2026年4月，商学院智能商务与管理系、智慧供应链研究中心陶峰教授、王要玉教授与Zhaolin Li教授（The University of Sydney）及H. Neil Geismar教授（Texas A&M University）合作的研究论文“When Does Skewness Matter in Robust Inventory Management?”被商学院UTD24期刊Production and Operations Management接收。

该研究揭示了偏度信息在稳健库存管理中的重要作用。针对传统报童模型通常仅依赖需求和方差进行决策的局限，论文创新性地将需求分布的第三阶矩——偏度——纳入稳健优化框架。通过提出一种联合优化方法，成功克服了高阶矩带来的三次约束求解难题，并首次在闭式解下刻画了最不利需求分布。研究发现，当需求有界或成本-价格比较低时，偏度信息能够显著提升最优订货量的利润表现；而在无界需求且成本-价格比较高时，偏度的影响则不再显著。基于中国一家大型饮料公司的真实销售数据的数值实验表明，该基于矩的鲁棒策略在平均表现上优于基于KL散度、Wasserstein距离及半方差的竞争策略。该研究为需求分布信息不完全环境下的库存决策提供了新的理论工具和管理启示，也验证了高阶矩信息在供应链管理中的实际价值。

论文信息：Feng Tao, Yao-Yu Wang*, Zhaolin Li, and H. Neil Geismar. 2026. When Does Skewness Matter in Robust Inventory Management? Production and Operations Management. Accept.