E-Business Elektronische Verhandlungen und Kombinatorische Auktionen

Präsentation zum Thema: "E-Business Elektronische Verhandlungen und Kombinatorische Auktionen"—  Präsentation transkript:

1 E-Business Elektronische Verhandlungen und Kombinatorische Auktionen
Dr. Michael Schwind E-Business WS 06/ Teil 5 / S. 1

2 Übersicht Elektronische Verhandlungen & Dynamische Bepreisung
Kombinatorische Auktion: Grundlagen Kombinatorische Auktion zur Ressourcenallokation im Grid Kombinatorische Auktion zum Austausch von Logistikdiensten Literatur Der nun folgende Vortrag gliedert sich in fünf Teile: Zuerst werde ich, wie bereits erwähnt, kurz im Rahmen eines Szenarios auf die Motivation meiner Arbeit eingehen und daraus die Ziele der Dissertation ableiten. Es schließt sich ein chronologischer Überblick über den wissenschaftlichen Hintergrund der Arbeit in Bezug auf die ökonomische Theorie an. Ausgehend vom Theoriehintergrund wird dann der aktuelle Stand der Forschung im Hinblick auf die Anwendung ökonomischer Verfahren zur Ressourcenallokation in Rechnersystemen erörtert. Im dritten Teil des Vortrags gehe ich auf die Gründe ein die zur Wahl meiner Forschungsmethodologie geführt haben und werde den von mir gewählten Ansatz genauer erläutern. Der vierte Teil des Vortrags beschäftigt sich mit der kombinatorischen Auktion als ein Ansatz zur Lösung der Ressourcenallokationsproblematik unter Komplementaritäten. Hier werde ich beispielhaft die Ergebnisse von zwei Simulationsauswertungen darstellen, die im Rahmen einer speziell für das hier diskutierte Problem erstellten Simulationsumgebung erstellt wurden. Ich werde schließe meine Ausführungen mit einer Übersicht über weitere Ergebnisse die in Rahmen der Simulationsumgebung gewonnen wurden und werde einen kurzen Ausblick auf weitere mögliche Forschung in diesem Bereich bieten. E-Business WS 06/ Teil 5 / S. 2

3 Elektronische Verhandlungen & Dynamische Bepreisung
Electronic Market Engineering (EME) Beschäftigt sich mit der Gestaltung von elektronisch gestützten Verhandlungsprozessen über die Erstellung und Lieferung von Waren und Dienstleistungen im Bereich des B2B, B2C und B2A, so dass diese weitgehend automatisiert durchgeführt werden können. EME ist eine Kerndisziplin des E-Business und vereinigt Bereiche der Wirtschaftsinformatik, der Spieltheorie und der Betriebswirtschaftlehre. Zwei wichtige Teilbereiche des EME: Electronic Negotiations Dynamic Pricing Christof Weinhardt Martin Bichler E-Business WS 06/ Teil 5 / S. 3

4 Elektronische Verhandlungen
Beziehen Terms-of-Trade und Produktattribute in die elektronischen Verhandlungen mit ein: Qualität, Lieferzeitpunkt, Zuverlässigkeit etc. Klassifikation solcher Verhandlungen erfolgt z.B. in „The Montreal Taxonomy for Electronic Negotiations“ [Ströbel & Weinhardt 2003] Exogenous Criteria Endogenous Criteria Explicit Criteria Constitution Business Conduct Negotiation Situation Trading Rules Business Rules Implicit Criteria Culture Social Norms Strategic Goals Revenue Efficiency E-Business WS 06/ Teil 5 / S. 4

5 Elektronische Verhandlungen
Klassifikation basiert auf dem „Media Reference Model“ [Schmid 1999] Knowledge Phase Intention Phase Agreement Phase Settlement Phase Knowledge Phase: Sammeln von Informationen über Produkte, Markteilnehmer, etc. Intention Phase: Spezifikation von Angebot und Nachfrage und Kauf- und Verkaufgeboten Agreement Phase: Identifikation der Konditionen für Vertragsabschluss und Transaktion Settlement Phase: Transaktion basierend auf dem Vertragsabschluss, Nachkauf-Support E-Business WS 06/ Teil 5 / S. 5

6 Elektronische Verhandlungen
Montreal Taxonomy [Ströbel & Weinhardt 2003] Knowledge Phase Intention Phase Agreement Phase Settlement Phase Intention Phase Agreement Phase Offer Specification Submission Analysis Offer Matching Allocation Acceptance Endogenous explicit criteria Attributes Values Sides Directions Activities Value Schedule Threshold Sorting Evaluation Resolution Distribution Provision Configuration Commitment E-Business WS 06/ Teil 5 / S. 6

7 Dynamische Bepreisung
Pricing Static Pricing Dynamic Pricing Interactive Pricing Dynamic Price Posting Reverse Negotiation- based Pricing Dynamic Price Discrimination Yield Management Auctions [Schwind 2007] E-Business WS 06/ Teil 5 / S. 7

8 Seller-buyer interaction Dynamic Pricing Mechanism
Klassifikation von dynamischen Bepreisungsmethoden Criteria 1 : 1 (1 : n) (n : 1) Auctions 1 : n n : 1 n : n 1 : n Seller-buyer interaction Description of the pricing mechanism Response to market, processing time and cost Allocation and pricing efficiency Negotiation- Based Pricing (NBP) Bilateral negotiations lead to exchange contracts based on individually bargained prices. Multiple parties can be involved with alternating partners. Dynamics depend on repetition frequency and possibility to renegotiate. Processing time and pricing costs are usually high. Efficiency corresponds to parties’ negotiation talent and bargaining position of the parties. Customer places a bid (typically below his W2P). Seller accepts bid if threshold price is outbid. Threshold price is unknown to buyers. Dynamics depend on the threshold price setting and the consumers’ reaction. Low processing time and cost due to simplicity. Exploits the individual W2P of the customers. Due to the invisibility of the threshold price, in-equality is not perceived. Reverse Pricing (RP) Dynamic Pricing Mechanism Interactively determines the price and allocation of goods and services based on bids according to predefined rules. Dynamics depend on the iteration rate and is low for continuous auctions. Pricing time and costs are up to the auction setup. Allocation and pricing efficiency varies with the mechanism design. MD literat. discusses this topic in detail. Differentiates prices according to a classification of the buyers according to their W2P. Dynamics depend on the sellers’ learning rate for the consumers’ reaction function. Low pricing time if ANPs are used. Exploits individual W2P leading to higher returns. Perceived inequality can cause customer disaffection. Dynamic Price Discrimination (DPD) YM price differentiation follows a fixed scheme. YM uses consumer self-selection related to service level and timing conditions Dynamics strongly relate to the W2P learning rate and the quality of the YM model. Costs are in mid-range due to mature YMS. Targets high revenues and achieves satisfying allocation if pricing classes and contingents are appropriate. Yield Management (YM) E-Business WS 06/ Teil 5 / S. 8

9 Dynamische Bepreisung
Regeln interaktiver Preisverhandlungen Teilnahmeregeln offen, geschlossen, 1:1, Intermediär: zwingend/optional Gebotsregeln Preis/ Menge, kombinatorisch, kontinuierliche Funktion, Gebotsbeschränkungen Markträumungspolitik Closing- und Clearing-Zeiten Informationspolitik Offenlegung / Verbergen von: Identität, Preisstellung, Orderbuch etc. [Schwind et al. 2005] E-Business WS 06/ Teil 5 / S. 9

10 Kombinatorische Auktion Grundlagen
E-Business WS 06/ Teil 5 / S. 10

11 Kombinatorische Auktionen Grundlagen
Auction “Auctions are resource allocation mechanisms based on a competitive bidding process over a single well defined object and involve a set of auction rules that specify how the winner is determined and how much he has to pay” [Bichler et al. 2003, Wolfstetter 1996] Complementarity “If the valuation of a bid bundle is higher than the valuation of the individual goods the effect is described as superadditivity. This results from complementarities in the bidder’s utility function.” [DeVries 2001] Multilaterale Verhandlungen unter Kommunikation von Preisen: Basierend auf: Contract Net Protocol (CNP), (Smith & Davis 1981) Katallaxie: Untersuchung von Selbstorganisation in multilateralen Verhandlungen Tatônnement: Der Walras-Algorithmus von Wellman & Cheng (1996) bildet einen klassischen Tatônnement Prozess ab. Einen verwandten Ansatz präsentieren Ygge et al. (1998) in „Market-based Control“ für ein verteiltes Rechnersystem. Wolski et al. (2001) verwenden eine Newton-Gradientensuche basierend auf einem Algorithmus der 1975 von Smale vorgeschlagen wurde. Auktionen: Eine Vielzahl von Auktionen wurden zur Ressourcenallokation vorgeschlagen, es erfolgt nur ansatzweise eine Wiedergabe der Fülle der Ansätze. Forward, Reverse, Double, Second Price, Auctions: Komplementaritäten werden dabei nicht berücksichtigt. Kombinatorische Auktionen: Seit 2004 auch in der Literatur vermehrt zu finden, z.B. Intel Labs, einfache Greedy Allokation, keine Preisstellung in diesen in diesen Systemen. Combinatorial Auction “Combinatorial auctions allow bidders to bid for bundles of goods, services or resources, while the valuation of the bundles depends on synergies between the individual goods, services or resources.” [Cramton 2005] E-Business WS 06/ Teil 5 / S. 11

12 Kombinatorische Auktion Komplementarität
Videokonferenz IT-Ressourcen Allokation ? IT-Dienste CPU Komplementarität Videokonferenz 3 Ressourcen benötigt Netzwerkausfall Ausfall der Konferenz Entwertung der Ressourcen Ressourcen komplementär verteilt Allokation optimal dynamisch Das Szenario stellt die innerbetriebliche Nutzung von IT-Ressourcen durch unterschiedliche Fachabteilungen dar: Viele IS-Applikationen basieren auf Rechnersystemen mit verteilten Ressourcen unterschiedlichen Typs (beispielsweise Netzwerk, Festplattenkapazität, volatiler Speicher und CPU-Leistung in Grid-Systemen). Die Bereitstellung von IS-Diensten in verteilten Systemen mit Ressourcen unterschiedlichen Typs weist starke Komplementaritäten auf Es wurden bisher kaum Mechanismen entwickelt welche das Allokationsproblem von IS-Diensten auf IT-Systemen mit heterogenen Ressourcentypen zufrieden stellend lösen. Die Abrechnung der Ressourcennutzung bei der Bereitstellung von Informationsdiensten erfolgt meist nicht entsprechend der wirklich erbrachten Leistung. Die Nutzer von IS-Diensten haben unterschiedliche Präferenzen bezüglich der Ausführung der angeforderten Dienste (beispielsweise in Bezug auf die Ausführungszeit und ihre Zahlungsbereitschaft), diese sollten bei der Allokation solcher IS-Dienste berücksichtigt werden. Memory Disk Datenbankberechnung Netzwerk E-Business WS 06/ Teil 5 / S. 12

13 Kombinatorische Auktion CAP Mechanismus
Example Bidder b3 b2 b1 b1 and b2 (E, 9 MU) Database Calculation MEM, t1 MEM, t2 MEM, t3 (D, 8 MU) Resources {MEM, CPU, NET} (C, 8 MU) CPU, t1 CPU, t2 CPU, t3 Maximum ? (A, 8 MU) (B und D, 12 MU) NET, t1 NET, t2 NET, t3 (B, 4 MU) Video Conference Time Slots {t1, t2, t3} 3 Bidder {b1, b2, b3} bid for bundles {A, B, C, D, E} E-Business WS 06/ Teil 5 / S. 13

14 Kombinatorische Auktion CAP Mechanismus
Combinatorial Auction Problem under constraints: E-Business WS 06/ Teil 5 / S. 14

15 Kombinatorische Auktion Entscheidungsunterstützung
Preisfeedback Einrundig: Sealed-bid VCG verwendbar, nur für Annahmeentscheidung Iterativ: Preisfeedback, Anonyme Preise, Verwendung von Sealed-bid Proxy-Agenten, Clock Auction Gebotsformulierung Gebotsbewertung: Multiattributive, manuelle / automatisierte Gebotsbildung (Logistik), Präferenzbestimmung durch Fragen, Rücknahme der Gebote erlaubt (leveled-commitment) in Verbindung mit Proxy-Agenten [Schwind 2005, König & Schwind 2005] E-Business WS 06/ Teil 5 / S. 15

16 Kombinatorische Auktion Entscheidungsunterstützung
Gebotsformulierung (fortgesetzt) Beschränkung der Gebotssprache: Logik (AND / OR, XOR, OR-of XOR), Ausdrucksstärke vs. Einfachheit Gewinnerbestimmung Ganzzahlige Programmierung: kleine Problemgrößen, exakt, langsam, VCG GA / SA / Greedy: große Problemgröße, näherungsweise, schnell, Rechengeschwindigkeit vs. ökonomische Effizienz Beschränkungen bei der Gewinnerermittlung: Menge / Umsatzanteil, Anzahl der Anbieter [Schwind 2005, König & Schwind 2005] E-Business WS 06/ Teil 5 / S. 16

17 Kombinatorische Auktion zur Ressourcenallokation im Grid
E-Business WS 06/ Teil 5 / S. 17

18 Kombinatorische Auktion zur Ressourcenallokation Ökonomische Allokation
Iterativer Allokations- und Bepreisungsprozess durch den Marktmediator Bepreisung Ressourcenstatus Ressourcenpreis IT-Anbieter Marktmediator IT-Nachfrager Entwicklung eines iterativen Mechanismus zur Allokation von IT-Ressourcen in verteilten IT-Systemen mit heterogenen Ressourcen unter Kommunikation eines Marktpreises: IT-Nachfrager geben Gebote für die zur Bereitstellung von IS-Diensten benötigten Ressourcenbündel durch die IT-Nachfrager ab. Dies erfolgt unter Berücksichtigung von Nutzerpräferenzen in Bezug auf Ausführungszeit und Zahlungsbereitschaft mittels eines automatisierten Systems. Der Marktmediator berechnet daraufhin die optimale Allokation. In diesem Fall ist der Mediator ein kombinatorischer Auktionator. Der Mediator kommuniziert sodann die ermittelte Allokation an die IT-Anbieter. Die IT-Anbieter reservieren daraufhin die notwendigen Ressourcen für die angenommenen IS-Tasks in der folgende Produktionsperiode T und führen diese aus. Anschließend werden melden die IT-Anbieter die in der nächsten Produktionsperiode zu Verfügung stehenden Ressourcenkapazitäten an den Marktmediator. Der Marktmediator stellt Ressourcenpreise die sich implizit aus der zuvor ermittelten Allokation ergeben und kommuniziert diese den IT-Nachfragern damit sie als Grundlage für die Formulierung der Gebote für die benötigten Ressourcenbündel „nahe am Marktpreis“ verwendet werden können. Damit beginnt der Kreislauf von neuem und sorgt so dafür das im System zyklisch eine Allokation und Preisstellung stattfindet. Gebotsannahme Gebotsabgabe Allokation E-Business WS 06/ Teil 5 / S. 18

19 Kombinatorische Auktion zur Ressourcenallokation Gebote
Nachfrager geben Gebote für Ressourcenkapazität q (o, t) in Form von Matrizen ab: Gebot Zeitslot (t) Ressourcen (o) t1 t2 t3 t4 t5 t6 t7 t8 CPU 2 3 Netzwerk 1 Disk Memory Die Konsumentenagenten geben Gebote zum Erwerb der zur Ausführung eines IS-Auftrags benötigten Ressourcenkapazität ab indem sie Gebotsmatrizen formulieren: Die Allokationsmatrix (AM) beschreibt die ermittelte Allokation q(o,t) für die Ressourcen o zu den Zeiten t in der folgenden Produktionsperiode T Die Beschränkungsmatrix (CM) definiert die maximal Ressourcenkapazität qmax(o,t) die der Auktionator den Auftragsagenten für den Zeitpunkt t zuweisen kann. Jeder Agent (i) kann mehrere (j) XOR (entweder oder) verknüpfte Gebote b abgeben. E-Business WS 06/ Teil 5 / S. 19

20 Kombinatorische Auktion zur Ressourcenallokation
Aufgaben Steuert den iterativen Allokationsprozess im System Sammelt die Gebote der Agenten Löst das kombinatorische Auktionsproblem (CAP) Berechnet die Ressourcenpreise und kommuniziert diese den bietenden Agenten Optimierungsziel Maximierung des Erlöses in der jeweiligen Auktionsrunde Probleme CAP ist NP-hartes Optimierungsproblem zeitkritisch in großen Systemen Berechnung der Ressourcenpreise aus der Allokation unterschiedliche Bewertung der Ressourcen in den Bündeln: oft keine einheitliche Preisstellung möglich (nicht-anonyme, nicht-lineare Preise) Aufgaben des Auktionators: Steuert den iterativen Allokationsprozess im System Sammelt die Gebote der Agenten: diese sind in der Regel oder-verknüpfte entweder-oder Alternativen (OR-of-XOR) von Ressourcenmatrizen. Löst das kombinatorische Auktionsproblem (CAP) Berechnet die Ressourcenpreise und kommuniziert diese den bietenden Agenten Optimierungsziel: Die Maximierung des Erlöses in der jeweiligen Auktionsrunde sorgt dafür, dass die Ressourcen entsprechend der Zahlungsbereitschaft der Bieter optimal zugeordnet werden. Wichtig: Der Auktionator behält den Erlös nicht für sich, dieser wird entsprechend der zur Verfügung gestellten Ressourcenleistung anteilig an die Produzenten weitergegeben. Probleme: Das CAP ist ein NP-hartes Optimierungsproblem, d.h. die Berechnung der optimalen Allokation ist in großen Systemen zeitkritisch Die Berechnung der Ressourcenpreise aus der Allokation hat unterschiedliche nichtlineare Bewertungen der Ressourcen in den Bündeln zu berücksichtigen: daher ist oft keine einheitliche Preisstellung möglich (nicht-anonyme, nicht-lineare Preise) E-Business WS 06/ Teil 5 / S. 20

21 Kombinatorische Auktion zur Ressourcenallokation CAP-Lösungsverfahren
Greedy (GR) Gebote werden nach dem Verhältnis von Gebotspreis zu Ressourceneinheiten sortiert und solange in die Allokation eingefügt bis Kapazität überschritten ist Simulated Annealing (SA) Gebote werden gesteuert durch Temperatur und Straffunktion für Kapazitätsüberschreitung zur Allokation hinzugefügt bzw. herausgenommen Genetischer Algorithmus (GA) Verwendung von Random-Key-Kodierung erlaubt es, Ressourcenrestriktionen des CAP in den GA mit Tournament-Selektion zu integrieren [Schwind et al. 2003a] Folgende Erkenntnisse wurden im Rahmen der Dissertation in Verbindung mit dem Kombinatorischen Allokationssystem erreicht: Eine stabile Steuerung von Allokationsprozessen in verteilten Rechnersystemen mit kombinatorischen Auktionen unter Berücksichtigung von Synergieeffekten zwischen heterogenen Ressourcen ist möglich [Schwind et al. 2006a] Verschiedene Verfahren zur Berechnung der optimalen kombinatorischen Allokation wurden entwickelt, getestet und verglichen [Schwind et al. 2003a] Verschiedene Mechanismen zur Berechnung von Ressourcenpreisen in Abhängigkeit von der tatsächlichen Systemlast und Ressourcennachfrage wurden entwickelt, getestet und verglichen (Steuerung mittels SP ist neu) [Schwind et al. 2006b] Unterschiedliche Ziel- bzw. Nutzenfunktionen der Agenten können in Form von automatisierten Bietstrategien realisiert werden, die optimale Bietstrategie für eine spezielle Nutzenfunktion kann im Wettbewerb mit anderen Agenten ermittelt werden [Schwind et al. 2006c] Benchmark Verwendung von unterschiedlich strukturierten, stochastisch generierten Ressourcenanfragen (Gebotsmatrizen: unstrukturiert, substrukturiert, strukturiert) [Schwind et al. 2003a] E-Business WS 06/ Teil 5 / S. 21

22 Kombinatorische Auktion zur Ressourcenallokation CAP-Lösungsverfahren
Rechenzeit Lösungsqualität Die Diagramme zeigen die Performance von 5 Berechnungsverfahren zur Ermittlung einer CAP Lösung im Vergleich. Entwicklung von vier Heuristiken zur schnellen Berechnung der kombinatorischen Allokation: Auf der X-Achse sind die Verfahren aufgetragen, auf der Y-Achse die Rechenzeit in Millisekunden (links) und die Lösungsqualität relativ zum IP der die optimale Lösung liefert (rechts). Die Z-Achse gibt die Anzahl der Agenten an, die jeweils 3 Gebote abgeben welche ihrerseits 3 XOR-Alternativen enthalten. Die Verfahren basierend auf Genetischen Algorithmen (GA), Simulated Annealing (SA) und Greedy (GR) im Vergleich mit exaktem Integer Programming (IP) als Benchmark wurde ein eigenes Testproblem benutzt, da sich in der weit verbreiteten CATS keine geeigneten Probleminstanzen fanden. Drei Schwierigkeitsgrade des Benchmark: structured / substructured / unstructured. Für die einfachste Instanz structured in diesem Beispiel zeigen sich noch nicht so deutlich die Vorteile der Heuristiken. Dies ändert sich auf der Abbildung der folgenden Seite. Benchmark (unstrukturierte Gebote bei Agenten) Lösungsverfahren zur schnelleren Berechnung des CAP: Greedy (GR), Simulated Annealing (SA) und Genetischer Algorithmus (GA) im Vergleich zu Integer Programming (IP) [Schwind et al. 2003a] E-Business WS 06/ Teil 5 / S. 22

23 Kombinatorische Auktion zur Ressourcenallokation: Preise
Schattenpreise (Duales Problem des relaxierten CAP) unter den Nebenbedingungen Formuliert man das CAP als relaxiertes duales Problem so kann man die Schattenpreise für die Ressourcen ermitteln: Die dualen Strukturvariablen geben bei Engpassrestriktionen (Restriktionen, welche voll ausgeschöpft werden, also mit Schlupf = 0) die sog. "Schattenpreise" an, also den Wert, um den sich der Zielfunktions-Wert erhöht, wenn man eine weitere Kapazitätseinheit dieser Restriktion zur Verfügung stellen würde (solange sich die Basislösung dadurch nicht ändert). Die „Reduzierte Kosten“ Variable sorgt dafür, dass die Summe der Schattenpreise für die Ressourcen nicht höher ist als das Einkommen des Auktionators. Einführen der Variable wurde z.B. von Bjorndal und Jornsten [2001] bzw. Kwasnica, Ledyard, Porter, De Martini [2005] vorgeschlagen. Basierend auf SPo wird ein Durchschnittspreis für die Allokation der Resource in der Allokationsperiode T ermittelt. Reduzierte Kosten: Fehlender Betrag damit Schwellwert erreicht wird bei dem ein Gebot akzeptiert wird. Dualisierung: Ressourcenrestriktionen werden zu Variablen, Gebotspreise werden zu Restriktionen. In der zweiten Gleichung steht ein größer gleich da es auch sein kann, dass ein Gebot nicht angenommen wird, obwohl der Preis über dem Annahmeschwellwert liegt. Dies ist eine Besonderheit der kombinatorischen Auktion, nicht nur der Preis entscheidet, sondern auch die Nachfragestruktur des Gebots. Schattenpreis für Ressource o über Periode T: Marktwert einer Ressourceneinheit: E-Business WS 06/ Teil 5 / S. 23

24 Kombinatorische Auktion zur Ressourcenallokation: Preise
Marktpreise der Ressourcen Knappheit der Ressourcen 0,2 0,4 0,6 0,8 1 1,2 1,4 25 50 Runde Markpreise Res. 1 Res. 2 Res. 3 Res. 4 0,2 0,4 0,6 0,8 1 25 50 Runde Knappheit Res. 1 Res. 2 Res. 3 Res. 4 Das Bild zeigt die Marktpreisreaktion für vier komplementäre Ressourcen auf Basis der vom Auktionator ermittelten Schattenpreisen in einer iterativen kombinatorischen Auktion mit 10 kompetitiv bietenden Agenten rechts sowie die Auslastung der Ressourcen in Bezug auf 100% (Knappheit). Die Komplementaritäten in den Geboten bewirken einen starken Preisanstieg für die in Runde 25 um 37 % verknappte Ressource 1, die Marktpreise der übrigen komplementären Ressourcen erniedrigen sich dabei stark. Analog fällt die Auslastung der nicht verknappten Ressourcen stark [Schwind et al. 2006b]. Ressourcenpreise Marktpreisreaktion für vier komplementäre Ressourcen auf Basis der vom Auktionator ermittelten Schattenpreisen in einer iterativen kombinatorischen Auktion mit 10 kompetitiv bietenden Agenten Komplementaritäten bewirken starken Preisanstieg in Runde 25 für die um 37 % verknappte Res. 1 [Schwind et al. 2006b] E-Business WS 06/ Teil 5 / S. 24

25 Kombinatorische Auktion zur Ressourcenallokation: Preise
0.001 0.01 0.1 1 10 100 2 3 4 5 6 7 Verknappung von Ressource 1 Relative Preisänderung Res. 1 Res. 2 Res. 3 Res. 4 Basierend auf der vorigen Untersuchung wurde die Ressource 1 nun schrittweise verkürzt und untersucht wie sich der resultierende Marktpreis der Ressourcen dabei verhält. Die Graphik zeigt das logarithmische Verhältnis der Preise vor und nach der Verknappung abhängig von verbleibenden Einheiten von Resource eins. Das Ergebnis des Verfahrens basierend auf Schattenpreisen ist hier dargestellt. Ressourcenpreise bei sukzessiver Verknappung Relative Preisänderung als Verhältnis der Schattenpreise vor und nach der Verknappung von Ressource 1 bei sukzessiver Reduktion um bis zu 7 Einheiten [Schwind et al. 2006b] E-Business WS 06/ Teil 5 / S. 25

26 Kombinatorische Auktionen zum Austausch von Logistikdiensten
E-Business WS 06/ Teil 5 / S. 26

27 Kombinatorische Börse für Logistikdienstleistungen Ausgangssituation
Empirische Untersuchung in der Nahrungsmittelindustrie: Güterauslieferung an Kunden ist zeitkritisch und entscheidender Kostenfaktor (n= 109, 11 Antworten aus der Branche) [Wendt et al. 2006] E-Business WS 06/ Teil 5 / S. 27

28 Kombinatorische Börse für Logistikdienstleistungen Liefergebiete
Emil Färber GmbH Co. KG 16 Schlachthöfe, 30 Geschäftsstellen in Baden-Württemberg, Rheinland-Pfalz, Hessen und Bayern, Sachsen und Brandenburg 550 fest angestellte Mitarbeiter, 240 Mio. € Umsatz Ausgangspunkt Ein Unternehmen mit verschiedenen Filialen, die in Profitcenter-Struktur organisiert sind. Die einzelnen Profitcenter optimieren eigenständig ihre Logistikplanung. Der innerbetriebliche Austausch von Aufträgen kann in Verbindung mit der Logistikplanung der einzelnen Profitcenter Kostensenkungspotentiale heben. E-Business WS 06/ Teil 5 / S. 28

29 Kombinatorische Börse für Logistikdienstleistungen Problem & Lösung
Probleme der innerbetrieblichen Auftragsoptimierung Anreizproblematik Abwanderung von Kunden zum nächsten Profitcenter möglich Neutralität des innerbetrieblichen Leistungsaustausches Hohe Komplexität der Kostenstruktur Kostenstruktur ändert sich mit der Routenplanung Lösung Auftragsoptimierungssystem durch eine kombinatorische Börse zum innerbetrieblichen Austausch von Aufträgen hebt Synergieeffekte [Gujo et al. 2007] E-Business WS 06/ Teil 5 / S. 29

30 Kombinatorische Börse für Logistikdienstleistungen Outsourcing, Insourcing, Clusterung
Outsourcing: Profitcenter geben automatisiert Abgabegebote ab Insourcing: Profitcenter geben automatisiert Übernahmegebote ab Outsourcing von 2: A 3 GE von 1: B von 1: C 2 GE von 1: BC 8 GE Einsparung A: 2  1 1 GE B: 1  2 C: 1  2 0 GE BC: 1  2 3 GE Beste Lösung: A, BC 4 GE Insourcing von 2 zu 1:A 2 GE von 1 zu 2: B von 1 zu 2: C von 1 zu 2: BC 5 GE Profitcenter 2 C Kreise – Kunden im Fixkosten-Bereich A B Cluster Profitcenter 1 E-Business WS 06/ Teil 5 / S. 30

31 Kombinatorische Auktion
Kombinatorische Börse für Logistikdienstleistungen ComEx Varlog Software Routen-optimierung Cluster-bildung Kombinatorische Auktion Outsourcingphase: Für jedes Profitcenter werden die Kunden unter Berücksichtigung der zeitlichen und räumlichen Bedingungen in Cluster zusammengeführt. Die Outsourcingkandidaten werden, basierend auf ihrer Entfernung vom Zentrum des Profitcenters, ermittelt . Für jedes der so erzeugten Cluster wird von den Clients eine Anfrage an den DynaRoute-Server gestellt, um die Kosten zu ermitteln , die sich durch die Auslagerung einer Kundengruppe einsparen lassen. Die als Outsourcing-Kandidaten bestimmten Cluster werden von jedem Profitcenter an den ComEx-Server weitergeleitet und dort gesammelt. Die Profitcenter erhalten jeweils vom ComEx-Server eine Liste aller durch die benachbarten Profitcenter zum Outsourcing freigegebenen Kundencluster, da diese Insourcing-Kandidaten für die jeweiligen Profitcenter darstellen. Insourcingphase: Anhand der in der Outsourcingphase erzeugten Kandidatenliste wird für jedes Profitcenter untersucht, ob sich die jeweiligen Kunden unter Berücksichtigung der zeitlichen und räumlichen Bedingungen zu eigenen Kunden im Outsourcingbereich hinzufügen lassen . Ist dies der Fall, wird eine weitere Anfrage an den DynaRoute-Server gestellt , um herauszufinden, zu welchen Konditionen die Belieferung der neuen Kunden erfolgen kann . Die so gewonnene Kosteninformation wird als Gebotspreis des Clusters gesetzt und das entstehende Insourcing-Gebot wird an den ComEx-Server weitergeleitet . Der ComEx-Server sammelt die Gebote aller Profitcenter und initiiert die KA durch Aufruf der ComEx-Engine . Eine optimale Allokation wird ermittelt und die Ergebnisse werden den Profitcentern mitgeteilt . Endbewertungsphase: Für alle Profitcenter werden die Routenpläne basierend auf der neuen Kundenmenge aktualisiert und die Ersparnis im Unternehmen wird ermittelt . E-Business WS 06/ Teil 5 / S. 31

32 Kombinatorische Börse für Logistikdienstleistungen ComEx Varlog Software
Vorteile Skalierbarkeit Nachrichtenaustausch in CAMeL (Combinatorial Auction Meta Language) Verwendung verschiedener Auktionsalgorithmen möglich Bearbeitung großer Datenmengen durch verteilte Architektur Wahrheitsgemäßes Bieten durch standardisierte Gebotsabgabe Fragen Optimale Clustergröße Zusammenwirken von Routenoptimierung und kombinatorischer Auktion Anreizkompatibilität bei Verteilung der Ersparnis zwischen den einzelnen Profit Centern Kurzbeschreibung Varlog E-Business WS 06/ Teil 5 / S. 32

33 Kombinatorische Börse für Logistikdienstleistungen Simulationsergebnisse
Fragestellung: Wie wirkt sich die Variation des Maximalabstands zwischen den Kunden eines Clusters und der Anteil der Kunden im Outsourcingbereich auf die Lieferkostenersparnis aus? Simulationsparameter: Maximalabstand r zwischen den Kunden eines Clusters (Gesamtlänge: 2-20km) Anteil a der Kunden im Outsourcingbereich (20%-100%) Ergebnis: Bei einem Maximalabstand von 10 km zwischen den Kunden eines Clusters und bei einem Anteil der Kunden im Outsourcingbereich von 40% die Gesamtlieferstrecke am stärksten verkürzen. Ein zu gering angesetzter Maximalabstand bei der Gebotsbildung führt zur Erstellung von Clustern, die aus nur wenigen Kunden bestehen. Dies bedeutet, dass die Abgabe bzw. Übernahme von solchen Clustern keine Synergieeffekte bewirken kann. Wird andererseits ein zu hoch angesetzter Maximalabstand r bei der Clustererstellung erlaubt, werden sehr komplexe Teilrouten für das Outsourcing erstellt. Solche größere Cluster lassen sich schwer in die Touren anderer Profitcenter integrieren. Ein zu großer Anteil von Kunden im Outsourcingbereich bei der Gebotsbildung führt zur Auslagerung vieler Kunden, die nahe zum eigenen Profitcenter liegen und eigentlich zu günstigen Konditionen von diesem beliefert werden können. Ein zu kleiner Anteil von Kunden eines Profitcenters im Outsourcingbereich verhindert die Freigabe zur Auslagerung geeigneter Kunden. Lieferkosteneinsparung durch den Einsatz von ComEx [Gujo et al. 2007] E-Business WS 06/ Teil 5 / S. 33

34 Kombinatorische Börse für Logistikdienstleistungen Simulationsergebnisse
Simulation bei minimalen Lieferkosten (bei r=10 km, a=40%) soll zeigen ob sich diese durch eine Änderung der maximal erlaubten Anzahl von Geboten weiter reduzieren lassen. Parameter: Gesamtlieferstrecke in Abhängigkeit zu der maximal erlaubten Anzahl von Geboten pro Profitcenter. Ergebnis: Höhere Anzahl von Geboten pro Profitcenter hebt das Einsparpotential bis zur maximal zulässigen Anzahl von 15 Geboten pro Profitcenter. Eine weitere Erhöhung hat jedoch einen negativen Effekt auf die Einsparungen. Gesamtlieferstrecke in Abhängigkeit von erlaubter Anzahl von Geboten [Gujo et al. 2007] E-Business WS 06/ Teil 5 / S. 34

35 Literatur E-Business WS 06/ Teil 5 / S. 35

36 Literatur Crampton, P., Shoham, Y. and Steinberg, R. (2006) ‘Introduction to Combinatorial Auctions’‚ in Crampton, P., Shoham, Y., Steinberg, R. (ed.): Combinatorial Auctions, MIT Press, Cambridge de Vries, S. and Vohra R. (2001) ‘Combinatorial Auctions: A Survey.’ INFORMS Journal on Computing 15 (3): pp Gujo, O., Schwind, M., Stockheim, T., Wendt O., Vykoukal J., Weiß K.: ComEx: Kombinatorische Auktionen zum innerbetrieblichen Austausch von Logistikdienstleistungen In 8. Internationale Tagung Wirtschaftsinformatik, Karlsruhe, Germany, 2007 König, W., and Schwind, M. "Entwurf von kombinatorischen Auktionen für Allokations- und Beschaffungsprozesse," in: Herausforderungen der Wirtschaftsinformatik: Festschrift für Prof. Krallmann, B. Rieger and D. Karagiannis (eds.), Springer, Berlin, 2005, pp Schmid, B.: Elektronische Märkte - Merkmale, Organisation und Potentiale, in: Sauter, M.; Hermanns (ed.), Arnold: Handbuch Electronic Commerce, Vahlen Verlag, 1999, S Schwind, M. "Design of Combinatorial Auctions for Allocation and Procurement Processes," 7th International Conference on E-Commerce Technology 2005, München, Germany, 2005, pp Schwind, M., and Gujo, O. "Using Shadow Prices in a Combinatorial Grid with Proxy-bidding Agents," Proceedings of the 8th International Conference on Enterprise Information Systems (ICEIS 2006); Paphos; Cyprus, 2006a. Schwind, M., Gujo, O., and Stockheim, T. "Dynamic Resource Prices in a Combinatorial Grid System," Proceedings of the IEEE Joint Conference on E-Commerce Technology (CEC'06) and Enterprise Computing, E-Commerce and E-Services (EEE'06), San Francisco, US, 2006b. E-Business WS 06/ Teil 5 / S. 36

37 Literatur Schwind, M.: “Dynamic Pricing and Automated Resource Allocation for Information Services” In: Lecture Notes in Economics and Mathematical Systems Nr. 589, Springer Verlag; Heidelberg, 2007, S.28 Schwind, M., Stockheim, T., and Gujo, O. "Agents' Bidding Strategies in a Combinatorial Auction Controlled Grid Environment," Proceedings of the AAMAS 2006 Trading Agent Design and Analysis / Agent-Mediated Electronic Commerce Joint Workshop, Hakodate, Japan, 2006c. Schwind, M., Stockheim, T., and Rothlauf, F. "Optimization Heuristics for the Combinatorial Auction Problem," Proceedings of the Congress on Evolutionary Computation CEC 2003, Canberra, Australia, 2003a, pp Schwind, M., Stockheim, T., and Seibel, S. "Price Controlled Resource Allocation for the Provision of Information Products and Services Employing Combinatorial Auctions," in: Proceedings of the 11th European Conference on Information Systems (ECIS), Naples, Italy, 2003b. Schwind, M.; Hinz O.; Stockheim, T.; Bernhardt M.: „A Framework for Interactive Pricing in E-Business”, Working Paper, IWI Frankfurt, 2005. Strobel, M.; Weinhardt C.: “The Montreal Taxonomy for Electronic Negotiations”, Group Decisions and Negotiations, 12 (2), 2003 Wendt, O.; König, W.; Stockheim, T.; Lanninger, V.; Weiß, K.: “Transportplanung der Zukunft - Prozess- und Kostenanalyse, Optimierungspotenziale und Outsourcing” In: Books on Demand, ISBN ; Norderstedt, Germany E-Business WS 06/ Teil 5 / S. 37