A multi-period multi-product stochastic inventory problem with order-based loan

Résumé Technique : Un problème de gestion des stocks stochastique multi-périodes et multi-produits avec prêt basé sur les commandes

Définition du Problème
Cet article traite de la prise de décision opérationnelle d'un détaillant en ligne à contrainte de trésorerie vendant plusieurs produits sur un horizon de planification fini. Le détaillant opère sur des plateformes de commerce électronique chinoises (ex. Tmall, JD.com) où une friction transactionnelle spécifique existe : les paiements des clients sont détenus par la plateforme et transférés au détaillant uniquement après un délai de réception (généralement d'au moins deux semaines). Ce délai crée un écart de flux de trésorerie, limitant la capacité du détaillant à reconstituer ses stocks, particulièrement pour les petites et moyennes entreprises (PME) ayant un capital initial limité.

Pour atténuer cela, l'étude examine l'adoption de « prêts basés sur les commandes » (order-based loans), un service de financement proposé par ces plateformes. Sous ce régime, la plateforme avance le paiement au détaillant immédiatement dès la livraison de la commande, permettant au détaillant d'utiliser ces fonds pour un réapprovisionnement immédiat. Le détaillant doit rembourser le principal plus les intérêts après une période convenue. Le problème central est de déterminer les quantités de commande optimales ($Q_{n,t}$) et l'étendue de l'utilisation du prêt ($g_{n,t}$) pour $N$ produits sur $T$ périodes afin de maximiser la trésorerie finale attendue, sous réserve de contraintes de trésorerie, de la dynamique des stocks et de l'incertitude de la demande.

Méthodologie
Les auteurs développent un cadre mathématique progressant des formulations déterministes vers les formulations stochastiques :

1. Modèles Déterministes : Deux modèles de base sont construits en supposant que la demande est connue (représentée par des valeurs moyennes) :

   • SO-D (Trésorerie Propre) : Le détaillant opère uniquement avec sa trésorerie initiale et ses revenus de ventes.
   • OL-D (Prêt Basé sur les Commandes) : Le détaillant utilise la facilité de prêt basée sur les commandes jusqu'à une limite de crédit ($BU$).
     Les deux modèles intègrent des contraintes linéaires pour le flux d'inventaire, le flux de trésorerie et la logique spécifique de reconnaissance des revenus impliquant la longueur du délai de réception ($L$) et les modalités de remboursement du prêt.

2. Modèles de Programmation Stochastique : Reconnaissant que la demande des clients est incertaine, les auteurs formulent les contreparties stochastiques (SO-S et OL-S).

   • Représentation par Scénarios : L'incertitude de la demande est modélisée à l'aide d'arbres de scénarios, où chaque nœud représente une réalisation discrète de la demande associée à une probabilité.
   • Non-Anticipation : Des contraintes sont imposées pour garantir que les décisions prises à n'importe quel instant $t$ dépendent uniquement des informations disponibles jusqu'à ce moment (historique partagé), et non des réalisations futures des scénarios.
   • Génération de Scénarios : L'étude emploie la méthode d'appariement de moments (moment matching method) (Høyland et Wallace, 2001) pour générer un ensemble limité de scénarios qui satisfont des propriétés statistiques spécifiques (moyenne, variance, asymétrie) des distributions de demande log-normales sous-jacentes.
   • Réduction de Scénarios : Pour faire face à l'intraitabilité computationnelle des arbres de grande taille, l'algorithme de Sélection Fast Forward (FFS) (Heitsch et Römisch, 2003) est utilisé pour réduire le nombre de scénarios tout en préservant la structure statistique.

3. Analyse Numérique : Les modèles sont résolus à l'aide de données réelles extraites d'une boutique en ligne vendant des périphériques informatiques. L'horizon de planification est fixé à 6 périodes (deux semaines chacune), couvrant à la fois les périodes de demande normale et les périodes de forte croissance (ex. Singles' Day). Des tests de stabilité sont menés pour valider les techniques de génération et de réduction de scénarios.

Principales Contributions
L'article revendique trois contributions primaires à la littérature :

1. Mécanisme de Financement Novateur : Il est parmi les premiers à intégrer les « prêts basés sur les commandes » — un outil de financement spécifique prévalent dans le commerce électronique chinois mais sous-étudié dans la littérature de gestion des stocks — dans un modèle d'inventaire multi-périodes stochastique.
2. Cadre de Modélisation Stochastique : Il construit un modèle d'inventaire multi-produits stochastique complet qui rend explicitement compte des contraintes de trésorerie, des délais de réception et des mécanismes de prêts basés sur les commandes, en utilisant des arbres de scénarios et des techniques de réduction pour résoudre le problème.
3. Aperçus Empiriques : À travers une analyse numérique basée sur des données de transactions réelles, l'étude identifie les conditions opérationnelles spécifiques sous lesquelles les prêts basés sur les commandes sont bénéfiques, allant au-delà des hypothèses théoriques pour fournir des enseignements de gestion fondés sur les données.

Résultats
Les expérimentations numériques produisent les conclusions suivantes :

• Stochastique vs Déterministe : Le modèle stochastique surpasse systématiquement le modèle déterministe en termes de trésorerie finale attendue. La valeur de la solution stochastique (VSS) est particulièrement significative lorsque le détaillant est moins contraint par la trésorerie (c'est-à-dire lorsqu'il possède une trésorerie initiale plus élevée ou des coûts fixes plus faibles).
• Déclencheurs d'Adoption du Prêt : Le détaillant est plus susceptible de bénéficier de l'utilisation des prêts basés sur les commandes quand :
  • La Trésorerie Initiale est Faible : Un faible capital initial ($C_0$) rend la liquidité fournie par le prêt critique.
  • Le Délai de Réception est Long : Des délais ($L$) plus longs exacerbent les écarts de trésorerie, augmentant la valeur d'un financement immédiat.
  • Les Coûts Fixes sont Modérés : Des coûts fixes élevés augmentent le besoin de liquidités, bien que si les coûts sont trop élevés, la rentabilité est perdue indépendamment du financement.
  • La Demande est Élevée : Lors des périodes de forte demande, la capacité de réapprovisionnement rapide via les prêts génère des profits plus élevés.
• Stabilité : Les méthodes de génération et de réduction de scénarios ont démontré une stabilité, avec des valeurs d'objectif variant de moins de 5 % entre différents arbres de scénarios, validant la robustesse de l'approche de résolution.

Signification
L'article pose que, bien que le financement de la chaîne d'approvisionnement soit un marché en pleine croissance, le mécanisme spécifique des prêts basés sur les commandes a été négligé dans la littérature de l'optimisation des stocks. En modélisant ce mécanisme, l'étude fournit une base quantitative permettant aux détaillants de décider quand exploiter le financement des plateformes. Les résultats suggèrent que les prêts basés sur les commandes ne sont pas une solution universelle mais un outil stratégique le plus efficace pour les détaillants confrontés à des contraintes de liquidité dues à un faible capital initial ou à de longs cycles de paiement. L'étude valide le fait que l'intégration de l'incertitude de la demande via la programmation stochastique offre un avantage distinct par rapport à la planification déterministe, particulièrement dans le contexte des opérations à contrainte de trésorerie. Les futures directions de recherche suggérées par les auteurs incluent la modélisation de la substitution de la demande et l'exploration d'autres comportements de financement de la chaîne d'approvisionnement au sein de cadres stochastiques similaires.