链上镖师 / Chain Biaoshi
Omega|容量共享供应链网络：数据驱动鲁棒Benders算法
把需求相关性、交付质量和订单拆分约束放进产能共享供应链网络设计
这篇论文研究第三方共享制造平台下的产能购买、产能出售和工厂开设决策，用两阶段分布鲁棒优化与改进嵌套Benders算法降低需求不可观测和分布不确定带来的下行风险。
- 01：研究对象是带有第三方共享制造平台的容量共享供应链网络，供应商需要在自有工厂生产、平台购入产能和出售闲置产能之间做组合决策。
- 02：模型显式纳入订单拆分限制、平台交付质量通过率、需求相关结构和历史样本不足，将容量交易从简单撮合问题推进到网络设计问题。
- 03：实验显示，H_NBD在大规模算例中相对BD和NBD具备更好的可扩展性；DRO在样本外利润、VaR、CVaR和低利润概率上优于SAA。
研究背景
共享经济和工业互联网让第三方共享制造平台成为制造企业调节产能的新通道。论文关注的场景中，供应商既要服务多个产品制造商，也可以通过平台购买短缺产能或出售闲置产能，核心目标是在需求波动下提高总利润并控制短缺成本。
来源：Fig. 1。容量共享平台下的工厂生产与运输网络，展示供应商工厂、产品制造商、平台容量交易和消费者需求之间的关系。
平台交易带来成本优势，也引入两个运营约束。其一，供应商工厂能够同时服务的需求方数量受到订单拆分限制；其二，平台承诺的产能质量可能在交付时打折，导致购入产能的有效可用量低于名义数量。
论文把平台容量购买、容量出售、自有产能启用、产品运输和需求短缺统一放进供应链网络设计框架，重点考察需求不确定、交付质量和订单拆分约束共同作用下的稳健决策。
核心问题
传统容量共享研究多关注企业间共享合约或平台匹配效率，较少同时刻画需求相关结构、交付质量波动和网络层面的设施开设。本文的问题是：供应商在需求尚未完全观测前，应如何决定开设哪些工厂、是否启动平台购入或出售产能，以及需求实现后如何分配产能和运输产品。
来源：Table 1。模型参数与决策变量定义，涵盖固定成本、运输成本、容量上限、需求、质量通过率、销售成功率和容量交易变量。
模型中的关键变量包括工厂启用决策、容量购买开关、容量出售开关、工厂到需求节点的运输量、购入产能、出售产能、自有生产产能和剩余产能。约束要求运输量不能超过有效产能，出售量受剩余产能和销售成功率限制，需求节点接收量不超过实际需求。
01运营层面：工厂固定开机成本不可取消，容量规划需要在需求实现前完成。
02平台层面：购入产能存在质量通过率，出售产能存在预期销售成功率。
03市场层面：不同制造商需求之间存在相关结构，历史数据只能提供部分分布信息。
方法框架
论文先建立确定性利润最大化模型，再扩展为数据驱动两阶段分布鲁棒优化模型。第一阶段决定工厂运行、容量购买和容量出售开关；第二阶段在需求实现后决定运输、购入容量使用、出售容量和短缺惩罚，目标是在最不利需求分布下优化期望总利润。
1确定容量共享供应链网络：工厂集合、制造商需求节点、运输成本、固定成本和容量上限。
2构造两阶段DRO：用历史样本的部分分布信息描述需求支持集、均值区间和离散度结构。
3引入两类离散度度量：绝对离散度处理一般需求波动，Mahalanobis距离刻画需求相关结构。
4利用对偶和锥可表示结构，将半无限非凸形式转化为可求解的混合整数锥线性规划。
来源：Fig. 2。需求不确定性的区域异质性，用需求均值与标准差关系说明不同区域需求波动存在结构差异。
求解层面，作者提出从传统Benders分解到嵌套Benders分解的递进方案。传统BD直接在主问题中累积割，NBD把第一阶段二进制决策更新和最坏期望利润评估拆成两层，H_NBD进一步加入界记忆和变邻域搜索，以减少重复求解并寻找更有效的极点。
来源：Fig. 3。BD算法在|I|=10、|J|=20实例中的收敛表现，显示最优间隙前期下降较快，后续下界停滞且RMP求解时间上升。
案例或实验设置
数值实验使用Wal-Mart门店历史销售数据生成CSSCNDP实例，问题规模覆盖工厂数|I|为5或10，制造商需求节点数|J|为10、15、20、25和30。全部优化问题在Gurobi 11.0.0上求解，硬件为Intel i9-11900K处理器和64GB内存。
来源：Fig. 4。不同问题设置下算法收敛表现，对比BD、NBD和H_NBD在多个规模实例中的最优间隙下降轨迹。
实验包括三类比较：第一类比较BD、NBD和H_NBD在不同精度阈值下的求解时间；第二类考察平台交付质量通过率和容量销售成功率对工厂开设、购买和出售策略的影响；第三类用样本外测试比较DRO与SAA在不可观测扰动和分布不确定下的稳健性。
来源：Table 2。CSSCNDP不同算法的性能比较，列出不同工厂数、需求节点数和精度要求下三类算法的秒级耗时。
结果分析
算法结果显示，H_NBD在多数实例中快于BD，问题规模扩大时优势更加明显。以|I|=10、|J|=10为例，BD达到0%间隙需要57.16秒，NBD需要45.82秒，H_NBD需要17.20秒；在|I|=10、|J|=30实例中，三者分别为780.52秒、806.70秒和415.46秒。
10x10到0%间隙
H_NBD 17.20秒，BD 57.16秒
10x30到0%间隙
H_NBD 415.46秒，BD 780.52秒
稳健性比较中，DRO在样本外平均利润、尾部利润和低利润概率上表现更稳。Table 3显示，DRO平均利润为204363，高于SAA的199665；DRO的VaR5%为100593，CVaR5%为77557，均高于SAA的94946和68086。
来源：Fig. 5。DRO与SAA的样本外稳健性和下行风险比较，包含短缺概率、经验分布和CVaR曲线。
来源：Table 3。样本外利润分布与下行风险比较，DRO的Prob.(P<100k)为0.049，SAA为0.061；DRO的Prob.(P<125k)为0.110，SAA为0.129。
管理启示
对使用共享制造平台的企业来说，平台容量质量通过率会改变自有生产和外部交易的平衡。论文实验指出，交付质量下降或错配加剧时，DRO方案会增加名义购入产能来对冲有效产能损失；中等质量场景下，工厂配置和购入决策更趋保守。
来源：Fig. 6。不可观测扰动参数下DRO与SAA的样本外实验比较，展示三类噪声设定下保守性、利润和总成本分布。
需求不可观测实验提示，历史数据可以较好估计总市场规模，需求在不同客户或区域之间的分配仍可能因偏好变化发生扭曲。论文给出的结果中，DRO在所有重复实验中保持非负保守性，SAA出现基准短缺的概率随扰动设定从约17%升至24%和41%。
来源：Fig. 7。分布不确定性下DRO与SAA的样本外实验比较，用方差膨胀压力测试展示短缺概率、下行损失和缓冲分位数变化。
这篇论文给容量共享平台决策的直接启发是：企业在制定平台购入、出售和自建产能方案时，应同时评估需求相关性、交付质量、销售成功率和一次性交易成本；当长期订单需求超过自建能力时，扩建自有产能可以提供更稳定的利润调节空间。
论文：Data-driven robust capacity sharing supply chain networks design problem: An improved benders decomposition algorithm
作者：Shujie Liu，Guoqing Yang，Kai Yang，Jianjun Dong
期刊：Omega
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
