E-Business WS 06/07 Teil 5 / S. 1 E-Business Elektronische Verhandlungen und Kombinatorische...

E-Business WS 06/07 Teil 5 / S. 1

E-Business

Elektronische Verhandlungen und Kombinatorische Auktionen

Dr. Michael Schwind


Übersicht

• Elektronische Verhandlungen & Dynamische Bepreisung

• Kombinatorische Auktion: Grundlagen

• Kombinatorische Auktion zur Ressourcenallokation im Grid

• Kombinatorische Auktion zum Austausch von Logistikdiensten

• Literatur


Elektronische Verhandlungen& Dynamische Bepreisung

Christof Christof WeinhardtWeinhardt

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

Martin BichlerMartin Bichler


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



Klassifikation basiert auf dem „Media Reference Model“

[Schmid 1999]

Knowledge Phase

Intention Phase

AgreementPhase

SettlementPhase

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



Knowledge Phase

Intention Phase

AgreementPhase

SettlementPhase

Montreal Taxonomy

[Ströbel & Weinhardt 2003]

Intention Phase Agreement Phase

Offer Specification

Offer Submission

Offer Analysis

Offer Matching

Offer Allocation

Offer Acceptance

AttributesValues

SidesDirectionsActivities

Value ScheduleThreshold Sorting Evaluation Resolution

DistributionProvisionConfiguration

Commitment

Endogenous explicit criteria


Pricing

Static Pricing Dynamic Pricing

Interactive Pricing Dynamic Price Posting

ReversePricing

Negotiation-based Pricing

Dynamic PriceDiscrimination

Yield Management Auctions

Dynamische Bepreisung

[Schwind 2007]


Klassifikation von dynamischen Bepreisungsmethoden

Dyn

am

ic P

rici

ng

Mec

han

ism

Criteria

1 : 1(1 : n)(n : 1)

1 : 1

Auctions 1 : nn : 1

n : n

1 : 1

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)

Reverse Pricing (RP)

Dynamic Price Discrimination (DPD)

Yield Management (YM)

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.

Interactively determines the price and allocation of goods and services based on bids according to predefined rules.

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.

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.

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.


Dynamische Bepreisung

Negotiation / Auction

Clearing Policy

ClosedDisjoint

Open

One

Activity

Withdrawal / Expiration

Beat-the-Quote

Dominance

Matching Function

Auctioneer Fees

Bid-Fees

Transaction-Fee

Entrance-Fees

Splitting-PolicyPricing

(Non-)LinearIndividual/

Anonymous

Side Payments

Tie Breaking

Clear Timing

Random

Fixed-Time-Points

(In-)Activity

On-Closing

Closing Condition

Fixed-Time / Round

Never

Inactivity

On-Match

Round-based

ParticipationRules

Buyer / Seller

Price Quotes Order BookQuote Timing

Transaction History

Mechanism Characteristics

Identities

InformationPolicy

SuggestingImperative

Additional RulesExpressiveness

Continuous Functions

CombinatorialExpressions

Additional Bid Constraints

Price-quantity Schedules

BiddingRules

Intermediary

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]


Kombinatorische AuktionGrundlagen


Kombinatorische AuktionenGrundlagen

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]

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]


Kombinatorische AuktionKomplementarität

Memory

Netzwerk

CPU

Disk

Allokation ?

IT-Ressourcen

IT-Dienste

Videokonferenz

Datenbankberechnung

1. Ressourcen • komplementär• verteilt

2. Allokation• optimal• dynamisch

Komplementarität• Videokonferenz• 3 Ressourcen benötigt• Netzwerkausfall• Ausfall der Konferenz• Entwertung der Ressourcen


Kombinatorische AuktionCAP Mechanismus

Example

Bidder b1

3 Bidder {b1, b2, b3} bid for bundles {A, B, C, D, E}

MEM, t1 MEM, t3MEM, t2

CPU, t1 CPU, t3CPU, t2

NET, t1 NET, t3NET, t2

(A, 8 MU)

(B, 4 MU)

(D, 8 MU)

(C, 8 MU)

(E, 9 MU)b2b3

Maximum ?

(B und D, 12 MU)

Resources{MEM, CPU,

NET}

Time Slots {t1, t2, t3}

Database Calculation

Video Conference

b1 and b2


Combinatorial Auction Problem

Kombinatorische AuktionCAP Mechanismus

, ,1 1max

I J

i j i ji jp x

max, ,1 1

,1

( , ) ( , )

1

I J

i j i ji j

J

i jj

q o t x q o t

x

,

, ,

,

,

1,...,

1,...,

( , )

:

0,1

:

Resources:

Time slots:

Resource request:

Price for bid

Acceptance variable:

Bid of agent

Total return:

i j

i j i j

i j

i j

acc

o O

t T

q o t

b p

x

j i b

Inc

under constraints:


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]

Quality

Winner-DeterminationConstraints

GA / SA / Greedy SolverInteger-Programming

Solver

exact resultcalculationrequiredfast result

calculationrequired

allocationresult

constraintsrequired

CA WinnerDetermination

approximateresult

calculationallowed

One-ShotAuction

Vickrey-Clarke-Groves

OR-of-XOR

OR

AND

AND-OR

Quantity

min. Provider

other

Turnover

CA BidFormation

bid-withdrawal

allowed

manualvaluationallowed

multi-attributivevaluationrequired

leveledcommitment

alllowed

automatedbid-

generationrequired

Bidding LanguageConstraints

IterativeAuction

Sealed-Bidding

Bid-ValuationModule

only bidacceptancenotification

requiredindividualnon-linear

pricingallowed

anonymouslinearpricing

required

CA PriceFeedback

anonymousnon-linear

pricingallowed

Ascending /Descending

Auction

Open-OutcryClock-Auction

Proxy-AgentSealed-Bidding

other

Time

Quantity


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]

Quality

Winner-DeterminationConstraints

GA / SA / Greedy SolverInteger-Programming

Solver

exact resultcalculationrequiredfast result

calculationrequired

allocationresult

constraintsrequired

CA WinnerDetermination

approximateresult

calculationallowed

One-ShotAuction

Vickrey-Clarke-Groves

OR-of-XOR

OR

AND

AND-OR

Quantity

min. Provider

other

Turnover

CA BidFormation

bid-withdrawal

allowed

manualvaluationallowed

multi-attributivevaluationrequired

leveledcommitment

alllowed

automatedbid-

generationrequired

Bidding LanguageConstraints

IterativeAuction

Sealed-Bidding

Bid-ValuationModule

only bidacceptancenotification

requiredindividualnon-linear

pricingallowed

anonymouslinearpricing

required

CA PriceFeedback

anonymousnon-linear

pricingallowed

Ascending /Descending

Auction

Open-OutcryClock-Auction

Proxy-AgentSealed-Bidding

other

Time

Quantity


Kombinatorische Auktion zur Ressourcenallokation im Grid


Kombinatorische Auktion zur Ressourcenallokation

Ökonomische Allokation

GebotsabgabeGebotsannahme

Ressourcenstatus Ressourcenpreis

IT-NachfragerIT-Anbieter

Allokation

Bepreisung

Marktmediator

Iterativer Allokations- und Bepreisungsprozess durch den Marktmediator



Gebote

Gebot Zeitslot (t)

Ressourcen (o)

t1 t2 t3 t4 t5 t6 t7 t8

CPU 2 2 3 3 3

Netzwerk 1 1 1

Disk 2 2 1 1 1 1

Memory 3 3 2 2

Nachfrager geben Gebote für Ressourcenkapazität q (o, t) in Form von Matrizen ab:

,i jb



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)



CAP-Lösungsverfahren

Verfahren

• 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]Benchmark

Verwendung von unterschiedlich strukturierten, stochastisch generierten Ressourcenanfragen (Gebotsmatrizen: unstrukturiert, substrukturiert, strukturiert)

[Schwind et al. 2003a]



CAP-Lösungsverfahren

Benchmark (unstrukturierte Gebote bei 25 - 75 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]

Lösungsqualität

Rechenzeit

GR

SA

GA

IP

25

50

75

80%

82%

84%

86%

88%

90%

92%

94%

96%

98%

100%Qualität

LösungsverfahrenAgentenGR

SA

GA

IP

25

50

75

0.0001

0.001

0.01

0.1

1

10

100

1000

10000Zeit (sec)

LösungsverfahrenAgenten


Schattenpreise (Duales Problem des relaxierten CAP)

Kombinatorische Auktion zur Ressourcenallokation: Preise

,max1 1min ( , )

o t

O T

o tz q o t sp

, 0

, 0

0: ( )

Akzeptierte Gebote:

Abgelehnte Gebote:

Reduzierte Kosten:

Schattenpreisvariable:

Schattenpreis in Runde

i j

o t

shad

o

B B

B B

sp

k V k

, ,

, ,

,1 1

, ,1 1

( , )

( , )

o t i j

o t i j

O T

i jo t

O T

i j i jo t

q o t sp p B

q o t sp p B

,1( )

o t

Tshado

tV k sp o O

Schattenpreis für Ressource o über Periode T:

unter den Nebenbedingungen

,

,

( )( )

( , )

shadoshad

o i ji j

t i j

V kv k b B

q o t

Marktwert einer Ressourceneinheit:



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]

Marktpreise der Ressourcen Knappheit der Ressourcen

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1 25 50Runde

Ma

rkp

reis

e

Res. 1 Res. 2 Res. 3 Res. 4

0

0,2

0,4

0,6

0,8

1

1 25 50Runde

Kn

ap

ph

eit




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]

0.001

0.01

0.1

1

10

100

1 2 3 4 5 6 7

Verknappung von Ressource 1

Re

lati

ve

Pre

isä

nd

eru

ng



Kombinatorische Auktionen zum Austausch von

Logistikdiensten


Kombinatorische Börse für Logistikdienstleistungen

Ausgangssituation

Transportkosten als entscheidender Kostenfaktor in der Nahrungsmittelindustrie

73%

18%

9%

trifft voll zu

trifft eher zu

indifferent

Empirische Untersuchung in der Nahrungsmittelindustrie:Güterauslieferung an Kunden ist zeitkritisch und entscheidender Kostenfaktor

(n= 109, 11 Antworten aus der Branche)

[Wendt et al.

2006]



Liefergebiete



Problem & Lösung

Probleme der innerbetrieblichen Auftragsoptimierung

Anreizproblematik

• Abwanderung von Kunden zum nächsten Profitcenter möglich Neutralität des innerbetrieblichen Leistungsaustausches

• Hohe Komplexität der KostenstrukturKostenstruktur ändert sich mit der Routenplanung

Lösung

• Auftragsoptimierungssystem durch eine kombinatorische Börse zum innerbetrieblichen Austausch von Aufträgen hebt Synergieeffekte

[Gujo et al. 2007]



Outsourcing, Insourcing, Clusterung

Profitcenter 2

Profitcenter 1

AB

C

Outsourcing

von 2: A 3 GE

von 1: B 3 GE

von 1: C 2 GE

von 1: BC 8 GE

Insourcing

von 2 zu 1:A 2 GE

von 1 zu 2: B

2 GE

von 1 zu 2: C

2 GE

von 1 zu 2: BC

5 GE

Einsparung

A: 2 1 1 GE

B: 1 2 1 GE

C: 1 2 0 GE

BC: 1 2 3 GE

Beste Lösung: A, BC

4 GE

Cluster

Outsourcing: Profitcenter geben automatisiert Abgabegebote abInsourcing: Profitcenter geben automatisiert Übernahmegebote ab


Kombinatorische Börse für LogistikdienstleistungenComEx Varlog Software

Routen-optimierung

Cluster-bildung

Kombinatorische Auktion


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

GebotsabgabeFragen

• Optimale Clustergröße• Zusammenwirken von Routenoptimierung und

kombinatorischer Auktion• Anreizkompatibilität bei Verteilung der Ersparnis zwischen

den einzelnen Profit Centern



Simulationsergebnisse

Durch Einsatz von ComEx ersparte Streckenentfernung

Lieferkosteneinsparung durch den Einsatz von ComEx

[Gujo et al. 2007]



Simulationsergebnisse

Gesamtlieferstrecke in Abhängigkeit von erlaubter Anzahl von Geboten

[Gujo et al. 2007]

5300

5400

5500

5600

5700

5800

5900

6000

6100

6200

Ge

sa

mtl

iefe

rstr

ec

ke

, k

m

0 Gebote 5 Gebote 10 Gebote 15 Gebote 20 Gebote

Erlaubte Anzahl von Geboten

Gesamtlieferstrecke

ohne ComEx

mit ComEx


Literatur


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. 284-309.

• 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. 29-45.

• Schmid, B.: Elektronische Märkte - Merkmale, Organisation und Potentiale, in: Sauter, M.; Hermanns (ed.), Arnold: Handbuch Electronic Commerce, Vahlen Verlag, 1999, S. 31-48

• Schwind, M. "Design of Combinatorial Auctions for Allocation and Procurement Processes," 7th International Conference on E-Commerce Technology 2005, München, Germany, 2005, pp. 391-395.

• 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.


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. 1588-1595.

• 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 3-8334-5215-3; Norderstedt, Germany

E-Business WS 06/07 Teil 5 / S. 1 E-Business Elektronische Verhandlungen und Kombinatorische...

Documents

Transcript of E-Business WS 06/07 Teil 5 / S. 1 E-Business Elektronische Verhandlungen und Kombinatorische...