供应链库存成本模型

2024-07-30

供应链库存成本模型（通用7篇）

供应链库存成本模型篇1

0 引言

库存控制在供应链管理中起着关键的作用。Li和Liu采用数量折扣方法协调随机需求。Ouyang和Chuang将补货率作为控制参数。Chandra和Grabis假设订货成本与提前期参数相关。Ouyang、Wu和Ho在联合库存模型中考虑了缺陷生产过程和可控提前期。Chung和Wee在三级库存模型中研究了补货机制。与参考文献所研究的内容有所不同,本文将深入研究客户的订货行为,将客户的订货行为分成三种:缺货行为、完全消耗行为和部分消耗行为。在此基础上,分析和比较三种行为在库存成本模型优化上的差异。

1 供应链库存客户订货行为

图1(a~c)分别反映客户在缺货行为下、完全消耗行为下和部分消耗行为下的库存水平的变化情况,图1(d)反映生产商的库存水平的变化情况。具体涉及的参数定义如表1所示。在提前期L起始时,即t1时刻末为订货点,客户向生产商订货Q件。生产商立即响应客户的订货要求,开始生产产品。在L时刻末,生产商至少生产Q件产品以满足客户第一次需求。Q件产品会瞬时到达,客户的库存会及时补货。生产商会一直生产产品,直到生产n Q件产品来满足客户的次订货才结束生产。

(a)缺货行为下的客户库存变化水平(b)完全消耗行为下的客户库存变化水平(c)部分消耗行为下的客户库存变化水平(d)生产商的库存变化水平

2 供需库存成本模型

如图(a)所示,客户在缺货行为下,其库存成本可表示为订货成本、持有成本和缺货成本之和,即

如图(c)所示,在部分消耗行为下,客户库存成本为订货成本和持有成本之和,即

如图(b)所示,在完全消耗行为下,客户库存成本也为订货成本和持有成本之和,即

结合生产商库存成本:

可分别得到客户缺货行为下、部分消耗行为下、完全消耗行为下的各个供应链库存成本模型:

如式(5)所示,客户缺货行为下的库存成本模型最为复杂,而完全消耗行为下的库存成本最为简单。通过求导优化方法,各个订货行为下的最小供应链库存成本最终如下表示:

3 算例分析

假设客户和生产商的库存参数如下,研究订货点的库存成本对不同客户订货行为下的最优供应链库存成本的影响。

(1)一次订货(客户):Ar=100元/次,D=2 000件/年,hr=20件/年,sr=50件/年,r=50件,λ=0.1。

(2)一次生产(生产商):Am=10 000元/次,P=40 000件/年,hm=10元/件/年。

设r在区间[50,100]变化,其他库存参数值不变,C*随r变化趋势如图2所示。缺货行为C*值随r值增大而增大。部分消耗行为C*值也随r值增大而增大,斜率不如缺货行为。完全消耗行为的所有C*数值都不会随r值变化,斜率为0。缺货行为C*曲线始终在最上方,完全消耗行为C*曲线始终在最下方,而部分缺货行为的C*曲线始终夹在它们俩之间。因此完全消耗行为的联合库存成本最低,部分消耗行为的联合库存成本次之,缺货行为的联合库存成本最大。

4 结语

本文在由单一生产商和单一客户组成的两级供应链下,根据客户消耗库存的特点,将客户消耗货物行为分为缺货行为、完全消耗行为和部分消耗行为,在此基础上,分别建立了供应链库存成本模型,并通过理论分析方法和数值分析方法比较了在最优供应链库存成本的差异。缺货行为下由于缺货现象的存在,从而增加了缺货成本,因此供应链库存成本最大,而完全消耗行为下无缺货存在,因此不存在缺货成本,因此其库存成本最小。该分析结果与实际环境相符。

参考文献

[1]Li J,Liu L.Supply Chain Coordination with Quantity Discount Policy[J].International Journal of Production Economics,2006,101(1):89-98.

[2]Ouyang LY,Chuang BR.Mixture Inventory Model Involving Variable Lead Time and Controllable Backorder Rate[J].Computers&Industrial Engineering,2001,40(4):339-348.

[3]Chandra C,Grabis J.Inventory Management with Variable Lead-time Dependent Procurement Cost[J].Omega,2008,36(5):877-887.

[4]Ouyang LY,Wu KS.Ho CH.An Integrated Vendor-buyer Inventory Model with Quality Improvement and Lead time Reduction[J].International Journal of Production Economics,2007,108(1):349-358.

[5]Chung CJ,Wee HM.Optimizing the Economic Lot Size of a Three-stage Supply Chain with Backordering Derived without Derivatives[J].European Journal of Operational Research,2007,183(2):933-943.

供应链库存成本模型最优值的研究篇2

传统库存管理考虑客户和生产商之间相互独立，结果这种库存管理非常低效。而供应链库存通过联合协调机制可以有效地解决该问题。Yu[1]使用合作性合约加强信息共享，保证生产商可以通过零售商了解与市场相关的信息，从而进一步扩大生产商和零售商的利润。Viswanathan和Piplani[2]假设供应商确定一个共同的补货时间，要求所有客户只能在这个时间段内进行补货。为了让客户接受该机制，供应商在这段时间内提供价格折扣激励机制来弥补客户的损失。Zhao,Xie和Wei[3]研究早期订货承诺模型，表明早期订货承诺可以降低成本。Li和Liu[4]采用数量折扣方法协调随机需求。本文在一个生产商和一个客户构成的供应链中，假设提前期信息可以在客户和生产商之间共享和只存在客户缺货现象。在此基础上，建立供应链库存成本模型，并提出了一种模型优化方法，优化结果可得最佳订货量、最佳缺货量和最佳订货次数。

2 供应链库存模型

缺货条件下的供应链库存水平变化如图1所示，图1(a）为客户的库存水平的变化情况，图1(b）反映生产商的库存水平的变化情况。具体涉及的参数定义如表1所示。客户在t1时刻末订购Q件产品，生产商会立即响应订货需求，开始产品生产。假设生产商不存在缺货现象，则生产商在L时刻末，必须生产至少Q件产品，以满足客户的Q件产品的订货需求。Q件产品会瞬时到达，客户的库存会及时补货，而生产商的库存及时地得到削减。生产商会一直生产产品，直到生产nQ件产品来满足客户的n次订货，才结束生产。

如图1(a）所示，客户的平均库存成本为平均订货成本、平均持有成本和平均缺货成本之和，即

如图1(b）所示，生产商的平均生产库存成本为平均库存持有成本和平均生产准备成本之和，即

则供应链库存模型的平均库存成本为

通过二阶求偏导方法可得三个未知自变量参数S、Q和n的最优值：

代入式（3）后，可得供应链库存模型的最小供应链平均库存成本：

3 算例分析

假设客户和生产商的库存参数如下：

(1)一次订货（客户）：Ar=100元/次，D=2000件/年，hr=20件/年，sr=50件/年，r=50件，λ=0.1。

(2)一次生产（生产商）：Am=10000元/次，P=40000件/年，hm=10元/件/年。

设订货量Q在区间[100,1000]变化，缺货量S与订货量Q之间是如图（2）所示的线性关系。S随着Q的增大而增大。订货次数n与订货量Q之间是如图（3）所示的非线性关系。S随着Q的增大而减小，而且减小幅度逐渐减少。

4 结论

本文假设只有客户存在缺货现象以及提前期可以实现共享，结合客户缺货订货模型和生产商生产模型，建立了供应链库存成本模型，并提出了一种优化求解方法。证明供应链库存成本模型存在最优订货量、最优缺货量和最优订货次数。数值分析表明缺货量与订货量存在正线性关系，而订货次数与订货量存在负非线性关系。

摘要：文中考虑了客户存在缺货现象和提前期对客户订货和生产商生产的影响,建立了供应链库存成本模型。该模型存在最优订货量、最优缺货量和最优订货次数,最后通过数值分析方法分析了最优值之间的关系。

关键词：供应链,库存,提前期,缺货

参考文献

[1]Yu Y,Chu F,Chen,H.A Stackelberg game and its improvement in a VMI system with a manufacturing vendor.European Journal of Operational Research[J].2009,192(3):929–948.

[2]Viswanathan S,Piplani R.Coordinating supply chain inventories through common replenishment epochs.European Journal of Operational Research[J].2001,129:277-286.

[3]Zhao X,Xie J,Wei JC.The value of early order commitment in a two-level supply chain.European Journal of Operational Research[J],2007,180(1):194–214.

我国供应链库存优化模型研究综述篇3

传统的早期的库存优化研究主要是在确定性环境下进行考虑的, 各种数据和信息都假设为精确的, 不变的。即假设市场需求、订货提前期以及其它一些影响库存的因素确定不变的条件下对库存进行定性或定量研究。徐贤浩和马士华假设市场需求连续稳定的情况下提出了供应链网络状结构模型。胡朝晖等人对需求确定的分销供应链系统多级库存的优化进行了研究, 运用级库存理论, 通过求解松弛问题的启发式算法对系统库存进行优化, 其目标是使系统总成本最优化。但事实上, 供应链的参与者要面临很多因素的不确定性和随机性。把不确定性考虑进供应链库存优化模型中, 使得库存优化模型的研究更具有现实性和实用性。这也是我国供应链库存优化研究的主要趋势, 并取得了丰硕的研究成果。

不确定环境下供应链库存优化研究

不确定性是决策分析中存在的普遍现象, 主要有两种不同的表现形式, 一种是事件是否发生的不确定性, 即通常所说的随机性;另一种是事件本身状态的不确定性, 即模糊性。关于不确定性问题, 首先关心的是对不确定性参数适当描述的确定, 描述方法有:基于分布的方法, 一般采用已知均值和标准偏差的正态分布, 这种方法广泛运用于模型不确定需求或其它参数中, 也是以下主要提及的一种方法;二是基于方案的方法, 具有相应概率的几种离散方案用以描述期望发生的特定结果, 该方法由于数据的不可靠性而没有足够的吸引力。另一种重要的方法就是基于模糊的方法, 预测参数视为具有相应隶属函数的模糊数。有关随机性环境下的供应链库存优化研究比较多, 也是供应链库存优化研究的热点。下面主要介绍需求不确定性条件下或订货提前期不确定条件下或两者皆有的供应链库存优化的有关研究。

需求不确定性库存优化。随机需求的库存优化研究文献比较丰硕, 也是供应链库存管理研究的热点。在这一类研究中, 一般假设供应链各个节点的需求是随机的, 且服从一定的分布函数, 以正态分布较多。而且针对各种供应链 (二级、三级或网状结构) , 产品也分为单一产品或多产品, 分析和研究随机需求条件下的供应链库存问题。施文武等人建立了一种单一产品多周期随机需求生产/库存模型, 该模型采用 (s, Q) 策略对生产和库存进行控制。戢守峰等人从一个以区域分销中心 (DC) 为主导地位且由多个供应商和零售商共同组成的多级库存系统出发, 系统在假设DC和零售商都实行连续性盘点的 (R, Q) 库存控制策略, 提前提为常量, 零售商需求为正态分布的前提下, 采用缺货策略的思想来确定订货临界点及订货批量, 并且以确定DC的库存策略为目标, 建立了缺货条件下的多级库存控制模型, 从而达到有效控制库存的目的。王英楠、韩继业等研究了不确定需求下一种多阶段定价与库存控制相协调的供应链模型, 把扰动参数的不确定性处理为在已知集合内变化扰动。席元凯考虑了由多个供应商、一个配送中心组成的二级供应链系统在市场需求为随机情况下的多品种库存问题。从而丰富了在面对市场为随机需求下的多品种库存控制策略的研究工作。

订货提前期不确定性库存优化。订货提前期是从订货开始到订货批量为止的一段时间。提前期反映了供应链对顾客需求的响应速度, 随着产品生命周期的不断缩短, 设法缩短提前期已经成为供应链获取竞争优势的主要手段。在实施和运行供应链管理问题时, 订货提前期是一个重要的参数, 甚至可以说是一块基石。目前大多数有关供应链库存优化问题的文献, 都假设订货提前期是一固定常数, 但在现实问题中, 提前期通常是不确定的, 随机的和柔性的, 并非固定不变。随机提前期的变化是供应链上下级库存协调的主要影响因素。越来越多的文献开始讨论和研究基于随机提前期的库存优化问题。马士华和林勇建立了基于随机提前期的 (Q, r) 库存控制模型, 其中分别考虑了需求是常量和随机变量两种情况下的库存模型。戴更新等人研究了基于随机提前期的二级库存系统的优化方法。

需求和订货提前期不确定性库存优化。柳键和马士华在需求和供应都不确定的情形下, 通过模型研究对两级供应链的库存协调及其价值作了一些有益的探讨, 引入了有效库存水平的概念, 以反映上游缺货对下游库存的影响, 构造了定期检查补货模式下的供需双方库存模型, 对安全因子进行整体优化, 降低供应链库存成本。其中需求和订货提前提都服从一定的正态分布。王瑛和孙林岩提出了采用合作需求预测确定订购临界点, 并建立了由供应网络、核心企业、分销网络组成的多级库存系统优化模型。模型在满足供应链上各节点企业订单执行率的条件下, 通过确定最佳订购批量, 有效地控制库存量, 实行供应链的总库存成本极小化。该模型中需求服从Poisson分布, 订货提前期为随机分布函数。陈顺正等人研究了多个供应商单库存单制造商系统, 确定了二级链各个节点最优的库存策略。

模糊环境下供应链库存优化研究

在现实生活中, 模糊性的存在比随机性更为广泛, 尤其是在主观认识领域, 模糊性的作用更重要。所谓模糊性是指客观事物处于共维条件下的差异在中介过渡时所呈现的“亦此亦彼”性。为了能够表现具有“亦此亦彼”性的模糊现象和模糊概念, 20世纪60年代美国控制论专家扎德教授首先提出了模糊集合的概念, 并建立了模糊集理论。即用隶属函数来刻画元素对集合属于程度的连续过渡性, 将经典集合的二值逻辑{0, 1}推广到[0, 1]区间内的连续值逻辑, 这也是模糊集理论的核心思想。模糊集理论对库存问题中一些不确定性因素的解决相当有效, 而且被广泛采用。傅玉颖和潘晓弘主要探讨了不确定性情况下用模糊理论处理库存管理问题, 导出了允许适度缺货情况下多模糊参数单库存管理问题的模糊数学模型, 并通过示例表明, 用模糊理论处理库存管理问题更符合现实的不确定性, 具有很大的应用价值。李怡娜和徐学军研究了模糊环境下可控提前期的供应链库存优化问题。利用三角模糊数描述需求的不确定性和成本系数的不确定性, 分别建立了相应的Stackelberg模型。王凯兴和郭嗣琮分析了在模糊需求下按经典库存模型中的经济订货批量和订货周期所导致的库存风险损失, 推导了模糊需求下的经济风险函数。另外, 还有许多研究者对随机和模糊参数的混合不确定性库存进行了研究, 在理论和实践上丰富了供应链库存优化理论。

供应链库存成本模型篇4

由于市场需求环境的不断变化,供应链中需求和供应的不确定性使得供应链的每一级企业往往通过保持一定的库存来缓冲外部的影响,以实现较高的客户服务水平。在供应链上,从供应商、制造商、分销商到零售商,每个环节都通过库存来稳定企业生产运作的稳定性,供应链的不确定性越大, 企业需要设置的安全库存水平越高[1]。现实生活中需求量往往是不确定的,在需求随机情况下,有可能会出现订货量大于实际需求量,造成库存积压成本;订货量也可能小于实际需求量,造成缺货导致的机会成本。因此,在随机需求情况下进行库存决策时,企业须兼顾库存积压和缺货风险,做出最优订货量的决策。

在进行随机需求下的库存决策时,主要解决库存积压与缺货风险的权衡问题,这就需要来研究随机需求供应链中供需双方库存风险分担机制。本文主要进行随机需求下两阶段供应链的库存风险分担问题研究,首先给出随机需求背景下的供应链库存分散决策模型,并以此为基准通过引入订货协调率和追加订货价格两个参数提出了随机需求风险下的库存风险分担模型和最优,最后通过算例来说明库存风险分担机制的有效性和可行性。

1模型变量及符号描述

为了便于研究,本文只分析随机需求下单周期单产品的库存决策。研究的供应链库存分担模型满足以下假设条件:

1本文仅考虑某单一产品,该产品单位时间的需求量呈随机分布,需求密度函数为f(x), 分布函数为F(x),x≥ 0,f(x) ≥0,F(x)连续、可导、递增;

2需求方采用EOQ订货策略,需求连续、稳定,系统允许缺货,考虑订货成本、缺货成本和数量价格折扣;

3供应方按需方订单供应,其供应能力远大于需方的需求;

4供应方的单位产品供应成本不变;

5供应链供需双方分散决策,供需双方的利润函数为共同知识[2]。

系统变量说明:

需求方变量:Dx——预期销售量,其中x=0,1, ……;Vdx——预期利润,其中x=0,1,……;Cd——进货单价;Pd——销售单价;Od——订货费;Hd——积压单价;Ax——预期积压量,其中x=0,1,……; Sd——缺货成本系数;

供应方变量:Cs——进货单价;Ps——销售单价; Y——运输成本/件;Hs——积压成本;Bx——预期积压量,其中x=0,1,……;Vsx——预望利润, 其中x=0,1,……;

其中满足:

2 分散决策模型

传统库存决策是基于单个企业绩效的局部优化,即分散决策,供应链各节点企业相互之间缺乏相互协调合作,都只从各自利益最大化出发,进行独立决策。供应方要求需求方必须在实际需求到来之前提前按照其预计的需求量订货,预侧的需求往往与实际需求有偏差,这就造成需求不确定的风险,由此带来的损失全部由需求方独自来承担。供应方根据需求方的订货安排生产供应,需求方不能改变订货量,必须购进预订数量的产品,否则需要承担违约赔偿,因此供应方不承担库存风险。

照上述情况假设需求方的订货量为Q0,则其预期销售量D0为:

则需求方的预期库存积压量A0为Q0-D0,利润期望Vd0为:

由此可以看出,在分散决策的情况下,需求方总是被要求在实际需求发生前依据需求预测向供应方进行订货。即使后续实际需求发生后,与先前的需求预测订货量有明显偏差,也不可以调整先前预测所订的订货量。这样,当实际需求小于订货量Q0 * 时,需求方库存积压,造成积压成本;而当实际需求大于订货量Q0 *时,需求方库存缺货,造成机会损失。但是不管发生上述哪种情况,需求方需要承担需求不确定带来的各种库存风险,而供应方不承担任何风险,其利润都是确定值Q0 *(Ps-Cs-Y )。

3 库存风险分担模型

在分散决策模型中,从(3)、(4)、(5)式不难看出,需求方的库存订货策略Q0 *不仅决定了自身的赢利水平,而且还影响着供应方乃至整条供应链的赢利水平。而Q0 *是由单个需求企业基于自身利益做出的决策订货量,只追求局部优化,没有考虑供应方和整条供应链的整体利益最优化,这就促使供应链节点上利益相关各方有对供应链的决策策略进行改进的需求[3]。

供应链系统普遍存在需求不确定,有效的库存协调策略就是库存风险分担,通过库存风险分担机制使供应方承担了部分库存风险,激励需求方提高订货量,以使双方利益优化。即供应方承诺需求方在实际需求发生前订货后,允许需求方在协定的订货变动率下改变订货数量或者商品价格折扣等,以转移需求方的部分库存风险,这样激发需方调整订货模型,增加订货量,从而有可能增加双方的利润乃至供应链整体的收益[2,4,5]。

模型假设供应方愿意分担需求方部分库存风险,允许需求方在协定的订货变动率下改变订货数,即允许需方在发出订货需求后还可以在允许范围内调整向供应方的订货量,我们引进协调率r(0 r 1),当需方订货量为Q1时,供方生产产品的数量为Q1(1+r),之后需方可按实际需求修改订货量,即需方最多可以购买产品数量为Q1(1+r),最少必须购买的产品数量Q1(1-r),当实际订货量超预测订货量时,以价格v(Cs v<Cd )进行追加订货[4,5],需方的预期订货量Qe1 、预期售出量De1 分别为:

1、当Qe1-Q1>0时,即需求方追加订货量情况下,需求方的预期库存积压量A1为Qe1-De1 ,供应方的预期库存积压量B1为Q1(1+r)-Qe1,则库存风险分担决策下需求方的利润期望Vd1修正为:

当时,需求方期望利润最大的订货量Q1 *,将Q1 *代入公式(8)可得需求方的利润期望Vd1,这时供应方的预期利润Vs1和供应链总收益Z1为:

2、当Qe1-Q1 0时,即需求方无追加订货量情况下,需求方的预期库存积压量A1为Qe1-De1 ,供应方的预期库存积压量B1为Q1(1+r)-Qe1,则库存风险分担决策下需方的利润期望Vd1修正为:

当时,需求方期望利润最大的订货量Q1 * ,将Q1 *代入公式(11)可得需求方的利润期望Vd1,这时供应方的预期利润Vs1和供应链总收益Z1为:

当协调率为r时,需求方根据需求预测的经济订货量为Q1 *,其实际订货量可允许在Q1 * (1-r)至Q1 *(1+r)之间浮动。供需双方的库存订货决策模型为共同知识,这样供应方清楚需求方的订货决策行为, 清楚Q1 *与r和v之间的函数关系,其可制定一个使自己的利润达到最大值的r*和v*。这样供应链库存风险分担问题就转化为求解供应方利润最大化的问题。但由于供需双方都进行理性决策,追求Pareto优化, 因此只有满足供需双方的Vd1Vd0和Vs1Vs0前提下的库存风险分担策略才会被双方接受[6]。因此随机需求下供应链库存风险分担模型转化为:

4 算例

某供应链企业库存参数如下:Pd =200元/件,Cd=Ps =100元/件,Cs =10元/件,Od=60元,零售商预测市场需求量假定服从均匀分布,最高需求量b取值为5000件,最低需求量a取值为1000件,为简化模型假设v=80元/件,Hd=Hs=Y=Sd=0。

根据公式(3)、(8)和(11)得

由上述三个公式仿真分析算出,在库存分散决策情况下,需求方订货量取3000件达到最优,其预期利润为200000元,而这时供应方预期利润为270000元,整条供应链总收益470000元。当采用库存风险分担机制,即供应方制定不同的订货数量协调率r和追加订货价格v时,需求方的订货量将随之改变,从而导致供需双方利润发生变化,仿真分析得出:当v=80元/件,r=0.14,需方订货量为3217件为最优,预期利润是238790元,供应方预期利润是280136元,供应链总收益518926元。

图1 当v=80元/件时需方预期利润、供方预期利润与协调率r的关系曲线

图2 v=80元/件时需方预期积压量、供方预期积压量与协调率r的关系曲线

图3 当v=80元/件时供应链预期收益与协调率r的关系曲线

图4 当v =80元/件时,存在追加订货发生时需方预期利润、供方预期利润与协调率r的关系曲线

通过算例分析可以看出,当v=80元/件时,协调率r=0.14,供方的预期利润为最大,此时需方的预期利润和供应链的总收益都增加,均大于分散决策时的收益,符合Pareto优化;从图4还可以看出当v=80元/件时,当r 0.67时,供方让出部分利润给需方会激励需方追加订货,供方预期利润下降,需方预期利润有所上升,实现了库存风险分担,因此库存风险分担模型是协调供应链契约双方利益的有效策略。

5 结论

供应链库存成本模型篇5

随着我国市场经济新格局的快速形成及经济的飞跃式发展, 各大企业陆续兴起, 在复杂的环境中力求寻得一线生机, 并实现可持续发展。这就需要各个企业深层次的对自己的内部结构和体系进行审核, 不断完善, 以提高自身竞争力。而成本的控制对企业来说也是一个竞争的方面, 尤其对超市这种本身就是以交易各个货物、为人们提供便利的企业而言, 实现供应链管理下良好的库存成本控制可大大提升其实力和竞争力。供应链管理是指尽量以最少的成本, 从供应链最初的采购到各个销售企业和生产企业, 直至最终满足客户的需求, 达到供应链在运作时的最优化。而库存作为供应链环节的一个重要组成部分, 是指一个企业或组织所存贮的所有资源和货物, 库存成本则是这些资源和库存所花费的总费用。因供应链的各个环节的不确定性和不稳定性, 需要以一定的库存来保证供应链的正常生产销售。而做好超市的库存成本控制, 明确其供应链, 将其运作的过程反复研究, 以达到成本最优化, 可以节约大笔不必要的开支、优化超市内部管理结构、有效维持超市整体成本和利润的平衡, 达到整体效益最大化。这也为超市的未来长远发展提供了一条道路。但是就目前的实际情况而言, 超市在供应链管理下的库存成本控制还做得很不到位, 存在着许多问题, 需要进行调整来实现最优化管理。

二、供应链管理下的超市库存成本控制所面临的问题和困难

(一) 超市库存成本控制管理结构的混乱, 没有很好的进行分门别类和系统管理

随着我国国民生活水平和消费能力的提高, 超市在各大城市和区域的需求变得越来越大, 超市所交易的货物也变得越来越多、越来越丰富。这也就使得超市的库存也相对较多, 而我国目前的形势是, 许多超市在进行各个货物的管理时, 没有进行详细的分门别类, 也没有一个系统的管理, 这会导致货物在管理上的混乱, 也很难对各个成本进行有效控制。超市本身的货物交易就多, 在没有明确库存在所货物中所占比例的情况下进行运作, 不仅极有可能出现断货等情况, 还会因此浪费大量资金, 花费不必要的成本。同时, 库存成本控制结构的混乱, 也造成了超市内部整个供应链的模糊, 使得整个交易过程不清楚明了、不细致, 无法再进行进一步的降低成本。

(二) 对供应商的胡乱选择, 超市内部库存成本控制人员的认识层面不够、综合素质能力不高

我国超市数量庞大, 竞争也相对较大。能实现供应链管理下良好的库存成本控制对其在行业内的竞争是很有优势的。但目前我国大多数超市仍旧没有形成良好的供应链管理, 没有进行好的库存成本控制。特别是在对供应商的选择上, 许多超市都因为货物杂而多或者其他各种原因, 没有进行深思熟虑, 仅仅按照所需量的最低价或者其他片面的标准而进行选择, 显得较为随意。这就很可能会出现产品质量问题、未按时到货问题等各种问题, 而为了解决这些问题, 会重新进行购买等, 造成不必要的成本开销。同时, 超市内部库存成本控制人员的认识层面不够, 对库存成本控制没有太重视, 导致无法按照综合的系统的管理模式进行控制和运作, 这直接造成了成本的流失和过程的繁复, 再加上其相关人员本身的综合素质能力不够, 在处理相关的工作时难免会出现问题, 造成损失。

(三) 没有根据超市内部实际情况细化到各个方面进行库存成本控制

我国大多数企业在供应链管理下的库存成本控制还做得很不到位, 显得不成熟, 也没有根据自身实际情况进行分析总结, 从而对各个成本进行细化。例如在运输成本上, 大多数超市没有对各个运输方式进行综合考虑, 没有为长期的运输做准备。这忽略了自身的实际情况和优势, 本来对于大中型超市是可以采用电子订货来进行库存成本控制的, 小型企业也可以适宜的采取一些方式, 但是许多超市在这些方面上没有进行详细思索。再例如货物的订购、发出等也没有建立细致的成本预算和控制, 也没有对实际操作过程进行跟踪收集数据, 使得整个交易流程中都没有一个细致的分析, 将成本控制工作的难度增加了, 也没有达到预期的效果。

三、供应链管理下的超市库存成本控制的方式方法

(一) 建立良好的超市库存成本控制管理结构, 对货物进行分门别类和系统管理

一个良好的库存成本控制管理结构可以帮助超市顺利进行供应链的有序运作, 实现成本最低化。因此, 超市应该要建立一个库存成本控制系统, 将各个物品的库存数量都录入系统, 并且要进行分门别类的管理, 对于需求量大的要分一类, 以便随时进行进货, 价格容易变动的要分一类, 这样防止之后的涨价可以适当增加库存以减少成本, 对于不可用的库存要单独列为一类, 并且要尽量减少此类库存, 避免成本的不必要花费。分类管理可以对所有的货物一目了然, 在进行成本控制的时候会更加容易。同时, 库存数量要随时根据超市的实际需求量进行变动, 系统的数据也并不是一成不变的, 超市本身日交易量就是非常庞大的, 因此要随时对数据进行更新, 以便进行更系统的管理。并将各个货物的需求、库存数量、价格趋势等列成图表, 进行严格的成本控制, 以推动供应链管理, 实现良好运作。

(二) 对供应商进行正确选择, 全面提高超市内部库存成本控制人员的认识层面和综合素质能力

超市在进行成本控制时, 首先就是考虑采购问题。而采购必然就涉及到对供应商的选择。超市一天的交易量大, 产品需求量自然而然也相对较大, 这时候一个好的可长期合作的供应商不仅能带来很多便利, 还能大量节约成本。因此, 超市必须要对供应商进行严格筛选。而筛选的条件应该综合考虑, 既要根据超市的实际情况和预算价格这一层面进行考虑, 还要对所提供货物的质量进行考虑, 并且还要考虑到货物的数量、供应商的信誉、是否会出现断货缺货等问题, 最终选择最适合的供应商。与此同时, 还要全面提高超市内部库存成本控制人员的认识层面和综合素质能力, 对此超市可对相关人员定期进行培训, 并开展库存成本控制讲座和一系列实践活动, 从各个层面加深他们的了解和认识, 并召开相关会议, 随进行工作上的分析总结, 不断提高其综合素质能力。

(三) 根据超市内部实际情况细化到各个方面进行库存成本控制

超市在进行成本控制时, 不能盲目的采用一些其他企业的方式方法, 而是要在自己的实际情况下进行, 超市规模的大小、主要运营的商品货物、每日交易量都是需要进行统计并分析的重要数据。并且, 在对超市自身的实际情况有了详细的统计和分析后, 必须要细化到各个方面来进行成本控制。超市规模较大, 就采用电子订货的方式, 超市规模较小, 就尽量选择近的或是相对实惠的运输方式, 在方方面面上节约成本。供应链的各个环节都应该有一个详细的计划, 列出成本控制方案, 再根据自身超市的营业情况选择最为适合的方案实行, 并且随时对情况进行反馈, 以便进行更好的调整。

四、总结

我国大多数超市在供应链管理下的成本控制都或多或少存在着一些问题, 造成了资金的浪费、成本的提高, 最终降低了市场竞争力。因此, 超市应该在明确自己的实际发展状况的前提下, 采取一系列措施, 不断完善库存成本控制系统、建立良好的超市库存成本控制管理结构、对货物进行分门别类和系统管理、正确选择供应商、不断提高工作人员综合素质, 来使得成本实现最小化、供应链能完美运作, 最终提升自身竞争力, 实现可持续良好发展。

摘要：供应链管理是指尽量以最少的成本, 从供应链最初的采购到各个销售企业和生产企业, 直至最终满足客户的需求, 达到供应链在运作时的最优化。而库存作为供应链环节的一个重要组成部分, 是指一个企业或组织所存贮的所有资源和货物, 库存成本则是这些资源和库存所花费的总费用。而超市要达到成本最小化, 实现供应链能美运作, 就应该在明确自己的实际发展状况的前提下, 采取一系列措施, 不断完善库存成本控制系统、建立良好的超市库存成本控制管理结构、对货物进行分门别类和系统管理、正确选择供应商、不断提高工作人员综合素质, 最终提升自身竞争力, 实现可持续良好发展。

关键词：供应链管理,库存,成本控制,超市,分析,研究

参考文献

[1]沈俊敏.企业供应链管理下的成本控制研究[J].商场现代化, 2015 (20) .

供应链库存成本模型篇6

近年来,供应链管理领域里的大多数学者都十分关注买卖双方的协作问题。1976年,Goyal首先提出了一个联合经济批量(Joint Economic Lot Size,JELS)模型[1],它研究了买卖双方如何通过集成化库存协作来使系统总成本达到最小,也被称为集成库存(Integrated Inventory)模型。接着文献[2—4]对这个模型进行了不同程度的扩展。但是以上文献都假定需求是确定的。

当我们将需求拓展到随机情形时,提前期往往是我们首要考虑的因素。Liao和Shyu首次提出了一个需求提前期为随机且可控的模型,在模型中他们假定提前期由若干部分组成,每一部分都可以通过赶工的方式在支付一定成本的情况下进行缩短[5]。后来有许多文献对Liao和Shyu的模型进行了拓展[6—8]。

此外,Porteus在集成库存模型中引入启动/订购成本可减这一概念,并建立了增加投资以减少生产启动成本的框架[9]。随后又有许多学者对启动/订购成本可减模型进行了推广[7]。

在现实生活中,市场需求的具体分布形式往往是很难知道的,容易获得的是需求的实际数据和由此得到的需求均值和方差。因此,Scarf首次利用Mini Max方法解决了需求分布形式未知情况下的报童问题,并求出了最坏分布时使系统期望利润最大时的最优订货点[10]。文献[11]用一种新的方法对Scarf的模型进行了证明和推广。

文献[7]考虑了提前期可控且订货成本可减的集成库存模型,但是它假定需求服从正态分布。本文假定提前期与订购批量无关,并将此集成库存模型推广到分布形式未知的情况。

1 符号与假设

(1)供应链中只存在单一的买方和卖方,且只生产一种产品;买方单位产品的年库存成本为hb,卖方单位产品的年库存成本为hv,单位资金每年的机会成本为θ;

(2)买方每次订购的批量为Q,每次订购的成本为A,产品的平均需求速度为D;卖方每次生产的批量为m Q,每次生产的启动成本为S,产品的生产速度为P;

(3)订购提前期为L,提前期需求X的具体分布形式F未知,只知道其二阶矩,均值为DL,标准差为,其中σ表示单位时间内需求的标准差;

(4)买方实行连续盘存策略,每当库存水平降到订货点R时,就发出Q单位产品的订单,其中订货点(R)=提前期的期望需求(DL)+安全库存,k表示安全系数;

(5)允许缺货,令买方在一个订购周期内的期望缺货量为B(R),则B(R)=E(X-R)+,其中(X-R)+=max(X-R,0);假设有β比例的顾客愿意等待下次到货(0≤β≤1),则有(1-β)比例的顾客流失;令单位产品的边际毛利为π0,单位缺货成本为π;

(6)买方的订购成本可以通过追加投资的方式减少,且单位订购成本A与投资水平满足对数关系:,(0<A≤A0),其中A0表示没有追加投资时的初始订购成本,δ为常数,此函数都来自于Hall对日本JIT生产实务的研究[12]并被许多文献引用[7];

(7)提前期L为随机且可控的,它包括n个(n为正整数)相互独立的部分(例如订单准备、订单传送、卖方提前期、启动时间和产品配送等)。第i(i=1,2,...,n)部分的正常时间长度为ti,最小时间长度为,单位赶工成本为ci。不失一般性,我们令c1≤c2≤…cn。令L0=∑nj=1tj,Li(i=1,2,...,n)表示赶工后能达到的最小长度,故,故赶工成本为;

(8)单位产品的单位运输费用为常数,为了简化起见,本文不予考虑。

2 库存模型

将订购批量Q、单位订购成本A、安全系数k、提前期L和运送批次m作为决策变量,得到买卖双方单位时间的联合期望总成本(JTEC)为:

3 最优解

3.1 提前期需求服从正态分布的情况

当提前期需求X服从正态分布时,就有,其中Ψ(k)=φ(k)-k[1-Φ(k)],φ和Φ分别表示标准正态分布的密度函数和分布函数[6]。此时:

式(2)中JTEC的下标N表示正态分布。

其求解过程和算法都与下一部分也就是需求分布未知的情况类似,在此不赘述。

3.2 提前期需求分布形式未知的情况

实际上,在很多时候我们并不知道需求的具体分布形式,只知道其均值和方差。在这种情况下,通常用正态分布来近似,如上一部分就是如此。但是在通常情况下,正态分布并不能替代其他有着相同均值和方差的分布形式。

因此,在这一部分我们放松分布形式已知的假设,假定只知道提前期需求的均值和标准差,分别为DL和,而不知道其具体的分布形式。于是,我们就可以用最小最大分布自由法(minmax distribution free approach,以下简称minimax法)来解决这一问题。所谓minimax法就是对于每个(Q,A,k,L,m),都在F∈R中找到最小化JTEC(Q,A,k,L,m)的最不利分布形式。即:

我们引用Gallego和Moon[11]的两个命题可以大大简化我们的问题。

命题1

命题2对于每个DL,都存在一个分布形式F*∈R,使式(4)中等式的上界是紧闭的。

运用以上两个命题,于是就有。于是库存模型为:

式(5)中JTEC的下标U表示分布形式未知的情况。

首先忽略0<A≤A0及m为整数的限制,并记(Q*,A*,k*,L*,m*)为JTECU(Q,A,k,L,m)取最小时的最优解,可以证明JTECU(Q,A,k,L,m)具有以下性质:

性质1如果固定(Q,A,k,L),JTECU(Q,A,k,L,m)在m上是凸函数(证明见附录1)。

性质2如果固定(Q,A,k,m),JTECU(Q,A,k,L,m)在每个L∈[Li,Li-1](i=1,2,...,n)上都是凹函数(证明见附录2)。

性质3如果固定m和L∈[Li,Li-1],JTECU(Q,A,k,L,m)在(Q*,A*,k*)上的海塞矩阵正定(证明见附录3)。

由性质1知,当JTECU(Q*,A*,k*,L*,m-1)≥JTECU(Q*,A*,k*,L*,m)≤JTECU(Q*,A*,k*,L*,m+1)时,m取最优解m*;由性质2知,Min JTECU(Q,A,k,L,m)一定出现在[Li,Li-1]的末端(即端点上);由性质3知,JTECU(Q,A,k,L,m)一定在(Q*,A*,k*)上获得极小值。

然后让JTECU(Q,A,k,L,m)分别对Q、A和k求一阶偏导,并经过整理,得:

因此,对于给定的m和L,通过解式(7)、式(8)和式(9)不断迭代直到收敛,就可获得Q,A与k的最优解。为此,我们建立以下迭代计算法来获得JTECU(Q,A,k,L,m)的最小值。

算法:第一步:置m=1。

第二步:对于每个Li,执行(i)到(vii),i=0,1,…,n。

(i)从ki1=1和Ai1=A0开始。

(ii)将ki1和Ai1代入式(7)求出Qi1。

(iii)将Qi1代入式(8)求出Ai2。

(iv)将Qi1代入式(9)求出ki2。

(v)重复(ii)–(iv),直到Qi,Ai和ki的值没有变化为止。

(vi)比较Ai和A0。(1)如果Ai<A0,(Qi,Ai,ki)为当前Li和m下的最优解,记为(Qi*,Ai*,ki*)。(2)如果Ai≥A0,则置Ai*=A0,重复(ii)、(iv)两步求出(Qi*,ki*)。

(vii)利用式(5)计算出相应的JTECU(Qi*,Ai*,ki*,Li,m)。

第三步:找出,如果JTECU(Qm*,Am*,km*,Lm*,m)

,则(Q*m,A*m,k*m,L*m)就是m固定时的最优解。

第四步:置m=m+1,重复第二、第三步,得到JTECU(Qm*,Am*,km*,Lm*,m)。

第五步:如果JTECU(Qm*,Am*,km*,Lm*,m)≤JTECU(Q*m-1,A*m-1,k*m-1,L*m-1,m-1),返回到第四步,否则到第六步。

第六步:置JTECU(Q*,A*,k*,L*,m*)=JTECU(Q*m-1,A*m-1,k*m-1,L*m-1,m-1),而(Q*,A*,k*,L*,m*)就是最优解。因此,最优订货点。

值得一提的是,JTECN(Q*,A*,k*,L*,m*)表示正态分布的最优期望总成本,而JTECU(Q*,A*,k*,L*,m*)表示分布形式未知时的最优期望总成本,因此JTECU(Q*,A*,k*,L*,m*)-JTECN(Q*,A*,k*,L*,m*)表示对分布知识的报酬,而且一定是大于等于0的,Gallego和Moon称之为额外信息的期望价值(EVAI)[11]。

5 算例分析

为了说明上述模型的求解过程,我们使用文献[6]中的数据进行仿真:D=600单位/年,P=2 000单位/年,A0=200元/次,S=1 500元/次,hb=20元/年/单位,hv=14元/年/单位,π=50元/单位,π0=150元/单位,σ=7单位/周,δ=1/2800,θ=0.2/元/年,提前期由三个时段构成,具体数据见表1。

当我们取β=1,也就是假设系统中不存顾客流失时,利用本文算法所得的求解结果就可与文献[6]的结果进行比较,如表2。

从表2可看出,当m=1时,本文算法所求得的A1*=200,此时本模型的参数与Ouyang模型完全一致,因此最优解也完全吻合。

当需求服从正态分布时,在Ouyang模型中,(Q*,k*,L*,m*)=(144,1.31,28,3),JTECN(Q*,k*,L*,m*)=6 660.4;而在本模型中,(Q*,A*,k*,L*,m*)=(108,100.76,1.46,28,4),JTECN(Q*,k*,L*,m*)=6 579.5。当需求的分布形式未知时,在Ouyang模型中,(Q*,k*,L*,m*)=(152,1.32,28,3),JTECU(Q*,k*,L*,m*)=7 014.2.4;而在本模型中,(Q*,A*,k*,L*,m*)=(146,135.82,1.36,28,3),JTECU(Q*,A*,k*,L*,m*)=6 971.8。因此无论是正态分布还是分布未知的情况下,本模型都获得了更低的系统总成本,这说明企业可以通过降低单位订购成本的方式来削减系统总成本。

当我们令β取不同值时,利用本文算法所得的求解结果如表3。

从表3可看出,在不同的β值下,JTECU(Q*,A*,k*,L*,m*)-JTECN(Q*,A*,k*,L*,m*)都是大于0的,它即为上文所提的EVAI。

5 结语

本文在提前期可控的集成库存模型中,考虑了订购成本可减这一概念并将其作为决策变量,分别在提前期需求服从正态分布和分布形式未知的情况下建立了各自的数学规划模型,最后开发出相应的求解算法并通过算例证明系统获得了更低的总成本。这也提醒买卖双方,它们可以通过增加投资以降低单位订购成本的方式来降低系统的总成本。

附录

附录1(证明性质1)

附录2(证明性质2)

证毕。□

附录3(证明性质3)

当固定m和L固定时,JTECU(Q,A,k,L,m)的海塞矩阵为:

参考文献

[1]Goyal S K.An integrated inventory model for a single supplier-single customer problem.International Journal of Production Research,1976;15:107—111

[2]Banerjee A.A joint economic lot size model for purchaser and ven-dor.Decision Sciences,1986:17:292—311

[3]Goyal S K,Gupta Y P.Integrated inventory models:the buyer-ven-dor coordination.European Journal of Operational Research,1989;41:261—269

[4]Hill R M.The optimal production and shipment policy for a single-vendor single-buyer integrated production-inventory problem.Interna-tional Journal of Production Research,1999;37:2463—2475

[5]Liao C J,Shyu C H.An analytical determination of lead time with normal demand.International Journal of Operations&Production Management,1991;11:72—78

[6]Ouyang L Y,Wu K S,Ho C H.Integrated vendor-buyer cooperative models with stochastic demand in controllable lead time.International Journal of Production Economics,2004;92:255—266

[7]Chang H C,Ouyang L Y,Wu K S,et al.Integrated vendor-buyercooperative inventory models with controllable lead time and ordering cost reduction.European Journal of Operational Research,2006;170:481—495

[8]Hoque M A,Goyal S K.A heuristic solution procedure for an inte-grated inventory system under controllable lead-time with equal or un-equal sized batch shipments between a vendor and a buyer.Interna-tional Journal of Production Economics,2006;102(2):217—225

[9]Porteus E L.Investing in reduced setups in the EOQ model.Manage-ment Science,1985;31:998—1010

[10]Scarf H.A min-max solution of an inventory problem.In:Arrow K J,Karlin S,Scarf H,Editors,Studies in the Mathematical Theory of Inventory and Production,Stanford University Press,1958:201—209

[11]Gallego G,Moon I.The distribution free newsboy problem:review and extensions.Journal of the Operational Research Society,1993;44(8):825—834

供应链库存成本模型篇7

上述文献研究了供销双方在风险中性情况下，VMI模式契约优化与协调。然而，现实中有诸如信息不对称、市场需求波动等的不确定性因素，合作双方为了避免损失都有一定的风险规避特性[7,8]。因此，本文将利用一致性风险度量模型———条件风险值理论（CVaR），研究随机需求下，VMI供应链成员都有风险规避特性时，通过收益共享契约，建立条件风险值模型和考虑风险规避的VMI契约模型，实现VMI供应链的完美协调和优化。

1 问题的描述与假设

本文研究由一个风险规避供应商和一个风险规避零售商组成的VMI的优化与协调契约问题。p为单位产品零售价格，qr为零售商订货量，qs为供应商供货量，qsc为VMI供应链订货量，x表示随机需求，其分布函数与密度函数分别为F(x）和f(x）。βr为零售商风险规避水平，βs为供应商风险规避水平。

假设：

(1)不考虑零售商的销售成本和缺货损失。

(2)考虑到VMI模式下，供应商保证产品供应，负责所有的库存，风险比零售商大，所以有：0≤βr<βs≤1。

(3)在收益分享契约T(r，λ）中，要求零售商每销售出去一个零售价为p商品，零售商要收取的收益为rp，供应商从单位商品中得到收益为（1-r)p，为了使供应商有利可图，必须有cp<(1-r)p[9]，其中：r为零售商收取的单位收益份额比率，0<r<1,c为供应商单位产品持有成本比率，0<c<1。

(4)零售商对出现的多余库存给供应商每个产品支付补偿费用λp，λ<c<1-r，其中λ为零售商提供给供应商的单位剩余补偿比率，0≤λ<1。

(5)零售商与供应商双方都按使各自条件风险值最小原则决策。

2 VMI供应链及成员的CVaR模型

2.1 CVaR简介

CVaR即条件风险值，它是给定时间段内损失的概率超过风险规避水平损失的条件期望值[10]。如果设π（x,y）为决策损失函数，x为随机向量，y为决策变量向量，R为实数集，那么风险规避水平为β的条件风险值计算如下[11]:

其中，[·]+=max{0，·}。

2.2 CVaR模型的建立

参考蔡建湖等的VMI收益分享契约T(r，λ），得到供应商、零售商及其供应链收益函数如下：

其中：q∧x=min{q,x}。

由式（2）可得供应商基于负收益的CVaR模型[12,13]为

令

则

当-（1-r)pq+cpq≥αs时，

此时关于Gs(q，αs）的一阶偏导数

当-（1-r)pq+cpq<αs≤-λpq+cpq时，

则，得到

当αs≥λpq时，

综上：

当q<F-1(1-βs）时，αs*=-(1-r)pq+cpq,

当q≥F-1(1-βs）时，αs*=(p-rp-λ）F-1(1-βs)-λpq+cpq，

同理，可得零售商基于负收益的CVaR模型：

当q<F-1(1-βr）时，αr*=-rpq,

当q≥F-1(1-βr）时，αr*=(-rp-λp)F-1(1-βr)+λpq，

因为条件风险值模型具有齐次可加性，所有VMI供应链条件风险值[14,15]:

当βs>βr≥0时，F-1(1-βs)<F-1(1-βr）。

当q<F-1(1-βs）时，

当F-1(1-βs）≤q≤F-1(1-βr）时，

当q>F-1(1-βr）时，

3 基于CVaR的VMI优化与与协调

3.1 零售商基于条件风险值的最优订购量

由一阶最优性条件可得当q<F-1(1-βr）时，供应商的最优供应量为

3.2 供应商基于条件风险值的最优供货量

由一阶最优性条件可得当q<F-1(1-βs）时，供应商的最优供应量为

3.3 VMI供应链基条件风险值的最优订购量

由一阶最优性条件可得，当

时，供应链系统的最优订购量

为了实现VMI供应链的完美协调，必须使供应商的最优供货量等于供应链系统的最优订购量[16,17]，即q*sc=qs*，由此可得协调决策模型：

由此可知，当q<F-1(1-βs）时，满足式（30）的（λ，r,c，βs，βr）不同组合，供应商可以供应上述最优供应量，就可以实现VMI供应链完美协调。

因此，根据上面分析得到：

命题1 F-1(1-βr）≤q≤F-1(1-βs）和q>F-1(1-βr）时，VMI供应链无法实现完美协调。

将式（30）进一步整理，得到了考虑供销双方风险规避水平的VMI契约模型：

4 考虑供销双方风险规避水平的VMI契约模型分析

根据式（31）可以得出以下命题：

命题2实现VMI供应链的完美协调的契约模型与销售价格和货物订购数量高低无关，而与（λ，r,c，βs，βr）有关。

一般来说，对于一个确定VMI供应链，它的单位持有成本比率c，供销双方的风险规避水平（βs，βr）在一个具体的环境下，应该是确定的，而要实现供应链完美的协调，那就是要如何在供销双方之间实现利益的分配，也就是如何确定零售商收取的单位收益份额r和供应商收取的单位剩余补偿λ，因此，有必要分别对r，λ进一步的分析。

下面证明

证明

因为βs>βr，所以1-βs<1-βr，所以

上式

因为1-r>c,0<c<1，所以1-c>r，所以

上式

得证：

其他参数容易证明：

其中：Δ=（1-r-c)(1-βs)+r(1-βr）。

因此，根据上述分析，得出：

命题3在完美协调状态下，λ随r,c，βs增大而增大；随βr增大而减小。

从命题3可以看出，零售商收取的收益份额越大，那么零售商应该为供应商提供更多的补偿，来补偿供应商多余库存付出的成本；当供应商提供的产品成本增加或风险规避水平提高时，那么零售商也应该提供更多的补偿，来保证供应商获得足够多的利润；另一方面，当零售商的风险规避水平提高时，零售商又希望降低剩余补偿水平。