链上镖师 / Chain Biaoshi
TRE|电商退货分流：第三方回收网络随机优化
把复用、转售、再制造与处置纳入同一套两阶段决策
论文构建两阶段随机规划模型，由第三方退货管理系统在复用、二级市场转售、供应商再制造和处置之间分配电商退货，并用STaR-BD算法提高大规模场景求解效率。
- 01：模型同时处理客户需求、二级市场需求和退货数量三类不确定性。
- 02：供应商启用与新产品生产属于第一阶段决策，其余物流和回收动作随场景调整。
- 03：STaR-BD相较传统Benders分解将计算时间降低约85%，并保持解质量。
- 04：案例中退货率从10%升至50%时，成本节省比例由7%提高到32%。
退货如何重新进入供应链
研究对象是一条包含供应商、零售商、客户区域、退货中心和二级市场的闭环供应链。第三方退货管理系统接收客户退货，按商品类型与质量等级完成分类。状态较好的商品直接用于满足客户需求，其余商品可进入二级市场、送回供应商再制造或执行处置，由模型统一决定各条路径的数量、运输和库存安排。
3PL退货管理系统的闭环供应链框架（来源：Fig. 1）
01复用：可销售退货经整理后直接满足常规市场需求。
02转售：存在轻微缺陷或包装损伤的商品进入折扣二级市场。
03再制造：需要修复的商品送回供应商，恢复后重新进入供应链。
04处置：不具备继续利用条件的商品承担处置成本并退出系统。
模型怎样分配每一件退货
单周期示例给出了一组完整的流量平衡。75件客户需求中，零售商配送60件，供应商直发5件，退货中心用可复用商品满足10件。退货中心收到20件可复用退货，其中10件直接履约、10件留作库存；另有15件非复用退货，分别安排5件再制造、5件转售、2件处置和3件期末库存。
单周期3PL-RMS物流分配数值示例（来源：Fig. 2）
1接收退货并按商品与质量等级分类
2可复用品用于客户履约或进入退货中心库存
3非复用品在再制造、二级市场转售、处置和库存之间分配
4零售库存不足时启用供应商直发，确保客户需求得到满足
模型将退货视为可重新配置的供给来源。质量等级、运输费用、再制造费用、二级市场需求和处置费用共同决定每件退货的经济去向。
三类随机量如何进入两阶段决策
随机向量由客户需求、二级市场需求和各质量等级退货数量组成。第一阶段在这些随机量实现前确定供应商是否启用以及新产品生产数量，相关决策占用后续再制造可用产能。第二阶段在具体场景出现后调整再制造、运输、库存、零售履约、直发、复用、转售与处置数量，从而形成带追索决策的两阶段随机规划。
阶段 1 不确定性实现前：决定供应商启用状态与新产品生产量
阶段 2 生成场景：抽样客户需求、二级市场需求和退货数量
阶段 3 不确定性实现后：优化库存、运输、履约与四类退货去向
阶段 4 汇总场景成本：在第一阶段成本与期望追索成本之间求得最优方案
供应商直发为每个场景提供需求保障，因此模型具有相对完全追索性质，Benders分解只需生成最优性割，无需处理可行性割。
STaR-BD怎样压缩求解时间
论文先用样本均值近似把期望追索成本转化为有限场景问题，再通过多次中等规模抽样生成候选解、估计统计上下界并检验SAA最优性差距。STaR-BD在此基础上加入稳定化预热、根节点割强化和割池清理：前者抑制早期主问题解的剧烈摆动，后两项收紧线性松弛并控制无效割带来的计算负担。
STaR-BD算法完整流程（来源：Algorithm 2）
1稳定化预热：在候选点与稳定中心之间生成分离点
2根节点强化：在线性松弛解处求解场景子问题并添加割
3主循环更新：计算上下界并加入逐场景Benders最优性割
4割池管理：定期移除持续松弛的割
5SAA检验：扩大参考样本评估统计差距，必要时增加场景数量
算法能快多少
收敛实验比较了传统Benders分解、根节点割方案、自适应方案和STaR-BD。不同MIPGAP设置下，STaR-BD的上下界差距更快缩小，稳定化预热减少了早期迭代中的解振荡。论文汇总实验指出，该算法在维持解质量的同时，相较传统Benders分解将计算时间缩短约85%。
不同MIPGAP设置下各算法的上下界收敛过程（来源：Fig. 3）
STaR-BD与基准求解方法的实验比较（来源：Table 6）
计算时间降幅
约85%
相较传统Benders分解
STaR-BD耗时
4743秒
Table 6无MIPGAP设置
韩国网络中退货率怎样改写成本
公司案例使用贴近韩国电商运营的网络数据，将供应商、零售商、客户区域和退货中心的地理位置及运输连接纳入统一规划。退货率从10%提高到50%时，更多商品进入复用、转售和再制造路径，新制造需求随之下降。与退货统一处置的基准方案相比，3PL-RMS的成本节省比例由7%提高到32%。
案例供应链网络的地理布局与连接关系（来源：Fig. 4）
退货率变化对总成本和节省比例的影响（来源：Fig. 5）
退货率变化对3PL-RMS关键决策变量的影响（来源：Fig. 6）
退货率越高，可回收商品对新制造的替代空间越大。成本收益依赖退货质量、再制造费用、二级市场吸收能力和各节点运输成本的共同作用。
随机规划价值与二级市场适用边界
敏感性实验分别改变客户需求、二级市场需求和退货数量的变异系数。Table 7显示，需求波动增强时随机规划价值持续上升。二级市场需求比例从0.2提高到1.0的实验中，系统成本节省保持在约19%至20%，具体运营路径随市场容量变化：转售量、处置量、期末库存和再制造量会重新平衡。
不同需求与退货量变异系数下的随机规划结果（来源：Table 7）
二级市场需求比例对经济表现与运营决策的影响（来源：Fig. 7）
✓退货率敏感性范围为0.1至0.5，超出该范围的经济效果未在所给实验中验证。
✓模型假设退货到达后立即完成分类，未计入退货中心处理时延。
✓模型不允许欠货，库存缺口由成本更高的供应商直发满足。
✓退货质量等级及其再制造成本已知，论文未报告质量误判情形下的结果。
✓案例基于韩国公司网络，论文未报告跨国家、跨行业案例的外推检验。
该模型适用于退货可分级、回收路径清晰、需求缺口能够通过直发补齐的闭环供应链。落地时需重新估计退货率、质量结构、二级市场容量及运输成本。
论文：Closed-loop supply chain model with third-party logistics-based return management system
作者：Sangjun Yoon，Younsoo Lee，Youngchul Shin
期刊：Transportation Research Part E: Logistics and Transportation Review
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
