在全渠道零售迅猛發(fā)展的當(dāng)下，消費者對購物便捷性與配送時效性的要求愈發(fā)嚴苛?！熬€上下單、店內(nèi)取貨”（BOPIS）和“線上下單、門店發(fā)貨”（BODFS）等服務(wù)，已然成為零售行業(yè)的標配。然而，傳統(tǒng)實體店在履行在線訂單時，面臨著揀貨成本高、庫存可視性差以及空間利用效率低等諸多難題。為應(yīng)對這些挑戰(zhàn)，眾多零售商開始在店內(nèi)設(shè)立微履行中心（ISMFC），期望借助其小型化、自動化且貼近顧客的特性，提升訂單處理速度并降低成本。但ISMFC存儲空間有限，如何在眾多商品中動態(tài)且科學(xué)地選擇存放品類與數(shù)量，同時應(yīng)對不確定的在線需求，成為庫存管理領(lǐng)域亟待解決的關(guān)鍵問題。

針對這一復(fù)雜且實際的問題，一支跨校研究團隊展開了深入探究。團隊成員包括香港中文大學(xué)（深圳）經(jīng)管學(xué)院的姜正瑞教授、天津大學(xué)管理與經(jīng)濟學(xué)部的Qian Jia，以及德克薩斯大學(xué)達拉斯分校納文·金達爾管理學(xué)院的Syam Menon。他們聚焦于ISMFC的庫存決策優(yōu)化，將該問題建模為受容量約束的馬爾可夫決策過程（MDP）。不過，直接求解此模型會遭遇“維數(shù)災(zāi)難”的困境。為此，研究團隊創(chuàng)新性地提出一種基于多期邊際利潤 - 體積比（MMPVR）的閾值策略（TP）。該策略通過計算各商品的邊際利潤與單位體積之比，并設(shè)定動態(tài)閾值，以此決定哪些商品應(yīng)放入ISMFC以及具體的存放數(shù)量。

為驗證這一策略的有效性，研究團隊開展了兩組實驗。首組實驗采用三產(chǎn)品模擬數(shù)據(jù)，將TP策略與最優(yōu)策略以及其他基準策略進行對比。第二組實驗則基于包含3,498種商品的實際零售數(shù)據(jù)，評估TP策略在規(guī)模化場景中的性能表現(xiàn)。實驗結(jié)果顯示，在小規(guī)模實驗中，TP策略在多數(shù)情景下都能接近最優(yōu)解，平均利潤差距僅為0.60%，并且其計算速度遠遠快于拉格朗日指數(shù)策略（LIP）等復(fù)雜方法。在基于真實數(shù)據(jù)的大規(guī)模實驗中，相較于貪婪策略、動態(tài)指數(shù)策略等基準方法，TP策略的利潤提升超過9%，而且每期求解僅需約46秒，充分展現(xiàn)出良好的可擴展性與計算效率。研究團隊還將模型擴展至易腐商品情景，發(fā)現(xiàn)TP策略同樣在保持高效率的同時實現(xiàn)了較高的利潤水平。

該研究在理論層面具有開創(chuàng)性意義，這是首次針對ISMFC庫存決策問題構(gòu)建約束MDP模型并提出閾值策略的研究，為弱耦合動態(tài)規(guī)劃與資源受限庫存優(yōu)化提供了全新的方法思路。在實踐層面，這一策略能夠助力零售商在有限空間內(nèi)科學(xué)地選品與定量，有效提升揀貨效率、降低運營成本，增強對需求波動的適應(yīng)能力，進而在全渠道競爭中提升訂單履行速度與服務(wù)品質(zhì)，實現(xiàn)運營效益的顯著提升。

姜正瑞教授的研究領(lǐng)域涵蓋商業(yè)智能和分析、不確定條件下的優(yōu)化與決策、技術(shù)創(chuàng)新與擴散以及信息技術(shù)經(jīng)濟學(xué)。此次他與Qian Jia、Syam Menon合作完成的論文“Enabling Ultra-Fast Online Order Fulfillment: Efficient Inventory Management for In-Store Micro-Fulfillment Centers”，發(fā)表于運籌學(xué)與管理科學(xué)領(lǐng)域頂級期刊《INFORMS Journal on Computing》，為零售行業(yè)的庫存管理難題提供了切實可行的解決方案。