考虑提前需求信息的动态批量补货模型优化

随着越来越多的传统零售企业利用网络渠道拓展销售业务，以及人们逐渐习惯于网络购物，网络零售业在当今世界经济中扮演着重要角色。例如，美国在2015年的网络零售交易额为3340亿美元（约为2.16万亿元），平均年增长率为10%^[1]；而我国在2014年就达到了2.79万亿元，较上年增长49.7%^[2]。网络零售市场在蓬勃发展的同时，其内部的竞争也比以往更激烈，因为大多数零售企业的网络业务利润非常低。因此，网络零售商就不得不致力于降低与销售相关的一系列运作活动的成本，优化库存和补货方案就是其中的重要手段之一。本章根据网络零售商的运营特点，研究如何构建合适的补货模型来最小化与库存补给相关的成本。

本章研究问题的背景主要来自欧洲一家在网上售卖电子产品的零售企业D。该零售商销售的大多数产品具有共同的特征，即需求是动态的。例如，一种新型智能家居清扫产品IRobot在起初推广时期的需求量非常小，但由于口碑效应，越来越多的顾客开始知晓并决定购买，其需求量也就随时间持续增长。另外，该零售商与IRobot的分销商也签署了战略联盟合同，确保了产品及时和充足的供应。在此背景下，零售商的运营经理需要设计出一个合适的库存补给政策，以最小的成本来满足顾客需求。其他的一些网络零售商，包括定制服装零售商、组装电脑零售商、珠宝零售商等，也会遇到类似的问题。这些零售商既可以自己生产产品，也可以向供应商采购来满足随时间动态变化的顾客需求。本章就来探讨这一类拥有网络销售业务的零售商所面临的库存补给问题。

网络零售企业能够轻易地获取提前需求信息（advance demand information，ADI）。Hariharan和Zipkin（1995）最先通过研究识别了客户提前通知订单信息对降低库存成本的正向作用，并将客户下订单到限定交货日期的这段时间定义为需求提前期（demand lead time）。随后，Gallego和Özer（2001）正式提出了ADI的概念，并将其准确定义为：具有多种需求提前期的顾客在他们真正被满足前下订单所带来的需求信息。对于开展网络销售业务的零售商来说，顾客通过网络渠道下订单时就能导致ADI，因为这些订单所对应的需求通常会在未来的某个配送日期才得到满足。网络零售商可以通过诸多手段来获取更多的ADI。例如，一些网络零售商（如亚马逊）通过提供免运送费的方式，鼓励顾客等待，这样就能够获取更多的时间来履行订单。还有一些商家在产品发售之前就接受客户订单，即通过预售的策略来获取ADI，如苹果和小米在网络渠道发布新手机时就采用此方式。此外，网络零售商还能够通过数据挖掘或机器学习技术来跟踪并分析访问者的点击行为，并预测这些点击转换成未来需求的概率，这也代表着另一种形式的ADI。综上，本章的研究问题是：如何利用ADI来为开展网络销售业务的零售商设计一个库存补给方案，且能够在最小化成本的情况下满足随时间动态变化的需求？

大多数零售企业（如上文提到的D公司）已经实施了ERP系统，作为该系统中管理库存补给流程的核心模块，动态批量模型（dynamic lotsizing，DLS）是解决实际大规模补货计划问题的基础方法。在此背景下，结合网络零售的特点，本章构建了多种考虑ADI和弹性配送的无能力约束的单品动态批量补货模型来解决实际库存补给计划问题。零售商已经利用网络渠道开拓了许多新兴商业运作模式。例如，越来越多的传统零售商将销售业务拓展到线上，形成线上线下同时经营（bricksand-clicks）的商业模式；纯网络零售商在销售模式上也变得越来越有创意。因此，本章考虑四种典型网络零售情境下的库存补给问题。首先，情境一考虑纯网络零售商和同质顾客，即所有顾客具有相同的需求提前期，零售商对所有订单的处理与配送都按照统一标准执行。接着，情境二在纯网络零售的环境下进一步考虑异质顾客的情况，允许网络零售商（如亚马逊、Boulanger和Darty）从订单处理优先级上将顾客区分为两类，即顾客的需求提前期不同。最后，两种情境考虑零售商以线上线下同时经营的方式运营。在此情形下，需求不仅来自网络渠道，还来自零售商的线下传统零售渠道。而且，线上与线下这两种销售渠道既可以是相互独立的（情境三），也可以是交叉互动的（情境四）。互动渠道的经营模式近年来非常流行，它允许顾客在网上下订单，然后到线下实体商店去取货。Gallino和Moreno（2014）定义这种模式为“buy-online，pickup-in-store”（BOPS）。

基于以上四种网络零售情境的特征，本章详细描述了每种情境下的库存补给过程，并采用混合整数规划技术分别构建了考虑ADI和弹性配送因素的动态批量补货模型。通过分析各情境下补货模型之间的关系可知，线上与线下销售渠道互动情境中的补货模型是其他所有情境中模型的一般化形式。因此，本章还详细阐述了该一般化模型如何通过约束松弛和参数设定等手段转换成其他情境下的补货模型。(www.xing528.com)

本章的研究主要和三类文献相关：与动态批量模型相关的研究，库存管理领域中考虑提前需求信息的研究，以及网络零售环境下的库存政策研究。接下来就分别介绍三个领域的研究现状。

自从Wagner和Whitin（1958）最先提出基本的动态批量模型之后，学者们研究了在不同环境设置下的许多动态批量问题，具体可以参考关于模型分类、算法、需求类别等相关文献综述[39]～[42]。本书在第1章中也对动态批量模型的相关研究做了详细综述。大部分动态批量模型解决的是生产或制造环境下的生产与库存补给计划问题，特别是在采用MRP系统的环境中。本章研究在以往关于动态批量模型研究的基础上，为拥有网络销售渠道的零售商解决库存补给问题而构建了考虑ADI和弹性配送的无能力约束动态批量模型，这是已有文献中未曾研究过的模型。此外，本研究还详细探讨了四种不同的网络零售情境，并识别了各自情境下动态批量模型之间的关系。

本章研究还与库存管理中考虑提前需求信息的文献相关，关于此领域的研究，可以参见Özer（2011）的综述。提前需求信息通常包括两部分：一部分为已观测到的信息，指在当期之前已经观测到，且将要在未来某一期实现的已知需求；另一部分为未观测到的信息，指还未被观测到的未知需求。提前需求信息可以是完美的，即未来需求在得到满足之前，其信息完全已知；或者是不完美的，即未来需求的不确定性预示。Hariharan和Zipkin（1995）最先研究了一种允许顾客提前通知订单（即提前需求信息）的随机库存模型，并证明了延长需求提前期和缩短供应提前期对库存系统的作用相同。Wang和Toktay（2008）则指出在随机库存系统中，考虑提前需求信息和弹性配送时，增加需求提前期比减少供应提前期带来的成本节省效益更强。随着大数据技术的发展，学者们开始研究将网络点击流数据作为提前需求信息嵌入到传统的库存模型中。不过，这些研究都是在随机库存系统中考虑提前需求信息的作用，而本章将观测到的提前需求信息应用到动态批量模型中，以解决拥有网络渠道的零售商的库存补货问题。本研究第一次将提前需求信息的概念引入到动态批量模型中，从一定程度上拓展了相关的研究。

网络零售环境下的库存政策研究主要考虑两种网络零售商，一种是纯网络零售商，另一种是在多渠道或双渠道环境下运营的零售商。纯网络零售商库存管理的相关研究主要包括将一个传统的两阶段序列库存系统拓展应用到在线零售环境中的研究，分析网络零售商维持自有库存策略的研究，以及设计库存分配政策或者补给政策来最小化运输费用或降低发货费用的研究，等等。更多研究考虑的则是多渠道或双渠道零售环境，即零售商既在传统线下渠道经营，也在线上渠道运营（参见文献[8][27]关于此模式的具体描述）。Seifert等（2006）分析在集成网络直销渠道和线下零售商间接渠道的情况下，商家可以利用线下零售商店的富余库存来满足网络订单，并在此基础上找到供应合同的最优参数。一些学者指出，在线上、线下同时经营环境下的零售商可以使用传统的库存政策来补给库存，如连续盘点的（Q，R）政策。在允许线上、线下零售渠道互动的情况下，Bretthauer等（2010）设计了一个库存分配模型来决定可以同时处理线上和线下需求的线下商店地址和数目；Mahar等（2012）则设计了一个动态取货点分配政策，并根据实时信息动态地选取允许线下取货的商店集合。本章研究的库存补给政策同时考虑了纯网络零售商和线上、线下同时经营的零售商。进一步，在线上、线下同时经营的情境中，考虑了线上、线下渠道相互独立和可以互动的两种子情境。在第4章中，本研究还在本章基础上提出了一个涵盖有统一模型和精确算法的框架来处理大多数网络零售商的补货问题，补充了相关领域的研究。