5.2 報童模型與隨機需求#
本章導言#
EOQ 模型的世界是決定論的：需求率 \(D\) 是已知常數。但1950年代理論家重新檢視存貨時發現，有一整類問題根本不適合 EOQ 框架：商品只有一次訂貨機會，賣不完就貶值或報廢。最古典的例子是報童：凌晨批進當日報紙，白天賣一份賺一份的差價，收攤時沒賣掉的報紙只剩廢紙價。訂太少，賺不到該賺的錢；訂太多，批價打水漂。這不是「訂多少次」的問題，而是「一次訂多少才能平衡超量與不足」的問題——史稱報童問題（newsvendor problem）。
這個問題的數學胚芽更早：經濟學家 Kenneth Arrow 在二戰期間研究空軍備用零件的儲備問題，戰後與 T. E. Harris、Jacob Marschak 於 1951 年的〈Optimal Inventory Policy〉中建立了隨機存貨理論的一般框架，報童模型成為其中最純粹的單期特例。它是機率論第一次直接為存貨決策定價，也把「需求是隨機變數」變成管理學的常識。
模型：用臨界分位數決定訂量#
設單期需求 \(X\) 為隨機變數、累積分配 \(F(x)\) 。訂購量 \(Q\) ，售價 \(p\) 、批進成本 \(c\) 、期末殘值 \(s\) （ \(s < c < p\) ）。記：
- 不足成本（underage cost） \(c_u = p - c\) ：少訂一件錯失的利潤；
- 過量成本（overage cost） \(c_o = c - s\) ：多訂一件的損失。
多訂一件的期望邊際效益：若需求超過 \(Q\) （機率 \(1 - F(Q)\) ）多賺 \(c_u\) ；若需求不超過 \(Q\) （機率 \(F(Q)\) ）多損 \(c_o\) 。期望利潤在「期望邊際效益為零」處最優：
最適訂量是需求分配的特定分位數：分位數由「賺的機會 vs. 賠的損失」的比值決定，與需求的具體形狀無關。比值 \(\frac{c_u}{c_u + c_o}\) 越大（越容易賺、越難賠），訂量越高。這條「臨界分位數」（critical fractile）公式是存貨理論中使用最廣的單一公式。
例題：報童的凌晨決策#
例題 5.2.1：報童每份報紙批價 \(c = 15\) 元、售價 \(p = 30\) 元、未售出殘值 \(s = 3\) 元。當日需求 \(X\) 近似常態分配，平均 \(\mu = 200\) 份、標準差 \(\sigma = 40\) 份。（a）求最適訂購量；（b）求對應的服務水準（不缺貨機率）；（c）若售價漲到 45 元，訂量如何變？
解：
臨界分位數
(b) 服務水準即 \(F(Q^*) \approx 55.6\%\) ——直覺上偏低，但這正是模型的誠實之處：報紙殘值近零、多訂與少訂的代價相近，故只需略過半數的「不缺貨」保障。
(a) 常態分配下 \(Q^* = \mu + z\,\sigma\) ，其中 \(z\) 滿足 \(\Phi(z) = 0.5556\) ，即 \(z \approx 0.14\) 。故
(c) 售價 45 元時 \(c_u = 30\) ， \(F(Q^*) = \dfrac{30}{30+12} = \dfrac{5}{7} \approx 0.7143\) ，對應 \(z \approx 0.566\) ，
售價愈高（賺的機會愈大），訂得愈多——公式自動給出商業直覺的精確版本。
從報童到安全庫存#
把報童邏輯放進「多期、可再訂購」的場合，臨界分位數轉化為安全庫存的計算：設前置時間 \(L\) 內的需求近似 \(N(\mu_L, \sigma_L^2)\) ，目標服務水準為 \(\alpha\) ，則
例題的公式告訴你 \(z_\alpha\) 從何而來：服務水準不是拍腦袋的 \(95\%\) ，而是不足成本與過量成本的比值。若 \(c_u/(c_u+c_o) = 0.95\) ， \(z \approx 1.645\) ，安全庫存為 \(1.645\sigma_L\) ——這條推理鏈使 ROP 制（5.1 節）從決定論升級為隨機版。供應鏈管理中的「逐級放大」（bullwhip effect，需求變異沿供應鏈上游放大）之所以可怕，正因為每級的安全庫存都與該級看到的 \(\sigma_L\) 成正比。
前因後果與驅動關係#
- 管理問題驅動理論：戰時與戰後的備用零件儲備、報刊發行、時裝與生鮮零售，都是「單期賭注」型決策。Arrow 等人 1951 年的論文正是空軍備件問題的學術結晶——國防需求再次成為作業研究的引擎（見 10.1 節）。
- 理論如何改變實務：臨界分位數公式如今活在每一套零售補貨系統裡：時裝業的首批鋪貨量、生鮮超商的日訂量、航空公司的超額訂位（把「多賣一張票的收益」與「被擠下飛機的賠償」放進同一條式子）、飯店的超售決策，全是報童模型的變形。
- 對後續章節的影響：5.1 節 EOQ 管「訂多少次」，本節管「一次下多大賭注」，5.3 節 MRP 則說明當需求可由生產計畫推導時，預測誤差應該集中管理在主生產排程層。8.1 節決策樹的期望值準則與本節的期望利潤極大化同源；8.2 節會質疑「期望值準則」在單次重大賭注下的合理性。
- 與兄弟書的連結：報童模型是《機率統計》期望值與常態分位數的直接應用；《金融的數學》第 7 章風險度量（VaR）中的分位數思維與此同構—— \(F(Q^*) =\) 臨界比值與 VaR 的「左尾機率」是同一數學動作；《會計的數學》第 5 章存貨跌價損失，正是本節殘值 \(s\) 低於成本 \(c\) 的帳務呈現。
練習#
- 某生鮮店每天訂麵包：批價 20 元、售價 50 元、當日未售出以 5 元賣給飼料場。需求近 \(N(120, 25^2)\) 。求最適訂量與服務水準。
- 承上，若供應商允許「賣剩的全額退貨」（ \(s = 20\) ），最適訂量變多少？並解釋退貨政策為何會誘使零售商多訂。
- 時裝零售商面對單季需求， \(c_u = 400\) 、 \(c_o = 100\) 。需求分配的哪個分位數是最適訂量？若需求近均勻分配 \(U[500, 1500]\) ，訂量為何？（均勻分配的分位數為線性內插。）
- 前置時間需求 \(N(500, 80^2)\) ，臨界比值 0.95。求安全庫存與 ROP，並計算若把 \(\sigma_L\) 從 80 降到 40（透過穩定供應商），安全庫存省下多少。
- 思考題：報童模型假設「賺賠金額已知、需求分配已知」。若兩者都不確定（新產品首賣），你會如何用「小批量試賣＋資訊更新」改進決策？這與 2.3 節指數平滑「邊跑邊學」的精神有何相通之處？
深化問答#
問：報童模型與決策樹（8.1 節）的期望值準則有何關係？ 答：本質相同——都是「機率加權損益後取最大」。差別在結構：決策樹列舉有限個離散方案逐一計算，報童模型的方案（訂量）是連續（或大量離散）的，故用邊際分析一步求出最適分位數，免於逐一比較。報童是「決策樹的微積分壓縮版」。
問：為何模型用期望利潤極大就好，不管風險？ 答：報童決策每天重複，各日需求近似獨立，大數法則使長期平均利潤趨近期望值——期望值準則在此合法。但若是一次性的重大賭注（新款時裝只上一次、只此一季），期望值準則的合法性存疑，效用與風險態度（8.2 節）就必須登場。重複次數決定你該用哪個準則。
名詞速查表#
- 報童問題（newsvendor problem）：單期、隨機需求、賣剩貶值的訂量決策。
- **不足成本 \(c_u = p - c\) **：少訂一件錯失的單位利潤。
- **過量成本 \(c_o = c - s\) **：多訂一件的單位損失。
- 臨界分位數： \(F(Q^*) = c_u/(c_u+c_o)\) ，最適訂量對應的需求分位數。
- 服務水準（cycle service level）：一個補貨週期內不缺貨的機率 \(F(Q^*)\) 。
- **安全庫存 \(SS = z_\alpha\sigma_L\) **：吸收前置時間需求波動的緩衝存量。
- 牛鞭效應：需求變異沿供應鏈上游逐級放大的現象。
（本節完）