眾包制造環境下協同產品族設計與延遲決策的主從關聯優化

吳 軍,夏 一

(1.浙江財經大學 管理學院,浙江 杭州 310018;2.天津大學 管理與經濟學部,天津 300072)

0 引言

隨著當今信息和交流技術的飛速發展,制造企業需要處理大量的信息和服務,這些信息和服務不但形式多樣化,而且變化速度不斷加快,制造企業很難單獨處理和組織這些復雜的信息和服務,需要共同合作來維持競爭力[1]。近年來,物聯網和智能制造等新型工業的興起使企業間的各種業務和運營流程得到了有效整合,其中外包以及顧客與供應商的早期參與成為創新產品和服務開發新的競爭優勢[2]。據統計,越來越多企業提倡將這種開放式的方法作為其整個商業的運營模式,這被認為是一種商業模式的轉變[3]。這種開放商業模式的合理性得到了企業的高度認可,企業可以更專注于自身核心競爭技術的研發,而將次要的運營活動外包給外部的合作企業或供應商完成[4],其中一個典型的實例就是眾包制造,其本質是將產品的制造過程轉變為眾包的過程,從而實現產品在整個價值鏈上的新運轉[5]。眾包制造最早由Howe于2006年提出,并將其定義為:將傳統上由企業內部進行的產品研發或制造等活動轉變為通過互聯網平臺發布信息,向外部尋求合作伙伴的創新嘗試和做法[6]。眾包制造促進了不同企業之間的協作,使企業可以共享和交換產品,實現價值鏈上的制造信息和服務資源[7]。

與此同時,當今的產品市場迫使眾包制造企業在提供多種多樣的產品來滿足不同顧客需求的同時,必須保持較低的銷售價格,比較成功方法是基于一個公共產品平臺推出產品族[8]。產品族作為產品的一種擴展表現形式,已經成為企業界和理論界關注的主題,不但因為產品族及其設計是大規模定制的核心內容[9],而且作為獲取市場競爭優勢的重要手段,產品族的架構策略已經成為企業競爭戰略的關鍵構成要素[10]。產品族設計與單件產品設計有更為顯著的區別,產品族設計不僅需要同時考慮來自多個顧客群體的細分市場需求,還要架構滿足目標市場需求的多件產品,而且這些產品彼此間并非相互獨立,而是基于同一個產品平臺的相關系列產品[11]。因此,如何設計出基于產品平臺的可定制化系列產品成為產品族設計的核心問題。

眾包制造意味著以一種開放的、協同創造的形式對產品族進行設計和制造,最終包含在產品族中的相關系列產品由價值鏈上的多個利益相關者共同創造[12],這有助于實施延遲產品差異化或延遲策略[13],并使企業快速響應和有效管理與產品品種多樣化和顧客需求不確定性相關的風險。作為產品族實現的一種重要形式,延遲策略旨在將產品分化推遲到供應鏈末端,直到接收到顧客的具體需求信息[14]。JABBARZADEH等[15]認為通過實施延遲策略,可以最大化企業可能的收益和最小化由市場不確定性因素帶來的風險;LUO等[16]提出實施延遲策略可以有效降低產品的運營成本,并使企業具備快速響應顧客千變萬化需求和期望的能力。為了降低開放式環境中與產品品種多樣性和顧客需求不確定性相關的風險,企業有必要基于眾包制造的機制實施延遲策略[17]?；诒姲圃鞂嵤┭舆t策略,不僅可以使企業大規模定制產品,還可以從中獲取較大收益[18]。

在眾包制造環境下實施延遲策略涉及一些需要決策的復雜問題,例如哪個或哪些外部合作伙伴應該被設計在什么樣的眾包活動中?哪個或哪些產品模塊應該被延遲?延遲策略應該如何通過眾包制造活動來實現?實際上,在眾包制造環境下成功實施延遲策略,必須盡可能地在產品設計早期階段考慮延遲策略[19]。例如,在產品開發和制造過程中,模塊化的產品架構和配置對選擇最合適的延遲產品模塊起非常重要的作用[20],而眾包制造環境下延遲活動的結果也會反過來影響產品架構設計方案[21]。然而,當前對延遲的研究主要集中在供應鏈管理上,而且往往是基于事先已經固定好的產品架構[22],對眾包制造環境下產品設計與延遲運營活動之間內在的耦合關系關注較少[23],尤其是定量優化研究。例如,WESKAMP等[24]基于事先固定好的產品架構,在需求不確定的供應鏈中采用兩階段隨機規劃方法研究最優延遲策略的確定,并提出一個兩階段隨機混合整數線性規劃模型;劉春玲等[25]在產品架構事先固定好的前提下,研究了在線眾包設計下基于信息更新的供應鏈延遲生產優化問題,并通過將線上眾包設計環節有機嵌入供應鏈,建立了基于眾包的供應鏈基本模型。

實際上,從FEITZINGER等[26]在1997年利用延遲策略對惠普打印機實現大規模定制化生產案例的經典研究開始,學術界提倡要將延遲策略與產品架構設計結合在一起。目前,很多學者提出在產品設計與延遲活動之間存在內在固有的耦合關系,例如ERNS等[27]提出模塊化的產品族架構和延遲運營活動并不是兩個相互獨立的優化問題,它們之間的內在交互影響值得進一步深入探討;YANG等[20]提出延遲運營活動的結果會影響產品架構設計方案,產品架構設計方案也同樣會影響延遲運營活動,它們之間的這種內在相互影響需要在一個整體決策框架內討論;FERREIRA等[17]認為產品設計與延遲活動之間存在緊密相連且相互影響的關系,不能將它們視為兩個單獨的優化問題分開討論。這些研究文獻只是從定性分析的角度提出在產品設計與延遲活動之間是存在內在固有的耦合關系,但是如何從定量優化的層面具體量化它們之間這種內在的交互影響仍然面臨挑戰。

本文強調產品設計與延遲運營活動之間的這種內在固有耦合關系,進一步提出眾包制造環境下協同產品族設計與延遲決策的主從關聯優化問題?；赟tackelberg博弈理論,構建了以產品族設計為上層優化,延遲決策為下層優化的混合整數非線性雙層規劃模型。模型上層的決策主體是一個制造商,下層包括多個分銷商,它們各自均以自身期望利潤最大化為優化目標。然后,設計了一個雙層嵌套遺傳算法求解該模型。最后,將所提模型和算法應用于一個智能冰箱產品族延遲案例,并對所提延遲偏好參數進行了靈敏度分析。

1 問題描述

1.1 一個動機案例

2000年海爾推出了“定制冰箱”,即由顧客自己設計冰箱可定制的部分。在該過程中,海爾打破了以往向顧客提供成品的模式,對冰箱中可定制的產品模塊采用延遲生產策略。海爾接收到顧客訂單信息后,先將定制信息傳遞到與其合作的互聯工廠,工廠即開始向模塊供應商購買定制所需的產品模塊并完成具體的定制生產任務;再將通用產品(半成品)和定制產品模塊結合,完成對最終成品的組裝,從而實現顧客對不同功能的要求,最大程度縮短產品制造時間。

由該案例可以引出一些問題:在兼顧企業利潤和顧客滿意度的情況下,冰箱中哪些產品模塊應該被延遲生產?而當將不同產品模塊延遲生產時,是否會影響產品的整體架構設計?當冰箱中的延遲模塊選擇由不同工廠完成時,是否會影響海爾公司的收益?如何才能同時最大化各主體的利潤和最大程度滿足顧客的定制需求?基于這些問題,本文詳細研究眾包制造環境下協同產品族設計與延遲決策的主從關聯優化問題。

1.2 產品族設計與延遲決策

考慮由一個制造商和多個分銷商組成的供應鏈,其中制造商設計一個包含多個產品變體的產品族,并完成對產品族中非延遲組件的生產;分銷商需要根據顧客的具體定制信息生產產品族中的延遲組件,并組裝終端產品。然后,分銷商支付給制造商該終端產品的批發價格,并以最優的零售價格將該終端產品銷售到其所處的細分市場中。

可以被延遲的產品模塊以復合模塊為單位,規定包含公共模塊的復合模塊不可以被延遲。因為被延遲的產品模塊事先不確定,所以引進“虛擬延遲結構”來具體化本文的研究,并利用其證明產品族中哪個或哪些產品模塊需要被延遲。虛擬延遲結構指所有被延遲的復合模塊及其相應的屬性配置的集合。這里隨機假設在虛擬延遲結構中只包括第R個復合模塊,如圖1中上半部分的陰影部分所示。制造商首先需要對產品族進行設計,并完成對非延遲復合模塊CMr(r=1,…,R-1)的生產,然后將這些半成品運輸到分銷商處。分銷商需要在接收到顧客的具體需求信息后,完成對產品變體差異化部分的生產和終端產品的組裝,如圖1的下半部分所示。

1.3 主從關聯優化

本文主要針對不確定的產品族架構設計與延遲決策的主從關聯優化問題,其中的不確定性主要體現在,產品族架構配置的不確定性和延遲產品模塊種類的不確定性兩方面,而造成這種不確定性的原因為以下3方面:

(1)產品族架構設計的兼容性 產品族架構是通過選擇已有基本模塊來設計的[28],對這些基本模塊屬性選擇的不同會對產品族的設計、制造和性能產生不同程度的影響[10]。為了設計出最優的產品族架構方案,產品族設計必須與下游供應鏈中的一些優化問題兼容,包括延遲策略、供應鏈配置和外包策略等[29],有必要在產品族設計階段實施延遲策略,然而產品族架構設計及其中的延遲產品模塊種類事先不確定,因此產品族設計與延遲決策的優化解應在主從交互的影響過程中獲得。

(2)眾包制造環境的支撐 眾包制造環境有利于延遲策略的實施,在眾包制造環境下實施延遲策略,使產品族架構階段便可以選擇匹配并優化更多的延遲活動[18];另外,由于眾包制造環境強調在產品實現價值鏈上不同利益相關者之間的協同創作,產品族架構過程中的模塊種類(即非延遲的產品模塊和延遲的產品模塊)必須根據顧客需求和工程限制在開始時就進行識別[21]。這些因素都將不可避免地導致產品族架構設計和其中的延遲產品模塊種類事先不確定,需要通過主從關聯優化過程來確定。

(3)多對多的交互影響關系 多對多的交互影響體現在可延遲的產品模塊和承擔延遲運營活動的分銷商之間,具體為:在眾包制造環境下,每種可延遲產品模塊的延遲活動都可以由多個分銷商完成,而每個分銷商又可以同時完成對多種延遲產品模塊的延遲活動。因此,在這種多對多的交互影響過程中,如何為每種可延遲產品模塊的延遲活動決策出最優分銷商,以及如何確定哪些種類的產品模塊需要被延遲,必須通過主從關聯優化的方式來完成。

1.4 主從交互的博弈結構

協同產品族設計與延遲決策的主從關聯優化問題可以被建模為一個包含1+D個參與主體(1個制造商和D個分銷商)的雙層規劃模型,制造商和分銷商分別控制其決策變量以最大化自身的期望利潤。制造商的決策變量包括產品族設計xjrkl、延遲產品模塊決策yjr、分銷商選擇θdj和批發價格決策wjd;分銷商的決策變量包括是否與制造商合作zdj、對延遲產品模塊的報價(φdkl,φdjr)、對終端產品的組裝和銷售定價(φdj,pdj),以及為應對市場需求不確定性所制定的庫存數量τdj,且每個分銷商之間的決策相互獨立。根據YU等[30]的研究,該優化問題是一種動態非合作的主從博弈問題,而且是制造商為主、分銷商為從。圖2所示為主從博弈結構。

2 主從關聯優化模型的提出

2.1 模型符號與假設

表1 參數符號

續表1

表2 決策變量符號

續表2

表3 函數符號

Qdj=(1+δdj)Adj-αdjpdj+εdj。

(1)

式中參數δdj表示由于實施延遲策略,市場對產品變體潛在需求增加的部分,因為實施延遲策略可以增大顧客對產品的需求數量[14,17]。例如,海爾對其冰箱產品實施延遲策略后,與之前相比,市場需求數量獲得了巨大提升[31]。本文稱參數δdj為延遲偏好參數,0≤δdj≤1。

在市場需求隨機的情況下,每個分銷商所處的市場對產品的期望需求為

E(Qdj)=(1+δdj)Adj-αdjpdj+μdj。

(2)

2.2 制造商的優化模型

制造商的目標是通過優化決策變量來最大化期望利潤,其期望收入可表示為

(3)

(4)

制造商對延遲組件的期望延遲成本包括所有被選擇的分銷商的報價之和,即

(5)

為了最大化制造商的期望利潤E(πm),制造商的優化模型如下:

(6)

s.t.

(7)

(8)

(9)

(10)

(11)

(12)

(13)

xjrkl,yjr,θdj∈{0,1};

(14)

wjd≥0。

(15)

其中:約束(7)表示產品族中任何兩個產品變體的模塊配置不能完全相同;約束(8)和約束(9)為排它性約束,用于確保每個產品變體中的每個基本模塊有且只有一個最合適的候選項被選擇;約束(10)表示被延遲的復合模塊必須不能包含公共模塊;約束(11)和約束(12)表示分銷商和終端產品之間的對應關系,即每個分銷商最多只能生產一種終端產品,每種終端產品也只能被一個細分市場中的分銷商生產;約束(13)限制制造商的生產能力,且M表示制造商的最大生產能力;約束(14)和約束(15)設置制造商所有決策變量的范圍。

2.3 分銷商的優化模型

分銷商的期望收入由兩部分組成:①制造商給它支付的延遲費用,如式(5)所示;②以零售價格pdj將終端產品銷售到市場帶來的收入。因此,每個分銷商的期望收入可表示為

(16)

(17)

考慮到市場對產品需求的不確定性,每個分銷商需要承擔的庫存成本為

(18)

相應地,每個分銷商也需要承擔產品的缺貨成本,即

(19)

為了將分銷商的期望利潤E(πd)最大化,每個分銷商的決策模型如下:

(20)

s.t.

(21)

(22)

φdkl,φdjr,φdj,pdj≥0;

(23)

zdj∈{0,1};

(24)

j=1,…,J,r=1,…,R;
k=1,…,K,l=1,…,Lk。

(25)

其中:約束(21)表示每個分銷商最多只能生產一種產品變體;約束(22)確保每種產品變體的延遲活動只能由一個分銷商完成;約束(23)和約束(24)設置分銷商決策變量值的范圍;約束(25)表示所有參數的取值范圍。

2.4 主從關聯優化模型

基于制造商和分銷商模型,本文優化問題建模為如下雙層規劃模型:

s.t.

式(7)～式(15)。

s.t.

式(21)～式(25)。

在該優化過程中,首先制造商通過初始化決策變量進行決策;然后,每個分銷商將制造商的決策結果作為給定輸入,通過初始化決策變量進行第2步行動,并將其決策結果反饋給制造商;當制造商改變決策結果時,為了使自身利潤最大化,每個分銷商相應地調整其決策方案,反之亦然。不斷持續這樣的交互過程,直到它們中沒有任何一個參與主體改變決策為止,因為此時如果改變決策方案,則偏差將使其利潤達不到最優。相應地,制造商和多個分銷商之間達到均衡解[32]。

3 嵌套遺傳算法

本文雙層規劃模型在本質上是屬于一種混合0-1整數非線性的雙層規劃模型,求解這類模型已經被證實是一個NP難問題[33]。由于模型中的部分決策變量規模龐大,復雜性較高,且取值不連續,傳統雙層規劃模型的求解方法,如K次最好法、分枝定界法、罰函數法等均難以求解[34]。遺傳算法采用隨機搜索技術,具有搜索速度塊、魯棒性強、收斂效果好等優點,可以很好地處理搜索空間大且不連續的雙層規劃問題,并可擺脫局部極值點,從而獲得較優的解決方案[35],目前已被廣泛運用于產品開發的各類工程優化問題中[10]。因此,本文開發了一個雙層嵌套遺傳算法,將下層延遲決策的優化問題以序貫的形式嵌入上層產品族架構的設計問題中進行求解,并將延遲的決策方案傳回到上層優化問題中。本文嵌套遺傳算法的具體流程如圖3所示。

步驟1參數設置。設置產品族架構中的參數,包括產品族中產品變體的數量J和復合模塊的個數R;設置上下層遺傳算法的種群規模N和M,以及最大迭代次數GN和GM。

步驟2上層種群初始化?；谏蠈觾灮瘑栴}的決策變量,隨機產生一個種群規模為N的初始種群,并通過整數編碼策略對上層決策變量進行相應編碼。以圖4a的染色體編碼為例,第1層表示產品族設計的染色體編碼,第2層表示第j個產品變體選擇復合模塊的染色體編碼,第3層表示第r個復合模塊選擇每個基本模塊所有候選項的染色體編碼?；蚓幪?表示沒有選擇該基本模塊,1表示選擇該基本模塊的第1個候選項,2表示選擇該基本模塊的第2個候選項,以此類推。

步驟3判斷是否滿足上層約束。對上層的初始種群,判斷其是否滿足上層優化問題的約束條件。若滿足,則執行下一步操作,將上層初始種群傳遞到下層優化模型中;否則,將上層初始種群的適應度值設置為0,轉步驟7。

步驟4下層種群初始化。針對上層優化問題中的可行解,在下層優化問題中結合自身決策變量的約束條件,隨機產生一個種群規模為M的初始種群,通過二進制編碼策略對下層的決策變量進行相應編碼,如圖4b所示。其中,基因編號1表示分銷商愿意承擔該產品變體的延遲任務,0表示分銷商不愿意承擔。

步驟5評估下層的子代。判斷下層初始種群是否滿足其約束條件。若滿足,則評價其種群個體的適應度值;否則,將其初始種群的適應度值設置為0,繼續后續操作。

步驟6判斷下層終止條件。判斷下層當前的迭代次數是否達到設定的最大迭代次數GM。若是,則停止運算,記錄最優解和最優值,并將二者反饋到上層遺傳算法中;否則,對下層種群個體進行選擇、交叉和變異操作,轉步驟5。

步驟7判斷上層終止條件。判斷上層迭代次數是否達到設定的最大迭代次數GN。若是,則停止運算,此時得到的可行解和目標函數值均為最優;否則,對上層種群個體進行選擇、交叉、變異操作,產生新的種群個體,轉步驟3,直到最大迭代次數為止。本文上下層遺傳算法的交叉操作如圖5所示。

計算上層和下層計算均達到預先設定的最大迭代次數時的時間復雜度,其中:Pcu為上層交叉概率,Pmu為上層變異概率,Su為上層種群規模,Gu為上層最大迭代次數;Pcl為下層交叉概率,Pml為下層變異概率,Sl為下層種群規模,Gl為下層最大迭代次數?？傔x擇操作計算次數為NS=Gu+Su·Gu·Gl,總交叉操作計算次數為NC=Su·Gu·Pcu+Su·Gu·Sl·Gl·Pcl,總變異操作計算次數為NM=Su·Gu·Pmu+Su·Gu·Sl·Gl·Pml。

4 智能冰箱案例

4.1 案例背景

智能冰箱是一種典型的模塊化產品,其結構非常復雜,在保證研究問題合理的前提下,對其結構進行合理簡化,如表4所示,其中公共模塊從第1～第3個,必選模塊從第4～第8個,剩余的是可選模塊。假設該智能冰箱制造商計劃開發一個包括兩種產品變體的智能冰箱產品族來滿足兩個不同細分市場顧客的定制需求,且在每個細分市場中都存在兩個分銷商。

表4 智能冰箱產品族中的基本模塊

表5 主從關聯優化模型中的相關參數值設置

制造商對基本模塊的制造成本和分銷商對基本模塊的生產成本如表6所示,復合模塊數量預先設置為R=3,R=4,如表7所示,制造商對復合模塊的制造成本和分銷商對復合模塊的生產成本如表8所示,分銷商對終端產品的組裝成本如表9所示。案例中涉及費用的計量均以美元($)為單位。

表6 制造商和每個分銷商對基本模塊的制造和生產成本

表7 智能冰箱產品族架構的類型

表8 制造商和每個分銷商對復合模塊的制造和生產成本

表9 每個分銷商對終端產品的組裝成本

4.2 優化結果

基于《MATLAB遺傳算法工具箱及應用》中對遺傳算法相關參數值設置范圍的規定,嵌套遺傳算法的關鍵參數設置如下:種群規模為100,最大迭代次數為200,二進制編碼精度為0.01,交叉概率為0.8,變異概率為0.01。計算產品變體和復合模塊的不同數量組合,結果如表10所示,當J=2,R=4時各決策主體的結果更優。圖6所示為嵌套遺傳算法在J=2,R=4時的收斂過程。另外,制造商和分銷商的優化結果如表11和表12所示。

表10 J和R不同組合下對應的最優結果(×106)

表11 制造商的優化結果

續表11

表12 分銷商的優化結果

在表12中,分銷商是否選擇與制造商合作的結果為z22和z41,z22表示第2個分銷商愿意完成對第2個產品變體的延遲任務;在延遲基本模塊的報價結果中,φ251=53表示第2個分銷商對第5個基本模塊的第1個候選項的生產報價為53;對延遲復合模塊的生產報價,φ222=71表示第2個分銷商對第2個產品變體中第2個復合模塊的生產報價為71;分銷商對第1個和第2個終端產品的組裝報價分別為23和19,分銷商對第1個和第2個產品變體的庫存水平分別為783和969,分銷商對第1個和第2個產品變體的零售價格分別為1 572和1 694,分銷商的總利潤為1.34×106。

4.3 靈敏度分析

基于經濟和數學規劃領域中的靈敏度分析理論,對延遲偏好參數δdj進行靈敏度分析。對參數δdj的所有值,隨機選擇參數δ41進行靈敏度分析,并將步長設為0.1。圖7所示為隨參數δ41取值的變化,制造商和分銷商利潤的變化情況。

由圖7可見,隨著參數δ41的增加,制造商和分銷商利潤在總體上遞增。制造商的利潤在δ41=0.2時波動較大,且在0.2≤δ41≤0.8之間制造商利潤增大的幅度較大。對分銷商而言,δ41=0.2時利潤增加的幅度最大,0.2≤δ41≤0.8之間的總利潤平穩增加。在0.8<δ41≤1之間,制造商的利潤增長較小,分銷商的利潤則出現了下降。

由以上分析結果得出如下管理啟示:對制造商而言,當延遲偏好參數在一定范圍內時(δ41≤0.8),制造商需要更專注于對延遲策略的投入,這樣不僅自己可以獲取更多利潤,還可使分銷商獲取更多利潤;然而,受自身制造能力的約束,當延遲偏好參數增大到一定程度后(δ41>0.8),制造商應該將更多精力放在提升自身制造能力上,并減少對延遲策略的投入,此時分銷商可以進一步優化延遲產品模塊的報價或銷售價格,從而提升自身的利潤。

5 結束語

有別于以往大多數基于固定產品架構對延遲進行研究的文獻,本文基于眾包制造環境詳細研究了產品族設計與延遲決策之間的主從關聯優化問題?；赟tackelberg博弈理論,建立了以產品族架構設計為上層優化問題,以延遲決策為下層優化問題的非線性雙層規劃模型,并開發了雙層嵌套遺傳算法對該模型進行求解。最后,應用一個智能冰箱產品族的延遲案例驗證模型和算法的有效性與可行性,對所提延遲偏好參數進行了靈敏度分析實驗,發現其變化會對制造商和各分銷商的利潤產生較大影響,并進一步給出了管理啟示。

與以往大多數有關延遲的研究相比,本文創新總結如下:

(1)結合當今的眾包制造環境提出事先不確定的產品族架構設計與延遲決策之間的主從交互決策機制,詳細分析了二者之間的內在交互影響過程。

(2)針對產品架構和延遲產品模塊種類事先均不確定的情形,提出“虛擬延遲結構”來具體化本文研究。

(3)基于Stackelberg博弈理論,建立了一個非線性的混合整數雙層規劃模型來定量優化產品族設計與延遲決策之間的主從關聯優化問題。

在本文基礎上,未來可以擴展的研究工作包括:

(1)進一步考慮上游供應商的行為對產品族設計與延遲決策交互過程產生的影響。供應商在制造商生產非延遲產品模塊的原材料供應價格上進行變動,會影響制造商的決策行為,從而影響整個產品族的架構設計,以及延遲和非延遲產品模塊種類的決策,進而影響下層分銷商的決策。因此,在本文研究基礎上進一步考慮供應商的決策行為具有一定現實意義,此時制造商作為主者,供應商和分銷商作為從者。

(2)進一步考慮供應鏈下游的零售商行為,即分銷商將終端產品批發給下游零售商。由于零售商對終端產品的定價行為會影響分銷商決策,從而影響分銷商利潤,進一步間接影響制造商的決策行為,這實際上是一個三層博弈過程,即制造商為主者、分銷商為從者、零售商為子從者的三層博弈結構。

(3)本文假設只存在一個產品族,未來可以考慮同時存在多個產品族,進一步深入探討產品變體間的需求代替,以及產品族之間因共享公開產品平臺而節約的成本。