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

आधुनिक खुदरा व्यापार की दुनिया में, ताज़ा खाद्य पदार्थ बेचने की चुनौती एक उच्च-तार वाले करतब (high-wire act) की तरह है जिसे कई चरणों में किया जाता है। खरीदार अब केवल एक ही दुकान पर नहीं जाते; वे विकल्पों के एक जटिल जाल के माध्यम से खरीदारी करते हैं, जैसे स्थानीय दुकान से सामान लेना, घर पर डिलीवरी के लिए ऑर्डर करना, या ऑनलाइन खरीदकर स्वयं जाकर प्राप्त करना। यह ओमनीचैनल दृष्टिकोण सुविधा तो प्रदान करता है, लेकिन फलों और सब्जियों जैसे खराब होने वाली वस्तुओं के लिए एक लॉजिस्टिक दुस्वप्न पैदा कर देता है, जिनकी शेल्फ लाइफ (शेल्फ जीवन) का एक सख्त और टिक-टिक करता समय होता है। मुख्य कठिनाई दो प्रतिस्पर्धी जरूरतों के बीच संतुलन बनाए रखने में निहित है: कीमतों को इतना लचीला रखना कि वे ग्राहकों द्वारा किसी भी क्षण भुगतान करने के लिए तैयार राशि से मेल खा सकें, और स्टॉक की बिल्कुल सही मात्रा का ऑर्डर देना ताकि बिकने से पहले कुछ भी सड़ न जाए। यदि एक रिटेलर बहुत अधिक ऑर्डर करता है, तो भोजन खराब हो जाता है और बर्बादी बन जाता है; यदि वे बहुत कम ऑर्डर करते हैं, तो वे बिक्री खो देते हैं और ग्राहकों को निराश करते हैं। दशकों से, शोधकर्ताओं ने इस पहेली को हल करने के लिए गणितीय मॉडल बनाने की कोशिश की है, जिसमें अक्सर यह माना गया कि कितनी मात्रा ऑर्डर करने का निर्णय और क्या कीमत वसूलने का निर्णय, दोनों अलग-अलग समस्याएं हैं। हालांकि, ताज़ा उत्पादों के गलियारे की वास्तविकता यह है कि ये दोनों निर्णय गहराई से जुड़े हुए हैं, और जिस गति से एक स्टोर को नई डिलीवरी प्राप्त होती है, वह पहले की तुलना में कहीं अधिक महत्वपूर्ण भूमिका निभाती है।

शोधकर्ताओं की एक टीम ने दो अलग-अलग प्रकार के कंप्यूटर लॉजिक को मिलाकर ताज़ा वस्तुओं के प्रवाह को प्रबंधित करने का एक नया तरीका विकसित किया है। पूरे जटिल सिस्टम को एक साथ हल करने के बजाय, उन्होंने काम को दो भागों में विभाजित किया जो अलग-अलग समय अंतराल पर काम करते हैं। उनके सिस्टम का एक भाग 'डायनेमिक प्रोग्रामिंग' नामक पद्धति का उपयोग करता है, जो अनिवार्य रूप से एक कठोर, भविष्योन्मुखी योजनाकार (planner) है। यह योजनाकार एक लंबी अवधि तक आगे देखता है ताकि यह तय किया जा सके कि ताज़ा उत्पादों की कितनी इकाइयाँ ऑर्डर करनी हैं, जिसमें यह ध्यान रखा जाता है कि भोजन कितने समय तक चलेगा और बर्बादी की लागत क्या होगी। दूसरा भाग 'रीइन्फोर्समेंट लर्निंग' (reinment learning) नामक तकनीक का उपयोग करता है, जो एक वास्तविक समय के ट्रेडर की तरह कार्य करता है। यह एजेंट स्टोर के इन्वेंट्री आयु और मांग के उतार-चढ़ाव पर नज़र रखता है, और एक्सपायर होने से पहले पुराने स्टॉक को बेचने के लिए तुरंत कीमतें समायोजित करता है। महत्वपूर्ण बात यह है कि शोधकर्ताओं ने इन दोनों भागों को केवल अलग-थलग काम करने के लिए नहीं छोड़ा; उन्होंने उन्हें एक-दूसरे से संवाद करने के लिए मजबूर किया। दीर्घकालिक योजनाकार उन कीमतों के आधार पर अपने ऑर्डरिंग लक्ष्यों को समायोजित करता है जो वास्तविक समय का ट्रेडर वास्तव में निर्धारित करता है, और ट्रेडर उन इन्वेंट्री स्तरों के आधार पर मूल्य निर्धारण करना सीखता है जो योजनाकार बनाता है। उन्होंने इस प्रणाली का परीक्षण स्ट्रॉबेरी बेचने वाले एक ताज़ा-उत्पाद रिटेलर के विस्तृत कंप्यूटर सिमुलेशन में किया, जिसकी उपयोगी शेल्फ लाइफ चार दिन है, और इसे पूरे एक वर्ष की अवधि के दौरान परखा गया।

इस अध्ययन की सबसे उल्लेखनीय खोज यह है कि मूल्य निर्धारण एल्गोरिदम (pricing algorithm) की जटिलता, डिलीवरी ट्रक के शेड्यूल की तुलना में बहुत कम मायने रखती है। शोधकर्ताओं ने पाया कि क्या कोई स्टोर वास्तव में खाद्य बर्बादी का सामना करता है, यह पूरी तरह से इस अनुपात पर निर्भर करता कि उसे कितनी बार नया स्टॉक मिलता है और वह स्टॉक कितने समय तक चलता है। उनके सिमुलेशन में, जब रिटेलर को चार दिन की शेल्फ लाइफ के मुकाबले हर एक दिन में ताज़ा डिलीवरी प्राप्त हुई, तो बर्बादी की दर नगण्य थी, जो मात्र 0.04 प्रतिशत थी। इस परिदृश्य में, कोई भी चतुर मूल्य निर्धारण या जटिल योजना स्थिति को बेहतर नहीं बना सकती थी क्योंकि भोजन इतनी तेज़ी से बिक रहा था कि उसे पुराना होने का मौका ही नहीं मिला। सिस्टम इतना कुशल था कि समस्या अस्तित्व में ही नहीं आई। हालांकि, जब डिलीवरी चक्र को तीन-दिवसीय चक्र तक बढ़ा दिया गया, तो स्थिति नाटकीय रूप से बदल गई। उसी स्टोर ने, उन्हीं उत्पादों का उपयोग करते हुए, बर्बादी को लगभग 6.6 प्रतिशत तक बढ़ते देखा। इसने खुलासा किया कि "परिश्रमिकता की समस्या" (perishability problem) हमेशा मौजूद नहीं होती; यह एक ऐसी स्थिति है जो डिलीवरी कैलेंडर द्वारा निर्मित होती है। यदि डिलीवरी के बीच का समय पर्याप्त छोटा है, तो भोजन कभी पुराना नहीं होता, और उन्नत एल्गोरिदम के पास अनुकूलित (optimize) करने के लिए कुछ भी नहीं बचता। जटिल मूल्य निर्धारण की मशीनरी केवल तभी मूल्यवान होती है जब डिलीवरी चक्र इतना लंबा हो कि भोजन को पुराना होने का अवसर मिले।

एक अन्य प्रमुख निष्कर्ष ऑनलाइन ग्राहकों को उनके भोजन की ताजगी के बारे में दिए जाने वाले वादे से संबंधित था। कई स्टोर यह गारंटी देते हैं कि ऑनलाइन ऑर्डर किए गए उत्पादों की शेल्फ लाइफ में कुछ निश्चित दिन शेष रहेंगे, यह मानते हुए कि इससे अधिक ग्राहक आकर्षित होंगे। अध्ययन ने इस गारंटी को एक निश्चित मार्केटिंग नियम के रूप में नहीं, बल्कि एक परिवर्तनशील निर्णय के रूप में माना। परिणामों ने दिखाया कि ऑनलाइन ग्राहकों के लिए ताज़ा भोजन की गारंटी को कड़ा करने से वास्तव में व्यवसाय को नुकसान हुआ। जब शोधकर्ताओं ने गारंटी को एक दिन से बढ़ाकर दो दिन कर दिया, तो ऑनलाइन बिक्री में लगभग 10 प्रतिशत की वृद्धि हुई, लेकिन लाभ 3 प्रतिशत से अधिक गिर गया, और बर्बाद होने वाले भोजन की मात्रा तीन गुना हो गई। इसका कारण यह है कि एक सख्त गारंटी ऑनलाइन बिक्री के लिए उपलब्ध, लेकिन अभी भी खाने योग्य, पुराने स्टॉक को बाहर कर देती है। वह स्टॉक फिर भौतिक स्टोर (फिजिकल स्टोर) की ओर धकेल दिया जाता है, जहाँ इसे बेचना कठिन होता है, और अंततः इसे कम कीमत पर बेचा जाता है या फेंक दिया जाता है। अध्ययन ने निष्कर्ष निकाला कि, इस विशिष्ट वातावरण में, सबसे अच्छी रणनीति न्यूनतम संभव ताजगी गारंटी देना है, क्योंकि अधिक ताजगी का वादा करने से बिना पर्याप्त अतिरिक्त लाभ के केवल अधिक बर्बादी होती है।

शोधकर्ताओं ने अपने समन्वित दृष्टिकोण की तुलना कई अन्य तरीकों से भी की, जिनमें एक ऐसा सिस्टम शामिल था जहाँ ऑर्डरिंग और प्राइसिंग के निर्णय बिना किसी फीडबैक के एक के बाद एक लिए जाते थे, और एक ऐसा सिस्टम जहाँ एक एकल कंप्यूटर एजेंट एक ही समय में ऑर्डरिंग और प्राइसिंग दोनों को सीखने की कोशिश करता था। परिणाम स्पष्ट थे: एक कंप्यूटर एजेंट जो सब कुछ शुरू से सीखने की कोशिश करता है, सबसे खराब प्रदर्शन करता है, जिससे काफी कम लाभ होता है और बहुत अधिक अस्थिरता दिखाई देती है। यह सुझाव देता है कि ताज़ा भोजन ऑर्डर करने की जटिल लॉजिस्टिक्स को खुद से सीखना एक मशीन के लिए बहुत कठिन है; इसे ऑर्डरिंग संभालने के लिए एक योजनाकार के संरचित, तार्किक ढांचे की आवश्यकता है, जबकि मशीन लर्निंग का उपयोग कीमतों को समायोजित करने के कार्य के लिए सबसे अच्छा है। समन्वित प्रणाली, जिसने दोनों दृष्टिकोणों को मिलाया, जरूरी नहीं कि सबसे अधिक पैसा कमाती हो, लेकिन इसने कुछ बहुत अधिक महत्वपूर्ण किया: इसने बर्बादी को स्थिर किया। ऑर्डरिंग और प्राइसिंग के बीच फीडबैक लूप को बंद करके, इस प्रणाली ने अनुक्रमिक (sequential) पद्धति की तुलना में बर्बादी को आधे से अधिक कम कर दिया, जिससे उन आकस्मिक बड़े स्पाइक्स (उछालों) को रोका जा सका जो तब होते थे जब दोनों निर्णय आपस में संरेखित नहीं होते थे।

अंततः, यह अध्ययन रिटेलर्स के लिए एक गंभीर लेकिन व्यावहारिक मार्गदर्शिका प्रदान करता है। यह सुझाव देता है कि महंगे, हाई-टेक प्राइसिंग एल्गोरिदम में निवेश करने से पहले, एक स्टोर को पहले अपने डिलीवरी शेड्यूल को देखना चाहिए। यदि स्टोर को दैनिक ताज़ा स्टॉक प्राप्त होता है, तो बर्बादी की समस्या कैलेंडर द्वारा पहले ही हल की जा चुकी है, और कोई भी सॉफ्टवेयर इसे और बेहतर नहीं बना सकता। यदि डिलीवरी चक्र लंबा है, तो समस्या मौजूद है, और इसे प्रबंधित करने का चुनाव महत्वपूर्ण हो जाता है। शोध यह भी रेखांकित करता है कि आपूर्तिकर्ता (supplier) द्वारा निर्धारित भोजन की लागत स्वयं का लागत, स्टोर के मुनाफे पर किसी भी मूल्य निर्धारण रणनीति की तुलना में बहुत अधिक प्रभाव डालती है। आपूर्तिकर्ता को दी जाने वाली कीमत में एक छोटा सा सुधार वार्षिक लाभ को दसियों हजार डॉलर बदल सकता है, जबकि सबसे अच्छा प्राइसिंग एल्गोरिदम भी लाभ को केवल कुछ हजार डॉलर ही बदल सकता है। अध्ययन का निष्कर्ष है कि बर्बादी को कम करने का सबसे प्रभावी तरीका ग्राहकों को यथासंभव ताज़ा भोजन का वादा करना नहीं है, बल्कि निपटान (disposal) की आंतरिक लागत और डिलीवरी के समय को प्रबंधित करना है, यह सुनिश्चित करना कि आपूर्ति श्रृंखला उत्पाद के प्राकृतिक जीवनकाल के अनुरूप डिज़ाइन की गई हो।