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

Technische Samenvatting: Een Multi-Periode Multi-Product Stochastisch Voorraadprobleem met Opdrachtgebaseerde Leningen

Probleemdefinitie
Dit artikel behandelt de operationele besluitvorming van een kapitaalbeperkte online retailer die meerdere producten verkoopt over een eindige planningshorizon. De retailer opereert op Chinese e-commerceplatforms (bijv. Tmall, JD.com) waar een specifieke transactionele frictie bestaat: betalingen van klanten worden door het platform vastgehouden en pas na een vertraging in de ontvangst (doorgaans minimaal twee weken) overgemaakt aan de retailer. Deze vertraging creëert een kasstroomgat, wat de capaciteit van de retailer om voorraad aan te vullen beperkt, met name voor kleine en middelgrote ondernemingen (kmo's) met beperkt startkapitaal.

Om dit te verzachten, onderzoekt de studie de adoptie van "opdrachtgebaseerde leningen" (order-based loans), een financieringsdienst die door deze platforms wordt aangeboden. Onder dit schema schiet het platform de betaling direct na levering van de bestelling voor aan de retailer, waardoor de retailer deze fondsen direct kan gebruiken voor aanvulling. De retailer moet de hoofdsom plus rente na een afgesproken periode terugbetalen. De kern van het probleem is het bepalen van de optimale bestelhoeveelheden ($Q_{n,t}$) en de mate van leningbenutting ($g_{n,t}$) voor $N$ producten over $T$ perioden om de verwachte eindkas te maximaliseren, onderhevig aan kasrestricties, voorraaddynamiek en onzekerheid in de vraag.

Methodologie
De auteurs ontwikkelen een wiskundig kader dat verloopt van deterministische naar stochastische formuleringen:

1. Deterministische Modellen: Er worden twee basismodellen geconstrueerd waarbij wordt uitgegaan van een bekende vraag (gerepresenteerd door gemiddelde waarden):

   • SO-D (Eigen Geld): De retailer opereert uitsluitend op basis van het initiële kapitaal en de omzet.
   • OL-D (Opdrachtgebaseerde Lening): De retailer maakt gebruik van de opdrachtgebaseerde leningfaciliteit tot een kredietlimiet ($BU$).
     Beide modellen bevatten lineaire restricties voor de voorraadstroom, de kasstroom en de specifieke logica van omzetverantwoording rekening houdend met de lengte van de vertraging in de ontvangst ($L$) en de terugbetalingsvoorwaarden van de lening.

2. Stochastische Programmeringsmodellen: In het besef dat de vraag van klanten onzeker is, formuleren de auteurs stochastische tegenhangers (SO-S en OL-S).

   • Scenario Representatie: Onzekerheid in de vraag wordt gemodelleerd met scenariobomen, waarbij elk knooppunt een discrete realisatie van de vraag vertegenwoordigt met een bijbehorend waarschijnlijkheid.
   • Niet-anticipatie (Non-Anticipativity): Er worden restricties opgelegd om ervoor te zorgen dat beslissingen op elk tijdstip $t$ alleen afhangen van de informatie die tot die tijd beschikbaar is (gedeelde historie), en niet van toekomstige scenario-realisaties.
   • Scenario Generatie: De studie maakt gebruik van de moment matching methode (Høyland en Wallace, 2001) om een beperkte set scenario's te genereren die voldoen aan specifieke statistische eigenschappen (gemiddelde, variantie, scheefheid) van de onderliggende log-normale vraagverdelingen.
   • Scenario Reductie: Om computationele onhandelbaarheid bij grote bomen aan te pakken, wordt het Fast Forward Selection (FFS) algoritme (Heitsch en Römisch, 2003) gebruikt om het aantal scenario's te verminderen terwijl de statistische structuur behouden blijft.

3. Numerieke Analyse: De modellen worden opgelost met behulp van real-world data die is gecrawld van een online winkel die computerperiferie verkoopt. De planningshorizon is ingesteld op 6 perioden (twee weken per periode), die zowel normale als bloeiende vraagperioden (bijv. Singles' Day) beslaat. Stabiliteitstests worden uitgevoerd om de scenario-generatie en reductietechnieken te valideren.

Belangrijkste Bijdragen
Het artikel claimt drie primaire bijdragen aan de literatuur:

1. Nieuw Financieringsmechanisme: Het is een van de eersten die "opdrachtgebaseerde leningen" — een specifiek financieringsinstrument dat veel voorkomt in de Chinese e-commerce maar onderbelicht is in de academische voorraadliteratuur — integreert in een multi-periode stochastisch voorraadmodel.
2. Stochastisch Modelleringskader: Het construeert een uitgebreid stochastisch multi-product voorraadmodel dat expliciet rekening houdt met kasrestricties, ontvangstvertragingen en de mechanica van opdrachtgebaseerde leningen, gebruikmakend van scenariobomen en reductietechnieken om het probleem op te lossen.
3. Empirische Inzichten: Door middel van numerieke analyse gebaseerd op echte transactiedata, identificeert de studie specifieke operationele omstandigheden waaronder opdrachtgebaseerde leningen voordelig zijn, waarmee zij verder gaat dan theoretische aannames naar datagedreven managementinzichten.

Resultaten
Numerieke experimenten leveren de volgende bevindingen op:

• Stochastisch vs. Deterministisch: Het stochastische model presteert consistent beter dan het deterministische model wat betreft de verwachte eindkas. De waarde van de stochastische oplossing (VSS) is bijzonder significant wanneer de retailer minder kapitaalbeperkt is (d.w.z. meer initieel kapitaal of lagere overheadkosten heeft).
• Triggers voor Leningadoptie: De retailer heeft meer baat bij het gebruik van opdrachtgebaseerde leningen wanneer:
  • Het Initiële Kapitaal Laag is: Klein startkapitaal ($C_0$) maakt de door de lening geboden liquiditeit cruciaal.
  • De Ontvangstvertraging Lang is: Langere vertragingen ($L$) verergeren de kasstroomgaten, wat de waarde van directe financiering vergroot.
  • De Overheadkosten Gematigd Zijn: Hoge overheadkosten vergroten de behoefte aan liquiditeit, hoewel als de kosten te hoog zijn, de winstgevendheid ongeacht de financiering verloren gaat.
  • De Vraag Hoog Is: In perioden van bloeiende vraag levert het vermogen om snel via leningen de voorraad aan te vullen hogere winsten op.
• Stabiliteit: De scenario-generatie en reductiemethoden toonden stabiliteit aan, waarbij de objectieve waarden met minder dan 5% varieerden over verschillende scenariobomen, wat de robuustheid van de oplossingsaanpak valideert.

Betekenis
Het artikel stelt dat hoewel supply chain finance een groeiende markt is, het specifieke mechanisme van opdrachtgebaseerde leningen over het hoofd is gezien in de voorraadoptimalisatie-literatuur. Door dit mechanisme te modelleren, biedt de studie een kwantitatieve basis voor retailers om te beslissen wanneer zij gebruik moeten maken van platformfinanciering. De resultaten suggereren dat opdrachtgebaseerde leningen geen universele oplossing zijn, maar een strategisch instrument dat het meest effectief is voor retailers die te maken hebben met liquiditeitsbeperkingen door laag startkapitaal of lange betalingscycli. De studie valideert dat het opnemen van vraagonzekerheid via stochastische programmering een duidelijk voordeel biedt ten opzichte van deterministische planning, vooral in de context van kapitaalbeperkte operaties. Toekomstige onderzoeksrichtingen die door de auteurs worden gesuggereerd, omvatten het modelleren van vraagsubstitutie en het verkennen van andere supply chain financieringsgedragingen binnen vergelijkbare stochastische kaders.