《Digital Business》:Two-tier trade credit inventory system for defective and deteriorating items incorporating preservation technology and learning effect with carbon emission in an inflationary environment
编辑推荐:
本文构建了一个综合库存模型,整合了双层贸易信贷(Two-level trade credit)、通货膨胀、保鲜技术(PT)、时间依赖性变质、碳排放、学习效应及缺陷品检测等现实因素。模型采用蝴蝶优化算法(BOA)求解,旨在联合优化补货周期、订单量、绿色技术投资和检测策略,以在遵守法规和保证库存可用性的前提下实现总利润最大化。数值结果表明,与传统模型相比,该集成策略可使利润提升约12.6%,碳排放减少17.9%,为制药、食品冷链等面临易变质、缺陷品和可持续性压力的行业提供了实用的决策支持工具。
Highlight
现代供应链中涉及易变质、易有缺陷和快速淘汰产品的公司,日益面临相互关联的运营、财务和环境压力。通货膨胀、新鲜度衰减、缺陷率、保鲜技术(PT)、学习效应、碳排放和贸易信贷条款等关键驱动因素并非独立作用;它们以复杂的方式相互作用,影响库存决策和随时间变化的成本行为。然而,大多数现有模型孤立地或有限地组合研究这些要素,限制了它们在现实的多因素场景中支持决策的能力。为解决这一空白,本研究引入了一个可持续经济订货量(SEOQ)模型,将这些关键维度整合到一个统一的分析框架中。该模型捕捉了受价格、时间和新鲜度影响的可变需求;结合了通过检测和保鲜投资控制的变质和缺陷问题;考虑了影响财务时机的双层贸易信贷;包含了塑造成本演变的学习效应和通货膨胀;并量化了来自订货和储存的碳排放,通过绿色投资进行抵消。还考虑了部分缺货拖后订单以反映缺货情况下的理性客户行为。该模型并非随意组合概念,而是基于食品、药品、化妆品、服装和在线零售等行业的运营现实,这些行业中这些因素自然共存且必须共同管理。通过模拟它们的相互依赖性,该框架揭示了关键的权衡,例如在减排与产品保鲜之间取得平衡,或在扩展贸易信贷的同时不损害运营可持续性。这些见解无法通过更简单的、分门别类的模型获得。因此,提出的整合方案既提供了理论价值,也提供了实践指导,推动库存建模朝着更高的现实性和相关性发展。
Managerial insights
本研究从全面的敏感性分析中得出关键见解,为零售企业提供了宝贵的指导。在战略管理意义方面,本研究旨在通过为从业者提供增强的方法论来深刻贡献,这些方法论用于管理存在缺陷、可持续性问题、贸易信贷条款、通货膨胀动态和学习效应的库存系统。因此,基于关键的分析结果,可以得出以下管理启示:首先,零售商应优先投资于保鲜技术(PT)和绿色创新,以显著延长产品寿命并减少碳排放,这直接有利于利润和环境可持续性。其次,利用学习效应优化检测和储存操作可以随着时间的推移显著降低成本。第三,管理者必须仔细调整其定价策略,以反映产品新鲜度和时间依赖性需求,特别是在促销或季节性高峰期。第四,有效的双层贸易信贷管理可以通过优化现金流和减少持有成本来改善财务健康状况。最后,将碳限额与税收法规纳入决策过程,不仅确保合规性,而且通过战略绿色投资促进长期成本节约。
Conclusions
新鲜度和变质是易变质商品的基本属性,塑造了食品、药品和快速消费品等行业的消费者行为和运营决策。受此类环境中财务、运营和环境压力汇聚的推动,提出的模型开发了一个统一的库存框架,捕捉了通常被孤立研究的要素之间复杂的相互作用。这些要素包括变质和缺陷、通过保鲜技术(PT)进行保存、受价格、时间和新鲜度影响的需求、双层贸易信贷、通货膨胀、学习效应以及碳政策。通过蝴蝶优化算法(BOA)进行的数值求解证明了该模型在平衡经济目标与环境责任方面的有效性。敏感性分析强调了关键参数(如变质率、信用期、通胀率和学习系数)对最优解决方案的显著影响,为不同运营背景下的决策者提供了可操作的见解。该框架的实用性在制药供应链等现实场景中得到了证明,特别是在管理疫苗和生物制剂等温度敏感产品方面。未来的研究可以探索将模型扩展到多梯队供应链、整合模糊或随机参数以应对不确定性,以及研究新兴技术(如区块链和物联网)在增强库存可视性和可持续性方面的作用。