线上线下协同的全渠道零售供应链系统的鲁棒控制与优化

doi:10.16381/j.cnki.issn1003-207x.2021.1603

摘要/Abstract

摘要：

为促进新零售时代的线上线下协同发展，给消费者提供优质、灵活、无缝的购物体验，本文融合线上预约线下提货付款（reserve-online-pick-up- and-pay-in-store，ROPS）、线上购买线下退货策略（buy-online-and-pick-up-in-store，BORP），构建了全渠道零售供应链系统的状态反馈控制模型，对比分析N-BR（不采用BORP和ROPS）、Y-B（纯BORP）、Y-R（纯ROPS）和Y-BR（融合BORP和ROPS）四种策略模型，探究消费者渠道偏好、跨渠道提货和退货参数不确定性对供应链系统库存、生产/订购和利润的影响，研究基于离散系统Lyapunov稳定性理论和线性不等式LMI方法设计系统的鲁棒控制策略抑制系统不确定性引起的牛鞭效应。结果表明：（1）全渠道零售企业应根据消费者渠道偏好特性，均衡制造商和零售商利润；（2）Y-BR策略实施会造成一定的缺货风险，零售商应合理设计采用BORP和ROPS策略的特定配置条件，提升收益水平；（3）零售商利润取决于ROPS策略下的提货率，若线下提货率过高，将引起零售商利润严重亏损；（4）鲁棒优化控制能有效抑制系统的牛鞭效应。本研究成果可为提高新零售企业的运营效率和利润，增加实体零售店的核心竞争力，实现全渠道零售企业转型发展提供一定的理论依据和实践价值。

关键词: 全渠道零售, BORP, ROPS, 鲁棒控制, 牛鞭效应

Abstract:

Technological innovation and consumption upgrades have accelerated the rapid development of the “new retail” omnichannel model. With the implementation of this model， a large number of enterprises blindly added new online channels and excessively imitate business model， resulting inoffline mismanagement， overstocked inventory， and high online return rate.Therefore， how to integrate the advantages of offline and online channel， expand the integrated and intelligent omnichannel layout， and meet the personalized and seamless interactive experience of consumers has become a difficult problem that needs to be solved urgently by the industry and academia. Focusing on these questions， ROPS（Reserve-Online-Pick-up-and-pay-in-Store） and BORP（Buy-Online-and-Pick-up-in-Store） strategies are integrated to build a state feedback control model for the omnichannel retail supply chain system， and four strategy models are compared： N-BR （do not adopt BORP and ROPS）， Y-B （adopt pure BORP）， Y-R （adopt pure ROPS）， Y-BR （integrate BORP and ROPS）. Further， the influence of consumer channel preferences， cross-channel delivery and return parameter uncertainty on supply chain system inventory， production/ordering and profit is investigated， and the bullwhip effect suppression method is studied based on Lyapunov stability theory and linear matrix inequality algorithms. The results show that：（1） Omnichannel retail companies should regard consumer channel preferences as their characteristics， and balance the profits of manufacturers and retailers；（2） Y-BR strategy will cause a certain risk of out of stock and retailers should rationally design specific configuration conditions for adopting BORP and ROPS to increase profit；（3） Retailer's profit depends on the pick-up rate. If the offline pick-up rate is too high， it will cause a serious loss in the retailer's profit；（4） Robust optimization control effectively suppresses the bullwhip effect. This research improves the operating efficiency and profits of new retail enterprises， increases the core competitiveness of physical retail stores， and provides a certain theoretical basis and practical value for the transformation and development of omnichannel retail enterprises.

Key words: omnichannel retail, BORP, ROPS, robust control, bullwhip effect

中图分类号:

F273

葛晨晨,朱建军. 线上线下协同的全渠道零售供应链系统的鲁棒控制与优化[J]. 中国管理科学, 2024, 32(7): 150-162.

Chenchen Ge,Jianjun Zhu. Online and Offline Collaborative Omnichannel Retail Supply Chain System Robust Control and Optimization[J]. Chinese Journal of Management Science, 2024, 32(7): 150-162.

图/表 23

表1

图1

表2

模型符号参数描述"

符号	定义
$y m, k$	$k$ 时刻制造商 $m$ 的实际库存量， $y m, k ∈ R n$ 为状态量
$y r, k$	$k$ 时刻实体零售商 $r$ 的实际库存量， $y r, k ∈ R n$ 为状态量
$y c, k$	$k$ 时刻消费者 $c$ 的虚拟库存量， $y c, k ∈ R n$ 为状态量
$u m, k$	$k$ 时刻制造商 $m$ 的生产量， $u m, k ∈ R n$ 为控制输入量
$u r, k$	$k$ 时刻的实体零售商 $r$ 的订货量， $u r, k ∈ R n$ 为控制输入量
$d k$	$k$ 时刻消费者的需求，不确定性变量，为扰动输入变量
$w$	线上直销渠道购买的商品退回制造商的概率
$γ$	线下渠道购买的商品退回实体零售商的概率
$δ$ / $α$	制造商回收的概率/消费者对线上直销渠道的偏好系数
$β$	消费者线上预约线下提货概率（ROPS策略）
$v$	消费者跨渠道退货的概率（BORP策略）
$Z m, k / Z r, k$	$k$ 时刻制造商 $m$ 的实际利润/ $k$ 时刻实体零售商 $r$ 的实际利润，为系统输出量
$p d / p r$	制造商线上销售价格/零售商销售价格
$c m, I / c r, I$	分别为制造商 $m$ 和零售商 $r$ 的单位库存成本
$c m, R / c r, R$	制造商 $m$ 单位回收成本/零售商 $r$ 单位回收成本
$c m, T 1$	制造商 $m$ 线上直销渠道单位退货运输成本
$c m, T 2$	制造商 $m$ 线下分销渠道单位退货运输成本
$c m, o / c m, p$	零售商 $m$ 单位订购成本/制造商 $m$ 单位制造成本
$s$	商品单位残值

表2

表3

仿真参数数据"

参数	值	参数	值
$δ$	0.3	$c m, p$	0.55
$w$	0.1	$c m, R$	0.1
$γ$	0.1	$c r, R$	0.1
$P m$	0.98	$c m, T 1$	0.03
$s$	0.3	$c m, T 2$	0.025
$c m, o$	0.66	$c m, I$	0.015
$c r, I$	0.045

表3

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

图16

图17

图18

图19

图20

参考文献 28

1	Bell D R， Gallino S， Moreno A. How to win in an omnichannel world［J］.MIT Sloan Management Review， 2014， 56（1）： 45-53.
2	Beck N， Rygl D. Categorization of multiple channel retailing in Multi-，Cross-， and Omni-Channel Retailing for retailers and retailing［J］. Journal of Retailing and Consumer Services， 2015， 27： 170-178.
3	Gallino S， Moreno A. Integration of online and offline channels in retail： The impact of sharing reliable inventory availability information［J］. Management Science， 2014， 60（6）： 1434-1451.
4	Halzack S. From new mobile offerings to a potential off-price business， a look at what’s in store for Macy’s［J］. Washington Post， 2015， 6（13）：A15.
5	Jin M， Li G， Cheng T C E. Buy online and pick up in-store： Design of the service area［J］. European Journal of Operational Research， 2018， 268（2）： 613-623.
6	Zhang J， Xu Q， He Y. Omnichannel retail operations with consumer returns and order cancellation［J］. Transportation Research Part E： Logistics and Transportation Review， 2018， 118： 308-324.
7	Yan S， Xu X Y， BianY W. Pricing and return strategy： Whether to adopt a cross-channel return option？［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2020， 50（12）： 5058-5073.
8	Koers L V. Reverse supply chain performance in the online free return environment［D］.Holland： University of Twente， 2018.
9	Gao F， Su X M. Omnichannel retail operations with buy-online-and-pick-up-in-store［J］.Management Science， 2017， 63（8）： 2478-2492.
10	Hu M， Xu X L， Xue W L， et al. Demand pooling in omnichannel operations［J］.Management Science， 2022， 68（2）： 883-894.
11	Hansen R， Sia S K. Hummel's digital transformation toward omnichannel retailing： Key lessons learned［J］. MIS Quarterly Executive， 2015， 14（2）.
12	刘健，张珣，陈杰，刘思峰.全渠道零售商退货方式和定价研究［J］.中国管理科学，2022，30（4）： 252-263.
	Liu J， Zhang X， Liu J， et al. Research on return modes and pricing for omni channel retailers［J］.Chinese Journal of Management Science，2022，30（4）： 252-263.
13	Jin D， Caliskan-Demirag O， Chen F Y， et al. Omnichannel retailers’ return policy strategies in the presence of competition［J］. International Journal of Production Economics， 2020， 225： 107595.
14	Radhi M， Zhang G. Pricing policies for a dual-channel retailer with cross-channel returns［J］. Computers & Industrial Engineering， 2018， 119： 63-75.
15	Radhi M， Zhang G. Optimal cross-channel return policy in dual-channel retailing systems［J］. International Journal of Production Economics， 2019， 210： 184-198.
16	Nageswaran L， Cho S H， Scheller-Wolf A. Consumer return policies in omnichannel operations［J］. Management Science， 2020， 66（12）： 5558-5575.
17	杨浩雄，顾子跃，王浩，赵川.考虑跨渠道退货的双渠道供应链最优策略［J］.中国管理科学，2022，30（6）： 116-126.
	Yang H X， Gu Z Y， Wang h， et al. Optimal strategy of dual-channel supply chain considering cross-channel returns［J］. Chinese Journal of Management Science，2022，30（6）： 116-126.
18	刘健，印蓉蓉，陈杰，等.基于顾客渠道偏好的全渠道零售商库存研究［J］.中国管理科学，2023，31（11）：184-194.
	Liu J， Yin R R， Chen J， et al.Inventory research for omnichannel retailers based on customer channel preference［J］. Chinese Journal of Management Science，2023，31（11）：184-194.
19	潘文军，缪林.考虑跨渠道退货的双渠道闭环供应链决策研究［J］.中国管理科学，2020，28（6）：112-122.
	Pan W J， Miao L. Decision making of double channel closed loop supply chain considering cross-channel returns［J］. Chinese Journal of Management Science，2020，28（6）：112-122.
20	Franco R， Ríos H， de Loza A F， et al. A robust nonlinear model reference adaptive control for disturbed linear systems： An LMI approach［J］. IEEE Transactions on Automatic Control， 2021，67（4）： 1937-1943.
21	Xu H L， Teo K L. Robust stabilization of uncertain impulsive switched systems with delayed control［J］. Computers & Mathematics with Applications， 2008， 56（1）：63-70.
22	Duc T T H， Luong H T， Kim Y D. A measure of bullwhip effect in supply chains with a mixed autoregressive- moving average demand process［J］. European Journal of Operational Research， 2008， 187（1）： 243-256.
23	Ponte B， Framinan J M， Cannella S， et al. Quantifying the bullwhip effect in closed-loop supply chains： The interplay of information transparencies， return rates， and lead times［J］. International Journal of Production Economics， 2020， 230： 107798.
24	Hoberg K， Bradley J R， Thonemann U W. Analyzing the effect of the inventory policy on order and inventory variability with linear control theory［J］. European Journal of Operational Research， 2007， 176（3）： 1620-1642.
25	Hoberg K， Thonemann U W. Modeling and analyzing information delays in supply chains using transfer functions［J］. International Journal of Production Economics， 2014， 156： 132-145.
26	Li Q K， Lin H， Tan X， et al. H∞ consensus for multiagent-based supply Chain systems under switching topology and uncertain demands［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2018， 50（12）： 4905-4918.
27	Khalil H K. Lyapunov’s stability theory［M］//Baillieul J，Samad T.Encyclopedia of Systems and Control. Cham： Springer International Publishing， 2021： 1170-1174..
28	Kim J H， Park H B. H∞ state feedback control for generalized continuous/discrete time-delay system［J］. Automatica， 1999， 35（8）： 1443-1451.

策略	支付方式	处理退款	优势	劣势
BOPS	线上支付	有延迟	客流量、销售额提升	退款效率低
ROPS	线下支付	无延迟	客流量、销售额提升、退款效率高、缓解线下库存积压	订单取消风险大
BORP	线上支付	无延迟	客流量、销售额提升、退货率和退货成本降低	线下库存增加

[1]	李勇,陈元,于辉. 缓解牛鞭效应的新途径：人机协同的智慧决策机器人[J]. 中国管理科学, 2024, 32(9): 113-120.
[2]	谢瑞真,张尧. 全渠道零售下考虑退货的库存决策[J]. 中国管理科学, 2023, 31(12): 128-137.
[3]	刘健, 张珣, 陈杰, 刘思峰. 全渠道零售商退货方式和定价研究[J]. 中国管理科学, 2022, 30(4): 252-263.
[4]	张小玲, 陆强. 供应链中断下顾客缺货反应对牛鞭效应的影响研究[J]. 中国管理科学, 2016, 24(7): 54-62.
[5]	张小玲, 陆强. 供应链中断下顾客缺货反应对牛鞭效应的影响研究[J]. 中国管理科学, 2016, 24(7): 54-62.
[6]	李翀, 刘思峰, 方志耕, 白洋. 供应链网络系统的牛鞭效应时滞因素分析与库存控制策略研究[J]. 中国管理科学, 2013, (2): 107-113.
[7]	王道平, 张学龙, 赵相忠. 具有灰色随机动态特征的供应链牛鞭效应的鲁棒性分析[J]. 中国管理科学, 2013, (1): 57-62.
[8]	韩文民, 袁丽丽, 叶涛锋. 基于随机Petri网的生产提前期牛鞭效应测度研究[J]. 中国管理科学, 2011, 19(2): 116-124.
[9]	王伟钧, 唐小我, 倪得兵. 需求信息滞后下的零售商决策与牛鞭效应分析[J]. 中国管理科学, 2008, 16(4): 84-89.
[10]	姜继娇, 杨乃定. 基于认知风险度量的ISC牛鞭效应分析[J]. 中国管理科学, 2006, (2): 124-128.
[11]	廖成林, 宋波, 李忆. 非平稳需求状态下虚拟企业牛鞭效应的存在性分析[J]. 中国管理科学, 2006, (1): 43-49.
[12]	罗卫, 张子刚, 欧阳明德. 基于DE-APIOBPCS策略的牛鞭效应和库存方差[J]. 中国管理科学, 2005, (2): 88-94.
[13]	黄小原, 卢震. 多分销中心供应链模型及其牛鞭效应的H_∞控制[J]. 中国管理科学, 2003, (1): 42-47.