B2C模式下基于系統(tǒng)動力學(xué)的電商庫存模型

樊相宇　柴曉萌　武鋒

摘 要：為研究直接面向消費(fèi)者銷售產(chǎn)品的商業(yè)零售模式（Business-to-Customer，B2C）下電子商務(wù)平臺的庫存控制問題，從商家備貨角度并基于系統(tǒng)動力學(xué)原理建立某電商平臺庫存分析模型。目前與電商平臺合作的商家可以及時看到電商平臺上本品牌產(chǎn)品的銷售信息，但根據(jù)這些銷售信息卻很難準(zhǔn)確地進(jìn)行備貨。額外考慮備貨積壓與庫存費(fèi)用兩個因素，建立新的庫存分析模型。測試結(jié)果表明，添加測試函數(shù)時，相應(yīng)的備貨政策下的庫存費(fèi)用低，且可以避免缺貨現(xiàn)象的發(fā)生，對電商平臺和商家有借鑒和啟示作用。

關(guān)鍵詞：庫存控制；缺貨；系統(tǒng)動力學(xué)模型

中圖分類號：F713.36 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2018）18-0054-04

隨著電子商務(wù)企業(yè)間競爭的日趨激烈，顧客滿意度則決定了企業(yè)日后的發(fā)展，準(zhǔn)確把握市場動向以便及時制定自身的庫存計劃是電子商務(wù)公司首要考慮的決策[1]。直接面向消費(fèi)者銷售產(chǎn)品商業(yè)零售模式（Business-to-Customer，B2C）由于商家提前進(jìn)行備貨，電商平臺能夠第一時間進(jìn)行貨物配送，能夠大大縮短配送時間[2]；但是在這種模式下，商家如果過高地估計了備貨量，既增加了倉庫的庫存壓力，又增加了商家的損失；而商家如果過低地估計了備貨量，則會造成缺貨，導(dǎo)致顧客滿意度的降低[3]。高昂的物流成本在B2C企業(yè)中占據(jù)著總成本較大的比重，相對于傳統(tǒng)行業(yè)來說，物流成本控制問題對B2C電子商務(wù)企業(yè)更加重要，物流成本占總成本的比重遠(yuǎn)遠(yuǎn)高于發(fā)達(dá)國家水平[4]。而庫存成本是物流總成本的重要組成部分[5]。因此，如何做到既降低庫存成本又不至于造成缺貨是電商平臺和商家共同面臨的問題。為解決這一問題，可運(yùn)用系統(tǒng)動力學(xué)模型定量地分析、動態(tài)地模擬電商平臺的倉庫的庫存控制，并提出建議，期望使商家制定合理的補(bǔ)貨政策，進(jìn)而降低倉庫的庫存成本。

而現(xiàn)有的運(yùn)用系統(tǒng)動力學(xué)模型對庫存控制的研究大多集中在傳統(tǒng)零售行業(yè)，對B2C模式下電商平臺的庫存控制的研究很少[6]。電商倉庫面向的客戶直接是眾多消費(fèi)者而不是傳統(tǒng)的零售店，且網(wǎng)上購物訂單與零售店訂單的特點(diǎn)大不相同，網(wǎng)上消費(fèi)者的需求更加不確定，對節(jié)假日更加敏感，并且電子商務(wù)平臺的消費(fèi)者對時效性要求更嚴(yán)格。根據(jù)B2C電子商務(wù)與傳統(tǒng)零售的這些差異，基于系統(tǒng)動力學(xué)原理建立了電商平臺庫存控制新模型，并運(yùn)用VENSIM軟件對某電商平臺倉庫實(shí)際數(shù)據(jù)進(jìn)行決策分析。

一、B2C模式下電商庫存模型

（一）模型描述及參數(shù)

以B2C模式下的商家、某電商平臺的某個倉庫和消費(fèi)者為研究對象，建立電商倉庫的庫存模型，系統(tǒng)邊界從商家開始，經(jīng)倉庫到消費(fèi)者。平臺接到消費(fèi)者訂單后及時地發(fā)貨，商家根據(jù)實(shí)時的銷售信息和某個倉庫的實(shí)際庫存水平在考慮平均發(fā)貨率和庫存調(diào)節(jié)率的基礎(chǔ)上合理地生產(chǎn)產(chǎn)品，進(jìn)而補(bǔ)貨。系統(tǒng)建模的目的是分析商家如何合理地進(jìn)行備貨，既能避免缺貨現(xiàn)象的產(chǎn)生，又盡量地降低庫存費(fèi)用。

電商平臺的參數(shù)與變量：PO為電商平臺面對的需求率，SR為電商平臺的銷售率，OS為電商平臺的缺貨率，INV為電商平臺的庫存水平，DINV為電商平臺的目標(biāo)庫存水平，IAR為電商平臺庫存調(diào)節(jié)率，NSR為一般發(fā)貨率，IAT為電商平臺庫存調(diào)節(jié)時間，DIC為電商平臺目標(biāo)庫存覆蓋時間，WDS為電商平臺某種產(chǎn)品發(fā)貨率對商家勞動力的要求，ASR為平滑后的電商平臺發(fā)貨率，Ta為電商平臺發(fā)貨率的平滑時間。

與電商平臺合作的商家的參數(shù)與變量：STR為商家備貨率，OB為商家訂貨積壓，DR為商家發(fā)貨率，PPM為商家勞動生產(chǎn)率，WF為商家勞動力，IPD為商家生產(chǎn)—庫存延遲，HFR為商家的純雇傭率，DWF為商家期望勞動力，WDS為商家滿足電商平臺銷售率需要的勞動力，WDIP為商家滿足庫存需要的勞動力。

（二）系統(tǒng)要素因果關(guān)系分析

綜合分析各要素間的關(guān)系，得到倉庫庫存控制系統(tǒng)的因果關(guān)系如下：

反饋環(huán)1，電商平臺銷售率 → +電商平臺影響力 →+平臺訂單→+電商平臺銷售率；反饋環(huán)2，電商平臺銷售率 →+電商平臺影響力 →+平臺訂單 →+缺貨 →-電商平臺銷售率；反饋環(huán)3，電商倉庫庫存 →+電商倉庫庫存調(diào)節(jié)率 →-商家備貨率 →+電商倉庫庫存；反饋環(huán)4，電商倉庫庫存 →-生產(chǎn)廠家滿足某電商倉庫庫存需要的勞動力 →+期望勞動力 →+純雇傭率 →+勞動力 →+商家交貨率 →+電商倉庫庫存。

（三）模型構(gòu)建

系統(tǒng)動力學(xué)模型最主要的基本結(jié)構(gòu)就是可變的水平和流速變量。水平?jīng)Q定了決策，決策控制流速，流速又反過來改變水平。其中，水平變量也稱狀態(tài)變量，描述系統(tǒng)積累效應(yīng)的變量，是系統(tǒng)內(nèi)部狀態(tài)的描述；速率變量是描述系統(tǒng)中積累效應(yīng)變化快慢的變量，也稱決策變量。水平和速率變量組成相互交織的網(wǎng)絡(luò)系統(tǒng)，用以反映系統(tǒng)的活動[7]。

在B2C模式下，從商家備貨到滿足平臺訂單的過程中，根據(jù)系統(tǒng)動力學(xué)原理，主要有電商倉庫庫存水平、商家訂貨積壓、商家勞動力三個水平變量，影響這三個水平變量的速率變量主要有商家備貨率、平臺銷售率、商家的純雇傭率等（如圖1所示）。

二、實(shí)例分析

結(jié)合電商平臺庫存控制系統(tǒng)動力學(xué)模型，選取某個電商倉庫和在FBP模式下的某個手機(jī)商家作為研究對象。將庫存控制系統(tǒng)進(jìn)出的貨物定為某品牌某種型號的智能手機(jī)，我們記為A手機(jī)。智能手機(jī)是典型的互聯(lián)網(wǎng)時代的短生命周期產(chǎn)品，它的更新?lián)Q代速度快，與電商平臺合作的手機(jī)旗艦店應(yīng)該合理地在電商倉庫備貨，以達(dá)到低損失、低缺貨率的目標(biāo)，盡量使消費(fèi)者滿意[8]。我們設(shè)定系統(tǒng)仿真時間從2015年12月開始，到2016年12月份為止，每周儲存1次模擬結(jié)果。

根據(jù)上述資料，在VENSIM軟件里編輯模型的系統(tǒng)動力學(xué)方程，列舉主要的方程如下：（1）模型選取的電商倉庫的實(shí)際庫存：INV=INTEG（DR-SR）；Initial Value=DINV。（2）商家備貨率：STR=ASR+IAR+test（test 是測試函數(shù)，模型選用的是階躍函數(shù)來處理網(wǎng)上訂單量對節(jié)假日敏感的問題）。（3）訂貨積壓：OB=INTEG（DR-STR）；Initial Value=0。（4）商家交貨率：Delivery rate=PPM×WF/IPD。WF表示商家勞動力，IPD表示生產(chǎn)—庫存延遲。（5）純雇傭率：HFR=（DWF-WF）/WFAT；DWF=WDS+WDIP。（6）缺貨：OS=PO-SR，PO表示平臺訂單量（如下頁圖2所示）。（7）平臺訂單量：圖2顯示，電商平臺上的訂單量與傳統(tǒng)的零售商的銷售量有很大的不同，由于移動互聯(lián)網(wǎng)的普及，人們只需要空閑時通過手機(jī)就可以輕松購物，所以它不僅隨市場需求的波動而波動，而且對“雙十一”“雙十二”“618年中狂歡節(jié)”，以及其他節(jié)假日活動很敏感，平臺訂單量隨時間的變化是非線性的，因此模型選用表函數(shù)來表示平臺訂單量。（8）某電商倉庫的發(fā)貨率：SR=MIN（INV，PO）。（9）test=STEP（90，3）+STEP（-90，6）+STEP（30，19）+STEP（-30，22）+STEP（160，43）+STEP（-160，45）。

由以上實(shí)際數(shù)據(jù)分析模型在VENSIM軟件里的運(yùn)行結(jié)果所得到的庫存模擬結(jié)果圖顯示，倉庫庫存運(yùn)行結(jié)果波動在期望庫存的-1%～1%之內(nèi)，且沒有缺貨現(xiàn)象的發(fā)生。

這說明，商家若按照模型設(shè)計的備貨政策的話，即Stoc-king rate=Average shipment rate+Inventory adjustment rate+test，能夠達(dá)到不缺貨、庫存費(fèi)用又較低的目標(biāo)。

為了測試模型的備貨政策優(yōu)劣，我們可以選擇不同的備貨政策與本文推薦的備貨政策比較，因此本文假設(shè)：備貨政策1：SR=ASR+IAR，即商家備貨率是倉庫平均發(fā)貨率與庫存調(diào)節(jié)率之和；備貨政策2：SR=ASR+IAR+test，即本文模型設(shè)計的備貨政策。

通過庫存費(fèi)用這一指標(biāo)來比較兩種備貨政策的運(yùn)行結(jié)果。假設(shè)本文選擇的手機(jī)單位庫存成本為0.5，賣一部手機(jī)商家可得到的利潤為3，則倉庫缺貨的話，商家每部手機(jī)將損失3。因此，庫存費(fèi)用=實(shí)際庫存×0.5+缺貨×3。

將這一方程式加入原有的模型之中，分析模型的仿真結(jié)果。不同備貨政策下模型仿真的缺貨比較（如圖3所示）。

模型仿真結(jié)果顯示，不同備貨政策下倉庫庫存水平相差并不大，但在商家執(zhí)行備貨政策1的條件下，在第7周和第46周有缺貨現(xiàn)象出現(xiàn)，而在備貨政策2的條件下無缺貨情況出現(xiàn)。這是因?yàn)閭湄浾?加入的階躍函數(shù)提前考慮了節(jié)假日對電商平臺購物的影響，從而避免了缺貨情況的產(chǎn)生。

備貨政策1下的庫存費(fèi)用Total cost（1）=26 253，備貨政策2下的庫存費(fèi)用Total cost（2）=26 123，Total cost（1）>Total cost（2），即備貨政策2下的庫存費(fèi)用也比備貨政策1下的庫存費(fèi)用高。

三、結(jié)論與展望

運(yùn)用了系統(tǒng)動力學(xué)方法，建立了B2C模式下某電商倉庫庫存控制模型，運(yùn)行結(jié)果基本符合實(shí)際情況，且達(dá)到了預(yù)期制定的目標(biāo)。建立的庫存控制系統(tǒng)動力學(xué)模型也可以輔助做政策分析，模型仿真結(jié)果顯示，加測試函數(shù)的商家備貨政策可以有效地避免缺貨現(xiàn)象，但庫存水平會比不加測試函數(shù)的備貨政策下的庫存水平略高，考慮缺貨損失時，加測試函數(shù)的備貨政策的庫存總費(fèi)用低于不加測試函數(shù)的備貨政策下的庫存總費(fèi)用。因此，建議商家進(jìn)行補(bǔ)貨時可以考慮添加測試函數(shù)的備貨政策。

參考文獻(xiàn)：

[1] 吳強(qiáng)，楊岳.互聯(lián)網(wǎng)金融背景下，農(nóng)村普惠金融體系構(gòu)建探析[J].金融科技時代，2017，（3）：27-31.

[2] 蒙曉麗，陸玲玉.普惠金融背景下農(nóng)村金融扶貧工作的研究[J].區(qū)域金融研究，2015，（7）：84-90.

[3] 李建偉，李樹生，胡斌.具有普惠金融內(nèi)涵的金融發(fā)展與城鄉(xiāng)收入分配的失衡調(diào)整——基于VEC模型的實(shí)證研究[J].云南財經(jīng)大學(xué)學(xué)報，2015，（1）：110-116.

[4] 朱德莉.我國農(nóng)村金融發(fā)展對農(nóng)民收入增長的影響研究——基于協(xié)整檢驗(yàn)和VEC模型的實(shí)證分析[J].農(nóng)村經(jīng)濟(jì)，2014，（11）：92-97.