应对突发事件的库存共享策略

以包含两个销售商的库存系统为例,构建了一个描述库存共享应对突发事件的非合作博弈模型,证明了其纳什均衡解是唯一存在的。研究结果显示库存共享策略总有可能使得销售商的期望利润得以改进。另外,比较静态分析反映了转载价格和转载成本显著影响库存共享销售商的最优订货量和最优期望利润。最后,提出了一个简单的求解模型纳什均衡解的启发式算法。     

供应链融资业务中钢材质押贷款动态质押率设定的VaR方法

异于债券、股票等质押融资业务,存货质押业务动态质押的核心在于预测其长期价格风险。从分析存货质押市场收益率的统计特征出发,以场外现货交易为主的钢材((HRB335)日数据为例,建立能刻画钢材收益率序列异方差性和尖峰厚尾特性的VaR-GARCH(1,1)-GED模型。同时,提出置于多风险窗口下运用样本外预测未来质押期内钢材价格风险水平,给出厚尾分布下长期风险VaR的计算解析式,得出与银行风险承受能力相一致的质押率。进而,基于失效率法则建立长期风险的碰撞序列函数,回测多风险窗口下长期VaR值。实证分析显示,模型得到的质押率在控制好风险的同时降低了效率损失,为商业银行提供一种动态质押率的风险管理模式和框架。     

物流企业参与下的库存质押融资中的委托代理问题研究

本文在分析物流企业参与下的库存质押融资中银行与企业的收益的基础上,给出了银行和企业的委托代理模型,确定了代理成本。通过对比在信息对称和信息不对称情况下,投资激励与物流企业监管下银行的收益,确定了物流企业在库存质押融资中的监管程度的取值范围,说明了物流企业在这一融资模式中的作用,给出了各方由于信息不对称而付出的成本费用。     

LR型模糊需求下连续盘点库存策略研究

本文研究了LR型模糊需求下缺货需补的连续盘点库存优化问题。基于可信性理论,建立了成本最小化的库存模型和两种服务水平下的库存分析模型,给出了其求解方法,并将成本和服务水平两方面进行综合获得最优库存策略。最后的算例分析,数值比较了不同模型下的库存策略。     

基于可控提前期的随机寄售库存模型

本文通过假定需求提前期为随机且可控的,将寄售库存（Consignment Stock,CS）模型拓展到随机情形。本文首先将库存成本分为与财务相关的成本和与储存相关的成本两部分,得出CS方式下买卖双方的联合期望总成本公式,然后将订货量、订货点、提前期、运送次数作为决策变量,求得系统的最优参数设置及最小总成本。文章最后提出一个算法,并通过仿真的形式表明无论在确定还是随机环境中,CS方式的总成本都可能优于集成化库存方式。     

具有多元马氏需求的多产品多阶段库存优化模型

本文研究一类新的多产品库存控制策略,即具有多元马氏需求特征的多产品多阶段的订货点订货量(Q, R, SS)策略,该策略考虑市场需求在不同产品之间具有多元马氏转移特征,并考虑缺货因素设置安全库存。论文首先建立了多产品多阶段的多元马氏需求预测模型,并通过该模型确定了各种产品需求之间的关系。同时,在该模型的理论基础上,提出了多产品多阶段的总期望成本模型及其最优(Q, R, SS)策略,进而结合算例给出模型的最优策略的数值解。     

多渠道供应链中物流系统的容量扩充与分配模型

考虑一个传统供应链将市场由单一的实体商店零售扩大到互联网上的在线零售,为满足新增的在线零售需求,供应商需要扩充物流系统的供应容量,并设计新增容量的分配方案。本文针对由一个中心仓库和多个地区仓库组成的二级物流系统,在保留现有配送网络结构的基础上,构建了物流系统的容量扩充与分配模型,并提出一种基于拉格朗日松弛法的求解算法。我们通过数值实验表明了算法的有效性,并通过数值算例说明了运输成本与库存汇聚效应对最优容量扩充与分配方案的影响。     

一类考虑反S型概率权重的供货中断库存模型

在连续盘点库存系统中应用零点订货库存(ZIO)策略,假设供应商工作和中断的持续时间分别服从独立的指数分布.首先,引入反S型权重函数刻画风险厌恶型决策者主观高估补货点供应商处于中断的小概率关键事件的行为偏好.其次,利用两个状态连续时间Markov链和更新报酬定理构建了长程平均成本模型,证明了成本函数的单峰性,对比讨论了结合数值算例与风险中性模型结论.最后,设计了近似条件得出最优订货量的解析表达式及成本的近似误差上界,配合基准集和随机数据集分别计算了160组和10 000组数值实验样本,验证了近似方法的有效性.     

考虑客流分布的生鲜品货架空间动态分配研究

针对生鲜品利润微薄和有限的货架资源投入的问题,假定生鲜品的需求率与客流量、货架展示量、价格3种因素相关。基于不同时段的客流量构建生鲜品货架空间动态分配模型,以分析不同的货架空间规模与互补品对货架空间分配策略的影响。探讨了不同的价格敏感度和货架空间弹性因子情况下的货架空间分配策略。算例研究表明货架空间弹性因子、消费者对产品价格的敏感度对利润影响较大,补货方式对利润也有一定的影响,以此给予零售商挖掘货架资源的新启示。     

Heuristics for Base‐Stock Levels in Multi‐Echelon Distribution Networks

We study inventory optimization for locally controlled, continuous‐review distribution systems with stochastic customer demands. Each node follows a base‐stock policy and a first‐come, first‐served allocation policy. We develop two heuristics, the recursive optimization (RO) heuristic and the decomposition‐aggregation (DA) heuristic, to approximate the optimal base‐stock levels of all the locations in the system. The RO heuristic applies a bottom‐up approach that sequentially solves single‐variable, convex problems for each location. The DA heuristic decomposes the distribution system into multiple serial systems, solves for the base‐stock levels of these systems using the newsvendor heuristic of Shang and Song (2003), and then aggregates the serial systems back into the distribution system using a procedure we call “backorder matching.” A key advantage of the DA heuristic is that it does not require any evaluation of the cost function (a computationally costly operation that requires numerical convolution). We show that, for both RO and DA, changing some of the parameters, such as leadtime, unit backordering cost, and demand rate, of a location has an impact only on its own local base‐stock level and its upstream locations’ local base‐stock levels. An extensive numerical study shows that both heuristics perform well, with the RO heuristic providing more accurate results and the DA heuristic consuming less computation time. We show that both RO and DA are asymptotically optimal along multiple dimensions for two‐echelon distribution systems. Finally, we show that, with minor changes, both RO and DA are applicable to the balanced allocation policy.