亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Analyzing entry strategies for co-opetitive supply chains with the learning effect

原设备制造商 业务 先发优势 产业组织 竞赛(生物学) 供应链 产品(数学) 价值(数学) 垄断 竞争优势 微观经济学 营销 经济 计算机科学 数学 生物 操作系统 机器学习 生态学 几何学
作者
Qingqing Lu,Weizhe Yang,Chuiri Zhou,Ningning Wang
出处
期刊:Journal of Modelling in Management [Emerald (MCB UP)]
卷期号:18 (5): 1389-1419 被引量:4
标识
DOI:10.1108/jm2-11-2021-0266
摘要

Purpose This study aims to investigate whether the contract manufacturer (CM) should take the first-mover advantage in the end-product without supplying core components to the original equipment manufacturer (OEM) immediately, or should fully squeeze the benefit of the learning effect through an amplified production quantity by letting the OEM enter the end-product market early. Design/methodology/approach The authors propose a two-period model for a supply chain consisting of a CM and an OEM where the CM has four alternative entry strategies concerning it competition to the OEM in the end-product market. For each strategy, the authors derive the equilibrium solutions of the two firms using a backward approach. Comparison leads to the CM’s final choices among the four strategies. Findings For both CM and OEM, the monopoly and the first-entry strategies will be dominated by either the post-entry or the simultaneous-entry strategy, and thus, their preferred strategy is chosen from the latter two. Regarding the two firms choices between the post- and simultaneous-entry strategy, the CM prefers the post-entry strategy when the OEMs brand premium is at a moderate level, whereas the OEM prefers the post-entry strategy when its brand premium is low, and the learning effect can amplify the interval for the CMs adopting the post-entry strategy as well as changes the interval for the OEMs preference related to the two strategies. Originality/value This paper is the first one to explore the optimal strategy for a CM to maximize its profit in a co-opetitive supply chain situation with a CM and an OEM. The authors believe that our paper contributes to both literature and the market.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
10秒前
等风完成签到,获得积分10
11秒前
45秒前
科研通AI2S应助科研通管家采纳,获得10
45秒前
搜集达人应助科研通管家采纳,获得10
45秒前
52秒前
2分钟前
lyian完成签到 ,获得积分10
2分钟前
烟花应助科研通管家采纳,获得10
2分钟前
NexusExplorer应助坦率迎海zzh采纳,获得10
3分钟前
3分钟前
3分钟前
3分钟前
Panther完成签到,获得积分10
4分钟前
cy0824完成签到 ,获得积分10
4分钟前
4分钟前
Wei发布了新的文献求助10
4分钟前
5分钟前
嘉心糖发布了新的文献求助200
5分钟前
科研通AI2S应助逆鳞采纳,获得10
5分钟前
我是老大应助陈乐宁2024采纳,获得10
5分钟前
6分钟前
6分钟前
陈乐宁2024发布了新的文献求助10
6分钟前
6分钟前
6分钟前
6分钟前
6分钟前
科研通AI2S应助科研通管家采纳,获得10
6分钟前
共享精神应助科研通管家采纳,获得10
6分钟前
香蕉觅云应助fubi采纳,获得10
6分钟前
6分钟前
fubi发布了新的文献求助10
6分钟前
7分钟前
嘉心糖发布了新的文献求助200
7分钟前
路飞完成签到 ,获得积分10
7分钟前
宣灵薇完成签到 ,获得积分0
7分钟前
宣灵薇完成签到 ,获得积分0
7分钟前
樱桃猴子完成签到,获得积分10
7分钟前
科研通AI2S应助Jack80采纳,获得10
8分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3316950
求助须知:如何正确求助?哪些是违规求助? 2948734
关于积分的说明 8541902
捐赠科研通 2624660
什么是DOI,文献DOI怎么找? 1436340
科研通“疑难数据库(出版商)”最低求助积分说明 665891
邀请新用户注册赠送积分活动 651810