Coordinating Replenishment and Dynamic Pricing for Perishable Omnichannel Retail: A Fixed-Point Dynamic-Programming–Reinforcement-Learning Framework

ملخص تقني: تنسيق التزويد بالمواد والأسعار الديناميكية لتجزئة السلع القابلة للتلف متعددة القنوات

بيان المشكلة
تتناول هذه الدراسة التعقيد التشغيلي لإدارة المنتجات القابلة للتلف في بيئة تجزئة متعددة القنوات، وتحديداً من خلال دمج قنوات: الشراء عبر الإنترنت والاستلام من المتجر (BOPS)، والشراء عبر الإنترنت والتوصيل للمنزل (BHOD)، والشراء من المتجر والاستلام من المتجر (BSPS). يكمن التحدي الجوهري في الأهداف المتضاربة المتمثلة في تعظيم الربحية، وتقليل الهدر (التلف)، والحفاظ على مستويات الخدمة في ظل طلب غير مؤكد وحساس للوقت.

تتميز هذه المشكلة بعدة قيود محددة:

• تباين القنوات: يُظهر المستهلكون عبر الإنترنت (BOHD/BOPS) حساسية عالية تجاه نضارة المنتج والالتزام الصارم بنظام "ما يدخل أولاً يخرج أولاً" (FIFO)، بينما تُظهر سلوكيات مستهلكي المتجر (BSPS) مزيجاً من الأنماط فيما يتعلق باختيار المخزون.
• ديناميكيات القابلية للتلف: تتميز المنتجات بعمر رف محدود (N=4 أيام في هذه الدراسة) وتتدهور جودتها بمرور الوقت. ويخلق تقادم المخزون مقايضة بين البيع بالسعر الكامل، أو الخصم عند اقتراب انتهاء الصلاحية، أو تحمل تكاليف التخلص من المنتج.
• ترابط القرارات: قرارات التزويد بالمواد (تحديد حجم الدفعات) وقرارات التسعير مرتبطة ببعضها البعض؛ فالتسعير يؤثر على مرونة الطلب واختيار القناة، بينما تقيد مستويات المخزون وتوزيع أعمار المنتجات قدرات التلبية.
• النضارة كمتغير: على عكس النماذج التقليدية حيث تكون ضمانات النضارة معاملات ثابتة، تعامل هذه الدراسة الحد الأدنى من العمر المتبقي الموعود للعملاء عبر الإنترنت ($a_{min}$) كمتغير قرار استراتيجي.

المنهجية: إطار عمل هجين (DP–RL) يعتمد على النقطة الثابتة
للتغلب على "لعنة الأبعاد" المتأصلة في البرمجة الديناميكية (DP) الدقيقة للمساحات ذات الأبعاد العالية (توزيع عمر المخزون عبر القنوات)، ولتجنب قصر النظر الذي تعاني منه التعلم التعزيزي (RL) الصرف فيما يتعلق بالتبعات طويلة الأجل للمخزون، يقترح المؤلفون إطار عمل هجين يفصل القرارات حسب المقياس الزمني:

1. التزويد الاستراتيجي بالمواد (DP): تتعامل وحدة البرمجة الديناميكية مع تحديد حجم الدفعات طويل الأمد وسياسات "الطلب حتى الوصول إلى مستوى معين". وهي تعمل بناءً على الطلب المتوقع وتأخذ في الاعتبار تقادم المخزون، وقيود التسليم، وتكاليف الهدر. وتحدد كمية الطلب المثلى ($Q_t$) لتقليل إجمالي التكاليف المتوقعة على مدى أفق التخطيط.
2. التسعير التكيفي (RL): يتعامل وكيل التعلم التعزيزي (Q-learning) مع التسعير الديناميكي قصير المدى الخاص بكل قناة. وهو يستجيب لتحقق الطلب العشوائي وحالات المخزون الآنية (العمر والكمية) لتعديل الأسعار ($p_{online}, p_{store}$) بهدف تحقيق أقصى ربح فوري ومستقبلي.
3. التنسيق عبر التكرار بالنقطة الثابتة: لا يتم حل الوحدتين بشكل تتابعي في تمريرة واحدة، بل يتم تنسيقهما من خلال حلقة خارجية تسعى لإيجاد نقطة ثابتة مشتركة. تقوم وحدة البرمجة الديناميكية (DP) بإعادة تحسين كميات الطلب بناءً على الأسعار التي تعلمها وكيل التعلم التعزيزي (RL) فعلياً، ويقوم وكيل (RL) بتحديث سياسة التسعير الخاصة به بناءً على أهداف الطلب الجديدة. وتستمر هذه العملية التكرارية حتى يستقر هدف "الوصول إلى مستوى معين".

المساهمات الرئيسية
تحدد الورقة ثلاث مساهمات رئيسية:

1. شرط النطاق للقابلية للتلف: تثبت الدراسة أن ما إذا كان التلف "ملزماً" (أي ما إذا كان الهدر يمثل مشكلة تحسين غير تافهة) يُحكم بنسبة دورة التزويد بالمواد إلى عمر الرف المتاح، وليس بمدى تطور سياسة التحكم. فإذا كانت دورة التزويد أقصر من الوقت اللازم لتقادم المخزون بشكل ملحوظ، فإن الهدر يكون ضئيلاً بغض النظر عن الخوارزمية المستخدمة.
2. ضمان النضارة الداخلي: يعامل الإطار ضمان النضارة ($a_{min}$) كمتغير قرار بدلاً من كونه معاملاً ثابتاً. ويكشف هذا أن تشديد الضمان يزيد من الطلب عبر الإنترنت ولكنه في الوقت نفسه يقلص مجموعة المخزون المؤهل، مما يؤدي غالباً إلى زيادة الهدر وانخفاض الأرباح.
3. التحقق المنهجي من الهجانة: تُظهر نتائج المقارنة المرجعية أن وكيل التعلم التعزيزي المستقل الذي يحاول تعلم كل من الطلب والتسعير في آن واحد هو الأضعف بشكل حاسم. وقد ثبت أن النهج الهجين، الذي يفرض هيكل البرمجة الديناميكية على التزويد بالمواد ويستخدم التعلم التعزيزي للتسعير، هو الأفضل، لا سيما في استقرار مستويات الهدر.

النتائج الرقمية والمكتشفات
تستخدم الدراسة محاكاة مُعايرة بدقة لتاجر منتجات طازجة بمدة صلاحية تبلغ 4 أيام ودورة تزويد مدتها 3 أيام على مدار عام واحد.

• تأثير دورة التزويد بالمواد: في ظل دورة تسليم يومية، يكون الهدر ضئيلاً (0.04%)، مما يجعل عملية التحسين غير ذات جدوى. أما تحت دورة الـ 3 أيام، فيرتفع الهدر إلى 6.58%، مما يجعل مشكلة التحسين نشطة.
• مقايضات ضمان النضارة: أدى رفع ضمان النضارة من يوم واحد إلى يومين إلى زيادة حجم المبيعات عبر الإنترنت بنسبة 10%، ولكنه ضاعف الهدر ثلاث مرات (من 2.6% إلى 7.2%) وخفض الأرباح بنسبة 3.2%. وكانت الاستراتيجية المثلى في هذه المعايرة هي الحد الأدنى التشغيلي للضمان. وقد تدهورت الأرباح والهدر معاً مع تشديد الضمان، مما يشير إلى عدم وجود جبهة باريتو (Pareto frontier) للتفاوض حولها.
• تحليل الحساسية:
  • تكلفة الشراء: تهيمن على جميع المعاملات الأخرى؛ حيث أدت زيادة بنسبة 67% في التكلفة إلى خفض الربح بنسبة تقارب 50%.
  • تكلفة التخلص: أدت زيادة السعر الظلي الداخلي للتخلص من عشر أضعاف إلى تقليل الهدر بنسبة 55% مع خسارة 3.2% فقط من الربح، مما يشير إلى أن تقليل الهدر مجدٍ اقتصادياً.
  • مستويات الخدمة: أدت أهداف الخدمة الطموحة (عقوبات عالية على المبيعات المفقودة) إلى زيادة الهدر بشكل كبير، حيث أصبح المخزون غير المباع لتغطية الطلب غير المؤكد عبارة عن تلف.
• المقارنة المرجعية: في نظام "الارتباط" (حيث يهم التلف)، نجح إطار العمل الهجين (DP-RL) في تقليل الهدر من 10.3% (في حالة التمرير الواحد المتسلسل) إلى 3.7%. ومع ذلك، لم تكن مكاسب الربح الناتية عن التنسيق ذات دلالة إحصائية مقارنة بالنسخة المتسلسلة، مما يشير إلى أن القيمة الأساسية لحلقة التغذية الراجعة تكمن في التحكم في الهدر وليس في تعظيم الإيرادات. كما أدى وكيل التعلم التعزيزي المستقل أداءً ضعيفاً، مما يؤكد ضرورة وجود قيود هيكلية على التزويد بالمواد.

الأهمية والادعاءات
تدعي الورقة أن نتائجها تعيد تنظيم نهج إدارة المخزون القابل للتلف:

• التشخيص قبل التحسين: يجب على تجار التجزئة أولاً تشخيص ما إذا كان وتيرة التزويد بالمواد تخلق مشكلة تتعلق بالقابلية للتلف. فإذا كانت الدورة قصيرة جداً بالنسبة لعمر الرف، فإن خوارما التسعير المتطورة لن تقدم أي فائدة.
• التوريد الاستراتيجي: تكاليف الشراء هي المحرك الرئيسي للربحية، وهي تفوق المكاسب الناتجة عن التسعير المتقدم أو خوارزميات المخزون.
• الهدر مقابل الخدمة: هناك مقايضة جوهرية حيث تؤدي مستويات الخدمة العالية في الفئات القابلة للتلف حتماً إلى زيادة الهدر. وتجادل الدراسة بأن تقليل الهدر يمكن تحقيقه بتكلفة هامشية منخفضة من خلال تعديل عقوبات التخلص الداخلية، وهو أمر لا يمكن رؤيته بدون تحليل حساسية المعاملات.
• الدقة المنهجية: تسلط الدراسة الضوء على أهمية متوسط البذور (seed averaging) في عمليات التعلم التعزيزي، مشيرة إلى أن نتائج التشغيل لمرة واحدة يمكن أن تعكس ترتيب السياسات بسبب تباين التدريب.

يخلص المؤلفون إلى أنه بينما يوفر الإطار الهجين آلية قوية لاستقرار الهدر، فإن الروافع التشغيلية الأكثر أهمية تظل جدول التسليم وشروط الشراء، بدلاً من التعقيد الخوارزمي لسياسة التسعير.