在一个由生鲜农产品销售商、上游的供应商和3PL组成的供应链中，存在着销售商是否向供应链上游成员共享需求预测信息以及上游成员之间是否传递信息这一对矛盾的问题。本文考虑3PL保鲜努力对生鲜农产品新鲜度的影响，通过构建完全信息共享、部分成员信息共享以及无信息共享策略下生鲜农产品供应链多主体的博弈模型，分析了不同信息共享策略下的最优定价和保鲜努力决策，进而研究了销售商的信息共享策略。在此基础上，设计激励契约对信息共享策略进行改进，并探讨了激励契约对供应链均衡决策的影响。研究表明，销售商仅向3PL共享信息对自身最有利，但由于3PL和供应商之间存在信息传递，当新鲜度弹性较高时，信息共享均衡策略为完全信息共享；当新鲜度弹性较低时，信息共享均衡策略为无信息共享。而供应链整体绩效在销售商仅向3PL共享需求信息时达到最优。由此，销售商可以设计转移支付契约以规避上游成员之间的信息传递。契约实施后，在高市场需求信息下，生鲜农产品的品质得以提升，且对于新鲜度弹性较高的生鲜农产品，其销售价格还会降低。

在倡导ESG的背景下, 越来越多的企业在追求其利润的同时也关注社会福利等ESG指标. 本文考虑一家链接一群服务提供者和一群消费者的双边平台, 研究了具有社会责任感的平台企业的双边定价策略. 平台企业在关注自身利润的同时, 也关注服务提供者福利和消费者福利; 其优化的目标函数为这三个子目标的加权和, 后两者的权重系数反映了平台企业对服务提供者福利和消费者福利的关注程度. 从服务提供者和消费者的选择行为出发, 我们研究了需求侧规模确定与随机两种情形下平台的最优定价决策. 研究表明, 在确定性需求下, 平台企业总能通过双边定价来完美匹配供给与需求; 相对于只关注自身利润的平台企业而言, 对服务提供者或消费者福利的关注将导致平台企业必须同时向双边用户让利. 在随机市场需求下, 平台对供给与需求中任意一侧的关注使平台在定价决策上向该侧让利, 也将导致该侧用户获得匹配的概率降低, 而该侧的总福利仍能得到改善; 与此同时, 另一侧用户的福利可能受到损害; 此外, 在一定条件下, 具有社会责任意识的平台企业能够实现自身利润、 服务提供者福利以及消费者福利三方的共赢.

第六届可持续发展与企业社会责任学术研讨会，将于2024年11月16-17日（周六、日）在中山大学举办，会议主题为“ESG发展20年与中国企业高质量发展”。

数据中心极为消耗能源。随着数字化需求的不断增长，可持续性始终是一个不可忽视的问题。数据中心的高能耗和碳排放对环境造成巨大压力，因此推动绿色数据中心发展成为新加坡及邻国共同面对的挑战。

2024年第二十届物流系统工程暨第八届管理系统工程学术研讨会，以“数智时代的物流与供应链管理”为主题，将于2024年9月20日至22日在西安市召开，由西北工业大学管理学院、陕西省运筹学学会承办。

第二届工程管理前沿年会（FEM2024）聚焦人工智能时代下的工程管理前沿，将于2024年7月13-15日在武汉举办，由工程院院刊《Frontiers of Engineering Management》、华中科技大学、管理科学与工程学会联合主办。

水产养殖是一个相对较新的产业，正朝着使鱼类成为最可持续和最安全的食物来源（尤其是蛋白质）的方向发展。不仅有助于减轻对海洋资源的影响，还可以替代红肉生产，减少对土地的影响。那么，如果吃更多可持续生产的鱼对我们的健康和地球都有好处，我们为什么不这样做呢？

跨国企业为提高供应链弹性，正在努力应对两大挑战：一是难以发现潜在的供应商，二是寻找、审查和启用新供应商所需的时间过长。看到跨国企业正在使用AI工具，以便在意外中断期间迅速找到替代供应商并与之接触。这些AI工具还能为买家提供了更多信息，使他们能够在确保替代供应来源方面击败竞争对手。

资源池依存理论诞生于可持续发展进程之中，为供应链可持续发展孕育“共存·共享·共生”的健康生态，致力于探索解决环境效益和资源效率问题的理论方法。介绍资源池依存理论的思想、内涵、理论框架和方法论。

2024年4月11日，东南大学可持续发展研究基地、东南大学可持续发展研究院（苏州）发布《中国可持续发展研究报告（2023）》（蓝皮书），旨在为正在可持续发展领域探索与实践的企业、行业提供值得借鉴的理论方法，为企业可持续素养的培育提供科学的路径。

中国系统工程学会第23届学术年会以“坚持系统观念，迎接数字时代”为主题，将于2024年10月26-27日在合肥举办，由合肥工业大学承办。

人与自然和谐共生，已经成为可持续供应链内在的核心动力。碳协同效应理论以供应链为对象、以可持续发展为目标，强调供应链可持续发展的系统性、整体性和协同性的统一，为可持续供应链的形成和发展提供理论基础。

绿色、可信、再生三要素支持的可持续性，有效集聚了可持续供应链内在与外在的核心动力，为可持续性培育开辟了直接路径。

企业需要更好的规划来提高供应链的灵活性和弹性。在解释了传统计划系统的缺点后，作者介绍了最优机器学习（OML），该方法已在多个行业证明行之有效。其核心功能是决策支持引擎，可以处理大量的历史和当前供需数据，考虑公司的优先事项，并迅速为理想的生产数量、运输安排等提出建议。作者解释了 OML 的基本原理，并提供了两家大公司如何实施 OML 并提高供应链绩效的具体实例。