Nash Equilibrium Owen Allocation and Gain Sharing in Stochastic Biform Games for Linear Production and Sequencing

In der Welt der Wirtschaft und Fertigung stehen Unternehmen oft vor einem grundlegenden Spannungsfeld zwischen Wettbewerb und Kooperation. Einerseits konkurrieren Firmen erbittert um begrenzte Ressourcen und versuchen, die besten Materialien oder die schnellsten Produktionskapazitäten zu sichern, um ihre eigenen Gewinne zu maximieren. Andererseits stellen dieselben Firmen, sobald diese Ressourcen gesichert sind, oft fest, dass die Zusammenarbeit weitaus größere Erträge liefert als das alleinige Handeln. Stellen Sie sich eine Gruppe von Fabriken vor, von denen jede ein anderes Teil eines Puzzles besitzt; einzeln können sie nur einen Bruchteil dessen produzieren, was sie könnten, wenn sie ihre Teile zusammenlegen würden. Die Herausforderung liegt im Übergang: Wie entscheidet man, wer welche Ressource erhält, während der kompetitiven Phase, und wie teilt man nach der Zusammenführung der Ressourcen die massiven Gewinne gerecht auf, die aus der Zusammenarbeit entstehen? Dies ist der Kern des Rätsels, das Forscher als „biforme“ Spiele bezeichnen – ein hybrider Ansatz, der die strategischen Manöver des nicht-kooperativen Wettbewerbs mit den Prinzipien der wertorientierten Zusammenarbeit im Team verbindend kombiniert.

Jahrzehntelang haben Ökonomen und Operations-Research-Experten diese beiden Phasen getrennt voneinander untersucht. Sie haben komplexe Modelle entwickelt, um vorherzusagen, wie Unternehmen um Vorräte konkurrieren, und separate Modelle, um die daraus resultierenden Gewinne aufzuteilen. Reale Szenarien sind jedoch selten so eindeutig. Ressourcen sind oft unsicher; ein Lieferant könnte ausfallen, eine Lieferung könnte sich verzögern oder die Marktpreise könnten wild schwanken. Darüber hinaus prägen die Entscheidungen der Wettbewerbsphase direkt die Möglichkeiten, die in der kooperativen Phase zur Verfügung stehen. Wenn sich ein Unternehmen für einen riskanten Lieferanten entscheidet, um Kosten zu sparen, könnte es am Ende mit einem kleineren Ressourcenbündel dastehen, was die gesamte Berechnung für die spätere Gewinnverteilung verändert. Bis jetzt gab es keinen umfassenden Rahmen, der diese Unsicherheit bewältigen konnte, während er gleichzeitig sowohl das kompetitive Rennen um Ressourcen als auch die anschließende kooperative Gewinnverteilung modelliert.

Ein Forscher, Mohammad Reza Omidi an der Universität Bonab, hat einen neuen mathematischen Rahmen entwickelt, um genau dieses Problem zu lösen. Er konzentrierte sich auf zwei kritische industrielle Prozesse: die lineare Produktion, bei der Unternehmen Rohstoffe kombinieren, um Produkte herzustellen, und das Sequencing, bei dem Aufträge in einer bestimmten Reihenfolge an einer Maschine bearbeitet werden müssen, um Verzögerungen und Kosten zu minimieren. Der Forscher entwickelte ein Modell, das ein zweistufiges Spiel simuliert. In der ersten Stufe konkurrieren die Unternehmen darum, welchen Lieferanten sie wählen. Diese Wahl ist strategisch und wettbewerbsorientiert, aber auch von Unsicherheit geprägt, da Lieferanten versprechen könnten, nicht die volle Menge der versprochenen Materialien zu liefern. In der zweiten Stufe, sobald die Ressourcen gesichert sind (oder aufgrund von Störungen nur teilweise gesichert wurden), bilden die Unternehmen eine Koalition, um Waren oder Aufträge so effizient wie möglich zu produzieren oder zu verarbeiten. Die entscheidende Innovation liegt darin, wie der Forscher die Unsicherheit behandelt. Anstatt ein einziges Ergebnis zu raten, führt er tausende Simulationen verschiedener möglicher Zukünfte durch – Szenarien, in denen Lieferanten ausfallen, Preise explodieren oder in denen alles reibungslos verläuft. Er berechnet dann die beste Strategie für die Unternehmen, indem er das Durchschnittsergebnis über all diese möglichen Welten hinweg betrachtet.

Der Forscher fand heraus, dass Unternehmen durch die Verwendung dieses „szenariobasierten“ Ansatzes bessere Entscheidungen treffen können, als wenn sie das Risiko von Störungen einfach ignorieren würden. In seinen Simulationen, die fünf Unternehmen umfassten, die um Ressourcen von drei verschiedenen Lieferanten konkurrierten, steigerte dieser neue Rahmen den erwarteten Gesamtgewinn um mehr als sieben Prozent im Vergleich zu älteren, deterministischen Modellen, die davon ausgehen, dass die Zukunft sicher ist. Noch wichtiger ist, dass das neue Modell das Worst-Case-Szenario erheblich verbesserte. Wenn Störungen auftraten, konnten die Unternehmen, die das neue Framework nutzten, immer noch einen wesentlich größeren Teil ihrer potenziellen Gewinne halten als jene, die traditionelle Methoden verwendeten. Dies deutet darauf hin, dass die Berücksichtigung von Unsicherheit nicht nur Komplexität hinzufügt, sondern ein Sicherheitsnetz bietet, das den Wert schützt, wenn Dinge schiefgehen.

Ein entscheidender Teil seiner Entdeckung betrifft die Frage, wie die Unternehmen die Erträge teilen. In der ersten Phase konkurrieren die Unternehmen um die Sicherung der Ressourcen. In der zweiten Phase müssen sie sich darauf einigen, wie die generierten Gewinne aus ihren gemeinsamen Bemühungen aufgeteilt werden. Der Forscher führte eine spezifische Methode für diesen Austausch ein, die „Owen-Allokation“, die direkt aus den mathematischen Eigenschaften des Produktionsprozesses abgeleitet ist. Diese Methode stellt sicher, dass die Person, die die wertvollste Ressource einbringt, einen fairen Anteil am Ertrag erhält, ohne dass willkürliche Regeln oder Verhandlungen nötig sind. Er wandte eine ähnliche Logik auf das Sequencing-Problem an, bei dem Unternehmen die Reihenfolge bestimmen, in der ihre Aufträge bearbeitet werden. In diesem Kontext führte er eine endogene Gewinnbeteiligungsregel ein, einen ausgeklügelten Mechanismus, bei dem die Aufteilung der Kosteneinsparungen nicht fix ist, sondern dynamisch von der Verhandlungsmacht und dem Investitionsniveau jedes Unternehmens abhängt. Das bedeutet, dass Firmen, die mehr in Zuverlässigkeit investieren oder über eine stärkere Verhandlungsposition verfügen, automatisch einen größeren Anteil an den Einsparungen erhalten, was einen direkten Anreiz schafft, die eigene Effizienz und Zuverlässigkeit zu steigen. Er fand heraus, dass, wenn Unternehmen die Reihenfolge, in der sie bearbeitet werden, strategisch beeinflussen können, ein einzigartiger Satz stabiler Ergebnisse entsteht. In diesen stabilen Ergebnissen finden die Unternehmen zu einer Vereinbarung, bei der kein einzelnes Unternehmen seine Position verbessern kann, indem es einseitig die Anfrage nach einem anderen Platz in der Warteschlange ändert.

Die Studie zeigte auch, dass die Struktur des Wettbewerbs eine tiefe Bedeutung hat. Wenn es Unternehmen erlaubt ist, Ressourcen ungleichmäßig aufzuteilen, oder wenn mehr als zwei Lieferanten zur Auswahl stehen, kann die Stabilität des Systems zusammenbrechen. In einigen komplexen Konfigurationen stellte der Forscher fest, dass keine stabile Vereinbarung existiert, mit der alle zufrieden sind. Dies verdeutlicht ein empfindliches Gleichgewicht: Während mehr Optionen auf den ersten Blick vorteilhaft erscheinen, können sie manchmal zu einer chaotischen Situation führen, in der Unternehmen ständig ihre Strategien ändern und nicht zu einem Plan finden, der für alle funktioniert. Der Forscher demonstrierte, dass sein vorgeschlagener Algorithmus diese Komplexitäten effizient bewältigen kann und Probleme mit bis zu zwanzig Unternehmen in nur wenigen Minuten löst, was den Ansatz für reale industrielle Anwendungen praktikabel macht.

Die Implikationen für Manager sind klar. Die Forschung legt nahe, dass Unternehmen sich nicht auf einen einzigen Lieferanten verlassen sollten, selbst wenn dieser scheinbar günstiger oder praktischer ist. Durch die Diversifizierung ihres Lieferantenportfolios können sie sich gegen das Risiko von Störungen absichern und einen stabileren Weg zur Kooperation ebnen. Darüber hinaus zeigt die Studie, dass Investitionen in die Zuverlässigkeit von Lieferanten Früchte tragen. Da der Gewinnbeteiligungsmechanismus diejenigen belohnt, die zuverlässigere Ressourcen einbringen, haben Unternehmen einen eingebauten Anreiz, ihre Lieferketten robust zu gestalten. Das Framework adresst zudem das Thema der Verhandlungsmacht. Unternehmen mit stärkerer Verhandlungsposition oder solche, die mehr in die Beziehung investieren, erhalten einen größeren Anteil an den Kosteneinsparungen, was sie dazu ermutigt, weiterhin in Effizienz und Zuverlässigkeit zu investieren.

Letztlich schließt diese Arbeit die Lücke zwischen der theoretischen Welt der Spieltheorie und der unordentlichen Realität industrieller Abläufe. Sie bietet ein Werkzeug, um zu verstehen, wie Unsicherheit die Regeln von Wettbewerb und Kooperation neu gestaltet. Indem er nachweist, dass selbst unter unsicheren Bedingungen stabile und profitable Ergebnisse existieren, bietet der Forscher Unternehmen einen Weg, die Volatilität moderner Lieferketten zu navigieren. Er zeigt auf, dass Unternehmen durch die Vorausschau auf Worst-Case-Szenarien und die Planung einer fairen Gewinnverteilung ein chaotisches Umfeld in eine strukturierte Chance für Wachstum verwandeln können. Die Ergebnisse bestätigen, dass in einer Welt der Unsicherheit die erfolgreichere Strategie nicht darin besteht, härter zu konkurrieren, sondern klüger zu konkurrieren – mit einem klaren Plan dafür, wie man kooperiert, wenn sich der Staub gelegt hat.