（ri > r）的供应商；步骤2将每个已筛选供应商提供的材料和工艺与设计师要求的材料和工艺进行匹配；步骤3利用零件的近似打印时间 ts，识别出在期望交付日期前具备可用性的机器（Cij1 + Cij2 + ...... > ts）。最终的列表 l1 即为能够制造该零件的 n 个合格供应商及其共有的 h 台合格机器的列表。算法1（图3）表示了过滤机制的运作过程。

阈值价格计算器

它用于计算由过滤机制筛选出的 h 台合格机器的阈值价格 p。对于供应商在平台上注册的每台机器，需选择一种确定给定零件阈值价格的首选方法（基于材料体积、包围体积、表面积或它们的组合）。在此情况下，供应商将向平台提供一个单位阈值价格（假设为每单位材料体积的美元），再乘以设计者零件的材料体积，从而计算出阈值价格（p = thpij * Vm）。算法2（图3）表示阈值价格计算器的工作过程。

投标推荐计算器

它计算出一个针对零件 P¯ 的推荐出价，供设计师参考。该建议使设计师能够发起最具竞争力的投标，尤其是在投标尝试次数受限的情况下。推荐的投标价值需满足两个条件：1）应低于零件的市场价值，以确保平台具备竞争力；2）网络中至少存在一个供应商能够匹配该推荐出价（图3，算法3）。它推荐的阈值价格介于下限 a（h 台合格设备的阈值价格的最小值）与上限 b（h 台合格设备的阈值价格的最大值）之间。
推荐的投标价值直接影响 bidding 平台的利润率，该利润率由设计师输入的出价值 b 与阈值价格 p 之间的差额构成。期望设计师以推荐值或低于该值的价格进行投标。例如，如果投标计算器推荐下限 a 作为推荐出价，则期望设计师以价格 a 赢得订单，这将使 bidding 平台获得最小利润，但最大化设计师之悦。然而，如果系统向设计师推荐上限 b 时，bidding 平台有机会获得更高的利润，但可能会降低客户满意度。我们定义了一个归一化指数，称为“贪婪指数”，用于描述 bidding 平台根据向设计师推荐的投标价格所能获得的利益程度。将该指数设得较高可自动确保 bidding 平台获得最大利润空间，而较低的值则有助于让设计师满意，使其能够获得较优惠的交易。该指数对于吸引设计师继续使用平台至关重要，同时使平台具备动态实时调整该指数的灵活性。
推荐出价使用幂函数 Y = a + (b - a)(I)^1/2 计算，其中 Y 为推荐的投标价值。贪婪度指数（I）由 bidding 平台设定，可基于3D打印零件的需求预测。当需求预测较高时，贪婪指数（0到1之间的值）可设得较高，以增加 bidding 平台的收入；而当需求预测较低时，可动态调低该指数，以吸引设计师使用该平台。

随机选择器1和2

它从过滤机制创建的列表 l1 中随机选择 n 个合格供应商中的一个。使用“随机选择器1”时，每个 n 个供应商被随机选中的概率相等。如果供应商接受了出价值，则出价成功并生成订单。如果在第一轮运行中未找到成功的投标，则由“随机选择器2”进行第二轮选择。在第二轮中，被选中的概率取决于每个供应商的成功率（下文解释）。

投标匹配器

它将设计师输入的出价值 b 与所选设备 sij 上零件 P¯ 的阈值价格 p 进行匹配。如果出价值 b 大于阈值价格 （b > p），则出价成功且订单生成（图3，算法4）。如果合格机器列表 l1 中的 h 台机器均无法匹配该出价，则即使经过 h 轮选择 后，出价仍失败。
在本节的其余部分，我们将描述该框架的整体功能。设计师将 CAD 模型 P¯ 上传至 bidding 平台，并选择所需材料、工艺、最低供应商评级以及期望交付日期。过滤机制生成一个包含 n 个合格供应商的列表 l1，以及这些供应商拥有的 h 台合格机器，这些机器能够打印零件 P¯。阈值价格计算器计算列表 l1 中每台合格机器的阈值价格。投标推荐计算器计算推荐出价并将其显示给设计师。设计师审阅该报价建议后，输入其愿意支付的投标值 b。随机选择器1随后从 n 个合格供应商中随机选择一个供应商。投标匹配器将所选供应商每台合格机器的阈值价格与投标值进行匹配。如果所选供应商任一机器的阈值价格 p 低于投标值（p < b），则设计师中标，订单生成。此过程为第一轮供应商选择。
如果所选供应商的所有设备的阈值价格均高于投标（p > b），则 bidding 平台无法接受设计师提交的初始投标金额。在此情况下，该机制将进入第二轮供应商选择，并使用随机选择器2从列表 l1 中的剩余 n - 1 个供应商中选择一个供应商。本轮的被选中概率取决于各供应商在第一轮中的成功率。成功率是指：在当前投标之前的所有投标中，当某供应商在第一轮被随机选中时，其阈值价格高于设计师投标的次数所占的百分比。例如，若某一供应商在第一轮被选中时有70%的概率能够满足投标（p < b），那么它在第二轮被选中的概率将是另一供应商的两倍，而后者在第一轮被选中时仅能以35%的概率满足投标（p < b）。成功率仅根据第一轮的选择情况进行计算，不包括后续轮次。在第二轮完成供应商选择后，投标匹配器会将所选供应商的设备阈值价格与设计师输入的投标值 b 进行匹配。如果该供应商任意合格设备的阈值价格低于投标（p < b），则设计师出价成功，订单生成。此过程将持续重复，直至出价成功或所有供应商均已尝试完毕，后者将导致订单无法生成。
如果投标失败，设计师最多可重新投标 n 次，每次提高出价值（通常限制在24小时周期内）。在进行 n 次投标尝试后，该设计师在接下来的24小时内不得针对相同属性再次投标。（设计、材料、工艺和供应商评级）。设置这些限制是为了确保投标平台不被滥用。如果所选供应商的多个设备的阈值价格 p 均低于投标价 b，算法将选择具有最高门槛价格的设备。这使得供应商可以在任意符合条件的设备上打印零件，而不会造成损失。例如，如果该供应商有两台低端熔融沉积成型（FDM）打印机，两者均符合订单要求且具有不同的阈值价格，则其可在其中任意一台设备上打印该零件。在这种情况下，由于两台设备属于同一类型，其阈值价格之间的差异预计不会显著。
这种随机选择程序确保了每个合格的供应商都有公平的机会被选中，并防止大型供应商通过以极低价格销售来操纵系统。供应商与设计师竞争，而不是彼此直接竞争，这保证了供应商之间的公平游戏，并为小型供应商提供了在平台上持续经营的激励。该机制确保供应商会披露其真实的阈值价格，因为他们彼此之间不直接竞争。设计师试图操纵系统的次数有限，且受限于机制所允许的有限投标尝试次数，因此必须披露其真实偏好。图4 和 图6 分别从设计师和供应商的角度表示反向拍卖机制，而 图5 展示了 bidding 平台视角下的反向拍卖机制。

4. 仿真模型

上一节中提出的框架通过一组模拟数据进行了测试。我们考虑了六种不同的材料（从塑料到金属合金）以及由125家供应商组成的网络，共计586台设备。表2 列出了各工艺及其对应的材料。供应商评级范围为3至5，精度0.1。尽管供应商评级的范围是1–5，但我们未考虑评级低于3的供应商，因为在平台上算法会为设计师选择供应商的情况下，设计师极少会选择评级较差的供应商。设计师要求订单在订单日期起4个工作日内交付。我们还假设任何打印的零件均可隔夜运输，且运输和交付需要24个工作日。每个供应商的工作时间为16小时工作日（每班8小时，共两班）。我们假设供应商的设备可用性可以合并安排在一天的开始或结束，并且打印机可整夜运行。供应商每隔12小时间隔更新一次其在平台上注册的每台设备的设备可用性状态。

阈值价格计算算法取自商业市场“Shapeways”。阈值价格基于以下参数：启动成本、单位材料体积成本、单位成本边界框体积、单位表面积成本和单位机器体积成本。启动成本是 fi 无论零件规模大小都需收取的固定成本部分。材料体积是打印零件所需的材料体积。边界框体积是包含零件的长方体的体积（长度 × 宽度 × 高度）。机器体积是零件所占用的机器空间。阈值价格在表3中表示。行代表我们模型中使用的增材制造工艺，列表示阈值价格所依据的参数。高亮单元格表示相应列所代表的参数被用于对应行所代表工艺的阈值价格计算。例如，固定启动成本和 $/材料体积被用于计算 FDM、DLP、DMLS 和 MJP 零件的阈值价格。
每个供应商的初始成功率被视为相等，并在每次投标尝试后进行更新。初始阶段的成功率相等，使每位供应商都有均等的机会赢得订单；随着仿真的推进，成功率发生变化，从而影响供应商在第二轮中的中标能力。阈值价格根据固定的启动价格以及基于设计师上传零件的材料体积、包络体积和表面积的单价计算得出。重要的是，我们根据三个因素调整阈值价格：机器可用性、供应商评级以及从提交到截止之间的天数。订单和交付日期。这些因素在以下部分进行了描述：

供应商评级

供应商评级较低的供应商参与的投标数量较少，因为他们会被过滤掉那些需要较高供应商评级的客户投标。因此，供应商评级较低的供应商更倾向于设定较低的阈值价格，以增加其在所参与订单中中标的机会。我们通过以下函数根据供应商评级调整阈值价格：p = a + (b − a)/(rmax^0.5 − rmin^0.5) * (ri^0.5 − rmin^0.5)。其中供应商评级 ri 的取值范围为 rmin 到 rmax，而阈值价格 p 的变化范围由供应商针对特定机器设定的上限 b 和下限 a 决定。

设备可用性

供应商将保持阈值价格 p 的如果一台设备具有高机器可用性，则降低其价格，反之亦然，以尽可能保持设备持续运行。我们使用以下函数根据容量调整设备的阈值价格 [23]：p = b + (b − a) * (Cmax^0.5 * Cmin^0.5) * (Cij^−0.5 − Cmin^−0.5)/(Cmax^0.5 − Cmin^0.5)。Cij 表示第 i 个供应商在交付日期前一天为止若干天内的第 j 台设备的平均容量，其值在 Cmin 和 Cmax 之间变化。例如——如果交付日期为从今天起三天后，则 Cij 将取值为 (Cij1 + Cij2)/2。阈值价格 p 在供应商指定的上限 b 和下限 a 之间变动。

交货前天数

这用于量化设计者需要零件被打印并交付的紧急程度。供应商会对需要快速交付的订单收取更高的费用。我们使用以下函数根据“交货前天数”d 调整机器的阈值价格，d 在 dmin 和 dmax 之间变化：p = b + (b − a) * (dmax^0.5 * dmin^0.5) * (d^−0.5 − dmin^−0.5)/(dmax^0.5 − dmin^0.5)。我们将 d 在 dmin 和 dmax 之间进行调整，将阈值价格 p 在供应商指定的上限 b 和下限 a 之间进行调整。

即服务制造市场中原型服务获取的反向拍卖机制设计

5. 结果与分析

仿真是为了分析模型的行为以及供应商评级和阈值价格等因素对供应商和设计师的影响。我们在仿真过程中跟踪以下指标：我们模型的仿真。这些指标对商业模式的成功至关重要。

1) 供应商满意度

指供应商在特定时间段内赢得订单的百分比。影响供应商满意度的关键因素包括供应商评级和供应商的阈值价格。为了监控模型对这些指标的影响，我们进行了为期一周的仿真（共8400次仿真，假设每12小时平均有600次订单尝试）。一次订单尝试表示设计师在平台上竞价采购某项3D打印服务，可能包含最多5次出价尝试，最终可能导致下单或未下单。所有供应商的阈值价格保持不变（不随设备可用性、供应商评级或交货前天数而变化）。供应商满意度主要受两个因素影响：其供应商评级以及他们在特定机器上为过剩产能设定的阈值价格。我们在仿真模型中监测了这两个因素对两家最大供应商“供应商15”和“供应商28”赢得订单百分比的影响：

2) 供应商评级

满足设计师所需属性（材料、工艺、交付日期和供应商评级）的供应商有资格获得订单。评级为5的供应商将有资格获得所有订单，而评级为3的供应商获得订单的资格最少。即使供应商具有较高的成功率和较低的阈值价格，其评级也会直接影响其获得订单的资格机会。图8A 显示了当两家最大供应商的供应商评级变化时，它们在一周内赢得的订单数量。为了监测供应商评级的影响，阈值价格未随设备可用性、供应商评级或交货前天数而变化。我们的结果验证了即使模型中使用了随机选择，供应商评级仍会直接影响供应商赢得订单的百分比。在 图8B 中，将阈值价格随设备可用性、供应商评级和交货前天数进行变化，我们看到了供应商评级、阈值价格和其他因素的组合效应。这表明，即使供应商的评级较低，只要能够明智地降低其单位阈值价格以在市场中保持竞争力，它仍可能比评级较高的供应商赢得更多订单。

3) 单位阈值价格

单位阈值价格对赢得的订单数量影响最大。在图9中，我们可以看到阈值价格对‘供应商28’赢得的订单数量的影响。当其阈值价格为所有供应商中最低时，它赢得的订单数量最多。当单位阈值价格上升至平均值时，赢得的订单数量显著下降。当阈值价格提高到所有供应商中最高时，它仍然能够赢得少量订单。这也验证了我们采用随机选择的合理性，因为即使阈值价格最高，供应商在长期运营中仍有一定机会在平台上赢得订单。

4) 设计师’的喜悦

它是订单成本与产品市场价值之间的百分比差异。数值越高，表示对设计师而言交易越有利。我们研究了平均设计师’的喜悦如何随贪婪指数（I）在图10中的变化情况。它影响报价建议，进而影响设计师赢得订单的价格。随着贪婪指数的增加，平台的报价建议值增加，从而降低了设计师’的喜悦。

5) 一致性

如果供应商的进入或退出不会改变平台的动态，则该机制具有一致性。我们考虑一种场景，即一个拥有50台机器且具有最高5级评级注册到平台。当大型供应商进入数字市场时，可能会破坏平台上其他小型供应商赢得订单的能力。情况1表示系统中有125家供应商，其中供应商15和28是最大的（各12台机器）。情况2表示新增一家拥有50台机器的新供应商。我们发现，增加这家新供应商对平台的任何指标均未产生显著影响（表4）。结果表明，系统中新增大型供应商并未对系统的整体性能产生显著影响。这归因于平台的随机选择功能，该功能确保了每个供应商在系统中都有公平的机会赢得订单。

6) 组策略证明

如果供应商联盟通过虚假陈述信息无法使联盟中一个或多个供应商获得更好的收益，则该机制是组策略证明的。我们考虑一种情况，即少数供应商串通并共同注册为单一供应商，以增加他们在平台上赢得的订单数量。为了模拟这种情况，我们假设供应商16、17、18、20和23合作并注册为一个单一供应商。供应商16、17和18各自拥有7台机器，而供应商20和23各自拥有11台机器。在这些供应商中，供应商17的供应商评级最高，为4.9。因此，这些供应商合作并以拥有43台机器的供应商17身份注册，以争取最多数量的订单。供应商16、18、20和23的目标是通过一个具有更高供应商评级的供应商来注册其设备，从而获得更多的订单资格。供应商17的目标是注册大量设备以赢得更多订单。供应商之间可以自行达成协议分配订单或利润，但这与我们的模型无关。我们比较了合作前后的结果，并发现合作后，供应商17（即供应商16、17、18、20和23的联盟）赢得的订单百分比（3.31%）低于这些供应商在合作前各自赢得的订单百分比之和（4.71%）（图11）。由于该机制随机选择供应商，当一组供应商单独注册时，其成员被选中的概率高于作为单一供应商注册的情况。这表明所选的两阶段选择机制抑制了供应商形成可能在平台上虚假陈述信息的潜在联盟。

7) 公平游戏

指设计师进行投标尝试的最小次数，以确保网络中的每家供应商至少获得一个订单。在一个包含125家供应商、平均每家拥有4.69台设备的网络中，每家供应商需经过6000次投标尝试才能在我们的平台上至少赢得一个订单。图12比较了在我们的平台与直接竞争市场中，随着投标尝试次数的增加，至少赢得一个订单的供应商数量的增长情况。在直接竞争市场中，供应商之间直接竞争，竞价平台选择具有最低阈值价格的供应商。结果表明，在直接竞争市场中，每家供应商要至少赢得一个订单所需的投标尝试次数远高于我们的平台，超过我们平台所需次数的4倍以上，至少赢得一个订单。使用我们算法的主要目的是确保每位供应商都有公平的获胜机会，并且供应商之间不存在明显的直接竞争（至少在第一轮供应商选择中是如此）。这也确保了供应商有动力提供其单位阈值价格的真实估值，以维护市场的健康发展。

6. 讨论与未来机遇

对于即时3D打印服务而言，此类机制带来了若干挑战和研究机遇。激励供应商参与平台并确保有足够的终端用户需求，是维持健康市场所必需的。由于供应商以低于市场价值的价格出售其可用的机器容量，因此每台机器的收益（即供应商通过向平台释放库存所获得的收入衡量指标）必须高于传统方式获取业务的收益。传统方式需要开展大规模营销活动来获取和留住客户。通过参与此类市场，可将客户获取成本降至最低。如果实现了一个健康的市场，我们将能够让更多3D打印服务提供商参与原型制造行业，特别是那些位于偏远地区或预算有限的服务商，涵盖3D打印以及传统制造的一次性原型生产。数据隐私与保护至关重要，必须确保供应商的商业敏感信息（如阈值价格和定价算法）不会泄露给竞争对手。通过允许服务机构以较低价格出售过剩产能，可以吸引用户参与，使其在无需双方耗费大量精力寻找对方的情况下获得更便宜的订单。
即时检查某台机器打印特定零件的能力也是一项挑战。目前，能够验证零件在特定品牌机器上可打印性的可靠算法非常有限。开发新的算法，以评估平台上任何特定机器的状态与模型的匹配情况，将进一步降低此类市场运营的障碍。供应商评级可能是一个敏感问题。目前在 3Dhubs 等平台上的评级由使用过特定供应商服务的消费者决定。新的更复杂的方法可能需要采用某些方法，以确保供应商不会被不公平地剥夺从平台获得其公平份额价值的机会。随着3D打印技术向规模化生产过渡，在此类市场中考虑多单位数量可能是一项重要的功能扩展。逆向组合拍卖可能成为一个有趣的问题，因为它可以作为市场参与者之间谈判的切入点。必须进一步推动诸如机器间通信等使能技术在工业领域的普及，以利用分布式智能和数字化赋能的供应链来采购零件。

7. 结论

我们提出了一种新机制，设计师在此机制中以他们愿意支付的 fi 价格进行投标，该机制 fi 寻找能够匹配所述投标价格和订单规格的供应商。这种机制实现了供应商的自动选择，为设计师节省了时间和精力。供应商可以将其过剩产能以更低的市场价格出售，从而在无需显著客户获取成本的情况下获得额外收入。此外，由于无需通过降低价格来暴露其真实身份，因此不会影响常规销售。维持该业务平台中各参与方之间的平衡，是确保平台可持续性的关键。诸如实时定价算法、自动化上报设备可用性以及零件与供应商能力的最优匹配等技术，对平台的成功至关重要。考虑将多个零件组合在一个投标中的新型作业调度算法，可能会改变零件成本和阈值价格的运作方式[24]。建立由供应商设定的推荐阈值价格机制，对于平衡供应商收入与赢得投标订单的概率至关重要。最终，必须利用真实市场数据对所提出的机制进行测试，才能真正理解3D打印原型制造市场中的供需动态。